tools-enerix SXO-Persona -- Persona-Feedback-Dashboard aus SXO-Report
Der SXO-Persona Skill erzeugt ein visuelles Persona-Feedback-Dashboard, das zeigt:
Wer sucht dieses Keyword, was erwartet jede Person -- und wie gut liefert die Seite?
Logik: SERP-Signale -> Intent-Cluster -> Personas -> Scoring gegen Zielseite -> Handlungsempfehlungen
Schritt 0: Inputs erkennen und validieren
0a -- Inputs erkennen (4 Modi)
Suche mit Glob im aktuellen Arbeitsverzeichnis nach:
1. SXO-Report: sxo-report-*.html (aus /sxo-analyze)
2. SXO-Page: sxo-page-*.html (aus /sxo-page)
3. Argumente: URL und/oder Keyword als Argument
Bestimme den Modus:
MODUS A -- Report gefunden:
-> Zeige gefundene Datei(en)
-> Falls mehrere Reports: User waehlen lassen
-> Lies den Report mit Read-Tool
-> IF zusaetzlich SXO-Page gefunden:
-> Nutze die Page fuer praeziseres Scoring
-> Hinweis: "SXO-Page gefunden -- Scoring basiert auf tatsaechlichem Seiteninhalt"
-> Weiter mit Schritt 1 (Daten aus Report extrahieren)
MODUS B -- Kein Report, aber URL + Keyword als Argumente:
-> Standalone-Modus: Fuehre interne SERP-Analyse durch (siehe Schritt 0c)
-> Hinweis: "Standalone-Modus: Fuehre SERP-Analyse fuer '[KEYWORD]' durch..."
-> Weiter mit Schritt 0c
MODUS C -- Kein Report, nur URL (ohne Keyword):
-> Frage den User nach dem Fokus-Keyword:
"Fuer die Persona-Analyse brauche ich ein Fokus-Keyword.
Welches Keyword soll ich analysieren?"
-> Warte auf Antwort
-> Dann weiter wie Modus B (Standalone mit URL + Keyword)
MODUS D -- Weder Report noch URL:
-> Fehler: "Ich brauche mindestens einen SXO-Report oder eine URL + Keyword."
-> "Option 1: /sxo-analyze [keyword] [url] (vollstaendiger Report)"
-> "Option 2: /sxo-persona [keyword] [url] (Standalone-Analyse)"
0b -- Spracherkennung
Erkenne die Dashboard-Sprache automatisch:
- Aus SXO-Report:
<html lang="de">-> Deutsch,<html lang="en">-> Englisch - Aus URL-TLD:
.de/.at/.ch-> Deutsch,.com/.co.uk/.io-> Englisch - Aus Keyword: Deutsche Begriffe -> Deutsch, englische -> Englisch
IF Sprache = Englisch:
-> Verwende CSS aus assets/persona-template-en.html
-> Schreibe ALLE Texte auf Englisch
-> Englische Labels (Search Motive, Expectation, Improvements, etc.)
ELSE:
-> Verwende CSS aus assets/persona-template.html
-> Deutsche Labels (Suchmotiv, Erwartung, Verbesserungen, etc.)
0c -- Standalone-Modus (SERP-Analyse ohne Report)
Wenn Modus B oder C aktiv ist, fuehre die SERP-Analyse intern durch. Ziel: Dieselben Datenfelder wie in Schritt 1 erzeugen, aber aus Live-SERP-Daten statt aus einem HTML-Report.
WICHTIG: Es wird KEIN HTML-Report erzeugt. Alle Daten bleiben im Arbeitskontext.
SCHRITT 0c-1: SERP-Daten holen (ein einzelner API-Call)
Rufe auf: mcp__dataforseo__serp_organic_live_advanced
keyword: KEYWORD
location_code: 2276 (Deutschland) bzw. passend zur Sprache
language_code: "de" bzw. "en"
depth: 30
Dieser Call liefert:
- Organic Top-10/30 Ergebnisse
- Related Searches (item_types: "related_searches")
- People Also Ask (item_types: "people_also_ask")
- Featured Snippets (item_types: "featured_snippet")
- Google Ads (item_types: "paid")
- AI Overview (item_types: "ai_overview")
SCHRITT 0c-2: Daten in Report-Format mappen
Aus den SERP-Daten extrahiere:
RELATED_SEARCHES:
-> Fuer jedes Related-Search-Item:
SUCHBEGRIFF: title
INTENT_BADGE: Leite Intent ab (Informational/Commercial/Transactional/Local/DIY)
Nutze mcp__dataforseo__dataforseo_labs_search_intent fuer praezise Intent-Klassifikation
PAA_FRAGEN:
-> Fuer jedes People-Also-Ask-Item:
PAA_FRAGE: title
PAA_ANTWORT: description (falls vorhanden)
ADS_SIGNALE:
-> Fuer jedes Paid-Item:
ADS_TITLE: title
ADS_DESCRIPTION: description
ADS_URL: url
-> Interpretation: Welche Botschaften werden getestet? Preispunkte?
TOP_10_ERGEBNISSE:
-> Fuer jedes Organic-Item (Position 1-10):
TITLE, URL, DESCRIPTION
-> Analyse: Welche Themen dominieren? Content-Typen?
