Brug af ChatGPT og Claude til Native Ad Research: MCP-workflowen

Du kan udføre seriøs native ad research indefra ChatGPT eller Claude ved at forbinde assistenten til et ad-bibliotek via MCP (Model Context Protocol). I stedet for at klikke igennem filtre i en time, stiller du et spørgsmål — "find de længstkørende ledsmerteannoncer på Taboola i USA og gruppér deres hooks" — og assistenten kæder live værktøjskald mod et indeks på 725.000+ native ad-kreativer fra 29.000+ annoncører på tværs af 49 netværk (juni 2026). Denne tutorial dækker fem-minutters opsætningen og fem research-workflows der holder i daglig brug, plus prompt-mønstrene der holder modellen forankret i rigtige data i stedet for at opfinde dem.

Hvad du skal bruge#

• En OpenAdLibrary-konto og API-nøgle. Nøglen udstedes fra dine kontoindstillinger; den samme nøgle driver både det offentlige data API og MCP-serveren. Baggrunden for hvorfor et API-first spy-værktøj betyder noget, er i ad spy tools with an API.
• En MCP-kompatibel klient. Claude (web og desktop) understøtter brugerdefinerede forbindere; ChatGPT understøtter MCP-forbindere i developer mode; Claude Code, Cursor og de fleste agent-rammer taler MCP native.
• Fem minutter. Der er intet at installere — serveren er hostet på mcp.openadlibrary.com og taler Streamable HTTP, den nuværende MCP-transportstandard.

Serveren eksponerer 43 værktøjer over det samme korpus som webappen bruger: ad-søgning, brand- og annoncør-opslag, tracede landing pages, trending og share-of-voice aggregeringer, publisher-data og watchlist-operationer. Det fulde værktøjskatalog og hvad hver klynge er til, er dokumenteret i Native Ad Library MCP; denne artikel handler om workflows.

Forbindelse af Claude og ChatGPT#

Claude: tilføj en brugerdefineret connector der peger på den hostede server-URL og autentificer med din API-nøgle — claude.ai understøtter en OAuth-lignende forbindelsesflow, og klienter der ikke kan sende headers kan sende nøglen i URL'en. ChatGPT: aktiver developer mode, tilføj en MCP-connector med samme URL og nøgle. Claude Code / Cursor / agenter: én konfigurationspost, f.eks. claude mcp add --transport http openadlibrary https://mcp.openadlibrary.com/mcp. Menunavne flytter sig efterhånden som disse platforme itererer, så behandl API-dokumentationssiden linket fra dine nøgleindstillinger som sandhedskilden for den aktuelle klik-sti.

Verificer forbindelsen med et engangsspørgsmål: "Brug OpenAdLibrary-værktøjerne, hvor mange live kreativer indeholder indekset for Taboola?" Hvis assistenten svarer med et værktøjskald i stedet for fra hukommelse, er du tilsluttet.

Workflow 1: konkurrent-teardown#

Prompt: "Profilér den native annoncering fra [brand eller domæne]. Hvilke netværk er de på, hvor mange live kreativer, hvilke angles kører de, hvor længe har deres ældste annoncer overlevet, og hvad sælger deres landing pages? Citer creative IDs."

Assistenten kæder et brand-opslag, en ad-søgning scoped til den annoncør, og landing page-hentninger, og skriver derefter briefingen. Dette er den delegerede version af den manuelle proces i how to spy on competitor native ads — samme logik, minutter i stedet for en eftermiddag. Stil en opfølgning for funnellen: "hent landing pages bag deres tre længstkørende annoncer og beskriv tilbudsstrukturen" (den manuelle metode er i how to find competitor landing pages).

Workflow 2: angle-mining fra overlevere#

Den mest pålidelige kreative brief i native er "hvad der allerede har overlevet". Annonce-længde er den tætteste offentlige proxy for rentabilitet — ingen betaler for at køre en tabende annonce i en måned — hvilket er hele argumentet i ad longevity as a winning signal.

Prompt: "Søg [vertical] annoncer på [network] i [geo] der har kørt i 21+ dage. Gruppér dem efter hook-type, list de tilbagevendende angles med eksempel-headlines, og udkast fem nye headline-varianter der bruger den samme psykologi uden at kopiere nogen af dem."

Indsæt en scoring-rubrik i prompten for at gøre klyngedannelsen skarpere — rammen i how to analyze winning native ad creatives fungerer som den er som prompt-materiale.

