Sxo Analyze

SXO-Analyzer -- Vollstaendige Search Experience Optimization

SXO kombiniert SEO mit UX. Die zentrale These:

Google zeigt in den SERPs bereits die optimale Antwort auf die User Story -- man muss sie nur rueckwaerts ablesen.

Logik: User Story -> SERP-Ausspielung -> Zielseite muss User Story widerspiegeln.

Ziel: Durch die auf die User Story abgestimmte Zielseite Rankings nachhaltig verbessern und Conversions steigern.

Schritt 0: Inputs klaeren

Bevor die Analyse beginnt, stelle sicher, dass folgende Inputs vorliegen. Falls nicht, frag nach:

KEYWORD:          [z.B. "PV Ausrichtung Rechner"]
ZIELSEITE-URL:    [z.B. "https://www.enerix.de/photovoltaik-rechner/"]
MARKT/SPRACHE:    [z.B. Deutschland / de]  <- Standard: Deutschland
DEVICE:           [Desktop / Mobile]       <- Standard: Desktop

Spracherkennung / Language Detection

Erkenne die Report-Sprache automatisch anhand folgender Signale (in Prioritaetsreihenfolge):

1. Explizite Angabe: User gibt Sprache/Markt vor (z.B. "US / en", "UK / en")
2. URL-TLD: .com, .co.uk, .io, .org -> Englisch; .de, .at, .ch -> Deutsch
3. Keyword-Sprache: Englische Keywords -> Englischer Report; deutsche Keywords -> Deutscher Report
4. Location Code: 2840 (USA), 2826 (UK), 2036 (Australien) -> Englisch; 2276 (DE), 2040 (AT), 2756 (CH) -> Deutsch

IF Sprache = Englisch:
  -> Verwende Template `assets/report-template-en.html`
  -> Schreibe ALLE Analysetexte auf Englisch
  -> Verwende englische SERP-Typ-Labels: Guide, Shop, Feature, Video, Comparison, Forum, Tool, News
  -> Verwende englische Platzhalter-Namen (siehe EN-Platzhalter-Referenz unten)
  -> DataForSEO: language_code = "en", location_code je nach Markt
ELSE:
  -> Verwende Template `assets/report-template.html` (Deutsch)
  -> Standardverhalten wie bisher

Schritt 1: Datenbeschaffung via DataForSEO MCP

1a -- MCP-Verfuegbarkeit pruefen

IF DataForSEO MCP verfuegbar:
  -> Fuehre automatische SERP-Abfrage durch (siehe 1b)
ELSE:
  -> Aktiviere Fallback-Modus (siehe 1c)

1b -- Automatische Datenbeschaffung (MCP aktiv)

WICHTIG: Eine einzige SERP-Abfrage liefert ALLE Daten.

Rufe serp_organic_live_advanced mit diesen Parametern auf:

keyword:                      Das Ziel-Keyword
language_code:                "de" (oder "en" je nach Sprache)
location_name:                "Germany" (oder je nach Markt)
device:                       "desktop" (oder "mobile")
depth:                        10
people_also_ask_click_depth:  2    <- WICHTIG: liefert mehr PAA-Fragen

Diese EINE Abfrage liefert alle folgenden SERP-Elemente (als type-Feld in der Response):

Zusaetzlich (parallel):

Rufe diese Tools parallel zur SERP-Abfrage auf, um Wartezeit zu minimieren:

1. kw_data_google_ads_search_volume -> Google Ads Keyword-Daten (fuer Schritt 2b)
   • Parameter: keywords = [Das Ziel-Keyword], language_code = "de"/"en", location_name = "Germany" (oder je nach Markt)
   • Liefert: CPC, Competition (Low/Medium/High), Competition Index (0-100), Search Volume
   • WICHTIG: Diese Daten kommen direkt aus der Google Ads API und sind unabhaengig vom SERP-Crawling. Sie beweisen zuverlaessig, ob fuer das Keyword Ads geschaltet werden.

