Native Ad Data API: Programmatisk adgang til indfangede native kreativer

Hvis du nogensinde har forsøgt at lave reel analyse på native annoncering, kender du muren. Intelligensen findes, men den er fanget bag et dashboard. Du kan gennemsøge ét kreativ ad gangen, øjemåle en håndfuld annoncører, måske eksportere en CSV, der allerede er forældet, når den er færdig med at downloade. Det, du ikke kan gøre, er at behandle native ad-data på samme måde, som du behandler ethvert andet datasæt i din stack: forespørge det, sammenføje det, planlægge det, pumpe det ind i en model.

Denne guide er til dem, der vil have dataene, ikke dashboardet. Analytikere, der bygger konkurrence-trackere. Datateams, der beriger en CRM. Kvantitative analytikere, der backtester kreative vinkler. Og i stigende grad de AI-agenter, der udfører det arbejde uden et menneske i løkken. Spørgsmålet er enkelt. Hvordan får du indfangede native kreativer, forsyningskæden bag dem og de landingssider, de peger på, som rene, strukturerede poster via en API?

For at sætte det i kontekst indeholdt et snapshot fra juni 2026 af OpenAdLibrarys samling 589,036 kreativer, 5.4 millioner annonceobservationer, 25,933 forskellige annoncører og 926,259 indfangede landingssider på tværs af 42 netværk. Det er et historisk mål for, hvad vi havde indsamlet, ikke størrelsen på det native marked og ikke en aktuel optælling. Opgaven for en API er at give dig de poster, du har bedt om.

Hvad en native ad data API faktisk returnerer#

En native ad data API er et endpoint, der returnerer native annonceringsintelligens som maskinlæsbare poster i stedet for en webside. En post kan samle det kreative (billede og overskrift), den udgiver og det netværk, der viste den, forsyningskæde-hops bag placeringen, landingssiden, som klikket løser til, og tidsmæssige signaler som første-sete og sidst-sete datoer. Du filtrerer, sammenfører og aggregerer det som enhver databasetabel.

Den pæne definition skjuler en masse ingeniørarbejde. I modsætning til en søgeannonce eller en Meta-annonce, der ligger i et officielt bibliotek, er en native-placering renderet af en native ad widget, "Anbefalet til dig" eller "Omkring på nettet"-striben i bunden af artikler. Disse widgets er dynamiske, geo-målrettede og personaliserede. Det er grunden til, at en enkelt statisk scrape kan gå glip af annoncer, som andre besøgende ser. Et rigtigt datasæt skal indfange på tværs af geografier og over tid og derefter deduplikere ned til et stabilt kreativ.

Annoncen ovenfor er et typisk eksempel på genren i vores indfangninger: en deadline, en vag autoritet og et dollarbeløb. Vi havde observeret den i 13 dage, da vi sidst så den. Det fortæller dig, hvor længe vi så den, ikke om den var profitabel, eller om dens påstand er korrekt.

De fire datalag i et native ad-datasæt#

Tænk på native ad-data som fire lag stablet oven på hinanden. Nogle værktøjer viser kun det øverste lag. Værdien forstærkes, når du går nedad.

Springet fra lag to til lag fire er hele spillet. En placering vises af et netværk (Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo, MSN), men netværket er ikke annoncøren. Annoncøren er den, der sidder i slutningen af klikket. At tælle kreativer pr. netværk fortæller dig ikke, hvem der faktisk køber. At følge omdirigeringskæden, server-side og uden at afgive et reelt klik på en live kampagne, er det, der forvandler en bunke anonyme widget-kreativer til konkurrenceintelligens, du kan handle på.

For mekanikken i routing'en derimellem, se den native ad-forsyningskæde. For at finde frem til den sandsynlige køber bag visningsnetværket, læs hvordan man identificerer det sandsynlige netværk bag en native annonce.

Varighed er en nyttig kolonne, og let at overfortolke#

Et tidsstempel er blandt de mest nyttige felter i et native ad-datasæt, fordi det lader dig måle, hvor længe en annonce blev observeret.

Du kan ikke se nogens forbrug i native, og varighed er ikke en erstatning for det. Et kreativ, der bliver ved med at køre på tværs af mange sites i uger, kan være profitabelt, men det kan også være en brandkampagne, en test med budget tilbage eller en annonce, som ingen har gennemgået. I de juni 2026-indfangninger, der citeres her, havde de længst kontinuerligt observerede kreativer kørt omkring 28 dage, hvilket var grænsen for vores observationsvindue på det tidspunkt, så længere kørsler kunne ikke ses. Overskrifterne, der nåede den grænse, er værd at se på som eksempler.

