Использование ChatGPT и Claude для исследования нативных объявлений: рабочий процесс с MCP

Вы можете проводить серьёзное исследование нативных объявлений прямо внутри ChatGPT или Claude, подключив ассистента к библиотеке объявлений через MCP (Model Context Protocol). Вместо часа кликов по фильтрам вы задаёте вопрос — «найдите самые долгоиграющие объявления о боли в суставах на Taboola в США и сгруппируйте их заголовки по типам зацепок» — и ассистент строит цепочки вызовов живых инструментов в индексе из 725 000+ нативных рекламных креативов от 29 000+ рекламодателей в 49 сетях (июнь 2026). Это руководство охватывает пятиминутную настройку и пять исследовательских рабочих процессов, которые работают в ежедневном использовании, а также шаблоны промптов, которые удерживают модель на реальных данных, а не на выдумках.

Что вам понадобится#

• Аккаунт OpenAdLibrary и API-ключ. Ключ выпускается в настройках вашего аккаунта; тот же ключ работает и для публичного API данных, и для сервера MCP. Подробнее о том, почему важен spy-инструмент с API-первым подходом, в статье ad spy tools with an API.
• Клиент с поддержкой MCP. Claude (web и desktop) поддерживает пользовательские коннекторы; ChatGPT поддерживает коннекторы MCP в режиме разработчика; Claude Code, Cursor и большинство фреймворков агентов изначально работают с MCP.
• Пять минут. Ничего устанавливать не нужно — сервер размещён по адресу mcp.openadlibrary.com и использует Streamable HTTP, текущий стандарт транспорта MCP.

Сервер предоставляет доступ к 43 инструментам для работы с тем же корпусом данных, что и веб-приложение: поиск объявлений, поиск брендов и рекламодателей, отслеженные целевые страницы, агрегаты трендов и доли голоса, данные издателей и операции со списками наблюдения. Полный каталог инструментов и назначение каждой группы задокументированы в Native Ad Library MCP; эта статья — о рабочих процессах.

Подключение Claude и ChatGPT#

Claude: добавьте пользовательский коннектор, указывающий на URL хостинг-сервера, и аутентифицируйтесь с помощью вашего API-ключа — claude.ai поддерживает OAuth-подобный процесс подключения, а клиенты, которые не могут отправлять заголовки, могут передать ключ в URL. ChatGPT: включите режим разработчика, добавьте коннектор MCP с тем же URL и ключом. Claude Code / Cursor / агенты: одна запись в конфиге, например, claude mcp add --transport http openadlibrary https://mcp.openadlibrary.com/mcp. Названия меню меняются по мере развития платформ, поэтому рассматривайте страницу документации API, доступную из настроек вашего ключа, как источник истины о текущем пути кликов.

Проверьте подключение пробным вопросом: «Используя инструменты OpenAdLibrary, сколько живых креативов содержит индекс для Taboola?» Если ассистент отвечает, вызвав инструмент, а не из памяти, — вы подключены.

Рабочий процесс 1: разбор конкурента#

Промпт: «Проанализируйте нативную рекламу [бренда или домена]. На каких сетях они присутствуют, сколько живых креативов, какие углы они используют, как долго живут их самые старые объявления и что продают их целевые страницы? Укажите ID креативов.»

Ассистент строит цепочку из поиска бренда, поиска объявлений в рамках этого рекламодателя и получения целевых страниц, а затем пишет брифинг. Это делегированная версия ручного процесса из статьи how to spy on competitor native ads — та же логика, минуты вместо целого дня. Задайте уточняющий вопрос о воронке: «получите целевые страницы за тремя их самыми долгоиграющими объявлениями и опишите структуру оффера» (ручной метод описан в how to find competitor landing pages).

Рабочий процесс 2: поиск идей среди «долгожителей»#

Самый надёжный креативный бриф в нативной рекламе — это «то, что уже выжило». Долголетие объявления — ближайший публичный прокси для прибыльности — никто не платит за показ убыточной рекламы месяц, — в этом и заключается суть аргумента ad longevity as a winning signal.

Промпт: «Найдите объявления [вертикали] в сети [сеть] в гео [гео], которые работают 21+ день. Сгруппируйте их по типу зацепки, перечислите повторяющиеся углы с примерами заголовков и составьте пять новых вариантов заголовков, использующих ту же психологию, но не копирующих ни один из них.»

Вставьте в промпт оценочную матрицу, чтобы сделать кластеризацию точнее — фреймворк из статьи how to analyze winning native ad creatives работает как есть в качестве материала для промпта.

