Bruk av ChatGPT og Claude for native annonseforskning: MCP-arbeidsflyten
Koble Claude eller ChatGPT til en levende indeks over native annonser via MCP, og konkurrentforskning blir en samtale: gjennomganger, vinkelutvinning, geo-utforskning og overvåking av overvåkningslister — fem arbeidsflyter, med tilhørende prompts.

Du kan drive seriøs native annonseforskning fra innsiden av ChatGPT eller Claude ved å koble assistenten til et annonsebibliotek via MCP (Model Context Protocol). I stedet for å klikke gjennom filtre i en time, stiller du et spørsmål — «finn de lengstlevende leddsmerteannonsene på Taboola i USA og grupper deres kroker» — og assistenten kjeder levende verktøykall mot en indeks på 725 000+ native annonsekreativer fra 29 000+ annonsører på tvers av 49 nettverk (juni 2026). Denne opplæringen dekker fem-minutters oppsettet og fem forskningsarbeidsflyter som holder i daglig bruk, pluss promptmønstrene som holder modellen forankret i ekte data i stedet for å finne dem opp.
Hva du trenger#
- En OpenAdLibrary-konto og API-nøkkel. Nøkkelen utstedes fra kontoinnstillingene dine; den samme nøkkelen driver både det offentlige data-API-et og MCP-serveren. Bakgrunnen for hvorfor et API-først spionverktøy betyr noe, finnes i annonsespionverktøy med et API.
- En MCP-kapabel klient. Claude (web og desktop) støtter egendefinerte tilkoblinger; ChatGPT støtter MCP-tilkoblinger i utviklermodus; Claude Code, Cursor og de fleste agentrammeverk snakker MCP nativt.
- Fem minutter. Det er ingenting å installere — serveren er hostet på
mcp.openadlibrary.comog snakker Streamable HTTP, den gjeldende MCP-transportstandarden.
Serveren tilbyr 43 verktøy over det samme korpuset som webappen bruker: annonsesøk, merke- og annonsøroppslag, sporede landingsider, trender og andel-av-stemme-aggregater, utgivere-data og operasjoner for overvåkningslister. Den fulle verktøykatalogen og hva hver klynge er til for, er dokumentert i Native Ad Library MCP; denne artikkelen handler om arbeidsflytene.
Koble til Claude og ChatGPT#
Claude: legg til en egendefinert tilkobling som peker på den hostede server-URL-en og autentiser med din API-nøkkel — claude.ai støtter en OAuth-lignende tilkoblingsflyt, og klienter som ikke kan sende headere kan sende nøkkelen i URL-en. ChatGPT: aktiver utviklermodus, legg til en MCP-tilkobling med samme URL og nøkkel. Claude Code / Cursor / agenter: én konfigurasjonsoppføring, f.eks. claude mcp add --transport http openadlibrary https://mcp.openadlibrary.com/mcp. Menynavn flytter på seg ettersom disse plattformene itererer, så behandl API-dokumentasjonssiden lenket fra nøkkelinnstillingene dine som sannhetskilden for den gjeldende klikkveien.
Verifiser tilkoblingen med et kastesporgsmål: «Ved å bruke OpenAdLibrary-verktøyene, hvor mange levende kreativer inneholder indeksen for Taboola?» Hvis assistenten svarer med et verktøykall i stedet for fra minnet, er du koblet opp.
Arbeidsflyt 1: konkurrentgjennomgangen#
Prompt: «Profilér den native annonseringen til [merke eller domene]. Hvilke nettverk er de på, hvor mange levende kreativer, hvilke vinkler kjører de, hvor lenge har deres eldste annonser overlevd, og hva selger landingsidene deres? Siter kreativ-IDer.»
Assistenten kjeder et merkeoppslag, et annonsesøk avgrenset til den annonsøren, og henting av landingsider, før den skriver briefingen. Dette er den delegerte versjonen av den manuelle prosessen i hvordan spionere på konkurrenters native annonser — samme logikk, minutter i stedet for en ettermiddag. Still et oppfølgingsspørsmål for trakten: «hent landingsidene bak deres tre lengstlevende annonser og beskriv tilbudsstrukturen» (den manuelle metoden er i hvordan finne konkurrenters landingsider).
Arbeidsflyt 2: vinkelutvinning fra overlevende#
Den mest pålitelige kreative briefingen i native er «det som allerede har overlevd». Annonselanglevde er den nærmeste offentlige proxyen for lønnsomhet — ingen betaler for å kjøre en tapende annonse i en måned — som er hele argumentet i annonselanglevde som et vinnersignal.
Prompt: «Søk etter [vertikal] annonser på [nettverk] i [geo] som har kjørt i 21+ dager. Grupper dem etter kroktype, list opp de tilbakevendende vinklene med eksempeloverskrifter, og utkast fem nye overskriftsvarianter som bruker samme psykologi uten å kopiere noen av dem.»
Lim inn en vurderingsrubrikk i prompten for å gjøre grupperingen skarpere — rammeverket i hvordan analysere vinnende native annonsekreativer fungerer som det er som promptmateriale.