Zusaetzlich (parallel, wenn Zielseite angegeben):

2. on_page_content_parsing -> Zielseiten-Inhalt parsen (fuer Schritt 4)
3. on_page_lighthouse -> Core Web Vitals + Accessibility inkl. Bilder-Alt-Check (fuer Schritt 6)
   • Parameter: url = Zielseite, full_data = true
4. on_page_instant_pages -> Detaillierte On-Page-Daten inkl. Bilder-Zaehlung (fuer Schritt 6)
   • Parameter: url = Zielseite, enable_javascript = true

Handling grosser Zielseiten-Inhalte: Wenn on_page_content_parsing grosse Ergebnisse liefert (>20KB), fokussiere auf: H1, H2-Struktur, erste 3 Absaetze, Tabellen, CTAs, interne Links. Ignoriere Footer-Navigation, Sidebar-Widgets und repetitive Boilerplate.

1c -- Fallback-Modus (MCP nicht verfuegbar)

Lies references/fallback-mode.md fuer die vollstaendigen Fallback-Nachrichten (DE/EN). Bitte den User um manuelle SERP-Daten (Autocomplete, Ads, PAA, Top-5, Features, First Screen). Screenshots werden ebenfalls akzeptiert.

1d -- Lighthouse- und Instant-Pages-Daten aufbereiten

Aus den Lighthouse- und Instant-Pages-Responses extrahiere Core Web Vitals, Performance Scores und Bilder-Accessibility-Daten.

Lies references/cwv-thresholds.md fuer die vollstaendigen Schwellwerte, Feld-Pfade und Scoring-Logik.

Lies references/dataforseo-api.md fuer weitere optionale Endpunkte (Backlinks).

1e -- Above-the-Fold Screenshot (parallel)

Erstelle einen Screenshot des sichtbaren Bereichs (Above-the-Fold) der Zielseite. Dieser wird als visueller Kontext im HTML-Report eingebettet.

Lies references/screenshot-capture.md fuer Capture-Befehl, Base64-Konvertierung und Fehlerbehandlung.

IF Zielseite-URL vorhanden:
  -> Fuehre parallel zu den anderen Datenbeschaffungs-Schritten aus:
     npx playwright screenshot "{{URL}}" /tmp/sxo-screenshot.png --viewport-size "1280,800" --timeout 15000
  -> Konvertiere zu Base64:
     SCREENSHOT_BASE64=$(base64 -w 0 /tmp/sxo-screenshot.png 2>/dev/null || openssl base64 -A -in /tmp/sxo-screenshot.png)
  -> Loesche temporaere Datei: rm -f /tmp/sxo-screenshot.png
  -> Speichere SCREENSHOT_BASE64 fuer die HTML-Ausgabe

IF Screenshot fehlschlaegt:
  -> Screenshot-Sektion im Report weglassen
  -> Hinweis an User ausgeben
  -> Workflow NICHT abbrechen

Schritt 2: SERP-Analyse

Analysiere jeden Datenpunkt systematisch. Extrahiere fuer jeden Bereich:

• Was ist zu sehen? (faktische Beobachtung)
• Was bedeutet das? (Interpretation fuer User Story)

Hinweis: Die SERP-Response enthaelt verschiedene type-Felder. Ordne sie wie folgt zu:

• related_searches + people_also_search -> Abschnitt 2a (Autocomplete/Related)
• paid -> Abschnitt 2b (Google Ads)
• popular_products + compare_sites -> Abschnitt 2b (als Shopping-Signale)
• featured_snippet + knowledge_graph -> Abschnitt 2c (Snippet/AI Overview)
• people_also_ask -> Abschnitt 2d (PAA)
• images -> Abschnitt 2e (Bilder)
• organic -> Abschnitt 2f (Top-10)
• local_pack -> erwaehne in 2f falls vorhanden (lokale Intent-Signal)

2a -- Related Searches / Autocomplete

Beobachtung: Welche verwandten Suchbegriffe zeigt Google? Interpretation: Welche Absichten und Themen-Cluster stehen dahinter?

Nutze: related_searches Items + people_also_search Items aus der SERP-Response.

Leitfragen: Informational vs. transaktional? Tool-/Rechner-Terme? Lokale Modifikatoren?

2b -- Google Ads / Shopping-Signale

Beobachtung: Welche Botschaften und USPs bewerben Anzeigenschaltende? Interpretation: Was haben A/B-Tests als konvertierend bewiesen?

