CRO-Analyse der Landing Page (wissenschaftlicher Ansatz)

Was macht CRO-Analyse der Landing Page (wissenschaftlicher Ansatz)?

Zweck des Skills

Durchführung einer umfassenden CRO-Analyse (Conversion Rate Optimization) jeder Landing Page basierend auf 5 Metriken: CRO Score (MECLABS), LIFT Score, Scannability Score, Trust Factor, Resonance Rate.

Dieser Skill führt eine elementweise Analyse der Seite mit priorisierten, praktisch anwendbaren Korrekturen durch, die auf der Psychologie des Nutzerverhaltens basieren.

Wann verwenden

• Der Benutzer gibt eine URL einer Landing Page an und bittet um eine CRO-Analyse
• Der Benutzer fordert eine Optimierung der Conversion Rate an
• Der Benutzer möchte die Registrierung, Lead-Generierung oder Verkäufe verbessern
• Wird mit dem Befehl /market-ru-landing <url> gestartet

So wird es ausgeführt

Schritt 0: ICP bestimmen

Der ICP wird automatisch bestimmt:

• Wenn der Benutzer den ICP im Befehl angegeben hat → wird der bereitgestellte verwendet
• Wenn kein ICP angegeben ist → wird "generic problem-aware audience" verwendet

Beispiele für ICPs: "B2B SaaS, CTO, Growth Stage", "Kleines Unternehmen, will Kosten senken", "E-Commerce-Shop-Betreiber"

Warum das wichtig ist: Die Seite muss dem Bewusstseinsgrad der Zielgruppe entsprechen – wenn der Nutzer das Problem kennt, aber ein Angebot für "vollständig informierte" sieht, entsteht eine Kommunikationslücke.

Schritt 1: Seiteninhalt abrufen

Verwenden Sie WebFetch oder eine andere verfügbare Methode, um den HTML-Inhalt der Seite abzurufen.

Schritt 2: Analyse nach 5 Metriken

Die Analyse besteht aus 5 unabhängigen Metriken. Für JEDE Metrik:

1. Bewerten Sie die Faktoren/Blöcke/Trigger/Schmerzpunkte anhand der Kriterientabellen
2. Berechnen Sie den endgültigen Score nach der Formel
3. Notieren Sie für JEDEN Faktor die Findings (was auf der Seite gefunden wurde) und Fixes (Empfehlungen) im JSON-Format

---

2.1. CRO Score (MECLABS)

WICHTIG: Der CRO Score wird STRENG nach der Formel berechnet. Bewerten Sie ihn NICHT "nach Gefühl". Folgen Sie dem untenstehenden Algorithmus Schritt für Schritt.

Berechnungsalgorithmus (VERPFLICHTEND)

Schritt 1: Bewerten Sie jeden Faktor von 1 bis 10 anhand der folgenden Kriterientabellen.

Schritt 2: Berechnen Sie jede Komponente EINZELN:

• M_Komponente = M × 4 = [Wert]
• V_Komponente = V × 3 = [Wert]
• I_Komponente = I × 2 = [Wert]
• F_Komponente = F × 2 = [Wert]
• A_Komponente = A × 2 = [Wert]

Schritt 3: Addieren Sie alle Komponenten:

• CRO = M_Komponente + V_Komponente + I_Komponente + F_Komponente + A_Komponente

Schritt 4: VOR dem Speichern im JSON-Format – überprüfen Sie:

• cro_score MUSS der Summe aus Schritt 3 entsprechen
• Wenn nicht übereinstimmend – neu berechnen

Formel:

C = (M × 4) + (V × 3) + (I × 2) + (F × 2) + (A × 2)

Kriterientabellen

M (Motivation) – Motivation (Gewicht ×4)

Bewertung	Kriterien
1-3	Der Nutzer versteht sein Problem nicht, sucht nach Informationen
4-6	Der Nutzer kennt das Problem, sucht nach einer Lösung
7-10	Der Nutzer ist kaufbereit, vergleicht Optionen

