10 análises de Meta Ads que o ChatGPT (ou Claude) responde quando você conecta o MCP da Kondado

Quando você replica seus dados do Meta Ads para um data warehouse e conecta o ChatGPT ou Claude via MCP (Model Context Protocol), o LLM passa a responder perguntas analíticas em linguagem natural. Sem escrever SQL, sem abrir o Ads Manager, sem depender de um analista de BI. Este artigo mostra 10 análises práticas que você pode fazer hoje com a Via Kondado e MCP.

Resumo: O MCP da Kondado conecta ChatGPT, Claude ou Cursor aos dados replicados do Meta Ads via endpoint https://mcp.kondado.io/mcp com OAuth 2.1. São 10 análises prontas: CPL real por campanha, fadiga criativa, atribuição cross-canal (Meta + Shopify + GA4), leads que viraram clientes no CRM, anúncios pausados silenciosamente, dayparting e mais. A diferença técnica é ter dados históricos normalizados, action_types pivotados em colunas, breakdowns tratados corretamente — o LLM consulta tabelas limpas via KSQL JSON. O setup é simples: replicar Meta Ads via Kondado, conectar destination ao cliente MCP, fazer perguntas em linguagem natural.

O que é o MCP da Kondado para operadores de Meta Ads

O MCP (Model Context Protocol) é um canal que expõe os dados que a Kondado replica para o seu data warehouse (BigQuery, PostgreSQL, Redshift, etc.) diretamente aos LLMs como ChatGPT, Claude e Cursor. O LLM passa a agir como analista: lê os dados e responde perguntas que normalmente exigiriam conhecimento de SQL e acesso ao Ads Manager.

O endpoint do MCP da Kondado é https://mcp.kondado.io/mcp. A autenticação usa OAuth 2.1 (para Claude Desktop, ChatGPT e Cursor) ou token Bearer legado. O formato de consulta é KSQL JSON (uma variação estruturada de SQL) — o LLM traduz sua pergunta em linguagem natural para KSQL automaticamente. O MCP é somente leitura e limitado a 1.000 registros por execução na v1.

A diferença crucial: o MCP da Kondado não é um assistente de suporte. É uma ponte de dados que permite que o LLM consulte, una e analise suas tabelas de Meta Ads junto com outras fontes — Shopify, GA4, RD Station, Pipedrive — no mesmo destination. O resultado são respostas analíticas que cruzam canais, não apenas relatórios isolados do Meta Ads. Consulte a documentação do MCP para detalhes técnicos completos.

As 10 análises que o MCP responde sobre Meta Ads

Qual é o CPL real por campanha quando "Resultados" muda de acordo com o objetivo

A dor de negócio: No Ads Manager, a coluna "Resultados" mostra métricas diferentes conforme o objetivo da campanha: leads para LEAD_GENERATION, compras para OFFSITE_CONVERSIONS, cliques para LINK_CLICKS. Quando você baixa os dados para uma planilha, não existe uma coluna única "Resultados" — existem dezenas de colunas a_* que representam diferentes action_types. Calcular CPL unificado explica saber qual campo corresponde a qual objetivo.

O que o MCP consulta: O LLM junta facebook_campaign_details.objective + facebook_adset_details.optimization_goal + facebook_ad_insights.spend + a coluna a_* correspondente em facebook_ad_insights_actions (a_lead, a_offsite_conversion_fb_pixel_purchase, a_link_click, etc.). A query divide spend pelo evento canônico de cada objetivo.

Diferencial Kondado: A Meta API entrega actions como array JSON longo ([{action_type: 'lead', value: 12}, ...]). Um LLM lendo direto teria que parsear arrays para cada linha. A Kondado entrega action_types pivotados em colunas separadas (a_lead, a_purchase, etc.) — o LLM faz SELECT a_lead FROM ... em vez de extrair JSON complexo. Learning 87 documenta o mapeamento de 163 action_types em colunas flat.

Exemplo de resposta do ChatGPT: "Nas últimas 7 dias, suas campanhas de LEAD_GENERATION tiveram CPL médio de R$ 18,40 (spend R$ 3.680 / 200 leads na coluna a_lead). Campanhas de OFFSITE_CONVERSIONS tiveram CPA de R$ 45,20 (spend R$ 9.040 / 200 compras em a_offsite_conversion_fb_pixel_purchase)."