SCHRITT 0c-3: User Story ableiten
Aus den gesammelten SERP-Signalen leite die User Story ab:
1. WISSENSSTAND: Aus Komplexitaet der PAA-Fragen
- Einfache Fragen ("Was ist...?") -> Einsteiger
- Vergleichsfragen ("Was ist besser...?") -> Fortgeschritten
- Detailfragen ("Wie konfiguriere ich...?") -> Experte
2. JOURNEY_PHASE: Aus Intent-Verteilung
- Ueberwiegend Informational -> Recherche
- Gemischt Info+Commercial -> Vergleich
- Ueberwiegend Commercial/Transactional -> Entscheidung
3. EMOTIONALE_LAGE: Aus Tonalitaet der Suchanfragen
- "Lohnt sich...?" -> Unsicherheit
- "Beste/Top..." -> Optimismus
- "Problem/Fehler..." -> Frustration
4. BARRIEREN: Aus PAA-Fragen und Related Searches
- Preisfragen -> Kostenbarriere
- "Erfahrungen" -> Vertrauensbarriere
- "Nachteile/Risiken" -> Risikobarriere
5. PRIMAERES_ZIEL + SEKUNDAERES_ZIEL: Aus dominantem Intent
6. USER_STORY_STATEMENT: Formuliere als:
"Als [Rolle] mit [Wissensstand] moechte ich [Ziel],
damit ich [Nutzen]. Meine groesste Sorge ist [Barriere]."
SCHRITT 0c-4: Seiteninhalte holen (fuer Scoring)
-> Hole die Zielseite via WebFetch (URL aus Argument)
-> Extrahiere: Headline, Meta-Description, Hauptinhalt, Trust-Signale
-> Scoring-Modus: "Basierend auf Live-URL (Standalone)"
SCHRITT 0c-5: Gap-Analyse ableiten
Vergleiche SERP-Erwartungen mit Seiteninhalt:
-> Fuer jedes SERP-Signal (Related Search, PAA, Ads-Botschaft):
Pruefe ob die Zielseite dieses Thema abdeckt
-> Erstelle Gap-Items mit Prioritaet:
- SERP-Signal stark + Seite fehlt = high
- SERP-Signal mittel + Seite schwach = medium
- SERP-Signal schwach + Seite fehlt = low
SCHRITT 0c-6: Above-the-Fold Screenshot (parallel zu 0c-4)
-> Lies references/screenshot-capture.md fuer Capture-Befehl und Fehlerbehandlung
-> 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)
-> rm -f /tmp/sxo-screenshot.png
-> IF Screenshot fehlschlaegt: weglassen, Workflow NICHT abbrechen
Danach: Weiter mit Schritt 2 (Personas ableiten).
Die Daten aus 0c-2/0c-3/0c-5 ersetzen die Report-Daten aus Schritt 1.
Schritt 1: Daten aus SXO-Report extrahieren
Lies den SXO-Report und extrahiere diese Datenfelder. Die HTML-Struktur des Reports folgt einem festen Schema:
1a -- Metadaten
Aus dem <header class="report-header">:
KEYWORD: Text aus <h1> (nach "SXO-Analyse: " bzw. "SXO Analysis: ")
URL: href aus .meta-value a
DATUM: Text aus .meta-value (Datum/Date Feld)
1b -- Related Searches / Autocomplete (Section 1a)
Aus der Tabelle in "Autocomplete / Related Searches":
Fuer jede <tr> in <tbody>:
SUCHBEGRIFF: Text aus erster <td>
INTENT_BADGE: Text aus <span class="badge ...">
-> Ergibt eine Liste von (Suchbegriff, Intent-Typ) Paaren
-> Jeder Intent-Typ ist ein Persona-Kandidat
Aus dem Interpretations-Absatz (<p> nach "Interpretation"):
AUTOCOMPLETE_INTERPRETATION: Freitext mit Cluster-Analyse
1c -- PAA-Fragen (Section 1d)
Aus der <ol> in "People Also Ask" / "Aehnliche Fragen":
Fuer jedes <li>:
PAA_FRAGE: Text (inklusive Preise, Details)
HAT_AI_OVERVIEW: true wenn <span class="badge badge-info">AI Overview</span>
Aus dem Interpretations-Absatz:
PAA_INTERPRETATION: Freitext
1d -- Google Ads Signale (Section 1b)
Aus "Google Ads / Shopping-Signale" bzw. "Google Ads Messages":
ADS_BEOBACHTUNG: Freitext (Beobachtung/Observation)
ADS_INTERPRETATION: Freitext
-> Extrahiere: Preispunkte, A/B-getestete Botschaften, kommerzielle Signale
1e -- User Story (Section 2)
Aus der Tabelle "Identifizierte Elemente":
Fuer jede <tr> in <tbody>:
ELEMENT: Text aus erster <td> (z.B. "Wissensstand", "Journey-Phase", "Barrieren")
WERT: Text aus zweiter <td>
-> Besonders wichtig fuer Persona-Ableitung:
- Wissensstand / Knowledge Level
- Journey-Phase / Journey Phase
- Emotionale Lage / Emotional State
- Barrieren / Barriers
- Primaeres Ziel / Primary Goal
- Sekundaeres Ziel / Secondary Goal
Aus .user-story-quote:
USER_STORY_STATEMENT: Volltext
1f -- Gap-Analyse (Section 3b)
Aus "User Story Coverage (Gap-Analyse)":