SmartAssets "How Can I Avoid Paying Taxes on IRA Withdrawals?" var på 28-dages listen. Det var flere "What's Your IQ Level?" quiz-annoncer fra My IQ på Microsoft Audience Network også, og en høreapparat-annonce fra Hidden Hearing med to forskellige kreativer ved samme grænse. En annoncør med flere varianter observeret i hele vinduet kørte dem stadig. Vi kan ikke sige, om tilbuddet var profitabelt, om budgettet var stort, eller om påstandene i annoncerne var korrekte.

En advarsel værd at sige direkte. Den "90-dages vinder", du hører citeret i medie-køberkredse, er industrilore, ikke vores måling. Det, vi kunne verificere i disse juni 2026-indfangninger, var kontinuerte kørsler på op til omkring 28 dage pr. kreativ. Behandl 90-dages tallet som folklore, indtil dit eget datasæt tidsstempler det.

API vs dashboard: match værktøjet til jobbet#

Der er ikke noget galt med et dashboard til ad-hoc research. De to grænseflader er bygget til forskellige jobs, og at sammenblande dem kan føre til, at teams betaler for værktøjer, de næsten ikke bruger.

• Brug et dashboard, når et menneske udfører udforskende arbejde: øjemåler en konkurrents vinkel, henter et par kreativer til et deck, scanner hvad der er varmt i denne uge. Dette er den klassiske ad spy-værktøjsarbejdsgang.
• Brug en API, når forbrugeren er et system: et planlagt job, en dbt-model, et feature-lager, en Slack-alarm eller en AI-agent. Du vil have poster, ikke pixels, og du vil have dem på en cron.

Det praktiske tegn er gentagelse. Hvis du finder dig selv med manuelt at eksportere den samme visning hver mandag, har du ikke et forskningsproblem. Du har et integrationsproblem, og en API løser det. Det er også her, den bredere disciplin af ad-intelligens er på vej hen: mindre manuel browsing, mere programmatiske feeds forbundet direkte til konkurrence- og kreative arbejdsgange.

En konkret pipeline#

Sådan forbinder et datateam faktisk native ad-data til noget brugbart. Mønsteret holder, uanset om du tracker en hel vertikal eller én konkurrent.

1. Definer watchlisten. Et sæt af annoncører, landingsside-domæner eller udgiversites, du bekymrer dig om. Søge-endpointet dokumenterer filtre som advertiserDomain, landingDomain og publisher, så du kun henter det, du tracker.
2. Hent på en tidsplan. Et natarbejde beder om annoncer sidst set siden i går (søge-endpointet dokumenterer et lastSeenFrom-filter, og et separat changes-endpoint tager et since-watermark) og upserter dem efter id, så det samme kreativ ikke gemmes to gange.
3. Sammenfør med dine egne data. Match landingsside-domæner mod din CRM eller en konkurrenttabel. Kreativer, hvis landingsdomæne matcher, bliver derefter tilskrevet et firma, du allerede tracker.
4. Beregn observeret varighed og spredning. Gruppér efter kreativ-ID. Mål observerede dage (sidst set minus første set) og antallet af forskellige udgivere. Længe observerede, bredt spredte kreativer er kandidater til et nærmere kig, ikke bekræftede vindere.
5. Handl. Send en daglig opsummering af nye længe observerede kreativer til Slack, fodr kreativerne ind i en clustering-model, eller giv den strukturerede plan til en agent.

Trin fire er, hvor et tidsstemplet datasæt er nyttigt. Et kreativ som Nebroos høreapparat-annonce ovenfor, observeret i 26 dage, er den slags post, din pipeline kan flagge til gennemsyn. Varighed er kun læselig, hvis dit datasæt tidsstempler hver observation, hvilket er grunden til, at 5.4 millioner observationer i juni 2026-snapshottet lå bag 589,036 kreativer. Observationerne er tidsrækken. Det kreative er bare nøglen. Et flag er en opfordring til en person eller en model om at se nærmere, ikke en dom over, at annoncen virker.

