Para conectar o LinkedIn Ads ao ChatGPT:
- Cadastre-se grátis em portermetrics.com e conecte sua conta do LinkedIn Ads com sua conta do LinkedIn.
- No ChatGPT, clique em + → Conectores → Gerenciar conectores → Adicionar conector personalizado, nomeie-o Porter, cole
https://mcp.portermetrics.com/mcp, depois clique em Adicionar e autentique com o Google.
Pronto, você está conectado. O plano grátis do Porter cobre até 3 contas de anúncios do LinkedIn Ads sem limites de uso no plano grátis do ChatGPT. Não é necessário cartão de crédito.
O que diferencia o Porter:
- Leitura + escrita, com segurança. O MCP do Porter permite criar, atualizar e pausar campanhas do LinkedIn Ads, ajustar orçamentos e segmentação, e gerenciar criativos diretamente no ChatGPT, por meio de componentes de código determinísticos. Nada gera alucinações, e o limitador de taxa integrado mantém suas contas de anúncios seguras contra throttling.
- 800+ métricas e dimensões do LinkedIn Ads, e o único MCP que inclui cobertura de atribuição na mesma conexão.
- MCP universal do LinkedIn Ads. Dashboards white-label hospedados e portais para clientes, acompanhamento de concorrentes com análise de criativos, validação de ideias com Google Trends e dados de palavras-chave. Toda a sua operação do LinkedIn Ads roda em um único chat.
Pré-requisitos
- Uma conta do Porter Metrics com sua conta do LinkedIn Ads conectada (o plano grátis é suficiente para testar de ponta a ponta)
- Uma conta do ChatGPT — o plano grátis funciona para o ChatGPT Web; uma assinatura Pro é necessária para os recursos do Codex e MCP Desktop
- Acesso de administrador ou padrão às contas de anúncios do LinkedIn Ads que você deseja conectar
Conectar o LinkedIn Ads ao ChatGPT com MCP
Neste tutorial, vamos usar o método MCP. Aqui vai uma explicação rápida do que é o MCP e por que é o melhor caminho para o LinkedIn Ads.
MCP (Model Context Protocol) é o padrão aberto que permite que ferramentas de IA como Claude, ChatGPT, Codex e outras acessem e usem APIs externas — as coisas que fazem ferramentas como o LinkedIn Ads funcionar nos bastidores. Em vez de construir uma integração personalizada para cada ferramenta de IA que você usa, você instala um MCP e toda ferramenta compatível acessa os mesmos dados.
A configuração completa leva menos de 5 minutos e se divide em três passos: conectar o LinkedIn Ads ao Porter, apontar o ChatGPT para o MCP do Porter, e fazer sua primeira pergunta.
1. Conecte seus dados do LinkedIn Ads ao Porter
O Porter fica entre a API de Marketing do LinkedIn e o ChatGPT. Ele gerencia o OAuth, limitação de taxa, paginação e toda a infraestrutura para que o ChatGPT veja apenas dados limpos e estruturados.
Cadastre-se no Porter. Crie uma conta grátis em portermetrics.com. O plano grátis é suficiente para executar todo esse fluxo de ponta a ponta.
Conecte seu LinkedIn. No Porter, clique em Criar → escolha ChatGPT como destino → selecione LinkedIn Ads como fonte → faça login com o LinkedIn para conceder acesso às suas contas de anúncios.
Selecione suas contas de anúncios. Escolha as contas de anúncios do LinkedIn Ads que você deseja que o ChatGPT consulte. Ao selecionar várias contas de anúncios em uma única conexão, o Porter automaticamente combina os dados para que você possa consultá-las como uma só.
Opcional: habilite o armazenamento automático no BigQuery se você estiver conectando várias contas de anúncios com grandes volumes de dados. Isso mantém as respostas do ChatGPT rápidas mesmo em escala.
2. Conecte o MCP ao ChatGPT
A URL do MCP do Porter é o que você cola no ChatGPT. Uma vez adicionada, o ChatGPT pode consultar dados do LinkedIn Ads sob demanda em qualquer conversa.
