Kontoprüfung

Login-, Zahlungs- und Buchungs-Referrals finden, die in GA4 Conversion-Zuordnungen stehlen

Belegt anhand von Aufschlüsselungen nach Quelle, Ereignis und Landingpage, ob GA4 Conversions einer externen Login-, Zahlungs- oder Buchungsdomain zuschreibt, wenn Besucher von dort zurückkehren. Listet die Domains für die Liste unerwünschter Verweise und das Durcheinander bei den Quellennamen im bezahlten Traffic auf.

Wann du ihn nutzt

Wenn Ihre GA4-Conversions scheinbar der falschen Quelle zugeschrieben werden und Sie vermuten, dass Besucher, die von einer externen Login-, Zahlungs- oder Buchungsdomain zurückkehren, neue Sitzungen starten.

Was du bekommst

Eine Tabelle verdächtiger Referrals mit ihrem Anteil an den Schlüsselereignissen, ein Bereinigungsstandard für bezahlte Quellnamen und die genauen Domains für die Liste unerwünschter Verweise und die domainübergreifende Messung.

Ändert er etwas in meinem Konto?

Nein. Der Assistent liest nur deine Daten und berichtet dir.

Funktioniert mit

GA4

Vor dem Senden ausfüllen

[GA4 property]

Einige Conversions in meiner GA4-Property [GA4 property] werden möglicherweise mit der falschen Quelle ausgewiesen. Wenn ein Besucher meine Website in Richtung einer externen Domain wie Google-Anmeldung, einem Zahlungsanbieter oder einem Buchungssystem verlässt und dann zurückkehrt, kann GA4 eine neue Sitzung starten und die Conversion dieser Domain zuschreiben. Weise nach, ob das passiert. Die externen Dienste, die ich nutze: [your payment, login, appointment or booking providers, or write "not sure"]. Dies ist eine reine Leseprüfung. 1. Property bestätigen. Liste die Property mit ga4_list_properties auf, die Web-Streams und Mess-IDs mit ga4_list_data_streams und die Schlüsselereignisse mit ga4_list_conversions. 2. Quellen abrufen. Rufe mit ga4_report die letzten 28 Tage mit dimension=channel und dimension2=source_medium ab und trenne die Zeilen im Kanal Referral heraus. 3. Schlüsselereignisse den Quellen zuordnen. Nutze mit ga4_report dimension=event und dimension2=source_medium, um zu sehen, aus welcher Quelle jedes Schlüsselereignis stammt. Ohne dimension=event ist die Conversions-Spalte die Summe aller Schlüsselereignisse der Property, überspringe diesen Schritt also nicht. 4. Landingpages prüfen. Nutze mit ga4_report dimension=landing_page und dimension2=source_medium. Finde Referral-Sitzungen, die auf Seiten wie einer Login-Rückkehrseite (zum Beispiel /auth/.../callback), einer Danke-Seite nach der Zahlung oder einer Buchungsbestätigung landen. Regeln für einen verdächtigen Referral: 1. Referral-Zeilen, deren Quelle ein Login-Dienst (accounts.google.com, login.microsoftonline.com, appleid.apple.com und Ähnliche), ein Zahlungsanbieter oder ein Buchungssystem ist. 2. Meine eigene Domain oder Subdomains, die als Referrals auftauchen. 3. Referral-Zeilen, deren Schlüsselereignisse pro Sitzung mehr als doppelt so hoch sind wie der Durchschnitt der Website. 4. Referral-Sitzungen, deren Landingpage eine Rückkehr-, Danke- oder Bestätigungsseite ist. Formatiere die Ausgabe so: 1. Tabelle der verdächtigen Referrals: Quelle / Medium, Kanal, Sitzungen, Schlüsselereignisse, häufigste Landingpage, warum verdächtig. 2. Die Summe der Schlüsselereignisse in diesen Zeilen und ihr Anteil an allen Schlüsselereignissen. Die GA4-Daten allein zeigen nicht die wahre Quelle dieser Conversions; sag das klar und schätze keine Neuverteilung. 3. Zeilen in bezahlten Kanälen, in denen dieselbe Plattform unter mehreren Namen erscheint (zum Beispiel fb / paid, ig / paid, meta / paid oder eine Quelle, die in Paid Other landet), mit einem Vorschlag für einen einheitlichen utm_source- und utm_medium-Standard. 4. To-do: die Domains, die in GA4 zur Liste unerwünschter Verweise hinzugefügt werden sollen, und, wo nötig, die Domains, die für die domainübergreifende Messung zu konfigurieren sind. Kein Tool ändert diese Einstellungen; ich trage sie in GA4 unter Admin > Datenstreams > Web-Stream > Tag-Einstellungen konfigurieren ein, also schreibe die Domains exakt auf. Weise darauf hin, dass die Änderung vergangene Daten nicht korrigiert, sondern nur Sitzungen ab dem Zeitpunkt der Änderung betrifft.