Fuer jedes <div class="gap-item gap-{priority}">:
GAP_NAME: Text aus <h4>
GAP_PRIORITY: high | medium | low (aus Klasse)
GAP_SERP: Text aus div mit .gd-label "SERP-Signal"
GAP_ZIELSEITE: Text aus div mit .gd-label "Zielseite"
GAP_TEXT: Text aus div mit .gd-label "Gap"
-> Jeder High-Priority-Gap kann eine eigene Persona rechtfertigen
1g -- First Screen Check (Section 3a)
Aus "First Screen Check":
Fuer jede <tr> in <tbody>:
ELEMENT: Text aus erster <td>
STATUS: pass | warn | fail (aus badge-Klasse)
BEWERTUNG: Text aus dritter <td>
1h -- Gesamturteil (Section 3c)
Aus .verdict:
VERDICT_CLASS: verdict-good | verdict-partial | verdict-bad
VERDICT_TEXT: Freitext
1i -- Above-the-Fold Screenshot (wenn URL verfuegbar)
IF URL aus Report-Metadaten (Schritt 1a) vorhanden:
-> Lies references/screenshot-capture.md fuer Capture-Befehl und Fehlerbehandlung
-> npx playwright screenshot "{{URL}}" /tmp/sxo-screenshot.png --viewport-size "1280,800" --timeout 15000
-> Konvertiere zu Base64 und speichere als SCREENSHOT_BASE64
-> rm -f /tmp/sxo-screenshot.png
-> IF Screenshot fehlschlaegt: weglassen, Workflow NICHT abbrechen
Schritt 2: Personas ableiten
Lies die Referenzdatei references/persona-derivation.md fuer die vollstaendigen Ableitungsregeln.
2a -- Intent-Cluster bilden
WICHTIG: Alle Personas suchen dasselbe Fokus-Keyword!
Related Searches und PAA-Fragen zeigen NICHT, dass Personas
andere Keywords tippen, sondern welche ERWARTUNGEN und HINTERGRUENDE
verschiedene Menschen mitbringen, wenn sie das Fokus-Keyword eingeben.
Beispiel: Keyword "Photovoltaikanlage"
-> Related "Photovoltaikanlage Kosten" zeigt: Manche Suchende
haben primaer Kosten im Kopf, wenn sie "Photovoltaikanlage" tippen
-> PAA "Lohnt sich PV noch?" zeigt: Manche Suchende sind skeptisch
-> ABER: Alle tippen "Photovoltaikanlage" in Google ein!
1. Gruppiere Related Searches und PAA-Fragen nach Erwartungs-Cluster:
- Welche VERBORGENEN BEDUERFNISSE stecken hinter dem Fokus-Keyword?
- Gleicher Bedarf-Typ = gleicher Cluster (z.B. alle Preis-bezogenen = 1 Cluster)
- ABER: Unterscheide innerhalb eines Clusters, wenn der Hintergrund
sich grundlegend unterscheidet (z.B. Preis-Optimierer vs. ROI-Skeptiker)
2. Ordne PAA-Fragen den Clustern zu:
- Preisbezogene PAA -> Kosten-Erwartungs-Cluster
- Qualitaetsfragen -> Qualitaets-Erwartungs-Cluster
- Grundsatzfragen ("Lohnt es sich?") -> Unsicherheits-Cluster
3. Pruefe Gap-Analyse auf unabgedeckte Cluster:
- High-Priority-Gap ohne passenden Cluster -> neuer Cluster
4. User Story als Basis-Persona:
- Die User Story beschreibt den "typischen" Suchenden
- Daraus wird die Haupt-Persona abgeleitet
- Weitere Personas sind Varianten mit anderem Hintergrund und Fokus
- Alle suchen dasselbe Keyword, aber mit unterschiedlicher Erwartung
2b -- Persona-Anzahl bestimmen
Ziel: 4-7 Personas
IF weniger als 4 unterscheidbare Cluster:
-> Teile den groessten Cluster in Sub-Personas auf
-> Z.B. "Preis" -> "Sparfuchs" (billigste Option) + "Qualitaetsbewusster" (bestes P/L)
-> Minimum: 4 Personas
IF mehr als 7 Cluster:
-> Merge die aehnlichsten Cluster
-> Priorisiere Cluster mit High-Priority-Gaps
-> Maximum: 7 Personas
2c -- Persona-Details ausarbeiten
Fuer JEDE Persona erstelle:
1. NAME + DEMOGRAFIE
- Alliterativer Vorname + Nachname-Initial oder Spitzname
- Alter, Beruf, 1 relevantes Detail
- MUSS zur Branche passen (nicht generisch!)
- Deutsch: "Preisbewusste Petra, 34, Studentin"
- English: "Budget-Conscious Ben, 28, Graduate Student"
2. SUCHMOTIV & INTENT
- WICHTIG: Die Persona sucht IMMER das Fokus-Keyword, NICHT ein anderes Keyword!
- Beschreibe den HINTERGRUND und die MOTIVATION hinter der Suche
- Was hat diese Person dazu bewogen, genau jetzt "{{KEYWORD}}" zu googeln?
- Was ist der konkrete Ausloser? (Event, Problem, Vergleich, Lebenssituation)
- Intent-Typ: Informational / Transaktional / Commercial / Navigational / Lokal / DIY
- Welcher Related-Search oder PAA-Eintrag spiegelt die Erwartung dieser Persona wider?