Acesse chatgpt.com e clique no + ícone no campo de chat para abrir o menu de ferramentas.
No menu que abrir, passe o mouse sobre Conectores e clique em Gerenciar conectores.
No painel de Conectores, clique no + botão no topo da lista para começar a adicionar um novo conector.
Escolha Adicionar conector personalizado no menu suspenso que aparece.
Uma caixa de diálogo abre com os campos de nome e URL. Digite Porter no primeiro campo para nomear o conector.
No segundo campo, cole https://mcp.portermetrics.com/mcp. Deixe as configurações avançadas como estão.
Clique em Adicionar no canto inferior direito da caixa de diálogo. O ChatGPT abre uma janela de login — use a mesma conta do Google vinculada ao seu workspace do Porter e aprove o acesso.
Quando a autorização terminar, você verá as ferramentas do Porter aparecerem no painel de conectores. Você está pronto para começar a fazer perguntas (e, para conectores que suportam, executar ações).
Para um passo a passo mais completo com capturas de tela em cada etapa, veja o tutorial do Porter MCP.
3. Comece a construir perguntas e dashboards
Com o Porter conectado, abra um novo chat no ChatGPT e pergunte qualquer coisa sobre seu LinkedIn Ads em inglês simples. O ChatGPT chama o Porter nos bastidores, puxa dados em tempo real do LinkedIn, e responde com tabelas, gráficos ou resumos.
Experimente uma destas para verificar se a configuração está funcionando:
Para um catálogo completo de prompts prontos para copiar e colar organizados por caso de uso (desempenho, fadiga, orçamento, agência, B2B, geração de leads, multicanal), pule para a seção de prompts abaixo.
Outras formas de conectar o LinkedIn Ads ao ChatGPT
O Porter MCP é o caminho que acabamos de percorrer e o que recomendamos para a maioria dos profissionais de marketing. Não é a única forma de colocar dados do LinkedIn Ads no ChatGPT, no entanto. As alternativas mais comuns são a API direta do LinkedIn Ads, uma ponte com Google Sheets em tempo real ou upload de CSV, e o BigQuery para escala. Cada uma tem prós e contras, então escolha a que se encaixa na forma como sua equipe já trabalha.
- 🔌 API direta do LinkedIn Ads — Converse diretamente com a API de Marketing do LinkedIn. Controle máximo, mas você lida com autenticação, limites de taxa e paginação — e só obtém uma fonte. (O LinkedIn ainda não lançou um MCP oficial.)
- 📊 Google Sheets — Planilha em tempo real ou upload de CSV pontual. Auditável, familiar, mais rápido para grandes exportações — mas a agregação acontece na planilha, não na API.
- 🗄️ Google BigQuery — Para contas de anúncios grandes ou agências executando análise multiconta. O BigQuery agrega; o ChatGPT apenas consulta resumos pré-construídos.
Pelo aplicativo Porter Metrics no marketplace do ChatGPT
Se você preferir não colar uma URL de conector, instale o Porter diretamente da galeria de aplicativos do ChatGPT — é a mesma conexão do Porter nos bastidores, publicada como um aplicativo aprovado do ChatGPT:
- Abra a página do aplicativo Porter Metrics no ChatGPT (ou pesquise “Porter Metrics” na galeria de aplicativos).
- Clique em Conectar e faça login com a mesma conta que você usa no Porter.
- Autorize e faça sua primeira pergunta sobre o LinkedIn Ads — os mesmos dados em tempo real do MCP.
O trade-off a saber: o aplicativo do marketplace só é atualizado após cada ciclo de revisão do ChatGPT, enquanto o MCP é atualizado no momento em que o Porter lança. Se você quer cada nova ferramenta e fonte de dados imediatamente, use o MCP; se quer a instalação com um clique e não se importa em esperar por novos recursos, o aplicativo do marketplace é o caminho mais curto — incluindo ações de escrita por meio da sua conta do Porter conectada.