1. Property bestätigen. Liste die Property mit ga4_list_properties auf, die Web-Streams und Mess-IDs mit ga4_list_data_streams und die Schlüsselereignisse mit ga4_list_conversions.
2. Quellen abrufen. Rufe mit ga4_report die letzten 28 Tage mit dimension=channel und dimension2=source_medium ab und trenne die Zeilen im Kanal Referral heraus.
3. Schlüsselereignisse den Quellen zuordnen. Nutze mit ga4_report dimension=event und dimension2=source_medium, um zu sehen, aus welcher Quelle jedes Schlüsselereignis stammt. Ohne dimension=event ist die Conversions-Spalte die Summe aller Schlüsselereignisse der Property, überspringe diesen Schritt also nicht.
4. Landingpages prüfen. Nutze mit ga4_report dimension=landing_page und dimension2=source_medium. Finde Referral-Sitzungen, die auf Seiten wie einer Login-Rückkehrseite (zum Beispiel /auth/.../callback), einer Danke-Seite nach der Zahlung oder einer Buchungsbestätigung landen.

Regeln für einen verdächtigen Referral:
1. Referral-Zeilen, deren Quelle ein Login-Dienst (accounts.google.com, login.microsoftonline.com, appleid.apple.com und Ähnliche), ein Zahlungsanbieter oder ein Buchungssystem ist.
2. Meine eigene Domain oder Subdomains, die als Referrals auftauchen.
3. Referral-Zeilen, deren Schlüsselereignisse pro Sitzung mehr als doppelt so hoch sind wie der Durchschnitt der Website.
4. Referral-Sitzungen, deren Landingpage eine Rückkehr-, Danke- oder Bestätigungsseite ist.

Formatiere die Ausgabe so:
1. Tabelle der verdächtigen Referrals: Quelle / Medium, Kanal, Sitzungen, Schlüsselereignisse, häufigste Landingpage, warum verdächtig.
2. Die Summe der Schlüsselereignisse in diesen Zeilen und ihr Anteil an allen Schlüsselereignissen. Die GA4-Daten allein zeigen nicht die wahre Quelle dieser Conversions; sag das klar und schätze keine Neuverteilung.
3. Zeilen in bezahlten Kanälen, in denen dieselbe Plattform unter mehreren Namen erscheint (zum Beispiel fb / paid, ig / paid, meta / paid oder eine Quelle, die in Paid Other landet), mit einem Vorschlag für einen einheitlichen utm_source- und utm_medium-Standard.
4. To-do: die Domains, die in GA4 zur Liste unerwünschter Verweise hinzugefügt werden sollen, und, wo nötig, die Domains, die für die domainübergreifende Messung zu konfigurieren sind. Kein Tool ändert diese Einstellungen; ich trage sie in GA4 unter Admin > Datenstreams > Web-Stream > Tag-Einstellungen konfigurieren ein, also schreibe die Domains exakt auf. Weise darauf hin, dass die Änderung vergangene Daten nicht korrigiert, sondern nur Sitzungen ab dem Zeitpunkt der Änderung betrifft.

In Claude öffnen In ChatGPT öffnen Im Forum diskutieren

Beispielergebnis

Ein Beispiel für die Ausgabe dieses Prompts. Die Struktur stammt aus der echten Ausgabe der Tools, Zahlen und Namen sind fiktiv.