V (Value Proposition) – Wertversprechen (Gewicht ×3)

Bewertung	Kriterien
1-3	Unklar, vage, generisch
4-6	Verständlich, was sie tun, aber nicht, warum gerade dieses Unternehmen
7-10	Klares Alleinstellungsmerkmal, Abgrenzung zu Wettbewerbern, konkrete Vorteile

I (Incentive) – Anreize (Gewicht ×2)

Bewertung	Kriterien
1-3	Keine Einschränkungen, keine Dringlichkeit, keine Boni
4-6	Es gibt 1-2 Auslöser (Rabatt ODER Dringlichkeit ODER Bonus)
7-10	3+ Auslöser gleichzeitig

F (Friction) – Reibung (Gewicht ×2)

Bewertung	Kriterien
1-3	Formular mit 1-2 Feldern, einfacher Prozess, verständlicher CTA
4-6	Formular mit 3-5 Feldern, es gibt zusätzliche Schritte
7-10	Formular mit 6+ Feldern, komplexer Prozess, unverständlicher CTA

A (Anxiety) – Ängste/Bedenken (Gewicht ×2)

Bewertung	Kriterien
1-3	Garantie in der Nähe des CTA, Bewertungen sichtbar, Datenschutzerklärung vorhanden
4-6	Garantie irgendwo auf der Seite, teilweise Bewertungen
7-10	Keine Garantie, keine Bewertungen, keine Datenschutzerklärung in der Nähe des CTA

Berechnungsbeispiel (allokna.ru)

Schritt 1 – Faktorenbewertung:

Faktor	Bewertung	Begründung
M	5	Lokales Unternehmen, Problem bekannt, aber nicht hervorgehoben
V	4	"Wärme und Komfort" – Emotion ohne Konkretisierung
I	2	Keine Dringlichkeit, keine Boni
F	6	Formular 2 Felder (gut), aber 15+ Navigationspunkte
A	6	Keine Garantie, keine Bewertungen in der Nähe des CTA

Schritt 2 – Komponenten:

• M × 4 = 5 × 4 = 20
• V × 3 = 4 × 3 = 12
• I × 2 = 2 × 2 = 4
• F × 2 = 6 × 2 = 12
• A × 2 = 6 × 2 = 12

Schritt 3 – Gesamt: CRO = 20 + 12 + 4 + 12 + 12 = 60/100 (Mittel)

Schritt 4 – Validierung: 60 = 20+12+4+12+12 ✓

Für jeden Faktor im JSON-Format notieren:

• score (1-10)
• findings – konkrete Fakten von der Seite
• fixes – Empfehlungen mit Prioritäten HIGH/MEDIUM/LOW

---

2.2. LIFT Score

Formel:

LIFT_roh = (Relevanz + Klarheit + Dringlichkeit + Wert) - (Angst + Ablenkung)
LIFT = ((LIFT_roh + 16) / 54) × 100

Wo:

• -16 = Minimum (alle Treiber=1, alle Hemmer=10)
• +16 = Verschiebung, um 0 zu erhalten
• 54 = Bereich (38 - (-16))

Bereich: 0-100%

• <40% = Niedrig
• 40-70% = Mittel

• 70% = Hoch

Kriterientabellen

Relevanz (Treiber)

Bewertung	Kriterium
1-2	Die Überschrift beantwortet nicht das Bedürfnis des ICPs. "Wer wir sind" statt "Was du bekommst"
3-4	Die Überschrift ist entfernt mit dem Bedürfnis verbunden, aber nicht genau
5-6	Die Überschrift beantwortet teilweise den Hauptschmerzpunkt des ICPs
7-8	Die Überschrift beantwortet genau den Hauptschmerzpunkt des ICPs
9-10	Die Überschrift resoniert vollständig mit dem ICP – "Das ist für mich!"

