Blogg och guider

Automatisera marknadsrapporter med Codex

Bygg ett reproducerbart flöde för datakontroll, beräkningar och granskade kommentarer.

Huvudpoängen

Codex är en arbetsmiljö för kod. Utveckla testade skript där och låt en textmodell tolka redan validerade resultat.

Utvecklare arbetar med två skärmar och rapportdokument

Utgångspunkten

  • Två anonymiserade exporter, inklusive ett felaktigt exempel.
  • Fältdefinitioner, typer, valutor och beräkningsregler.
  • Ett litet referensexempel beräknat för hand.

1. Definiera datakontraktet

Beskriv obligatoriska fält, detaljnivå, dubblettnyckel, datum och saknade värden. Saknat betyder inte noll. Bestäm vilka fel som stoppar körningen.

2. Utveckla och testa

Låt Codex skilja inläsning, validering, aggregering och utdata åt. Testa referensvärden och fel. Källfiler ska inte ändras och onödiga nätverksanrop ska undvikas.

3. Lägg till kommentarer

GPT eller Claude kan kommentera validerade summor. Utvärdera DeepSeek som API-alternativ med samma kvalitets- och datakrav. Kräv hänvisningar och förbjud tysta rättningar av avvisade data.

4. Förbered driften

Logga version, fil och fel. Utse ansvarig och definiera manuell återställning samt formatändringar. Schemalägg först efter tester och skydda mot dubbel bearbetning.

Ett praktiskt exempel

Skriv ett skript som validerar exporterna före aggregering. Ändra inga källor och gör inga nätverksanrop. Beräkna kvoter från summor; nollnämnare ger N/A. Testa saknat fält, dubblett, noll konverteringar och referensexemplet.
FallBeteendeKontroll
Kostnad saknasTydligt felAnta inte noll
DubblettFlagga nyckelnRäkna inte dubbelt
Noll konverteringarCPA odefinieradIngen division med noll
KällfilOförändradJämför före och efter

Bedöm framstegen

  • Granska kod och behörigheter.
  • Testa fel före schemaläggning.
  • Spara loggar och återställningsrutin.

Officiella källor

OpenAI · CodexDeepSeek · API documentation

Hitta kampanjen som genomsnittet döljer

En syntetisk CSV-fil omfattar fyra kampanjer under två perioder. Kan en förbättrad total avkastning dölja ett problem?

Återskapa rapporteringsdemonstrationen

Kör den länkade demonstrationen med Python 3.9 eller senare. Förväntat: 6 000 € i kostnader under basperioden; 34 880 € i intäkter och 436 konverteringar under jämförelseperioden. Den giltiga filen ska ge avslutningskod 0; den ogiltiga filen kod 2. Detta är syntetiska data från flera kanaler, inte en direkt Google Ads-export eller ett jämförande modelltest. Mappa kolumnerna i verkliga exporter och godkänn konverteringsdefinitionerna innan du anpassar demonstrationen.

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

Demonstrationerna använder fiktiva briefar, dokument och syntetiska data. De visar en metod, inte kundresultat.

MindVerve

Vill ni ha det här arbetsflödet för ert team?

AI Workflow Launch omfattar ett överenskommet rapportflöde med tester, dokumentation och utbildning. Extra integrationer och kostnader fastställs i offerten.

Diskutera mitt AI-arbetsflödeFem områden. En gemensam riktning.