Por que meu CPA subiu — foi audiência, criativo, posicionamento ou horário

A dor de negócio: Você vê o CPA subir no Ads Manager, mas não sabe exatamente onde está o problema. Será que é a audiência que saturou? Um criativo específico que cansou? O posicionamento (Feed vs Stories)? Ou o horário do dia? Cruzar esses breakdowns manualmente leva 1-2 horas no Ads Manager.

O que o MCP consulta: O LLM executa múltiplas queries KSQL paralelas em facebook_ad_insights com diferentes agrupamentos. Pivota cost_per_result (spend / a_*) por age, gender, country, publisher_platform, hourly_stats_aggregated_by_*. Compara janelas (últimos 7 dias vs 7 dias anteriores) e retorna a dimensão com maior delta percentual.

Diferencial Kondado: Se o cliente ativasse breakdown region, dma ou hourly_stats_aggregated_by_* direto contra a Meta API, todos os campos a_* de conversão off-Meta zerariam silenciosamente (Type 1 breakdown restriction documentada na Meta Marketing API). O LLM lendo a Meta API direto reportaria "CPA = 0 em todas as regiões" sem perceber o erro. A Kondado documenta este comportamento (Learning 20) e entrega os dados corretamente via sub-tabelas.

Exemplo de resposta do Claude: "Seu CPA piorou 34% nos últimos 7 dias. A causa principal é o criativo 'Summer Sale V2' (ID 12345), cujo CTR caiu de 2,1% para 0,8% desde 15/05. Recomendo pausar este criativo e ativar a variação V3 que ainda não atingiu frequência 3."

Quantos leads do Lead Ads realmente viraram clientes no CRM

A dor de negócio: Você gera 200 leads por mês via Lead Ads, mas não sabe quantos realmente viraram deals fechados no Pipedrive ou RD Station. Seu funil é otimizado por CPL — não por LTV ou taxa de conversão para cliente. O Lead Ads diz que performa bem, mas o CRM mostra outra história — e você não consegue cruzar os dados facilmente.

O que o MCP consulta: Join facebook_leads + facebook_leads__field_data (filtrar name='email') com pipedrive_deals.person_email (ou rd_station_crm_contacts.email + rd_station_crm_deals.contact_id). Agrupa por facebook_leads.ad_id para descobrir qual anúncio gerou os deals mais valiosos. Cruza com facebook_ad_insights.spend para calcular ROAS real (não proxy do pixel).

Diferencial Kondado: Lead Ads + CRM no MESMO destination — sem ETL extra, sem CSV manual, sem trabalho de matching. A tabela facebook_leads__field_data já vem em formato long (uma linha por campo do formulário) que o LLM filtra com WHERE name='email'. Um CSV exportado do Meta não teria essa estrutura normalizada.

Exemplo de resposta do ChatGPT: "Dos 200 leads de abril, 42 viraram deals no Pipedrive (21% taxa de conversão). Os leads da campanha 'Black Friday Early' tiveram ticket médio de R$ 890 vs R$ 320 da campanha 'Awareness Geral'. O ROAS real da campanha Early é 4,2x vs 1,8x da Awareness — recomendo redistribuir budget."

Quais anúncios estão "ativos" mas na prática não entregam

A dor de negócio: No Ads Manager, o status mostra ACTIVE, mas a Meta pausou a entrega por orçamento atingido, learning phase travada, política violada, ou outro motivo. Você só descobre quando o relatório semanal mostra "spend = 0 em metade dos anúncios da campanha" — e já perdeu dias de performance.

O que o MCP consulta: SELECT ad_id, name, status, effective_status, campaign_name FROM facebook_ad_details WHERE status='ACTIVE' AND effective_status != 'ACTIVE'.

Diferencial Kondado: O campo effective_status só apareceu no schema da Kondado a partir do map_version >= 20240322. É a única forma confiável de auditoria de delivery — status sozinho é enganoso. Nenhuma análise de "anúncios ativos" deveria usar status sem effective_status.