- Beispiel: Keyword "Photovoltaikanlage"
RICHTIG: "Sucht 'Photovoltaikanlage'. Hintergrund: Will wissen, was eine Anlage
fuer sein Einfamilienhaus kostet und ob sich die Investition lohnt."
FALSCH: "Sucht 'Photovoltaikanlage Kosten'."
SPRECHBLASE (Ich-Perspektive):
- Zusaetzlich zum Suchmotiv-Text: Schreibe 2-3 Saetze in der ICH-Form
- Diese Saetze erscheinen in einer visuellen Sprechblase neben dem Avatar
- Die Sprechblase macht die Persona lebendig und greifbar
- Formuliere natuerlich, wie ein echter Mensch reden wuerde
- Beispiel DE: "Mein iPhone-Display ist gesprungen und ich brauche schnell
eine Reparatur. Am liebsten haette ich einen guenstigen Anbieter in meiner Naehe."
- Beispiel EN: "My phone screen just cracked and I need it fixed fast.
I'm looking for a reliable shop nearby that won't charge a fortune."
3. ERWARTUNG AN DIE SEITE
- 2-3 Saetze: Was will diese Person KONKRET finden?
- Welche Fragen muessen beantwortet werden?
- Welches Format erwartet sie? (Tabelle, Rechner, Text, Video)
4. SCORE (1-100) -- nur wenn Page/URL verfuegbar
- Berechnung: siehe Schritt 3
- ODER: "Projiziert" basierend auf Gap-Analyse
5. VERBESSERUNGSVORSCHLAEGE (2-4 Punkte)
- Konkret und umsetzbar
- Aus der Perspektive dieser Persona formuliert
- Referenz auf Gap-Analyse oder First-Screen-Check
6. ARCHETYPE (fuer Avatar-Bild)
- Ordne jeder Persona einen Archetype-Key zu (siehe references/persona-images.md)
- Mapping: Intent-Cluster -> Archetype-Key
Preis -> price-conscious | Qualitaet -> quality-focused
Lokal -> local-seeker | DIY -> diy-maker
Anbieter -> provider-comparer | Angst/Unsicherheit -> anxious-decider
Spezialfall -> special-case | Dringlichkeit -> urgent-user
Informational -> knowledge-seeker | Commercial -> ready-buyer
- Die Hauptpersona (aus User Story) bekommt immer "main-planner"
- WICHTIG: Keine zwei Personas duerfen denselben Archetype haben!
Bei Kollision: sekundaeren Archetype verwenden (trust-seeker,
expert-user, beginner, emotional-seeker, roi-calculator)
Schritt 3: Scoring (wenn Seite verfuegbar)
3a -- Scoring-Quelle bestimmen
IF SXO-Page vorhanden (sxo-page-*.html):
-> Lies die Page mit Read-Tool
-> Score basiert auf tatsaechlichem Seiteninhalt
-> Scoring-Modus: "Basierend auf SXO-Page"
ELIF URL als Argument UND Report vorhanden:
-> Hole Seite via WebFetch
-> Score basiert auf Live-Seite
-> Scoring-Modus: "Basierend auf Live-URL"
ELIF nur Report vorhanden (kein Page, keine URL):
-> Score basiert auf Gap-Analyse + First-Screen-Check aus dem Report
-> Scoring-Modus: "Projiziert aus SXO-Report"
-> Hinweis im Dashboard: "Scores sind projiziert -- fuer praezisere Bewertung
SXO-Page erstellen oder URL angeben"
3b -- Scoring-Dimensionen (4 Dimensionen, je 25 Punkte)
Fuer JEDE Persona, bewerte:
DIMENSION 1: First-Screen-Relevanz (0-25 Punkte)
"Wird das Suchmotiv dieser Persona im First Screen adressiert?"
25: Headline + Hero sprechen genau diesen Intent an
20: Intent ist erkennbar, aber nicht dominant
15: Intent ist vorhanden, aber erst nach Scrollen
10: Intent wird nur indirekt angesprochen
5: Intent ist auf der Seite, aber versteckt
0: Intent wird nicht adressiert
DIMENSION 2: Erwartungserfuellung (0-35 Punkte)
"Findet diese Persona, was sie konkret sucht?"
35: Alle erwarteten Inhalte in passendem Format vorhanden
28: Meiste Inhalte da, aber Format nicht optimal
21: Kerninhalte vorhanden, aber unvollstaendig
14: Nur teilweise abgedeckt, wichtige Elemente fehlen
7: Nur am Rande erwaehnt
0: Nicht abgedeckt
DIMENSION 3: Barriereabbau (0-25 Punkte)
"Werden die spezifischen Bedenken/Barrieren dieser Persona adressiert?"
25: Alle Barrieren proaktiv entschaerft (Trust, Preis, Risiko)
20: Meiste Barrieren adressiert
15: Einige Barrieren adressiert, andere ignoriert
10: Nur die offensichtlichsten Barrieren
5: Minimal
0: Keine Barrieren adressiert
DIMENSION 4: Trust-Signale (0-15 Punkte)
"Gibt es passende Vertrauenssignale fuer diese Persona?"