Pela API direta do LinkedIn Ads
Se você está construindo um produto em torno do LinkedIn Ads — ou é um desenvolvedor que prefere controlar cada camada da integração — o caminho mais direto é conversar com a Marketing API do LinkedIn você mesmo, ou — onde exista — o próprio MCP oficial do LinkedIn Ads. O LinkedIn ainda não lançou um MCP oficial, então ir direto significa escrever chamadas de API você mesmo no Codex ou em seus próprios scripts. Qualquer rota que você escolha, ainda deve seguir os limites de taxa e cotasdo LinkedIn. De qualquer forma, você pula o Porter e chama o LinkedIn a partir do seu próprio código, do Codex, ou do próprio conector do LinkedIn Ads.
O trade-off a saber. Ir direto dá controle máximo e os dados mais frescos possíveis — todo endpoint, todo parâmetro, sem camada de abstração no meio. Mas agora você é responsável pelos fluxos de OAuth, tokens de atualização, limites de taxa, paginação, mudanças de esquema e novas tentativas de erro. E, criticamente, você só obtém uma fonte. No momento em que você também quiser Google Ads, GA4 ou Shopify na mesma conversa, você volta a construir (ou costurar) mais integrações.
Quando isso faz sentido: equipes de engenharia que precisam de uma única fonte com controle total, produtos que entregam dados do LinkedIn Ads como um recurso (onde você já possui a integração de qualquer forma), ou scripts pontuais onde você não se importa em escrever o código de autenticação e paginação você mesmo. Para profissionais de marketing que querem fazer perguntas em inglês simples e combinar o LinkedIn Ads com o resto da sua stack em uma única conversa, o caminho do Porter MCP é dramaticamente menos trabalho.
Pelo Google Sheets (planilha em tempo real ou CSV manual)
Se sua equipe já vive no Google Sheets — ou você quer um rastro de papel antes de o ChatGPT tocar em qualquer coisa — alimente o LinkedIn Ads em uma planilha, depois deixe o ChatGPT ler a planilha. Você pode automatizar o pipeline LinkedIn Ads → Sheets com o Porter para que ele atualize diariamente, ou fazer exportações de CSV pontuais da interface nativa do LinkedIn Ads para análise estática.
O trade-off a saber. Com o caminho do MCP, o ChatGPT chama a API do LinkedIn diretamente e o LinkedIn faz a filtragem e agregação do lado dele — limpo e determinístico. Com o caminho do Sheets, o ChatGPT agrega dentro da própria planilha, o que pode introduzir alucinações em totais, médias e junções quando você tem milhares de linhas. A vantagem é a velocidade: para intervalos de datas muito grandes ou análise histórica, uma planilha pré-construída é dramaticamente mais rápida do que chamadas de API em tempo real.
Quando isso faz sentido: equipes de finanças que querem revisar os números antes de o ChatGPT agir sobre eles, agências que já entregam relatórios de clientes em Sheets, análise histórica ao longo de anos de dados, ou qualquer caso onde você se importa mais com velocidade do que com frescor em tempo real.
Leia o tutorial completo do Sheets →
Pelo Google BigQuery (para escala)
Este é o caminho que a maioria das pessoas ignora — e é o que salva você quando seu anunciante do LinkedIn Ads fica sério. Um único anunciante grande ou uma agência gerenciando 10+ contas de anúncios atingirá limites de taxa da API e problemas de latência ao consultar o ChatGPT diretamente. O ChatGPT literalmente dirá que está demorando muito ou expirando em grandes extrações.
O BigQuery resolve isso. Você carrega dados do LinkedIn Ads em tabelas do BigQuery em uma programação, depois conecta o BigQuery ao ChatGPT — seja por meio de um MCP do BigQuery ou via Codex com consultas SQL. Em vez de pedir ao ChatGPT para puxar dados brutos do LinkedIn Ads, você deixa o BigQuery agregar em tabelas pequenas e otimizadas, e o ChatGPT apenas consulta o resultado resumido. Problema de escala resolvido.