Exemplo de resposta do Claude: "Encontrei 7 anúncios com status=ACTIVE mas effective_status=NOT_DELIVERING. Causas: 3 anúncios travados em learning limited (baixo volume), 2 com orçamento diário esgotado às 14h, 2 em revisão de política desde 18/05. Ações recomendadas: aumentar budget nos 2 primeiros, aguardar revisão nos 2 últimos, duplicar os 3 de learning limited com maior audience."

Quanto da minha receita Shopify veio de Meta Ads vs Google Ads vs orgânico

A dor de negócio: Atribuição cross-canal é a dor número 1 de e-commerce. O Meta reporta "suas" conversões com janela de 7 dias click + 1 day view. O Google Ads reporta com modelo data-driven. O Shopify atribui à última touchpoint. A soma das partes é maior que o todo — e você não sabe qual canal realmente gera valor.

O que o MCP consulta: Join shopify_orders + ga4_sessions (via UTM + cliente_id) + facebook_ad_insights_actions.a_offsite_conversion_fb_pixel_purchase agrupado por metric_date + campanha (UTM ou campaign_name). Compara com facebook_ad_insights.spend por dia para calcular ROAS consolidado.

Diferencial Kondado: Meta + Shopify + GA4 estão no MESMO data warehouse. O LLM cruza com SQL puro em uma sessão única. O MCP oficial da Meta não vê Shopify; o MCP da Shopify não vê Meta. A Kondado é o único caminho que dá ao LLM visão fechada do funil numa só conversa.

Exemplo de resposta do ChatGPT: "Em abril, sua receita Shopify total foi R$ 124.500. Atribuição cruzada: R$ 38.200 (30,7%) com touchpoint Meta nos últimos 7 dias, R$ 29.800 (24,0%) Google Ads, R$ 56.500 (45,3%) orgânico/direto. ROAS real Meta: 3,1x (spend R$ 12.300). Google Ads: 2,8x (spend R$ 10.600). Recomendo: aumentar 20% no Meta, manter Google, investir em remarketing para o tráfego orgânico."

Quais criativos estão cansados e quais ainda têm tração

A dor de negócio: Fadiga criativa custa caro. CTR cai, CPM sobe, CPA explode. Você testa criativos manualmente, mas demora para detectar quando uma peça específica já não performa mais. Quando percebe, já gastou budget em anúncios que não convertem.

O que o MCP consulta: Join facebook_ad_details (creative_body, creative_image_url, creative_link_url, thumbnail_url) + facebook_ad_insights (CTR, impressions, frequency) agrupado por janela de 14 dias. Pode cruzar com facebook_page_posts.message se você sobe posts orgânicos como ads para detectar quais peças orgânicas viraram bons ads.

Diferencial Kondado: creative_body, creative_image_url e thumbnail_url no data warehouse — o LLM consegue até descrever o criativo na resposta ("o criativo com body 'X' e thumbnail Y"). Sem a Kondado, esses metadados ficariam só no Ads Manager, isolados das métricas de performance.

Exemplo de resposta do Claude: "Análise de fadiga nos últimos 14 dias: - Criativo 'Promo Verão' (thumbnail: praia.png): CTR caiu 45% (2,8% → 1,5%), frequência 4,2x — cansado, pausar - Criativo 'Depoimento Ana' (thumbnail: video_thumb.jpg): CTR estável 3,1%, frequência 2,1x — ainda com tração - Criativo 'Kit Economia' (thumbnail: produtos.png): CTR subiu 12% — escalar budget Recomendo pausar 'Promo Verão' e testar nova variação de headline."

Por que o histórico de seguidores do Instagram está zerado

A dor de negócio: Relatórios de crescimento de página/perfil quebram silenciosamente. O campo follower_count do Instagram aparece zerado desde uma data específica. Você acha que é bug do conector, do relatório, ou dos dados — mas na verdade é a Meta que mudou a API.

O que o MCP consulta: O LLM detecta padrão de cutoff em instagram_*.follower_count, aponta followers_count (total via endpoint de perfil) como alternativa, e explica que é bug recorrente da plataforma Meta.

Diferencial Kondado: Bug da plataforma Meta documentado pela Kondado (Learning 96, Jul/2025 e Mar/2026). O LLM, se conectado à Kondado, consegue dar o diagnóstico correto e o workaround porque a Kondado já mapeou o problema. Um LLM conectado à Meta API direta reportaria "0 seguidores" sem contexto explicativo.