Workflow 3: vertical og geo-scouting#

Før du går ind i en ny geo eller vertical, bed om markedsoversigten: "Sammenlign Taboola og MGID for home-improvement-verticalen i DE: kreativ-volumen, top-annoncører, nye deltagere i de sidste 30 dage, og hvilke annoncører kører i DE men ikke i USA." Network-profile, share-of-voice og new-entrant værktøjer blev bygget til netop denne aggregering. Det parres med ekspansionslogikken i scaling to new geos on native: find Tier-2-markedet hvor en bevist Tier-1-angle endnu ikke har lokal konkurrence.

Workflow 4: watchlist-monitoring på en tidsplan#

Watch-værktøjer bevarer tilstand mellem sessioner: "Tilføj disse fem annoncører til min watchlist", derefter ugentligt: "Tjek min watchlist — hvilke annoncer stoppede med at blive observeret denne uge, hvilke krydsede 21 dages kørsel, og hvem lancerede nye kreativer?" Kør det som en planlagt agent-opgave, og mandagens konkurrentgennemgang bliver en rapport du læser i stedet for en pligt du udfører. Opbygningen af den underliggende liste er dækket i how to build a competitor watchlist, og den fulde kadence i building a competitive ad intelligence workflow.

Workflow 5: markedsbevægelses-opsummeringen#

Prompt: "Hvad ændrede sig i [vertical] native annoncering de sidste 14 dage? Nye annoncører, kreativer der døde, angles der vinder markedsandele. Citer de underliggende data for hver påstand." Dette bruger trending, delta-sync og new-entrant værktøjer til at producere den opsummering en god analytiker ville samle — nyttig som en fast briefing før kreative sprints eller budgetgennemgange.

Et gennemarbejdet eksempel, ende til ende#

Her er hvad en rigtig session ser ud, komprimeret. Opgaven: brief et kreativt team der går ind på det amerikanske høreapparatmarked på Taboola.

Prompt 1: "Brug OpenAdLibrary-værktøjerne, find amerikanske Taboola-annoncer om høretab eller høreapparater der har kørt 14+ dage. List annoncør, headline, dage kørt og creative ID." Assistenten kører en scoped ad-søgning og returnerer en tabel med overlevere — lad os sige et dusin annoncer på tværs af fire annoncører, ældste på 37 dage.

Prompt 2: "Klyng disse headlines efter psykologisk hook. Hvilken annoncør har flest live kreativer, og tester de flere angles eller itererer de én?" Ingen nye værktøjskald nødvendige — assistenten arbejder over de returnerede data og rapporterer, for eksempel, at volumen-lederen kører én problem-agitering-angle på tværs af mange billedvarianter, mens en udfordrer tester discovery-framed hooks.

Prompt 3: "Hent landing pages bag de to længstkørende kreativer og beskriv funnellen: quiz, advertorial eller direkte tilbud?" Nu kalder den landing page-værktøjer mod creative IDs og kommer tilbage med funnel-former og destinationsdomæner.

Prompt 4: "Skriv den kreative brief: dominerende angle, huller i angles ingen kører, funnel-norm for kategorien, og tre test-hypoteser. Marker alt du ikke kunne verificere med værktøjer." Femten minutter, én chat, og briefen citerer indsamlet evidens — creative IDs dit team kan åbne i ad intelligence konsollen — snarere end mavefornemmelser.

Den sidste sætning i prompt 4 betyder mere end den ser ud til, hvilket bringer os til forankring.

Prompt-mønstre der holder modellen ærlig#

En assistent med værktøjer kan stadig hallucinere omkring dem. Fem regler forhindrer det meste:

• Tving citater til værktøjsoutput. Afslut prompts med "citer creative IDs / annoncørnavne fra værktøjsresultaterne; hvis værktøjerne ikke returnerede det, sig det." Et svar uden IDs er et svar fra træningshukommelse.

• Accepter aldrig tal værktøjerne ikke returnerede. Hvis du bad om antal, skal de komme fra et søgning- eller aggregeringskald, ikke modellens erindring.

• Scope inden du aggregerer. "Alle netværk, alle geos" spørgsmål brænder kald og producerer grød. Navngiv netværket, geo og vindue.

• Paginer bevidst. Bed om top N efter længde eller nylighed snarere end "alt" — keyset walking findes til eksporter, ikke til chat.

• Kend din kvote. Gratis-tier API-nøgler er bevidst små — nok til at verificere forbindelsen og køre en demo-forespørgsel eller to om dagen. Vedvarende agent-research kører på en betalt plan, og tunge programmatiske hentninger hører hjemme på ad intelligence API'et snarere end chat.

Skiftet her er større end bekvemmelighed. Et ad-bibliotek plejede at være et website du besøger; via MCP bliver det en datakilde din assistent ræsonnerer over — og de købere der forbinder det til deres ugentlige rutine, samler fordele op hver uge.