Рабочий процесс 3: разведка вертикали и гео#

Перед входом в новую гео или вертикаль запросите карту рынка: «Сравните Taboola и MGID для вертикали «ремонт дома» в DE: объём креативов, топ рекламодателей, новые участники за последние 30 дней и какие рекламодатели работают в DE, но не в US.» Инструменты профиля сети, доли голоса и новых участников были созданы именно для такой агрегации. Это сочетается с логикой экспансии из статьи scaling to new geos on native: найдите рынок второго эшелона, где проверенный угол первого эшелона ещё не имеет локальной конкуренции.

Рабочий процесс 4: мониторинг списка наблюдения по расписанию#

Инструменты наблюдения сохраняют состояние между сессиями: «Добавьте этих пять рекламодателей в мой список наблюдения», затем еженедельно: «Проверьте мой список наблюдения — какие объявления перестали наблюдаться на этой неделе, какие пересекли отметку в 21 день работы и кто запустил новые креативы?» Запускайте это как запланированную задачу агента, и еженедельный обзор конкурентов превратится в отчёт, который вы читаете, а не в рутину, которую вы выполняете. Построение базового списка описано в how to build a competitor watchlist, а полный цикл — в building a competitive ad intelligence workflow.

Рабочий процесс 5: дайджест рыночной динамики#

Промпт: «Что изменилось в нативной рекламе [вертикали] за последние 14 дней? Новые рекламодатели, умершие креативы, углы, набирающие долю. Укажите исходные данные для каждого утверждения.» Это использует инструменты трендов, дельта-синхронизации и новых участников для создания дайджеста, который собрал бы хороший аналитик — полезно как регулярный брифинг перед креативными спринтами или бюджетными обзорами.

Рабочий пример от начала до конца#

Вот как выглядит реальная сессия в сжатом виде. Задача: подготовить брифинг для креативной команды, выходящей на рынок слуховых аппаратов в США на Taboola.

Промпт 1: «Используя инструменты OpenAdLibrary, найдите объявления на Taboola в США о потере слуха или слуховых аппаратах, работающие 14+ дней. Укажите рекламодателя, заголовок, дни работы и ID креатива.» Ассистент запускает ограниченный поиск объявлений и возвращает таблицу «долгожителей» — скажем, дюжину объявлений от четырёх рекламодателей, самое старое — 37 дней.

Промпт 2: «Сгруппируйте эти заголовки по психологической зацепке. У какого рекламодателя больше всего живых креативов, и тестируют ли они несколько углов или итерируют один?» Новых вызовов инструментов не требуется — ассистент работает с возвращёнными данными и сообщает, например, что лидер по объёму использует один угол «обострения проблемы» во множестве вариантов изображений, а претендент тестирует заголовки в формате «открытия».

Промпт 3: «Получите целевые страницы за двумя самыми долгоиграющими креативами и опишите воронку: квиз, адверториал или прямой оффер?» Теперь он вызывает инструменты целевых страниц для ID креативов и возвращает формы воронок и домены назначения.

Промпт 4: «Напишите креативный бриф: доминирующий угол, пробелы, которые никто не использует, стандартная воронка для категории и три гипотезы для тестов. Отметьте всё, что вы не смогли проверить с помощью инструментов.» Пятнадцать минут, один чат, и бриф ссылается на собранные доказательства — ID креативов, которые ваша команда может открыть в консоли ad intelligence — а не на ощущения.

Последнее предложение в промпте 4 важнее, чем кажется, что подводит нас к привязке к данным.

Шаблоны промптов, которые удерживают модель в рамках реальности#

Ассистент с инструментами всё ещё может галлюцинировать вокруг них. Пять правил предотвращают большую часть этого:

• Требуйте ссылок на вывод инструментов. Заканчивайте промпты фразой «укажите ID креативов / имена рекламодателей из результатов инструментов; если инструменты этого не вернули, скажите об этом». Ответ без ID — это ответ из памяти обучения.

• Никогда не принимайте числа, которые не вернули инструменты. Если вы спрашиваете о количестве, оно должно прийти из вызова поиска или агрегации, а не из воспоминаний модели.

• Определяйте область поиска перед агрегацией. Вопросы «все сети, все гео» сжигают вызовы и дают кашу. Указывайте сеть, гео и период.

• Пагинируйте осознанно. Просите топ N по долголетию или свежести, а не «всё» — keyset walking существует для экспорта, а не для чата.

• Знайте свою квоту. API-ключи бесплатного тарифа намеренно очень маленькие — достаточно, чтобы проверить подключение и запустить один-два демо-запроса в день. Постоянные исследовательские сессии агентов работают на платном тарифе, а тяжёлые программируемые выгрузки относятся к API ad intelligence, а не к чату.

Сдвиг здесь больше, чем просто удобство. Библиотека объявлений раньше была сайтом, который вы посещаете; через MCP она становится источником данных, который анализирует ваш ассистент — и покупатели, которые встраивают это в свою еженедельную рутину, умножают преимущество каждую неделю.