Exemplo de resposta do ChatGPT: "Detectei que follower_count está zerado desde 12/03/2026. Isso é um bug conhecido da API Instagram quando páginas migram para o New Pages Experience. Workaround: usar followers_count da tabela instagram_account_details, que consulta o endpoint de perfil. Seu crescimento real: +2.340 seguidores no período, não zero."

O que aconteceu com post_impressions e meu relatório de páginas quebrou

A dor de negócio: A partir de 06/11/2025, post_impressions (total) começou a vir NULL em facebook_posts_metrics. Relatórios de páginas que usavam essa métrica pararam de funcionar silenciosamente. Você não sabe se foi deprecation, bug, ou mudança de API.

O que o MCP consulta: O LLM identifica o cutoff em facebook_posts_metrics.post_impressions, sugere post_impressions_organic + post_impressions_paid + post_impressions_viral como proxy, e alerta sobre páginas migradas para NPE (New Pages Experience).

Diferencial Kondado: A Kondado documentou o changelog #658 da Graph API (18/11/2025) e a migração NPE (Learning 162). O LLM responde com causa raiz + workaround SQL pronto — não apenas "os dados estão vazios".

Exemplo de resposta do Claude: "O campo post_impressions foi deprecated pela Meta em 06/11/2025 (changelog #658). Para obter o total, some: post_impressions_organic + post_impressions_paid + post_impressions_viral. Sua página foi migrada para NPE em novembro, então os dados históricos antes da migração podem estar em formato diferente. Query alternativa pronta para seu relatório."

Qual canal traz clientes com maior LTV — Meta, Google ou orgânico

A dor de negócio: Você quer investir mais no canal que traz clientes que pagam mais ao longo do tempo. Mas LTV requer cruzar: primeiro touchpoint (Meta/Google/orgânico) + transações subsequentes do mesmo cliente nos próximos 90 dias. Isso envolve múltiplas fontes e janelas temporais complexas.

O que o MCP consulta: Segmenta primeiro touchpoint em ga4_sessions ou shopify_orders.utm_source, joina com transações subsequentes do mesmo cliente nos próximos 90 dias (shopify_orders ou omie_pedidos), calcula LTV médio por canal, cruza com facebook_adaccount_insights.spend no mesmo período para calcular CAC. Razão LTV/CAC por canal = resposta.

Diferencial Kondado: ERP (Omie/ContaAzul) + Meta + Shopify + GA4 no MESMO destination. O LLM faz toda a cadeia em SQL numa só sessão. ICP 1 da Kondado (SMB com ERP + e-commerce) tem exatamente este caso de uso — dados de vendas do ERP + dados de marketing no mesmo lugar.

Exemplo de resposta do ChatGPT: "LTV-90d por canal de aquisição: - Meta Ads: LTV R$ 1.240, CAC R$ 180, LTV/CAC = 6,9x - Google Ads: LTV R$ 890, CAC R$ 165, LTV/CAC = 5,4x - Orgânico: LTV R$ 1.560, CAC R$ 40 (estimado), LTV/CAC = 39x Recomendação: Google tem menor eficiência — reduzir 15% e redistribuir para Meta. Orgânico tem melhor retorno, mas volume limitado. Testar campanhas de remarketing para aumentar LTV do Meta."

Em que horário do dia meu CPA é menor — dayparting otimizado

A dor de negócio: Você suspeita que está gastando budget nos horários errados. Mas o Ads Manager só mostra agregado por dia. Para fazer dayparting inteligente, precisa ver CPA por hora do dia — e cruzar com conversões off-Meta (pixel), que têm restrições de breakdown.

O que o MCP consulta: Agrega facebook_ad_insights por hourly_stats_aggregated_by_advertiser_time_zone, calcula CPA por hora, identifica heatmap de performance. Usa sub-tabela facebook_ad_insights_actions com __kdd_include_action_details=on para conversões pixel.

Diferencial Kondado: Breakdown hourly_stats_* é Type 1 — zeraria conversões off-Meta se o LLM consultasse a Meta API direto. A Kondado documenta que para análise horária com conversões pixel, a integração precisa rodar SEM esse breakdown na tabela principal e habilitar a sub-tabela. O LLM via MCP da Kondado consulta o schema correto.