Quando isso faz sentido: contas de anúncios enterprise com milhares de leads, agências executando análise multiconta em mais de 10 clientes, ou qualquer equipe que já use o BigQuery como data warehouse. O Porter carrega o LinkedIn Ads (e mais de 25 outras fontes) diretamente no BigQuery para que você não precise construir seu próprio ETL.
Leia o tutorial completo do BigQuery →
Conectando o LinkedIn Ads ao Codex
A maioria dos profissionais de marketing agrupa ChatGPT e Codex e perde a maior vantagem de todo o ecossistema MCP. Eles não são a mesma ferramenta — e a diferença importa enormemente quando você começa a trabalhar com dados do LinkedIn Ads de forma séria.
O ChatGPT é uma interface de chat. Você faz uma pergunta, o ChatGPT puxa dados em tempo real pelo MCP, responde, talvez construa um dashboard rápido dentro da conversa. Ótimo para análise pontual. O problema: tudo é efêmero. Quer atualizar o dashboard amanhã? Você o regenera do zero. Quer o mesmo relatório toda segunda-feira? Você refaz a pergunta toda segunda-feira.
O Codex é o ChatGPT rodando dentro do terminal do seu computador. Como ele tem acesso ao seu sistema de arquivos, runtime e outras ferramentas de desenvolvedor, ele não apenas responde perguntas — ele pode construir software de verdade. Scripts persistentes, rotinas programadas, aplicativos HTML, dashboards internos, integrações que rodam 24/7 sem sua intervenção. Uma vez conectado ao MCP do Porter para o LinkedIn Ads, uma categoria inteira de trabalho se torna possível.
O que o Codex desbloqueia que o ChatGPT sozinho não consegue
É aqui que o ecossistema MCP mais compensa. Como o Codex pode combinar o MCP do Porter com outros MCPs — Firecrawl para web scraping, Airtable para dados estruturados, Notion para wikis, Vercel para deploy, Slack e Gmail para entrega — você não está mais consultando dados. Você está construindo ferramentas.
Alimente o Codex com suas metas e objetivos do LinkedIn Ads — metas de CPA, orçamentos diários, limites de ROAS — e peça para ele gerar um dashboard de ROI personalizado para cada cliente. Ele constrói o HTML, puxa dados em tempo real, faz deploy em uma URL. Sem embed do Data Studio para quebrar quando o fornecedor muda o preço, sem restrições de template. O dashboard atualiza automaticamente porque consulta o MCP do Porter a cada carregamento de página.
Melhor para:agências que querem dashboards white-label para clientes sem depender do Looker ou Data Studio.
Combine seu próprio desempenho do LinkedIn Ads do Porter com páginas de destino de concorrentes e anúncios em tempo real da Meta Ad Library raspados via Firecrawl. O Codex costura ambos em um relatório semanal de inteligência competitiva — seus números ao lado dos ângulos criativos e preços deles, com um resumo de LLM no topo do que mudou semana a semana. Roda em cron, chega na sua caixa de entrada toda segunda-feira de manhã.
Melhor para:equipes internas que precisam de contexto de mercado, não apenas números internos.
Use o Airtable ou Notion como esquema, e o Porter como fonte de dados. O Codex mantém cada página populada com gasto atual, CPA e ROAS para cada conta de anúncios — sem capturas de tela desatualizadas, sem copiar-colar do Excel. Novos funcionários leem uma entrada do wiki e têm contexto completo sobre a conta de um cliente.
Melhor para:agências e equipes de operações que fazem onboarding de analistas ou rotacionam gerentes de conta com frequência.
Uma rotina do Codex em cron puxa o LinkedIn Ads via Porter, avalia limites — CTR cai abaixo de 1%, gasto diário dispara 2× a média móvel — e envia alertas no Slack ou Gmail no momento em que algo cruza a linha. Você para de verificar dashboards reativamente; o dashboard verifica a si mesmo e diz quando olhar.