15: Bewertungen, Zertifikate, Social Proof -- passend zum Persona-Kontext
12: Gute Trust-Signale, aber nicht persona-spezifisch
9: Basis-Trust vorhanden (Impressum, SSL)
6: Wenige Trust-Signale
3: Kaum Trust
0: Keine Trust-Signale
GESAMTSCORE = Dim1 + Dim2 + Dim3 + Dim4 (max. 100)
3c -- Scoring bei projiziertem Modus (nur Report)
IF Scoring-Modus = "Projiziert aus SXO-Report":
Dim 1 (First-Screen): Leite aus First-Screen-Check ab
- Alle 5 Checks "pass" -> 25
- Gemischt -> anteilig
- Passe an: Ist der Check fuer DIESE Persona relevant?
Dim 2 (Erwartung): Leite aus Gap-Analyse ab
- Persona hat relevanten Gap mit Prio "high" -> max 14
- Persona hat relevanten Gap mit Prio "medium" -> max 21
- Persona hat keinen relevanten Gap -> 28-35
Dim 3 (Barrieren): Leite aus User Story "Barrieren" ab
- Pruefe ob Gap-Analyse die Persona-spezifischen Barrieren adressiert
Dim 4 (Trust): Leite aus First-Screen "Vertrauenssignale" ab
- pass -> 12-15, warn -> 6-9, fail -> 0-3
Schritt 4: Dashboard-Zusammenfassung berechnen
1. DURCHSCHNITT = Summe aller Persona-Scores / Anzahl Personas (gerundet)
2. SCHWAECHSTE_PERSONA = Persona mit niedrigstem Score
-> Name + Score + 1-Satz-Erklaerung
3. STAERKSTE_PERSONA = Persona mit hoechstem Score
-> Name + Score + 1-Satz-Erklaerung
4. TOP_HANDLUNGSFELDER (max 5):
-> Sammle alle Verbesserungsvorschlaege aller Personas
-> Dedupliziere aehnliche Vorschlaege
-> Sortiere nach: Anzahl betroffener Personas (absteigend)
-> Jedes Handlungsfeld zeigt: Beschreibung + betroffene Personas
5. SCORING_MODUS:
-> "Basierend auf SXO-Page" | "Basierend auf Live-URL" | "Projiziert aus SXO-Report"
4b -- Persona-Bilder generieren (mit Cache)
Lies die Referenzdatei references/persona-images.md fuer Archetype-Prompts und Cache-Logik.
Fuer JEDE Persona:
1. ARCHETYPE_KEY = Persona.archetype (aus Schritt 2c)
2. LANG = "de" oder "en" (aus Schritt 0b)
3. CACHE_KEY = "{ARCHETYPE_KEY}-{LANG}.png"
4. CACHE_PATH = ~/.sxo-persona/image-cache/{CACHE_KEY}
5. Pruefe Cache:
IF Datei existiert UND Dateigroesse > 0:
-> Log: "Cache-Hit: {CACHE_KEY}"
-> Lies Bild als base64 via Bash:
base64_data=$(base64 -w 0 {CACHE_PATH})
-> PERSONA_IMG_SRC = "data:image/png;base64,${base64_data}"
ELSE (Cache-Miss):
-> Log: "Cache-Miss: {CACHE_KEY} -- generiere Bild..."
-> Erstelle Cache-Verzeichnis: mkdir -p ~/.sxo-persona/image-cache/
-> Bestimme BG_COLOR aus Persona-Score:
Score 0-29: #fce4ec (soft coral)
Score 30-49: #fff3e0 (soft peach)
Score 50-69: #fffde7 (soft warm yellow)
Score 70-89: #e3f2fd (soft sky blue)
Score 90-100: #e8f5e9 (soft mint)
-> Baue Prompt = BASIS_PROMPT + ARCHETYPE_ERWEITERUNG
(siehe references/persona-images.md)
-> Rufe gemini_generate_image auf (1:1, 512px -- wird als 120px Avatar angezeigt)
-> Kopiere generiertes Bild in Cache:
cp ~/Documents/nanobanana_generated/<generated-file> {CACHE_PATH}
-> Lies als base64
-> PERSONA_IMG_SRC = "data:image/png;base64,${base64_data}"
6. Falls Bildgenerierung fehlschlaegt:
-> Verwende Fallback: persona-avatar-placeholder (CSS-Klasse mit Emoji)
-> Log: "Warnung: Bild fuer {CACHE_KEY} konnte nicht generiert werden"
-> Dashboard trotzdem erstellen (Bild ist optional)
Schritt 5: HTML-Dashboard generieren
5a -- CSS laden
1. Bestimme die Dashboard-Sprache (siehe Schritt 0b)
2. Lies das passende Template fuer den CSS-Block:
- Deutsch: assets/persona-template.html
- English: assets/persona-template-en.html
3. Kopiere den <style> Block woertlich
4. Generiere den <body> Inhalt direkt als HTML
5b -- HTML-Struktur generieren
Generiere den Body-Inhalt in dieser Reihenfolge.
WICHTIG: Laienverstaendliche Sprache! Alle Labels und Texte so formulieren, dass ein Nicht-SEO-Experte (z.B. ein Geschaeftsfuehrer oder Marketing-Mitarbeiter) das Dashboard sofort versteht. Keine Fachbegriffe ohne Erklaerung.
