Blogg og guider

Automatiser markedsrapporter med Codex

Bygg en reproduserbar arbeidsflyt for datakontroll, beregninger og gjennomgåtte kommentarer.

Hovedpoenget

Codex er et arbeidsmiljø for kode. Utvikle testede skript der, og la en tekstmodell tolke allerede validerte resultater.

Utvikler arbeider med to skjermer og rapportdokumenter

Utgangspunktet

  • To anonymiserte eksporter, inkludert et eksempel med feil.
  • Feltdefinisjoner, typer, valutaer og beregningsregler.
  • Et lite referanseeksempel beregnet manuelt.

1. Definer datakontrakten

Beskriv obligatoriske felt, detaljnivå, duplikatnøkkel, datoer og manglende verdier. Manglende betyr ikke null. Bestem hvilke feil som stopper kjøringen.

2. Utvikle og test

La Codex skille lesing, validering, aggregering og utdata. Test referanseverdier og feiltilfeller. Kilder skal ikke endres, og unødvendige nettverkskall utelates.

3. Legg til kommentarer

GPT eller Claude kan kommentere validerte summer. Vurder DeepSeek som API-alternativ med samme kvalitets- og datakrav. Krev henvisninger og forby skjulte rettelser av avviste data.

4. Forbered driften

Logg versjon, fil og feil. Utpek ansvarlig, og definer manuell gjenoppretting samt håndtering av formatendringer. Planlegg først etter tester med vern mot dobbel behandling.

Et praktisk eksempel

Skriv et skript som validerer eksporter før aggregering. Ikke endre kilder eller gjør nettverkskall. Beregn forholdstall fra summer; nullnevner gir N/A. Test manglende felt, duplikat, null konverteringer og referanseeksemplet.
TilfelleAtferdKontroll
Kostnad manglerTydelig feilIkke anta null
DuplikatMarker nøkkelenIkke tell dobbelt
Null konverteringerCPA udefinertIngen divisjon med null
KildefilUendretSammenlign før og etter

Vurder fremgangen

  • Gå gjennom kode og rettigheter.
  • Test feil før planlegging.
  • Lagre logg og gjenopprettingsrutine.

Offisielle kilder

OpenAI · CodexDeepSeek · API documentation

Finn kampanjen som gjennomsnittet skjuler

En syntetisk CSV-fil dekker fire kampanjer over to perioder. Kan bedre samlet avkastning skjule et problem?

Gjenskap rapporteringsdemoen

Kjør den lenkede demoen med Python 3.9 eller nyere. Forventet: 6 000 € i kostnader i basisperioden; 34 880 € i inntekter og 436 konverteringer i sammenligningsperioden. Den gyldige filen skal gi avslutningskode 0; den ugyldige filen kode 2. Dette er syntetiske data fra flere kanaler, ikke en direkte Google Ads-eksport eller en sammenligningstest av modeller. Koble kolonnene i reelle eksporter til skjemaet, og godkjenn konverteringsdefinisjonene før du tilpasser demoen.

python3 analyze.py campaigns.csv
python3 analyze.py invalid-campaigns.csv
Se detaljer

Demonstrasjonene bruker fiktive briefer, dokumenter og syntetiske data. De viser en metode, ikke kunderesultater.

MindVerve

Vil dere ha denne arbeidsflyten for teamet?

AI Workflow Launch omfatter én avtalt rapportflyt med tester, dokumentasjon og opplæring. Ekstra integrasjoner og kostnader fastsettes i tilbudet.

Diskuter min KI-arbeidsflytFem områder. Én felles retning.