Melhor para:qualquer equipe que já descobriu um problema 48 horas tarde demais porque ninguém abriu o relatório.
Resumindo: O ChatGPT é para perguntas rápidas e dashboards ad hoc. O Codex é para construir aplicativos, dashboards em tempo real, alertas e ferramentas de verdade — qualquer coisa que você queira rodar sozinha sem refazer perguntas. A mesma URL do MCP do Porter funciona em ambos, então você não escolhe uma vez e fica preso.
Casos de uso: o que você pode realmente fazer uma vez que o LinkedIn Ads está conectado ao ChatGPT
Esses casos de uso rodam em contas de anúncios reais do LinkedIn Ads, desde gestão completa de campanhas até relatórios voltados para clientes.
1. Gerenciar campanhas pelo chat
A maior mudança em relação a um dashboard: o ChatGPT não apenas lê sua conta, ele a opera. Crie, atualize e pause campanhas do LinkedIn Ads, ajuste orçamentos e segmentação, e gerencie criativos por meio dos componentes determinísticos do Porter, com limitação de taxa integrada para que sua conta permaneça segura. Um hábito a manter para cada prompt que altera a conta: peça ao ChatGPT para mostrar a mudança e aguarde sua confirmação.
2. Gerenciar orçamentos e pacing
Ajuste orçamentos diários e totais, monitore o pacing de gasto, e realoque orçamento entre campanhas com base no desempenho — tudo a partir de um prompt no chat.
3. Fazer upload e gerenciar criativos
Crie, atualize e gerencie criativos do LinkedIn Ads, incluindo Sponsored Content, anúncios em carrossel e anúncios em vídeo. Todas as mudanças de criativos são criadas no status PAUSED por padrão para revisão.
4. Relatórios: perguntas, dashboards, alertas e apresentações para clientes
Condense Q&A + combinações (Stripe, HubSpot, Shopify) + alertas Slack/Gmail + apresentações Gamma/HTML/PDF em dashboards hospedados ou apresentações para clientes.
Campos e métricas do LinkedIn Ads que você pode consultar com o ChatGPT
Antes de começar a escrever prompts, ajuda saber quais dados estão realmente disponíveis. O Porter MCP dá ao ChatGPT acesso a 800 métricas do LinkedIn Ads em todos os níveis de relatório, mais detalhamentos por audiência, posicionamento, dispositivo e geografia. E a mesma URL de MCP também desbloqueia mais de 25 outras fontes — então o ChatGPT pode combinar o LinkedIn Ads com Google Ads, GA4, Shopify, HubSpot e mais em um único prompt.
Prompts prontos para copiar e colar hoje
…organizados por função: gestão de campanhas, orçamentos e pacing, gestão de criativos, agências, profissionais de marketing B2B, equipes de geração de leads e ABM, e combinações multicanal.
Todo prompt que altera a conta tem o hábito de segurança embutido: revise primeiro, depois aplique.
Gestão de campanhas
Para profissionais de marketing que precisam criar, atualizar, pausar e gerenciar campanhas do LinkedIn Ads diretamente do ChatGPT.
Orçamentos e pacing
Para equipes que monitoram gasto, ajustam orçamentos e otimizam pacing entre campanhas.
Gestão de criativos
Para equipes que gerenciam Sponsored Content, anúncios em carrossel, anúncios em vídeo e desempenho de criativos.
Para agências
Agências que gerenciam várias contas do LinkedIn Ads precisam de relatórios rápidos para clientes, detecção de anomalias entre portfólios e comparações de segmentos.
Para profissionais de marketing B2B
Profissionais de marketing B2B internos otimizando eficiência do pipeline e qualidade de audiência no LinkedIn.
Para equipes de geração de leads e ABM
O LinkedIn Ads é nativo de B2B. Esta seção cobre otimização de formulários de geração de leads e fluxos de trabalho de marketing baseado em contas.
Multicanal
Combinando o LinkedIn Ads com CRM, web analytics e outras plataformas de anúncios para atribuição de funil completo.