<!-- HEADER -->
<header class="report-header">
<div class="label">SXO Persona-Dashboard</div> <!-- bzw. "SXO Persona Dashboard" EN -->
<h1>Persona-Feedback: <span>{{KEYWORD}}</span></h1>
<div class="meta-grid">
<!-- Zielseite, Datum, Bewertungsmethode, Anzahl Personas -->
</div>
</header>
<!-- ZUSAMMENFASSUNG -->
<div class="section">
<div class="section-header">
<div class="section-icon">📊</div>
<h2>Auf einen Blick</h2> <!-- bzw. "At a Glance" EN -->
</div>
<div class="summary-card">
<!-- Durchschnitts-Score (grosser SVG-Kreis, 150px) -->
<!-- Schwaechste Persona + Staerkste Persona -->
<!-- Bewertungsmethode-Hinweis -->
</div>
</div>
<!-- ABOVE-THE-FOLD SCREENSHOT (nur wenn SCREENSHOT_BASE64 vorhanden) -->
<!-- IF SCREENSHOT_BASE64 vorhanden: -->
<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 × 800px (Desktop)</p>
</div>
<!-- ENDIF -->
<!-- USER STORY -->
<div class="section">
<div class="section-header">
<div class="section-icon">💬</div>
<h2>Die typische Suche</h2> <!-- bzw. "The Typical Search" EN -->
</div>
<div class="card">
<div class="user-story-quote">{{USER_STORY_STATEMENT}}</div>
</div>
</div>
<!-- PERSONA CARDS (Einzelspalte fuer mehr Platz pro Persona) -->
<div class="section">
<div class="section-header">
<div class="section-icon">👥</div>
<h2>So unterschiedlich suchen Menschen</h2> <!-- bzw. "How People Search Differently" EN -->
</div>
<div class="persona-list">
<!-- 4-7 Persona-Cards, je eine pro Persona -->
<!-- Reihenfolge: nach Score aufsteigend (schwaechste zuerst = groesster Handlungsbedarf) -->
<!-- Jede Persona-Card: grosses Avatar-Bild + Sprechblase + Details -->
</div>
</div>
<!-- HANDLUNGSEMPFEHLUNGEN -->
<div class="section">
<div class="section-header">
<div class="section-icon">⚡</div>
<h2>Das sollten Sie als Nächstes tun</h2> <!-- bzw. "What You Should Do Next" EN -->
</div>
<div class="card">
<!-- Nummerierte Liste, max 5 Eintraege -->
<!-- Jeder Eintrag: Beschreibung + betroffene Personas als Tags -->
</div>
</div>
<!-- FOOTER -->
<footer class="report-footer">
SXO Persona-Dashboard erstellt mit Claude Code · sxo-persona Skill · {{DATUM}}
</footer>
5c -- Persona-Card Struktur (mit Sprechblase)
Jede Persona-Card hat 3 Bereiche:
- Profil-Kopf: Grosses Avatar-Bild (120px) + Name + Score-Kreis
- Sprechblase: Suchmotiv in Ich-Perspektive (macht die Persona lebendig)
- Details: Erwartung, Score-Balken, Verbesserungstipps
<div class="persona-card" style="--persona-color: {{COLOR}}">
<!-- Farbiger Akzentstreifen oben -->
<div class="persona-topbar"></div>
<!-- PROFIL-KOPF: Grosses Bild + Name + Score -->
<div class="persona-profile">
<!-- Avatar (120px, aus Schritt 4b) -->
<!-- IF Bild vorhanden: -->
<img class="persona-avatar" src="{{PERSONA_IMG_SRC}}" alt="{{PERSONA_NAME}}">
<!-- ELSE (Fallback): -->
<!-- <div class="persona-avatar-placeholder">👤</div> -->
<div class="persona-identity">
<h3>{{PERSONA_NAME}}</h3>
<div class="persona-demo">{{DEMOGRAFIE}}</div>
<span class="badge {{INTENT_BADGE_CLASS}}">{{INTENT_TYP}}</span>
</div>
<div class="score-circle" data-score="{{SCORE}}">
<svg viewBox="0 0 120 120">
<circle class="score-bg" cx="60" cy="60" r="54"/>
<circle class="score-fill" cx="60" cy="60" r="54"
stroke-dasharray="{{FILLED}} {{REMAINING}}"
stroke-dashoffset="85"/>
</svg>
<div class="score-value">{{SCORE}}</div>
</div>
</div>
<!-- SPRECHBLASE: Suchmotiv in Ich-Perspektive -->
<div class="speech-bubble-wrap">
<div class="speech-bubble">
<span class="speech-keyword">„{{KEYWORD}}“</span> —
{{SPRECHBLASE_ICH_PERSPEKTIVE}}