Arbeidsflyt 3: vertikal- og geo-utforskning#
Før du går inn i en ny geo eller vertikal, be om markedsoversikten: «Sammenlign Taboola og MGID for hjemmeforbedringsvertikalen i DE: kreativvolum, toppannonsører, nye inntrengere de siste 30 dagene, og hvilke annonsører som kjører i DE men ikke i USA.» Nettverksprofil-, andel-av-stemme- og ny-inntrenger-verktøy ble bygget for nettopp denne aggregeringen. Den passer sammen med ekspansjonslogikken i skalering til nye geos på native: finn Tier-2-markedet der en bevist Tier-1-vinkel ennå ikke har lokal konkurranse.
Arbeidsflyt 4: overvåking av overvåkningsliste på en timeplan#
Overvåkningsverktøy opprettholder tilstand mellom økter: «Legg til disse fem annonsørene i overvåkningslisten min», deretter ukentlig: «Sjekk overvåkningslisten min — hvilke annonser sluttet å bli observert denne uken, hvilke krysset 21 dager i drift, og hvem lanserte nye kreativer?» Kjør det som en planlagt agentoppgave, og mandagens konkurransereview blir en rapport du leser i stedet for en plikt du utfører. Byggingen av den underliggende listen er dekket i hvordan bygge en konkurrentovervåkningsliste, og den fulle kadansen i bygging av en konkurransedyktig annonseintelligensarbeidsflyt.
Arbeidsflyt 5: markedsbevegelsesdigeret#
Prompt: «Hva endret seg i [vertikal] native annonsering de siste 14 dagene? Nye annonsører, kreativer som døde, vinkler som øker andel. Siter de underliggende dataene for hver påstand.» Dette bruker trend-, delta-sync- og ny-inntrenger-verktøy for å produsere digeret som en god analytiker ville satt sammen — nyttig som en stående briefing før kreative sprinter eller budsjettgjennomganger.
Et gjennomarbeidet eksempel, fra ende til annen#
Her er hvordan en ekte økt ser ut, komprimert. Oppgaven: brief et kreativt team som går inn på det amerikanske høreapparatmarkedet på Taboola.
Prompt 1: «Ved å bruke OpenAdLibrary-verktøyene, finn US Taboola-annonser om høretap eller høreapparater som har kjørt i 14+ dager. List opp annonsør, overskrift, dager i drift og kreativ-ID.» Assistenten kjører et avgrenset annonsesøk og returnerer en tabell med overlevende — si, et dusin annonser på tvers av fire annonsører, eldste på 37 dager.
Prompt 2: «Grupper de overskriftene etter psykologisk krok. Hvilken annonsør har flest levende kreativer, og tester de flere vinkler eller itererer én?» Ingen nye verktøykall nødvendig — assistenten arbeider over de returnerte dataene og rapporterer, for eksempel, at volumslederen kjører én problem-agitering-vinkel på tvers av mange bildevariantene, mens en utfordrer tester oppdagelsesrammede kroker.
Prompt 3: «Hent landingsidene bak de to lengstlevende kreativene og beskriv trakten: quiz, advertorial eller direkte tilbud?» Nå kaller den landingsideverktøy mot kreativ-IDene og kommer tilbake med traktformene og destinasjonsdomenene.
Prompt 4: «Skriv den kreative briefingen: dominerende vinkel, hullvinkler ingen kjører, traktnorm for kategorien, og tre testhypoteser. Flagg alt du ikke kunne verifisere med verktøy.» Femten minutter, én chat, og briefingen siterer innsamlet bevis — kreativ-IDer teamet ditt kan åpne i annonseintelligens-konsollen — i stedet for vibber.
Den siste setningen i prompt 4 betyr mer enn den ser ut til, noe som bringer oss til forankring.
Promptmønstre som holder modellen ærlig#
En assistent med verktøy kan fortsatt hallusinere rundt dem. Fem regler forhindrer det meste:
- Tving til sitering av verktøyresultater. Avslutt prompts med «siter kreativ-IDer / annonsørnavn fra verktøyresultatene; hvis verktøyene ikke returnerte det, si det.» Et svar uten ID-er er et svar fra treningsminnet.
- Aksepter aldri tall verktøyene ikke returnerte. Hvis du ba om antall, må de komme fra et søk- eller aggregatkall, ikke modellens erindring.
- Avgrens før du aggregerer. «Alle nettverk, alle geos»-spørsmål brenner kall og produserer mush. Nevn nettverket, geo-en og vinduet.
- Paginer bevisst. Be om de øverste N etter langlevde eller nylighet i stedet for «alt» — nøkkelsett-ganging eksisterer for eksporter, ikke for chat.
- Kjenn kvoten din. Gratisnivåets API-nøkler er bevisst små — nok til å verifisere tilkoblingen og kjøre en demo-spørring eller to om dagen. Vedvarende agentforskning kjører på en betalt plan, og tunge programmatiske hentinger hører hjemme på annonseintelligens-API-et i stedet for chat.
Skiftet her er større enn bekvemmelighet. Et annonsebibliotek pleide å være et nettsted du besøker; over MCP blir det en datakilde assistenten din resonnerer over — og kjøperne som kobler det inn i sin ukentlige rutine, sammensetter fordelen hver uke.







