Chez Hanalytics, nous avons plusieurs fois été sollicités pour trouver un moyen de pousser dans Search Ads 360 des données de performances des campagnes Facebook notamment les KPIs suivants :
Impressions
Clicks
Costs
La disponibilité des données Facebook dans Search Ads 360 permet d’avoir une visibilité sur les performances du Search Payant mais aussi sur le Social Payant au sein de la même interface.
Après quelques échanges avec Google, nous avons proposé une solution simple, facile à mettre en place, en mode quick-win via Deepnote. L’idée est de déclencher un script python qui va récupérer les données de performance Facebook via l’API et les pousser au SFTP Search Ads 360.
Le script python à déclencher est le suivant :
# Start writing# Import packages
from facebook_business.api import FacebookAdsApi
from facebook_business.adobjects.user import User
from facebook_business.adobjects.adaccount import AdAccount
from facebook_business.adobjects.campaign import Campaign
import pandas as pd
import pandas_gbq
import os
from datetime import datetime, timedelta
import time
info = 'facebook'
ext = '.csv'
# Credentials
app_id = os.environ["APP_ID"]
my_app_secret = os.environ["MY_APP_SECRET"]
my_access_token = os.environ["MY_ACCESS_TOKEN"]
ad = AdAccount(os.environ["ADACCOUNT"])
FacebookAdsApi.init(app_id, my_app_secret, my_access_token)
me = User(fbid='me')
my_accounts = list(me.get_ad_accounts())
# Get Date
since = datetime.now() - timedelta(1)
since = datetime.strftime(since, '%Y-%m-%d')
until = datetime.now() - timedelta(1)
until = datetime.strftime(until, '%Y-%m-%d')
# Open sftp
import paramiko
host= os.environ["HOST"]
port= os.environ["PORT"]
username= os.environ["USERNAME"]
password= os.environ["PASSWORD"]
client = paramiko.SSHClient()
client.set_missing_host_key_policy(paramiko.AutoAddPolicy())
client.load_system_host_keys()
client.connect(host,port=port, username=username, password=password, allow_agent=False, look_for_keys=False)
sftp_client = client.open_sftp()
ad_account = ['INSERT_YOUR_AD_ACCOUNT']
def fb_importation (since, until, ad_account):
params = {
'time_range': {'since': since , 'until': until },
'level': 'ad',
'time_increment': 1,
'breakdowns': ['impression_device'],
'action_type': 'offsite_conversion'}
fields = ['date_start','date_stop','account_id','campaign_id','adset_id','ad_id','spend', 'impressions','inline_link_clicks']
insights = AdAccount(ad_account).get_insights(params=params , fields = fields)
results = []
for item in insights:
data = dict(item)
results.append(data)
# Transform into DataFrame
df = pd.DataFrame(results)
nom_fichier = info+'_'+ad_account+'_'+since+ ext
df = df.rename(columns={"date_start": "Reporting Starts",
"date_stop": "Reporting Ends",
"account_id": "Account ID",
"campaign_id": "Campaign ID",
"adset_id": "Ad Set ID",
"ad_id": "Ad ID",
"spend": "Amount Spent (USD)",
"impressions": "Impressions",
"inline_link_clicks": "Link Clicks",
"impression_device": "Impression Device" })
df.to_csv(nom_fichier,index=False)
sftp_client.put('/work/'+nom_fichier, nom_fichier)
return ('Importation is OK , the filename is ' + nom_fichier )
for ad in ad_account:
fb_importation(since,until,ad)
La fonctionnalité de Scheduling de Deepnote permet de faire tourner le script tous les jours à 7h .
Et voilà, une solution quick-win simple et efficace de mise en place d’un flux de données.