Nutze: paid Items (Textanzeigen) + popular_products (Shopping-Produkte mit Preisen) + compare_sites (Vergleichsportale wie idealo, Check24) + Google Ads Keyword-Daten aus Schritt 1b.

Primaere Analyse (wenn paid-Items vorhanden): Analysiere Headline, Description und angezeigte URLs der Textanzeigen. Diese Daten sind goldwert -- sie zeigen, was A/B-getestet konvertiert.

Fallback (wenn keine paid-Items im SERP):

Hinweis: SERP-API-Crawler nutzen Datacenter-IPs. Google unterdrueckt haeufig Anzeigen fuer nicht-residential Traffic. Das Fehlen von paid-Items bedeutet nicht, dass keine Ads geschaltet werden.

Nutze stattdessen die Google Ads Keyword-Daten aus kw_data_google_ads_search_volume:

IF CPC > 0 UND Competition != null:
  -> Ads werden aktiv geschaltet (auch wenn der SERP-Crawler sie nicht sieht)
  -> Zeige im Report:
     - CPC: [Wert] EUR/USD -> signalisiert kommerziellen Wert des Keywords
     - Competition: [Low/Medium/High] -> Wettbewerbsintensitaet bei Ads
     - Competition Index: [0-100] -> numerische Einordnung
     - Search Volume: [Wert] -> monatliches Suchvolumen
  -> Interpretation: Hohes CPC = hoher kommerzieller Wert, Werbetreibende investieren
     in dieses Keyword. Competition High = viele Anbieter kaempfen um diese Suchanfrage.
  -> Hinweis im Report: "Keine Anzeigen im SERP-Crawl erfasst (API-Limitation).
     Google Ads Daten zeigen jedoch aktive Werbeschaltung (CPC: X, Competition: Y)."

IF CPC = 0 UND Competition = null:
  -> Tatsaechlich keine Ads fuer dieses Keyword
  -> Vermerke: "Keine Google Ads aktiv -- rein organischer Wettbewerb"

Wenn popular_products / compare_sites vorhanden (zusaetzlich oder als Fallback): Analysiere diese als Shopping-Signale. Sie zeigen, dass Google eine transaktionale Intention erkennt.

• Welche Preispunkte werden gezeigt? (Preisspanne signalisiert Produktvielfalt)
• Welche Plattformen dominieren? (idealo = Preisvergleich, Amazon = Convenience)
• Gibt es Bewertungen/Sterne? (Trust-Signal)

Leitfragen: Welche Versprechen dominieren? Werden Aengste adressiert? Was signalisiert der CPC ueber den kommerziellen Wert?

2c -- Featured Snippet / AI Overview / Knowledge Graph

Beobachtung: Welche Antwort liefert Google direkt? Interpretation: Das ist Googles Definition der "besten Antwort" auf dieses Keyword.

Nutze: featured_snippet Items + knowledge_graph Items. Pruefe auch, ob PAA-Antworten als people_also_ask_ai_overview_expanded_element markiert sind (= AI Overview).

Bei knowledge_graph: Google zeigt eine Definition/Zusammenfassung rechts neben den Ergebnissen -- das signalisiert, dass das Keyword auch eine informationelle Komponente hat.

Bei AI Overviews in PAA: Google beantwortet bestimmte Fragen direkt per AI -- das zeigt, welche Teilfragen Google als "beantwortet" betrachtet (weniger Click-Potential fuer diese Fragen).

Leitfragen: Format (Text/Liste/Tabelle/Video)? Antworttiefe? Welche Domain rankt und warum?

2d -- People Also Ask (Aehnliche Fragen)

Beobachtung: Welche Folgefragen stellt die Zielgruppe? Interpretation: Wissensstand und Detailtiefe der Suchenden.

Leitfragen: Allgemein vs. spezifisch (Informiertheit)? Aengste/Unsicherheiten? Frueh/spaet in der Journey?

2e -- Bilder-Integration

Beobachtung: Welche Bildtypen dominieren die Google Bilder-Box? Interpretation: Visuelle Erwartungshaltung der Zielgruppe.