Klarheit (Treiber)

Bewertung	Kriterium
1-2	Unklar, was angeboten wird. Fachjargon, Abstraktionen
3-4	Im Großen und Ganzen verständlich, aber Details sind vage
5-6	Die meisten werden es verstehen. Kein Fachjargon
7-8	Alles klar: was, für wen, warum
9-10	Sofortiges Verständnis. Jedes Wort wirkt

Dringlichkeit (Treiber)

Bewertung	Kriterium
1-2	Keine Einschränkungen. "Kommen Sie, wann Sie wollen"
3-4	Andeutung einer Einschränkung, aber unklar
5-6	Es gibt 1-2 Dringlichkeitsauslöser
7-8	Klare Einschränkungen: Zeit, Menge, Bedingungen
9-10	Starke Dringlichkeit: Countdown, "letzter Artikel", Frist

Wert (Basis)

Bewertung	Kriterium
1-2	Preis unklar oder ohne Vorteil angegeben
3-4	Vorteile vage, Preis vorhanden
5-6	Vorteile verständlich, aber nicht einzigartig
7-8	Klares Preis-/Leistungsverhältnis
9-10	Offensichtlicher Wert: "Teure Alternativen = X, Unser = X-Y, Vorteil = Z"

Angst (Hemmer)

Bewertung	Kriterium
1-2	Garantie, Bewertungen, Datenschutzerklärung in der Nähe des CTA. Null Zweifel
3-4	1-2 Vertrauenssignale, aber nicht in der Nähe des CTA
5-6	Signale vorhanden, aber schwach oder vage
7-8	Zweifel vorhanden: keine Garantie, keine Bewertungen
9-10	Maximale Angst: überhaupt kein Vertrauen

Ablenkung (Hemmer)

Bewertung	Kriterium
1-2	Fokus auf einem Ziel. Keine unnötigen Links
3-4	1-2 ablenkende Elemente, aber nicht kritisch
5-6	Viel Navigation, aber Ziel sichtbar
7-8	Viele Ablenkungen: Banner, Links, Popups
9-10	Chaos: alles lenkt ab, Ziel verloren

Berechnungsbeispiel

LIFT_roh = (4 + 4 + 2 + 4) - (7 + 6) = 14 - 13 = 1
LIFT = ((1 + 16) / 54) × 100 = 31.5%

Für jeden Faktor im JSON-Format notieren:

• score (1-10)
• findings – konkrete Fakten von der Seite
• fixes – Empfehlungen mit Prioritäten

---

2.3. SS – Scannability Score

Formel:

SS = Σ(Bewertung_Block × Gewicht_Block) × 100%

Bereich: 0-100%

• <50% = Schlecht
• 50-70% = Mittel

• 70% = Gut

Blocktabelle

Block	Gewicht	1-2	3-4	5-6	7-8	9-10
H1	20%	Unlesbar, >15 Wörter	lesbar, aber lang	<10 Wörter, Vorteil	kurz, <8 Wörter	<6 Wörter, genaue USP
Unterüberschrift	15%	Fehlt	lang, ohne Struktur	verständlich, aber lang	kurz, konkret	1-2 Sätze, Wert
CTA-Button	20%	unsichtbar, klein	sichtbar, Farbe verschmilzt	Kontrast, generischer Text	Text mit Vorteil	Text=Vorteil, Ich-Perspektive
Struktur H2-H3	15%	Keine Überschriften	1-2 Überschriften	Überschriften vorhanden	Klare Hierarchie	In 3 Sekunden scannbar
Visuelles	15%	Stockfotos	Fotos relevant, Stock	Echte Fotos	Foto + Text	Kunden-/Ergebnisfotos
Abstände/Luft	15%	Text fließt ineinander	Abstände ungleichmäßig	Ausreichend Luft	Sauberes Design	Hervorragende Lesbarkeit