Beispielausgabe (basierend auf einem fiktiven Konto, keine echten Kundendaten)

Property: sampleclinic.com (G-XXXXXXX), Schlüsselereignisse: generate_lead, purchase.

Quelle / Medium	Channel	Sitzungen	Schlüsselereignisse	Häufigste Landingpage	Warum verdächtig
accounts.google.com / referral	Referral	188	64	/auth/google/callback	Login-Dienst, Rücksprungseite
pay.samplepos.com / referral	Referral	52	47	/order/complete	Zahlungsanbieter, Dankeseite
booking.sampleclinic.com / referral	Referral	31	22	/booking/confirmed	Meine eigene Subdomain

Diese drei Zeilen vereinen 133 Schlüsselereignisse, also 38 % aller Schlüsselereignisse in der Property. Die tatsächliche Quelle dieser Conversions (Ads, Organic, Direct) lässt sich aus den GA4-Daten nachträglich nicht mehr rekonstruieren.

Durcheinander bei den bezahlten Quellen: Der Meta-Traffic ist dreifach aufgeteilt als fb / paid, ig / paid und meta / paid; die Zeile an / paid landet in Paid Other. Vorschlag: utm_source=meta, utm_medium=paid_social verwenden und die Platzierung in utm_content auslagern.

In GA4 einzutragen
1. Unerwünschte Verweise: accounts.google.com, pay.samplepos.com
2. Domainübergreifende Messung: sampleclinic.com, booking.sampleclinic.com

Die Änderung korrigiert keine vergangenen Daten, sie wirkt sich nur auf Sitzungen ab dem Zeitpunkt der Umstellung aus.

Diese Prompts funktionieren am besten, wenn dein KI-Assistent über Opus Growth mit deinen Konten verbunden ist.

Konten kostenlos verbinden

Weitere Prompts

KontoprüfungNur lesend

Vollständiges Google-Ads-Konto-Audit mit den drei Maßnahmen, die zuerst umgesetzt werden sollten

Prüft das gesamte Konto in einem Durchgang, von Messung und Gebotsstrategie bis zu Kontostruktur und Landingpages. Sortiert die Ergebnisse nach Wirkung und benennt die ersten drei Maßnahmen, ohne etwas zu ändern.

Wann du ihn nutztWenn du ein Google-Ads-Konto übernimmst oder ihm misstraust und wissen willst, was wirklich falsch läuft und wo du mit der Behebung anfangen sollst.

Führe ein vollständiges Audit meines Google-Ads-Kontos [Kontoname] durch. Wenn das Konto jünger als 90 Tage ist, nutze alle verfügbaren Tage, andernfalls die letzten 90 Tage. Das ist eine reine Leseprüfung, ändere nichts.

Beginne mit account_snapshot, um für jede Kampagne Status, Budget, Gebotsstrategie, Alter und die Ergebnisse seit dem Start zu erhalten. Trenne die Kampagnen, die Ergebnisse liefern, von denen, die Budget verbrauchen, ohne zu konvertieren. Gehe dann diese Bereiche der Reihe nach durch:

1. Messung. Liste die primären Conversion-Aktionen mit list_conversion_actions auf. Markiere jede primäre Aktion, die in den letzten 30 Tagen nichts erfasst hat. Suche nach Konfigurationen, die dieselbe Person doppelt zählen können, zum Beispiel ein Klick auf die Telefonnummer und ein Klick auf WhatsApp auf der Website, die als zwei getrennte primäre Aktionen eingerichtet sind, oder das Google-Ads-Tag und ein importiertes GA4-Event, die beide für dasselbe Formular als primär gelten. Prüfe, wie viele Klicks auf den Anrufbutton in den Anzeigen entfielen und ob diese Anrufe tatsächlich erfasst wurden, mit google_ads_query auf call_view.
2. Gebote und Budget. Zeige mit impression_share_analysis pro Kampagne den durch Budget und durch Rang verlorenen Anteil an Impressionen. Finde mit keyword_quality_report Keywords, die unter dem Gebot für die erste Seite liegen oder wegen niedriger Qualität selten ausgeliefert werden. Sage bei Kampagnen mit Smart Bidding, ob die letzten 30 Tage genügend Conversions für das verwendete Ziel enthalten.
3. Struktur. Prüfe, ob Markensuchen sich eine Kampagne mit generischen Suchen teilen, ob jede Anzeigengruppe auf die Seite ihrer eigenen Leistung verweist und ob dasselbe Keyword in mehr als einer Anzeigengruppe steht.
4. Suchbegriffe. Trenne mit search_terms_report Begriffe, die Budget verbrauchen, ohne zu konvertieren, Wettbewerbermarken und informationsorientierte Suchen. Zähle einen Begriff mit mindestens einer Conversion nie als Verschwendung.
5. Anzeigen und Assets. Prüfe die Anzeigeneffektivität, abgelehnte Assets und ob Sitelinks auf die richtige Seite verweisen. Markiere separat jeden Text und jedes Asset, das eine Leistung beschreibt, die das Unternehmen nicht anbietet: [nicht angebotene Leistungen, oder "keine" eintragen].
6. Landingpages. Hole mit google_ads_query aus landing_page_view Klicks, Kosten und Conversion-Rate pro Seite. Prüfe auf den Seiten mit dem höchsten Budgetverbrauch, ob ein Telefon- und ein WhatsApp-Button vorhanden sind, und kontrolliere die mobile Ladegeschwindigkeit mit core_web_vitals.
7. Standort, Zeitplan und Gerät. Zeige, ob die Standortoption auf "Präsenz" eingestellt ist, wie viel Budget außerhalb des Zielgebiets ausgegeben wird sowie Ausgaben und Conversions außerhalb von [Geschäftszeiten].

Formatiere die Ausgabe so: zuerst eine Zusammenfassung in fünf Sätzen, wie das Konto dasteht. Danach eine nach Wichtigkeit sortierte Ergebnistabelle: Problem, Beleg, geschätzte Wirkung, Empfehlung. Am Ende die drei Maßnahmen, die zuerst umgesetzt werden sollten, und warum jede davon zuerst kommt. Wo die Daten für eine Schlussfolgerung nicht ausreichen, rate nicht, sondern sage, was fehlt.

KontoprüfungNur lesend

Vollständiges Meta-Ads-Konto-Audit mit den drei wichtigsten Sofortmaßnahmen

Prüft in einem Durchgang Messung, Auslieferungsprobleme, Lernphase, Targeting, Placements und Creative-Ermüdung. Priorisiert die Erkenntnisse und nennt die ersten drei Maßnahmen, ohne etwas zu verändern.

Wann du ihn nutztWenn die Ergebnisse deiner Meta-Anzeigen eingebrochen sind oder stagnieren und du wissen willst, was im Konto schiefläuft, bevor du etwas änderst.

Prüfe mein Meta-Werbekonto [ad account] von Anfang bis Ende. Nimm die letzten 30 Tage als Hauptzeitraum und die 30 Tage davor als Vergleich. Das ist eine reine Leseprüfung, verändere nichts.

Beginne mit account_snapshot für die Plattform meta, um Status, Budget, Zielsetzung, Alter und die Ergebnisse seit dem Start jeder Kampagne zu erhalten. Meta kennt keine einheitliche Conversion-Zahl, verwende also für jede Kampagne das Ergebnis, auf das sie tatsächlich optimiert (Leads, begonnene Nachrichtenunterhaltungen, Käufe). Gehe dann diese Bereiche der Reihe nach durch:

1. Messung. Prüfe mit list_meta_pixels den Zeitpunkt des letzten Pixel-Events. Bestätige, dass das Event, auf das jede Kampagne optimiert, tatsächlich erfasst wird. Markiere Setups, die dasselbe Ergebnis doppelt zählen können, zum Beispiel Leads, die sowohl über den Pixel als auch über ein Sofortformular erfasst werden.
2. Auslieferung. Liste Anzeigengruppen auf, die abgelehnt wurden, in der Prüfung hängen, keine aktive Anzeige mehr haben oder weniger als die Hälfte ihres Budgets ausgeben. Nenne zu jeder den von Meta angegebenen Grund.
3. Lernphase. Finde Anzeigengruppen, die so stark aufgeteilt sind, dass sie keine 50 Ergebnisse pro Woche erreichen können. Zeige mit meta_change_history die Änderungen der letzten 14 Tage, die das Lernen zurückgesetzt haben.
4. Targeting und Zielgruppen. Markiere Anzeigengruppen, die dieselbe Zielgruppe ansprechen, sowie Anzeigengruppen, deren Frequenz über [maximum frequency] liegt.
5. Placements und Geräte. Vergleiche mit get_report die Kosten pro Ergebnis nach publisher_platform und nach Gerät mit dem Kontodurchschnitt. Triff keine Entscheidungen auf Basis von Segmenten mit weniger als 20 Ergebnissen.
6. Creatives. Betrachte eine Anzeige als ermüdet, wenn die Frequenz steigt, während die Klickrate sinkt und die Kosten pro Ergebnis zunehmen. Beschreibe kurz den Ansatz, den die erfolgreichen Anzeigen gemeinsam haben.
7. Ziel. Prüfe, ob die Seite oder der WhatsApp-Link, auf die die Anzeigen verweisen, funktioniert und zur Zielsetzung passt.

Gliedere die Ausgabe so: zuerst eine Zusammenfassung in fünf Sätzen, wie das Konto dasteht. Danach eine nach Wichtigkeit geordnete Tabelle der Erkenntnisse: Problem, Beleg, geschätzte Auswirkung, Empfehlung. Zum Schluss die drei Maßnahmen, die zuerst umgesetzt werden sollten, und warum jede davon an dieser Stelle steht. Wo die Daten für eine Schlussfolgerung nicht ausreichen, rate nicht, sondern sage, was fehlt.

KontoprüfungÄndert nach deiner Freigabe

Telefon- und WhatsApp-Anfragen zu einer verlässlichen Conversion zusammenführen

Verhindert, dass eine Person doppelt gezählt wird, wenn sie sowohl anruft als auch eine Nachricht schickt. Verknüpft die beiden Buttons auf der Website mit einer einzigen Conversion und prüft, ob der Anruf-Button in den Anzeigen überhaupt gemessen wird.

Wann du ihn nutztWenn Interessenten über Ihre Website sowohl anrufen als auch per WhatsApp schreiben und Sie vermuten, dass eine Person doppelt als Conversion gezählt wird und Ihre Kosten pro Conversion zu günstig aussehen.

In meinem Google-Ads-Konto [Kontoname] erreichen uns Interessenten über die Telefon- und WhatsApp-Buttons auf der Website. Wenn eine Person, die beide Buttons klickt, als zwei Conversions zählt, sehen meine Kosten pro Conversion günstiger aus, als sie tatsächlich sind, und der Gebotsalgorithmus lernt das Falsche. Behebe das.

1. Bestehende Einrichtung erfassen. Liste mit list_conversion_actions die primären Aktionen, ihre Kategorien und Zählweisen auf. Zeige in meinem Tag-Manager-Container [GTM-Container-ID] mit list_gtm_tags, welcher Tag welches Conversion-Label auslöst. Schätze anhand von Zahlen, wie oft ein einzelner Anzeigenklick in den letzten 30 Tagen mehr als eine Kontakt-Conversion erzeugt haben könnte.
2. Der Anruf-Button in den Anzeigen. Prüfe mit google_ads_query, wie viele Klicks und wie viel Budget auf den Anruf-Button in den Anzeigen entfielen, und kontrolliere mit call_view, ob diese Anrufe erfasst wurden. Wenn es Klicks, aber keine Einträge gibt, sag das deutlich und biete zwei Optionen an: das Anruf-Asset entfernen oder diese Klicks als nicht gemessenen Traffic akzeptieren.
3. Plan vorlegen. Schlage eine einzige Conversion-Aktion mit dem Namen "Kontakt-Klick (Telefon + WhatsApp)" vor, bei der die Zählweise auf "Eine" steht. Verknüpfe sie mit einem Tag, das sowohl beim Telefon- als auch beim WhatsApp-Trigger feuert. Stelle die beiden alten Aktionen auf sekundär. Sag, ob bei Kampagnen mit Smart Bidding das Ziel überprüft werden muss, weil die Zahl der Conversions sinken wird.
4. Nach meiner Freigabe umsetzen. Lege die Conversion-Aktion an, stelle die Zählweise auf "Eine", aktualisiere den Tag im Tag Manager und zeige mir vor der Veröffentlichung die Liste der Änderungen. Notiere nach der Veröffentlichung, welche Version wiederhergestellt werden kann.