Leitfragen: Bildtypen (Fotos/Infografiken/Diagramme)? Domain-Ueberschneidung mit Top-10? Erwartetes visuelles Format?

2f -- Top-10 organische Ergebnisse

Beobachtung: Welche Seitentypen und Domains dominieren? Interpretation: Was Google als "beste Antwort" einstuft.

Kategorisiere jedes Ergebnis nach den 8 Seitentypen:

[ ] Landing Page      — Conversion-fokussiert, ein klarer CTA, Hero + Trust + CTA
[ ] Blog / Guide      — Informationsartikel, Ratgeber, How-to, Erklaertext
[ ] Product Page      — E-Commerce Produktseite mit Preis, Warenkorb, Specs
[ ] Hybrid            — Mischform (z.B. Ratgeber + Tool, Blog + Shop-Element)
[ ] Service Page      — Dienstleistungsseite mit Buchung/Anfrage, Prozess, Preise
[ ] Comparison Page   — Vergleichsportal, Feature-Matrix, vs-Seite
[ ] Local Page        — Standortseite mit Adresse, Oeffnungszeiten, Karte
[ ] Tool Page         — Rechner, Konfigurator, interaktives Online-Tool

Zusaetzlich notiere Sondertypen (kein Seitentyp-Match):

[ ] Forum / Community (Reddit, gutefrage, Quora)
[ ] Video (YouTube)
[ ] News / Magazin

Zaehle die Seitentyp-Verteilung der Top-10 (z.B. "5x Blog/Guide, 2x Tool Page, 2x Service Page, 1x Forum").

Leitfragen: Dominierender Seitentyp in Top-3? Titel-Muster? Portale vs. Nischen-Anbieter?

2g -- Meta-Descriptions Muster

Beobachtung: Welche Versprechen machen die Rankings in ihrer Description? Interpretation: Was klickt die Zielgruppe an -- und warum.

Destilliere die 3-5 haeufigsten Muster: Sicherheits-/Risiko-, Schnelligkeits-/Einfachheits-, Individualitaetsversprechen, CTA-Typen.

2h -- Page-Type-Mismatch Erkennung

Dies ist die wichtigste strategische Erkenntnis der SERP-Analyse.

Vergleiche den dominierenden Seitentyp der Top-10 (aus 2f) mit dem aktuellen Typ der Zielseite.

DOMINANT IN TOP-10:  [z.B. Service Page — 6 von 10 Ergebnisse]
ZIELSEITE AKTUELL:   [z.B. Blog / Guide]
MISMATCH:            [Ja / Nein]

Wenn MISMATCH = Ja:

-> Flagge als HIGH-PRIORITY GAP in Schritt 4b:
   "Page-Type-Mismatch: Die Zielseite ist ein [IST-Typ], aber Google bevorzugt
   [SOLL-Typ] fuer dieses Keyword (X von 10 Top-Ergebnisse). Selbst perfekter
   Content im falschen Seitentyp wird langfristig nicht ranken."

-> Empfehlung in Schritt 5 muss den Seitentyp-Wechsel als primaere Massnahme enthalten
-> Der empfohlene Seitentyp wird im Report prominent ausgegeben

Wenn MISMATCH = Nein:

-> Vermerke: "Seitentyp stimmt mit SERP-Erwartung ueberein"
-> Fokus in Schritt 4b auf Content- und UX-Gaps

Seitentyp der Zielseite bestimmen:

Nutze die Content-Parsing-Daten aus Schritt 1b (on_page_content_parsing). Klassifiziere anhand:

• Vorhandensein von Formularen / Buchungs-CTAs -> Service Page / Landing Page
• Warenkorb / Preis / "In den Warenkorb" -> Product Page
• Rechner / Konfigurator / interaktives Element -> Tool Page
• Adresse / Oeffnungszeiten / Karte -> Local Page
• Vergleichstabelle / vs-Struktur -> Comparison Page
• Langer Fliesstext / Inhaltsverzeichnis / Lesezeit -> Blog / Guide
• Kurze Hero-Section + mehrere CTAs -> Landing Page
• Mischform -> Hybrid

Schritt 3: User Story ableiten

Synthetisiere alle SERP-Signale zu einer User Story. Diese beschreibt nicht nur die Suchintention, sondern auch Emotionen, Wissensstand und den Moment in der Customer Journey.