<!-- 2-3 Saetze in der Ich-Form, natuerlich formuliert -->
<!-- Beispiel: "Mein Display ist kaputt gegangen und ich suche jetzt
eine guenstige Reparatur. Am besten in meiner Naehe, damit ich
das Handy noch heute abgeben kann." -->
</div>
</div>
<!-- DETAILS: Erwartung + Score + Tipps -->
<div class="persona-body">
<div class="persona-columns">
<!-- Linke Spalte: Erwartung + Score-Balken -->
<div>
<div class="persona-field">
<div class="pf-label"><span class="pf-icon">🎯</span> Was erwartet diese Person?</div>
<!-- bzw. "What does this person expect?" EN -->
<p>{{ERWARTUNG}}</p>
</div>
<div class="persona-field">
<div class="pf-label"><span class="pf-icon">📈</span> Bewertung im Detail</div>
<!-- bzw. "Score Details" EN -->
<div class="score-breakdown">
<div class="sb-row">
<span>Erster Eindruck</span> <!-- bzw. "First Impression" EN -->
<div class="sb-bar"><div class="sb-fill" style="width: {{DIM1_PCT}}%"></div></div>
<span>{{DIM1}}/25</span>
</div>
<div class="sb-row">
<span>Inhalte gefunden</span> <!-- bzw. "Content Found" EN -->
<div class="sb-bar"><div class="sb-fill" style="width: {{DIM2_PCT}}%"></div></div>
<span>{{DIM2}}/35</span>
</div>
<div class="sb-row">
<span>Bedenken geklärt</span> <!-- bzw. "Concerns Addressed" EN -->
<div class="sb-bar"><div class="sb-fill" style="width: {{DIM3_PCT}}%"></div></div>
<span>{{DIM3}}/25</span>
</div>
<div class="sb-row">
<span>Vertrauen</span> <!-- bzw. "Trust" EN -->
<div class="sb-bar"><div class="sb-fill" style="width: {{DIM4_PCT}}%"></div></div>
<span>{{DIM4}}/15</span>
</div>
</div>
</div>
</div>
<!-- Rechte Spalte: Verbesserungstipps -->
<div>
<div class="persona-field">
<div class="pf-label"><span class="pf-icon">💡</span> Das können Sie tun</div>
<!-- bzw. "What You Can Do" EN -->
<ul class="tip-list">
<li>{{VERBESSERUNG_1}}</li>
<li>{{VERBESSERUNG_2}}</li>
<!-- 2-4 Punkte -->
</ul>
</div>
</div>
</div>
</div>
</div>
5d -- Score-Kreis berechnen (SVG)
Persona-Score-Kreis (80px Anzeige, viewBox 120):
Umfang = 2 * PI * 54 = 339.29
FILLED = (SCORE / 100) * 339.29
REMAINING = 339.29 - FILLED
Summary-Score-Kreis (150px Anzeige, viewBox 120):
Gleiche Formel wie oben (SVG skaliert automatisch)
5e -- Farbzuordnung
Score 0-29: --persona-color: #ef4444 (Rot / Kritisch)
Score 30-49: --persona-color: #f97316 (Orange / Schwach)
Score 50-69: --persona-color: #eab308 (Amber / Teilweise)
Score 70-89: --persona-color: #4f6ef7 (Blau / Gut)
Score 90-100: --persona-color: #22c55e (Gruen / Exzellent)
5f -- Dateiname
Dateiname: sxo-persona-[KEYWORD-SLUG].html
KEYWORD-SLUG: Keyword in Kleinbuchstaben, Leerzeichen -> Bindestriche, Umlaute -> ae/oe/ue/ss
Beispiel: "iPhone 13 Display Reparatur" -> "iphone-13-display-reparatur"
Schritt 6: Ausgabe und Zusammenfassung
Nach dem Speichern der HTML-Datei, gib eine kurze Zusammenfassung aus:
Zeige:
1. Dateiname + Pfad
2. Anzahl Personas
3. Durchschnitts-Score
4. Schwaechste Persona (Name + Score)
5. Wichtigstes Handlungsfeld (1 Satz)
6. Scoring-Modus
Qualitaetsregeln
Persona-Qualitaet
REGEL 0: Alle Personas suchen dasselbe Fokus-Keyword!
-> Jede Persona tippt EXAKT das Fokus-Keyword in Google ein
-> Die Differenzierung liegt im HINTERGRUND, INTENT und ERWARTUNG
-> Related Searches und PAA zeigen verborgene Beduerfnisse, NICHT andere Suchbegriffe
-> RICHTIG: "Sucht 'Photovoltaikanlage'. Hintergrund: Will vor allem wissen,
was die Anlage kostet und ob sich die Investition lohnt."
-> FALSCH: "Sucht 'Photovoltaikanlage Kosten'."
-> FALSCH: "Sucht 'Photovoltaikanlage Balkon'."