Limites, segurança e boas práticas para o LinkedIn Ads via ChatGPT
Nenhum thread público do Reddit, artigo de notícias ou post de fórum documentando banimentos irreversíveis da API do LinkedIn Ads foi encontrado entre 2024 e 2026. O modelo de fiscalização do LinkedIn é throttle-first, não ban-first. O “horror story” do mundo real é operacional, não existencial: uma equipe de demand-gen executando uma análise de fim de trimestre dispara a cota diária de requisições, recebe respostas HTTP 429, e perde 6–12 horas de relatórios automatizados até a cota resetar à meia-noite UTC. O custo não é uma conta suspensa — é janelas de otimização perdidas e insights do Claude desatualizados durante períodos de relatórios de alto risco.
A fiscalização de limites de taxa do LinkedIn é baseada em cotas e escopo de aplicação, não baseada em ferramenta. O LinkedIn não bane contas de anúncios porque você conectou o Claude ou um servidor MCP. Ele limita a taxa de chaves de API que excedem suas alocações diárias ou por minuto de chamadas. A plataforma rastreia duas cotas independentes: (1) um total de nível de aplicação entre todos os usuários do seu aplicativo, e (2) um total de nível de membro por token de usuário autenticado do LinkedIn. Ambas resetam à meia-noite UTC. Quando você se aproxima do teto de nível de aplicação, o LinkedIn envia um alerta por e-mail; quando você o excede, a API retorna HTTP 429 com X-RateLimit-Limit, X-RateLimit-Remaining, e X-RateLimit-Reset cabeçalhos. Uso de analytics somente leitura dentro da cota é seguro. Tráfego de API não agrupado, não em lote ou paralelizado não é.
As duas formas de esgotar sua cota do LinkedIn Ads
Após revisar documentos oficiais e threads da comunidade, dois padrões aparecem repetidamente.
1. Rajadas de API paralelas e não agrupadas durante relatórios. Fazer chamadas de API individuais para cada campanha, grupo de anúncios e criativo simultaneamente — em vez de usar endpoints agrupados ou filtrados — esgota a cota diária de 500 chamadas em minutos. Isso dispara throttling HTTP 429 e deixa a integração offline até a meia-noite UTC. NEEDS_REVIEW: recomendação exata de tamanho de lote dos documentos do LinkedIn . Use filtros de intervalo de datas e solicite apenas os campos específicos que você precisa.
2. Ignorar cabeçalhos de limite de taxa e tentar novamente imediatamente. Quando o LinkedIn retorna HTTP 429, o X-RateLimit-Reset cabeçalho contém o timestamp Unix quando a cota é renovada. Loops de nova tentativa que ignoram este cabeçalho e martelam a API a cada poucos segundos desperdiçam cota e estendem a janela de blackout. O padrão correto é backoff exponencial com jitter, respeitando o valor Retry-After ou X-RateLimit-Reset . — Microsoft Learn: LinkedIn API Rate Limits
3. Solicitar escopos de escrita quando o objetivo é analytics somente leitura. Os escopos da API de Marketing do LinkedIn são granulares. Pedir r_ads (ler anúncios) mais escopos desnecessários w_ads (escrever anúncios) ou r_ads_reporting aumenta o privilégio do token e a superfície de auditoria sem benefício. Se a integração apenas lê dados de desempenho, minimize os escopos para reduzir tanto o risco de segurança quanto o potencial de escrutínio de conformidade. — Stitchflow: LinkedIn Ads API Guide
Ambos os comportamentos disparam throttling de cota. Se você quer usar o ChatGPT para o LinkedIn Ads com segurança, agrupe suas requisições, respeite os cabeçalhos de limite de taxa, e use escopos mínimos.