3a -- User Story Elemente identifizieren

Fuelle diese Tabelle aus den SERP-Daten:

Intent-Klassifikation: Informational (PAA, Knowledge Graph, Blog in Top-3), Transactional (Shopping, Preis-Terme, Product Pages), Commercial (Vergleiche, Reviews, Ads), Navigational (Brand-Keyword, eine Domain dominiert), Mixed (2 staerkste Signale nennen).

3b -- User Story Statement formulieren

Formuliere ein klares Statement nach diesem Muster:

Deutsch:

Ich sehe [KONKRETE HERAUSFORDERUNG] als grosse Herausforderung
und wuensche mir [ART DER UNTERSTUETZUNG],
um [PRIMAERES ZIEL] zu erreichen
und [EMOTIONALES BEDUERFNIS] dabei zu haben.

English:

I see [SPECIFIC CHALLENGE] as a major challenge
and want [TYPE OF SUPPORT],
to achieve [PRIMARY GOAL]
and feel [EMOTIONAL NEED] while doing so.

Beispiel (DE):

"Ich sehe die konkrete Berechnung des individuellen Ertrags als grosse Herausforderung und wuensche mir datenbasierte Unterstuetzung, um die richtige Entscheidung zu treffen und ein beruhigendes Gefuehl dabei zu haben."

Example (EN):

"I see finding reliable performance data for my specific setup as a major challenge and want data-driven guidance, to make the right purchasing decision and feel confident I'm not overpaying or underperforming."

Schritt 4: Zielseiten-Abgleich

4a -- First Screen Check (3-Sekunden-Test)

Pruefe den sichtbaren Bereich ohne Scrollen:

4b -- User Story Coverage

Fuer jedes identifizierte User Story Element aus Schritt 3a:

Element: [Name]
SERP-Signal: [Was die SERPs signalisieren]
Zielseite: [Was die Zielseite aktuell liefert]
Gap: [Was fehlt oder nicht passt]
Prioritaet: [Hoch / Mittel / Niedrig]

4c -- Gesamturteil

[ ] Search Experience wird erfuellt -> kleine Optimierungen
[ ] Search Experience wird teilweise erfuellt -> gezielte Anpassungen noetig
[ ] Search Experience wird nicht erfuellt -> strukturelle Ueberarbeitung noetig

Schritt 5: Optimierungsempfehlungen

Formuliere maximal 2 strategische Optionen (nicht mehr -- Entscheidungsparalyse vermeiden):

Option A: [Kurztitel]

• Was wird veraendert?
• Welche User Story Elemente werden dadurch adressiert?
• Aufwand: [Gering / Mittel / Hoch]
• Erwarteter Impact: [Gering / Mittel / Hoch]

Option B: [Kurztitel]

• Was wird veraendert?
• Welche User Story Elemente werden dadurch adressiert?
• Aufwand: [Gering / Mittel / Hoch]
• Erwarteter Impact: [Gering / Mittel / Hoch]

Empfehlung: Begruendete Empfehlung fuer eine der Optionen.

Schritt 6: SEO-Hygiene & Layout-Checkliste

Diese Checklisten werden immer am Ende ausgegeben, unabhaengig vom User Story Abgleich.

Layout Basics

[ ] Relevante Elemente (Logo, H1, Produktbild, CTA) in 3 Sekunden erfassbar?
[ ] Sinneinheiten klar voneinander abgegrenzt (Whitespace)?
[ ] Reihenfolge der Elemente logisch (Nutzer wird durch die Seite gefuehrt)?
[ ] Layout konsistent (Buttons, Headlines, Links einheitlich)?
[ ] Wichtige CTAs kontrastreich und auffaellig?
[ ] Seite abwechslungsreich gestaltet (kein Textwand)?
[ ] Mobile-Darstellung geprueft?