Exemplo de resposta do Claude: "Heatmap de CPA por hora (últimos 30 dias): - Melhores horários: 20h-22h (CPA R$ 12,40), 06h-08h (CPA R$ 14,20) - Piores horários: 12h-14h (CPA R$ 28,90), 00h-02h (CPA R$ 31,50) - Recomendação: Aumentar bids 20% nas 20h-22h, reduzir 30% 12h-14h. Seu budget atual está 35% no horário de pico de CPA — otimização potencial de 18% de eficiência."

Setup em 3 passos para conectar Meta Ads ao ChatGPT via MCP

Passo 1 — Replicar Meta Ads via Kondado

Crie uma integração do Meta Ads na Kondado. Acesse a página de conectores para gerenciar suas conexões. Escolha as tabelas essenciais: facebook_ad_insights, facebook_ad_insights_actions, facebook_ad_details, facebook_campaign_details, facebook_leads (se usar Lead Ads). Configure o destination (BigQuery, PostgreSQL, Redshift, etc.). Aguarde a primeira replicação completa.

Passo 2 — Conectar destination ao cliente MCP

No Claude Desktop, ChatGPT (web), ou Cursor: adicione uma conexão MCP com URL https://mcp.kondado.io/mcp. A autenticação usa OAuth 2.1 — você será redirecionado para app.kondado.com.br/oauth/authorize para autorizar. Ou use token Bearer legado se preferir.

Passo 3 — Fazer perguntas em linguagem natural

Com o MCP conectado e a Via Kondado ativa, o LLM já consegue consultar suas tabelas. Pergunte: "Qual meu CPL real por campanha esta semana?" ou "Quais criativos estão com fadiga?" O LLM traduz para KSQL JSON, executa via MCP, e devolve a resposta em português com os números.

Por que via Kondado e não pelo MCP oficial da Meta

A Meta lançou seu próprio MCP em 2026 (mcp.facebook.com/ads). Mas há diferenças cruciais:

O MCP da Kondado entrega análise fechada do funil — não só dados de Meta. Com 80+ fontes no mesmo destination, você pergunta "quanto da minha receita Shopify veio de Meta" e o LLM responde numa só sessão. Com o MCP oficial da Meta, isso é impossível.

FAQ — Perguntas frequentes sobre Meta Ads e MCP

Preciso saber SQL para usar o MCP da Kondado?

Não. O LLM (ChatGPT, Claude, Cursor) traduz sua pergunta em linguagem natural para KSQL JSON automaticamente. Você pergunta "qual meu CPL", o LLM gera a query, executa via MCP, e devolve a resposta em português. O SQL fica "por baixo dos panos".

Quais destinations funcionam com o MCP da Kondado?

BigQuery, PostgreSQL, MySQL, SQL Server, Redshift, Amazon S3, e outras. O MCP se conecta ao seu data warehouse onde a Kondado replica os dados. Consulte a página de destinos para a lista completa.

O MCP da Kondado funciona com quantas fontes além do Meta Ads?

A Kondado oferece 80+ conectores. Todas as fontes replicadas para o mesmo destination ficam disponíveis via MCP. Isso inclui Google Ads, GA4, Shopify, VTEX, Bling!, Tiny, RD Station, Pipedrive, Salesforce, e muitas outras. O diferencial é poder cruzar Meta Ads com ERP e e-commerce no mesmo LLM.

Existe limite de uso do MCP da Kondado?

Na v1: 1.000 registros por execução, somente leitura, 1 Via Kondado por sessão. O endpoint é https://mcp.kondado.io/mcp. Esses limites são suficientes para análises diárias e relatórios recorrentes.

O MCP substitui meu relatório de Meta Ads?

Complementa. Relatórios tradicionais (Power BI, Looker Studio) são visuais e fixos. O MCP com LLM é analítico e flexível — você pergunta coisas novas a cada dia sem precisar criar novos gráficos. Use os dois: relatório para monitoramento rotineiro, MCP para investigações e análises ad-hoc.

Teste a Via Kondado com MCP por 14 dias em teste grátis da Kondado e descubra o que o ChatGPT e Claude podem analisar sobre seus dados de Meta Ads hoje.