O protocolo de escala de 5 regras
Com base nos limites de taxa e cotas documentados do LinkedIn Ads e nos comportamentos que realmente causaram throttling — não em suposições:
-
Agrupe suas requisições e filtre por intervalo de datas. A cota padrão da API de Marketing do LinkedIn é 500 chamadas por dia por aplicação (resetando à meia-noite UTC), com alguns endpoints limitados a 100 chamadas por minuto. Solicitar um registro por chamada esgota essa cota em menos de uma hora para contas de médio porte. O Porter MCP agrupa requisições e aplica filtros de intervalo de datas automaticamente, mantendo o volume de chamadas bem abaixo do limite. — Microsoft Learn: LinkedIn API Rate Limits
-
Monitore o alerta de cota em ~75% e pare antes do teto. O LinkedIn envia um alerta por e-mail quando sua cota de nível de aplicação atinge aproximadamente 75% de consumo. Trate isso como um aviso severo: pause sincronizações não essenciais, adie consultas exploratórias, e deixe os relatórios de alta prioridade terminarem. Ignorar o alerta significa bater na parede em 100% e esperar até a meia-noite UTC. — LiSeller: How to Handle LinkedIn API Rate Limits
-
Respeite o HTTP 429 e recue exponencialmente. Quando limitado, o LinkedIn retorna HTTP 429 com
X-RateLimit-Reset. Não tente novamente cegamente. Implemente backoff exponencial começando em 1 segundo, dobrando para 2s, 4s, 8s, 16s, 32s, 64s, e limitando em ~5 minutos com jitter aleatório. Isso maximiza a chance de sucesso na próxima janela de cota enquanto evita penalidades adicionais. NEEDS_REVIEW: política de penalidade de retry-after específica do LinkedIn -
Use escopos somente leitura e audite privilégios de token trimestralmente. Conceda os escopos mínimos viáveis (
r_ads,r_ads_reporting,r_basicprofile). Evitew_adsouw_organization_sociala menos que você esteja explicitamente criando ou editando campanhas via API. Revisar escopos a cada 90 dias captura expansão de escopo de experimentos iniciais e reduz tanto a exposição de segurança quanto o risco de conformidade. — Stitchflow: LinkedIn Ads API Guide -
Armazene dados de relatórios em cache e evite polling em tempo real. Os dados de relatórios do LinkedIn Ads têm um atraso de frescor de várias horas (comumente 4–6 horas para métricas finais). Fazer polling a cada 15 minutos desperdiça cota em dados desatualizados. Armazene resultados em cache e sincronize uma ou duas vezes por dia para relatórios históricos, ou a cada 4 horas para monitoramento de campanhas ativas. O Porter MCP armazena em cache e deduplica automaticamente, reduzindo chamadas de API redundantes em NEEDS_REVIEW: porcentagem de taxa de acerto de cache específica do Porter .
O que o Porter MCP faz de diferente: ele impõe esses limites e salvaguardas no nível da plataforma. O conector do LinkedIn Ads do Porter é somente leitura por padrão— nenhum escopo de escrita é solicitado, eliminando o risco de edições acidentais de campanhas ou excesso de escopo. As requisições são automaticamente agrupadas e filtradas por intervalo de datas e conta, mantendo o volume diário de chamadas bem abaixo da cota de 500 chamadas de aplicação. Respostas de limite de taxa disparam backoff exponencial integrado com jitter, então o throttling nunca cascateia em uma falha dura. Cache por conta evita polling redundante, e a frequência de sincronização é configurável (hora em hora, duas vezes ao dia, ou diariamente) para corresponder à realidade de frescor de dados do LinkedIn em vez de desperdiçar cota em polls prematuros. Esse é o comportamento que os sistemas automatizados do LinkedIn tratam com elegância: previsível, com escopo definido, agrupado e dentro da cota.
Perguntas frequentes
Pronto para conversar com o seu LinkedIn Ads?
Abra o ChatGPT, adicione o conector do Porter e faça sua primeira pergunta. Se você ainda não tem o Porter, comece um teste grátis e conecte sua conta do LinkedIn Ads — você estará conversando com suas campanhas em menos de cinco minutos.
rocket_launch Comece seu teste grátis do Porteropen_in_new Abra o ChatGPT