SEO-Hygiene -- Auf der Ziel-URL

[ ] H1 enthaelt das Haupt-Keyword?
[ ] Title Tag optimiert (55-60 Zeichen, Keyword enthalten)?
[ ] Meta Description optimiert (150-160 Zeichen, CTA enthalten)?
[ ] Strukturierte Daten vorhanden (Schema.org -- FAQPage, HowTo, etc.)?
[ ] Interne Verlinkung zu thematisch relevanten Seiten?
[ ] JavaScript-Inhalte fuer Crawler indexierbar?

Bilder-Alt-Tags (aus Lighthouse + Instant Pages)

Nutze reale Daten aus on_page_instant_pages und on_page_lighthouse. Zeige Gesamtzahl Bilder, Bilder ohne Alt-Tag, betroffene Elemente (max. 10). Pruefe stichprobenartig Keyword-Relevanz der Alt-Tags. Wenn Daten nicht verfuegbar: check-na mit Verweis auf manuelle Pruefung.

Lies references/cwv-thresholds.md fuer Scoring-Logik (check-pass/warn/fail Schwellwerte).

Core Web Vitals (aus Lighthouse)

Nutze reale Daten aus on_page_lighthouse. Zeige als Tabelle mit Farbkodierung (badge-pass/badge-warn/badge-fail). Bei roten Metriken 1-2 konkrete Optimierungshinweise geben. Wenn Daten nicht verfuegbar: check-na mit Verweis auf pagespeed.web.dev.

Lies references/cwv-thresholds.md fuer alle Schwellwerte, Feld-Pfade und Optimierungshinweise.

SEO-Hygiene -- Domainuebergreifend

[ ] Domainstaerke im Vergleich zu Top-3-Wettbewerbern einschaetzbar?
[ ] Externe Backlinks auf die Zielseite vorhanden?
[ ] Crawlability gegeben (keine Noindex, keine Blockierungen)?
[ ] E-E-A-T: Autorenschaft, Quellenangaben, Trust-Signale vorhanden?
[ ] Mobile-Friendliness domainweit gegeben?

Output-Format: HTML-Report

Der finale Report wird als selbststaendige HTML-Datei gespeichert.

Ablauf

1. Bestimme die Report-Sprache (Schritt 0) und lies das passende Template: assets/report-template.html (DE) oder assets/report-template-en.html (EN)
2. Kopiere den <style> Block (CSS) aus dem Template woertlich
3. Generiere den <body> Inhalt direkt als HTML aus den Analyseergebnissen -- NICHT die {{PLATZHALTER}} im Template ersetzen
4. Screenshot einbetten (wenn SCREENSHOT_BASE64 vorhanden): Direkt nach dem </header> Block, vor Sektion 1, fuege ein:

   <div class="screenshot-card">
     <div class="sub-label">Above-the-Fold Ansicht</div>  <!-- bzw. "Above-the-Fold View" EN -->
     <img class="screenshot-img" src="data:image/png;base64,{{SCREENSHOT_BASE64}}" alt="Above-the-Fold Screenshot: {{URL}}">
     <p class="fs-13 text-muted mt-8">Viewport: 1280 &times; 800px (Desktop)</p>
   </div>
   

5. Speichere als sxo-report-[KEYWORD-SLUG].html im aktuellen Arbeitsverzeichnis

Lies references/output-format.md fuer CSS-Klassen Referenz, HTML-Struktur Kurzreferenz und sprachspezifische Labels (DE/EN).

Fehlerbehandlung

• API-Fehler: Logge Fehlertyp, wechsle in Fallback-Modus (Schritt 1c), informiere User.
• Keyword ohne Ergebnisse: Pruefe Schreibweise/Sprache/Location, schlage Alternativen vor.
• Zielseite nicht erreichbar: Schritt 4 ueberspringen, Report ohne Zielseiten-Analyse ausgeben.

Qualitaetsstandards

• Interpretationen immer aus den Daten ableiten, nie erfinden
• Bei widerspruelichen SERP-Signalen beide Perspektiven nennen
• User Story Statement ist eine praezise Aussage -- kein Kompromiss-Brei
• Optimierungsempfehlungen: maximal 2 Optionen, klare Empfehlung
• Checklisten: erfuellt / nicht erfuellt / teilweise-unklar