Berechnungsbeispiel

SS = (4×0.2 + 4×0.15 + 4×0.2 + 3×0.15 + 3×0.15 + 4×0.15) × 100
SS = (0.8 + 0.6 + 0.8 + 0.45 + 0.45 + 0.6) × 100 = 37%

Für jeden Block im JSON-Format notieren:

• score (1-10)
• findings – konkrete Fakten von der Seite
• fixes – Empfehlungen mit Prioritäten

---

2.4. TF – Trust Factor

Formel:

TF = Σ (vorhandener_Typ × Gewicht)

Bereich: 0-N

• 0-1.5 = ❌ Kritisch
• 2-4.5 = ⚠️ Unzureichend
• 5-7.5 = ✅ Basis vorhanden
• 8-10+ = ✅✅ Stark

Triggertabelle

Triggertyp	Gewicht	Beschreibung	Beispiel
Kundenbewertungen	2.0	Namentlich, mit Foto, Position	"Anna K., Wohnungseigentümerin" + Foto
Kundenergebnisse	2.0	Konkrete Zahlen (Geld, %, Zeit)	"Heizkosten um 40% gesenkt"
Video-Testimonials	2.0	Aufnahme mit echtem Kunden	YouTube-Link mit Kunde
Vorher/Nachher-Fälle	1.5	Foto + Beschreibung des Ergebnisses	Fensterfoto VORHER/NACHHER
Kundenlogos	1.5	Bekannte Unternehmen	"Wir arbeiten mit Gazprom, Sberbank"
Bewertungen von Drittanbietern	1.5	Yandex.Maps, Google, 2GIS	"4.9 auf Yandex.Maps (247 Bewertungen)"
Garantie	1.5	Explizit, in der Nähe des CTA	"10 Jahre Garantie auf Konstruktionen"
Zertifikate	1.0	Branchenzertifikate, nicht Lieferant	"ISO 9001", "Lizenz"
Unternehmensstatistiken	1.0	Erfahrungszahlen	"15 Jahre auf dem Markt", "5000+ Fenster"
Rückgaberegelung	1.0	Klar, sichtbar	"Geld zurück in 30 Tagen"
Soziale Medien	0.5	Aktive Profile mit Followern	"10K Follower in VK"
Kontakte	0.5	Adresse, Telefon, E-Mail	g. Yaroslavl, +7(4852)66-27-21
Lieferanten-Badges	0.3	Logos von Lieferanten	Rehau-Logo in der Fußzeile

Berechnungsbeispiel

Typ	Beispiel	Gewicht	Punktzahl
Lieferanten-Badges	Rehau, Roto, Axor (3 Stück)	0.3 × 3	0.9
Unternehmensstatistiken	"15 Jahre auf dem Markt"	1.0	1.0
Kontakte	Adresse, Telefon, E-Mail	0.5 × 3	1.5
GESAMT			3.4

Im JSON-Format notieren:

• triggers[] – Array der gefundenen Trigger mit Typ, Anzahl, Gewicht, Punktzahl
• missing[] – Array der fehlenden Triggertypen
• findings – allgemeine Funde
• fixes – Empfehlungen

---

2.5. RR – Resonance Rate

Formel:

RR = (Σ Bewertung_Schmerz / Anzahl_Schmerzpunkte) × 100%

Bereich: 0-100%

• <30% = Schwach
• 30-60% = Mittel

• 60% = Stark

Algorithmus zur Bestimmung der Schmerzpunkte des ICP

Schritt 1: Geschäftsart bestimmen (Fenster/Türen, SaaS, E-Commerce, Dienstleistungen, Lokales Unternehmen)

Schritt 2: Universelle Schmerzpunkte + typische nach Geschäftsart nehmen

Universelle Schmerzpunkte (für alle):

• "Zu teuer"
• "Ich traue nicht"
• "Machen/liefern anders als bestellt"
• "Ich komme nicht klar"
• "Ich halte den Termin nicht ein"

Typische Schmerzpunkte nach Geschäftsart:

Geschäftsart	Schmerzpunkte
Fenster/Türen	"Im Winter kalt", "Laut", "Machen es schief/krumm", "Lange Wartezeit", "Schwierige Auswahl"
SaaS	"Schwierig zu implementieren", "Integriert sich nicht", "Zu teuer für das Team", "Kann Nutzer nicht halten"
E-Commerce	"Kommt nicht rechtzeitig an", "Falscher Artikel", "Keine Rückerstattung", "Geht nach einer Woche kaputt"

Bewertungstabelle für jeden Schmerzpunkt

Bewertung	Kriterium
0%	Schmerzpunkt wird auf der Seite NICHT erwähnt
25%	Schmerzpunkt erwähnt, aber KEINE Lösung vorhanden
50%	Lösung vorhanden, aber OHNE Beweise
75%	Lösung + 1 Beweis vorhanden
100%	Lösung + starker Beweis (Zahlen, Video-Testimonial) vorhanden

Berechnungsbeispiel

Schmerzpunkt	Bewertung
Zu teuer	50%
Kalt	50%
Laut	50%
Schief	50%
Lange Wartezeit	0%
Schwierig	25%
GESAMT	(50+50+50+50+0+25)/6 = 37.5%

Im JSON-Format notieren:

• pains[] – Array der Schmerzpunkte mit Schmerz, Punktzahl (0-100), Beweis
• findings – allgemeine Funde
• fixes – Empfehlungen

---

Schritt 3: Mobile Prüfung

• CTA im Daumenbereich (untere Hälfte)
• Text ≥16px
• Formulare tippfreundlich
• Kein horizontaler Scroll
• Sticky CTA beim Scrollen

---

Schritt 4: Generierung von A/B-Tests

Für JEDEN HIGH-Priority-Fix aus den Metriken 2.1-2.5 einen A/B-Test generieren:

Vorlage:

{
  "hypothesis": "Wenn wir [konkrete Änderung], dann verbessert sich [Metrik], weil [Grund]",
  "metric": "was gemessen wird (CTR, Conversion-Rate, Absprungrate)",
  "variant_a": "aktueller Text/das aktuelle Element von der Seite (genaues Zitat)",
  "variant_b": "empfohlene Änderung (vollständiger Text)"
}

Anforderungen:

• Variante A – GENAUES Zitat von der analysierten Seite
• Variante B – konkreter empfohlener Text
• Metrik – konkrete zu messende Metrik
• Hypothese – an den konkreten Fund gebunden

Beispiel:

{
  "hypothesis": "Wenn wir die Überschrift von funktional zu nutzenorientiert ändern, dann steigt die CTR des Hero-Bereichs, weil der Nutzer sofort den Nutzen sieht",
  "metric": "CTR des Hero-Bereichs",
  "variant_a": "Produktion und Installation von KUNSTSTOFF- und ALUMINIUMFENSTERN",
  "variant_b": "Ist es im Winter kalt? Installieren Sie warme Fenster in 5 Tagen – 10 Jahre Garantie"
}

---

Schritt 5: Priorisierte Maßnahmen

Sammeln Sie ALLE Fixes aus ALLEN Metriken (2.1-2.5 + mobile Prüfung) in einem einzigen Array all_fixes[]:

"all_fixes": [
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "cro.motivation"},
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "lift.urgency"},
  {"priority": "MEDIUM", "text": "...", "impact": "...", "source": "ss.h1"},
  ...
]

Das Feld source gibt an, aus welcher Metrik die Empfehlung stammt:

• cro.motivation, cro.value_proposition, cro.incentive, cro.friction, cro.anxiety
• lift.relevance, lift.clarity, lift.urgency, lift.value, lift.anxiety, lift.distraction
• ss.h1, ss.subheadline, ss.cta, ss.structure, ss.visual, ss.whitespace
• tf.trigger, tf.missing
• rr.pain
• mobile.general