Schließe mit einem kurzen Testplan ab: Wie sehe ich im Vorschaumodus, dass nur der neue Tag feuert, wenn beide Buttons geklickt werden, und wie viele Tage dauert es, bis sich die Korrektur in den echten Daten zeigt?

KontoprüfungNur lesend

Vollständiges SEO-, AEO- und GEO-Audit mit belegter Scorecard

Bewertet Zugriff, technischen Zustand, strukturierte Daten, Zitierfähigkeit der Inhalte, Vertrauenssignale und gemessene KI-Sichtbarkeit in sechs Bereichen mit je fünf konkreten Prüfpunkten. Zeigt zu jedem Punkt den Beleg und sortiert die Maßnahmen nach Wirkung und Aufwand, ohne etwas zu verändern.

Wann du ihn nutztWenn Sie wissen möchten, wie sichtbar und vertrauenswürdig Ihre Website in der klassischen Suche, in Antwortmaschinen und in KI-Suche ist, und eine priorisierte Liste brauchen, was zuerst zu beheben ist.

Auditiere meine Website [site URL] von Anfang bis Ende für die klassische Suche, Answer Engines (AEO) und KI-Suche (GEO). Meine Search-Console-Property: [Search Console property]. Wichtigster Wettbewerber: [competitor domain, or "none"]. Markt: [country], Sprache: [language code]. Die 3 Suchanfragen, die mir das meiste Geschäft bringen: [3 commercial queries]. Meine wichtigsten Seitentemplates: [homepage, one service page, one blog post URL]. Die Aufgabe ist rein lesend.

Credit-Regel: Prüfe vor dem Start mit seo_history frühere Läufe und rufe die wiederverwendbaren mit denselben Argumenten erneut auf. Zeige mir einmal die Liste der neuen Aufrufe, die Credits verbrauchen, und hole meine Freigabe ein.

Datenerhebung:
1. Führe die gebündelte Analyse mit seo_full_analysis aus und übergib domain, competitor, location und language. Der Abschnitt zur KI-Sichtbarkeit misst das einzelne Keyword, für das die Website am besten rankt, und das kann mit meinem Geschäft nichts zu tun haben; verwende diesen Abschnitt nicht für die Bewertung, sondern miss meine 3 kommerziellen Suchanfragen mit seo_ai_overview und target=[domain]. Wenn references leer ist, zähle die Domains der Links innerhalb von ai_answer.
2. Führe seo_site_crawl mit max_pages nahe an der Seitenzahl der Website aus (höchstens [page limit]). Der Aufruf liefert eine task_id; rufe ihn nach 60 bis 90 Sekunden erneut mit derselben task_id auf und warte, bis die Zusammenfassung vorliegt. Hole bei Bedarf die vollständige URL-Liste eines Problems über den Parameter issue. Wenn das Crawl-Limit nicht die gesamte Website abdeckt, weise darauf hin, dass die Ergebnisse eine Stichprobe sind.
3. Lies robots.txt, sitemap.xml und llms.txt mit site_read_url. Lies meine Template-Seiten mit text=true (wenn truncated true ist, erneut mit max_bytes=1000000) und mit outline=true. Für JSON-LD lies dieselben Seiten mit max_bytes=1000000 und extrahiere die Blöcke.
4. Miss die Startseite und die Leistungsseite mit seo_audit und strategy='mobile'. Verwende für die Core Web Vitals reale Nutzerdaten (Felddaten), sofern vorhanden, andernfalls den Labor-Wert, und gib an, welchen du genutzt hast.
5. Nutze get_report mit platform='search_console' und den Aufschlüsselungen 'query by impressions' und 'page by impressions' für die letzten 90 Tage. Prüfe die 10 Seiten mit den meisten Impressionen mit gsc_inspect_urls. Hole den Sitemap-Status mit gsc_sitemaps.
6. Denke daran, dass verschiedene Tools unterschiedliche Versionen derselben Seite sehen können: Wenn seo_technical_audit oder seo_site_crawl einen Title in einer anderen Sprache misst als site_read_url anzeigt, halte das als Befund fest, denn die Website leitet Besucher möglicherweise nach Land um.

