# Sxo Analyze > Vollstaendige SXO-Analyse (Search Experience Optimization) fuer ein gegebenes Keyword und eine Zielseite. Analysiert SERPs via DataForSEO MCP (Autocomplete, Ads, Featured Snippets, PAA, Bilder, Top-10), leitet die User Story ab und gleicht sie mit der Zielseite ab. Gibt konkrete Optimierungsempfehlungen und SEO-Hygiene-Checklisten aus. Fallback auf manuelle SERP-Eingabe wenn DataForSEO nicht verfuegbar. Supports German and English -- auto-detects language from keyword, URL TLD, and market. Use when user says "SXO-Analyse", "SXO analysis", "Search Experience Optimization", "analysiere die Search Experience", "analyze search experience", "was zeigen die SERPs", "what do the SERPs show", "SXO-Report", "SXO report", "SERP-Analyse fuer", "SERP analysis for", "User Story aus SERPs", "user story from SERPs", "Zielseiten-Abgleich", "target page comparison", or "SXO Check". Do NOT use for: general SEO audits (use seo-audit), technical SEO checks (use seo-technical), or blog content scoring (use blog-analyze). - Skill: `tools-enerix/sxo-analyze` (Agent Skill, multi-file: 5 files) - Install (CLI): `npx skillmds@latest add tools-enerix/sxo-analyze` - Raw SKILL.md: https://api.skillmd.com/api/skills/tools-enerix/sxo-analyze/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Marketing & Growth - Author: tools-enerix (https://skillmd.com/u/tools-enerix) - Updated: 2026-09-22 - Page: https://skillmd.com/skills/tools-enerix/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): | Response-Typ | Analyse-Bereich | Immer vorhanden? | |---|---|---| | `organic` | Top-10 Ergebnisse | Ja | | `related_searches` | Verwandte Suchanfragen (nutze fuer "Autocomplete/Related") | Ja | | `people_also_ask` | Aehnliche Fragen / PAA-Box | Meist | | `people_also_search` | Aehnliche Suchanfragen nach Klick | Manchmal | | `paid` | Google Ads (Headline, Description) — selten bei API-Crawlern, Fallback: Google Ads Keyword-Daten | Selten | | `featured_snippet` | Featured Snippet Inhalt | Manchmal | | `knowledge_graph` | Knowledge Graph / Wikipedia-Definition | Manchmal | | `popular_products` | Google Shopping Produkte mit Preisen | Manchmal | | `compare_sites` | Vergleichsseiten (idealo, Check24 etc.) | Manchmal | | `local_pack` | Lokale Ergebnisse mit Bewertungen | Manchmal | | `images` | Top-Bilder mit Quelldomain | Manchmal | **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: | Element | Aus den SERPs abgeleitet | |---|---| | **Search Intent** | Informational / Transactional / Commercial / Navigational / Mixed | | **Empfohlener Seitentyp** | Aus 2h: Landing Page / Blog / Product / Hybrid / Service / Comparison / Local / Tool | | **Wissensstand** | Anfaenger / bereits informiert / Experte | | **Benoetigter Inhaltstyp** | Rechner / Tabelle / Erklaertext / Vergleich / Service-Beschreibung / Produktliste | | **Individualitaetsbedarf** | Generische Info / Lokale/persoenliche Berechnung | | **Journey-Phase** | Awareness / Consideration / Decision | | **Emotionale Lage** | z.B. Unsicherheit bei Investitionsentscheidung | | **Primaeres Ziel** | z.B. "Lohnt sich das fuer mich konkret?" | | **Sekundaeres Ziel** | z.B. "Danach ggf. konkretes Angebot einholen" | | **Barrieren** | Was haelt den User zurueck? (Risiko, Komplexitaet, Zeit) | **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: | User Story Element | Vorhanden? | Bewertung | |---|---|---| | Headline adressiert das Keyword / die Intention | ja / nein | | | Primaeres Tool / Inhalt sofort zugaenglich | ja / nein | | | Vertrauenssignale sichtbar | ja / nein | | | CTA klar und prominent | ja / nein | | | Keine Hemmschwellen (Login, lange Formulare) | ja / nein | | ### 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 `