Hvad adskiller et brugbart datasæt fra et støjfyldt#

Volumen er den forkerte overskriftmåling. Ti millioner forældede, dårligt deduplikerede, kun-netværks-poster er værre end et mindre sæt, der er frisk, tilskrevet og rent. Når du evaluerer et native ad-datasæt eller dets API, presstest det på fem ting:

• Friskhed. Er placeringer indfanget live, med første-sete og sidst-sete datoer? Eller er det en periodisk dump, der allerede er uger gammel?
• Kreativ troskab. Er det faktiske billede gemt i fuld kvalitet, eller en nedskaleret miniature, der er ubrugelig til visuel analyse?
• Tilskrivningsdybde. Stopper det ved netværket, eller sporer det klikket til den endelige landingsside og den rigtige annoncør?
• Indfangningsmetode. Læser det offentlige annoncer uden at afgive reelle klik på live kampagner? Syntetiske klik bruger andre annoncørers penge og ødelægger deres data, og dine.
• Dækningsbredde. Spænder det over de største native netværk og indfanger på tværs af geografier, eller er det én udgiver i ét land?

Læg mærke til detaljen i den solcellebatteri-annonce. I fuld opløsning kan du læse tilbuddet, rammen og den visuelle behandling, hvilket er det, der fodrer visuel clustering og copy-analyse. En miniature kaster alt det væk. Disse fem tests er også det, der adskiller ægte annoncetransparens fra et screenshot-bibliotek med en søgeboks boltet på. Native har intet officielt bibliotek, der kan sammenlignes med Metas eller Googles, og vores guide til hvad et native ad-bibliotek er, og hvordan det adskiller sig fra Metas og Googles fortæller den historie.

Hvorfor native er sværere, og mere givende, end det ser ud#

Meta, Google, Microsoft (for Bing-annoncer i EU og EØS) og TikTok udgiver officielle ad-biblioteker, og nogle af dem findes, fordi EU's Digital Services Act kræver et offentligt annoncerepository fra udpegede meget store onlineplatforme og søgemaskiner. Europa-Kommissionens liste over disse tjenester (opdateret 31. august 2026) omfatter ikke Taboola, Outbrain/Teads, MGID eller Revcontent, og vi er ikke bekendt med et offentligt ad-bibliotek fra dem, så programmatisk native annoncering har intet officielt bibliotek, der kan sammenlignes med Metas. Det hul er grunden til, at uafhængige datasæt findes. Annoncerne vises offentligt; at organisere dem er en separat opgave.

Belønningen for at løse indfangningsproblemet er en registrering af, hvad annoncørerne viser offentligt. Kombiner det med programmatisk adgang, og du får native ad-data, du kan bruge som infrastruktur, ikke kun som et site, du logger ind på. For den bredere kontekst om, hvordan ad-biblioteker, love og værktøjer passer sammen, start med grundpælen om hvad annoncetransparens er og hvordan man bruger det, og åbne ad-biblioteker forklaret dækker værktøjslandskabet.

Hvordan OpenAdLibrary passer ind#

OpenAdLibrary udgiver denne blog og sælger det produkt, der beskrives her. Det indfanger offentlige native annoncer fra Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo og MSN, API-first med en browsercrawler som fallback, og siden oktober 2026 omfatter biblioteket også Meta- og TikTok-annoncer. Det gemmer kreativet, klassificerer forsyningskæden og følger omdirigeringer til landingssiden uden at klikke på live annoncer. En REST API og en hostet MCP-server eksponerer offentlige data fra det samme bibliotek til en analytiker, en pipeline eller en AI-agent. Annoncedata og research via begge er en del af Founders-planen: en gratis kontos nøgle når kun den pågældende kontos egne endpoints, og alle andre endpoints svarer med, at betaling er påkrævet. Ifølge API-dokumentationen returnerer den offentligt kreativt indhold, thumbnail-URL'er, aggregerede optællinger og omdirigeringskæden bag en annonce, herunder den annoncør-URL, som klikket ender på. Den returnerer ikke de Meta- og TikTok-specifikke data, der vises i webappen, såsom Metas forbrugsestimat og EU-rækkevidde, og dens fritekstsøgning besvares ud fra de 3.000 senest sete matchende annoncer frem for hele korpusset. Hver nøgle har en daglig anmodningskvote (API-referencen angiver 5.000 anmodninger om dagen som standard). Søgeresultater kan omfatte Meta- og TikTok-annoncer, hvis id'er begynder med meta- eller tiktok-, og endpointet til enkeltannoncer har ingen post for dem.

Founders-planen koster $29.99 om måneden og inkluderer REST API'en og den hostede MCP-server. En gratis konto kræver intet kort og viser de 20 nyeste Meta-, TikTok- og native-annoncer i appen, så du kan tjekke, om datasættet virker relevant for din watchlist, før du betaler; et grundigt tjek, og enhver brug af API'en, kræver Founders-planen.

Start gratis for at se dataene i appen; API-adgang kræver Founders-planen.