Scorecard: sechs Bereiche mit je fünf Prüfpunkten, jeder Prüfpunkt bestanden (1) oder nicht bestanden (0). Wenn zu einem Prüfpunkt keine Daten vorliegen, schreibe "nicht gemessen" und nimm ihn aus dem Nenner; bewerte niemals durch Raten.
1. Zugriff und Crawlbarkeit: robots.txt ist für KI-Crawler mit Suchfunktion geöffnet; wichtige Seiten liefern 200 mit höchstens einer Weiterleitung; kein noindex auf wichtigen Seiten; die Sitemap enthält keine Fehler und enthält die wichtigen Seiten; der Hauptinhalt ist ohne JavaScript sichtbar.
2. Technischer Zustand und Geschwindigkeit: LCP mobil unter 2,5 Sekunden; CLS unter 0,1; INP unter 200 ms; keine defekten Seiten oder defekten internen Links im Crawl; keine doppelten Titles oder Descriptions.
3. Strukturierte Daten und Entität: Ein Organization- oder LocalBusiness-Knoten ist vorhanden; die Knoten sind über @id verknüpft; das Schema passt zum Seitentyp (Service, Article, Product); die Fakten im Schema stimmen mit dem sichtbaren Text überein; die sameAs-URLs funktionieren.
4. Zitierfähigkeit der Inhalte: Der erste Absatz wichtiger Seiten beantwortet die Frage direkt; Überschriften benennen das Thema oder die Frage klar; vergleichbare Fakten stehen in einer Tabelle; eine seitenspezifische FAQ ist vorhanden; es gibt konkrete Zahlen und Daten.
5. Vertrauenssignale: Die Über-uns-Seite ist konkret (wer, wo, seit wann); Kontaktdaten stehen auf der Website und sind konsistent; Beiträge nennen einen Autor oder Herausgeber; Veröffentlichungs- und Aktualisierungsdatum sind sichtbar; Rechtstexte sind über statische Links im Footer erreichbar.
6. Gemessene KI-Sichtbarkeit: Für mindestens eine der 3 kommerziellen Suchanfragen wird die Website in der KI-Antwort von Google zitiert; sie wird bei der Markenanfrage zitiert; llms.txt ist vorhanden und korrekt; die Search Console zeigt Klicks von Non-Brand-Suchanfragen; wenn der wichtigste Wettbewerber bei diesen Suchanfragen zitiert wird, gibt es mindestens eine, bei der auch ich zitiert werde.

Formatiere die Ausgabe so. Zuerst eine Management-Zusammenfassung in fünf Sätzen. Dann die Score-Tabelle: Bereich, Score (z. B. 3/5), nicht bestandene Prüfpunkte. Dann die Beleg-Tabelle: Bereich, Prüfpunkt, Ergebnis, Beleg (Tool-Name und zurückgegebener Wert), betroffene URLs. Dann die Maßnahmenliste: zu jedem Punkt die Wirkung (hoch, mittel, niedrig), der Aufwand (Stunden, Tage, Wochen) und wer ihn umsetzt; hohe Wirkung bei geringem Aufwand zuerst. Zum Schluss die ersten drei Maßnahmen und warum sie an erster Stelle stehen. Fälle kein Urteil über etwas, das nicht gemessen wurde.