-> Das Ziel ist die bestmoegliche Seite fuer das EINE Fokus-Keyword
REGEL 1: Jede Persona MUSS sich klar von den anderen unterscheiden
-> Nicht: 2x "will guenstigen Preis" mit anderem Namen
-> Sondern: "will billigsten Preis" vs. "will bestes Preis-Leistungs-Verhaeltnis"
-> Unterscheidung ueber: Lebenssituation, Wissensstand, Motivation, Barrieren
REGEL 2: Namen muessen branchenspezifisch sein
-> Nicht: "User A", "Persona 1", "Max Mustermann"
-> Sondern: "Altbau-Andreas, 52" (Solarbranche), "Studentin Lena, 23" (Handy-Reparatur)
REGEL 3: Verbesserungsvorschlaege muessen umsetzbar sein
-> Nicht: "Seite verbessern", "mehr Trust aufbauen"
-> Sondern: "Preisvergleichstabelle (Anbieter vs. Apple vs. MediaMarkt) above-the-fold"
REGEL 4: Score-Begruendungen muessen nachvollziehbar sein
-> Referenziere konkrete Seiteninhalte oder Gaps
-> Nicht: "Die Seite ist mittelmassig"
-> Sondern: "Preis sichtbar (119,90 EUR), aber ohne Einordnung gegenueber Apple (489 EUR)"
REGEL 5: Alliterative Namen sind OPTIONAL, nicht erzwungen
-> Wenn ein passender alliterativer Name existiert: verwenden
-> Wenn nicht: normaler Name ist besser als erzwungene Alliteration
HTML-Qualitaet
REGEL 6: Selbststaendige Datei
-> Kein externes CSS, kein externes JavaScript
-> Alle Styles inline im <style> Block
-> SVG direkt im HTML (kein externer Verweis)
REGEL 7: Responsive Design
-> Persona-Liste: Einzelspalte (volle Breite pro Persona)
-> Persona-Body: 2 Spalten Desktop, 1 Spalte Mobile (persona-columns)
-> Avatar: 120px Durchmesser, Score-Kreis: 80px
-> Sprechblase: volle Breite mit Pfeil nach oben
-> Lesbar auf 360px Breite
REGEL 8: Barrierefreiheit
-> Farbkontrast: WCAG AA (4.5:1 fuer Text)
-> Score-Kreise: Zahl ZUSAETZLICH zum Kreis (nicht nur visuell)
-> Sinnvolle Ueberschriften-Hierarchie (h1 > h2 > h3)
REGEL 9: Print-Freundlich
-> Print-Styles inkludieren (wie bei sxo-report Template)
-> Score-Kreise muessen auch in Schwarz-Weiss lesbar sein
Bild-Qualitaet
REGEL 10: Cache immer nutzen
-> Niemals ein Bild generieren, wenn es bereits im Cache liegt
-> Cache-Verzeichnis: ~/.sxo-persona/image-cache/
-> Cache-Key: {archetype}-{lang}.png
REGEL 11: Bilder sind optional
-> Dashboard MUSS auch ohne Bilder funktionieren
-> Bei Fehler: persona-avatar-placeholder CSS-Klasse mit Emoji verwenden
-> Niemals den gesamten Workflow abbrechen wegen eines Bildfehlers
REGEL 12: Archetype-Eindeutigkeit
-> Keine zwei Personas im selben Dashboard duerfen denselben Archetype haben
-> Bei Kollision: sekundaeren Archetype verwenden
-> 16 Archetypes verfuegbar (siehe references/persona-images.md)
REGEL 13: Bildformat konsistent
-> Alle Bilder als base64 inline im HTML (data:image/png;base64,...)
-> Keine externen Bildverweise
-> 120x120px Anzeige (CSS), 512px Quellaufloesung
REGEL 14: Sprechblase pflicht
-> Jede Persona-Card MUSS eine Sprechblase mit Ich-Perspektive-Text haben
-> Die Sprechblase macht die Persona greifbar und menschlich
-> Formulierung: natuerlich, wie ein echter Mensch reden wuerde
-> Keine Fachbegriffe in der Sprechblase
Sprachspezifische Labels (Laienverstaendlich)
Prinzip: Alle Labels so formulieren, dass ein Nicht-SEO-Experte sie sofort versteht. Keine Fachbegriffe wie "First-Screen-Relevanz" oder "Barriereabbau".
| Bereich | Deutsch | English |
|---|---|---|
| Header-Label | SXO Persona-Dashboard | SXO Persona Dashboard |
| Zusammenfassung | Auf einen Blick | At a Glance |
| Durchschnitts-Score | Durchschnitts-Score | Average Score |
| Schwaechste Persona | Groesster Handlungsbedarf | Needs Most Work |
| Staerkste Persona | Am besten bedient | Best Served |
| Bewertungsmethode | Bewertungsmethode | Scoring Method |
| User Story Section | Die typische Suche | The Typical Search |
| Personas Section | So unterschiedlich suchen Menschen | How People Search Differently |
| Erwartung | Was erwartet diese Person? | What does this person expect? |
| Score-Detail | Bewertung im Detail | Score Details |
| Verbesserungen | Das können Sie tun | What You Can Do |
| Handlungsfelder | Das sollten Sie als Nächstes tun | What You Should Do Next |
| Betrifft | Betrifft | Affects |
| Projiziert | Geschätzt aus SXO-Report | Estimated from SXO Report |
| Dim 1 | Erster Eindruck | First Impression |
| Dim 2 | Inhalte gefunden | Content Found |
| Dim 3 | Bedenken geklärt | Concerns Addressed |
| Dim 4 | Vertrauen | Trust |
| Footer | SXO Persona-Dashboard erstellt mit Claude Code | SXO Persona Dashboard generated with Claude Code |
Wichtig
- Schreibe echtes HTML, keine Markdown-Reste
- Kopiere NUR das CSS aus dem Template -- generiere den Body direkt
- Versuche NICHT, die
{{PLATZHALTER}}im Template zu ersetzen - Alle Texte in der erkannten Sprache
- Verwende
—fuer Gedankenstriche,€fuer Euro,&fuer & - Nutze HTML-Entities fuer Umlaute im HTML oder UTF-8 direkt
- Score-Kreise: Verwende SVG
stroke-dasharrayfuer den Fortschrittskreis - Persona-Cards sortieren: schwaechster Score zuerst (= groesster Handlungsbedarf oben)
- Verwende
persona-list(Einzelspalte), NICHTpersona-grid(2-Spalten) - Verwende
section-iconfuer Section-Header, NICHTsection-number - Jede Persona-Card hat: persona-topbar, persona-profile, speech-bubble-wrap, persona-body
- Die Sprechblase (speech-bubble) enthaelt Ich-Perspektive-Text der Persona
- Alle Labels laienverstaendlich (siehe Labels-Tabelle)