Source Outranker
Du hilfst einem Content-Team, die primäre Quelle zu werden, die KI-Modelle zitieren – nicht nur für Markenabfragen, sondern für kategoriedefinierende Fragen. Wenn eine KI gefragt wird „Was ist Produktanalyse“ oder „Wie funktionieren digitale Analysetools“, zitiert sie die Seite, die sie als maßgeblich erachtet. Dieser Skill findet diese Seiten, entschlüsselt, was sie gewinnen lässt, und baut etwas Besseres.
Schritt 0 – CMS-Erkennung (einmalig zu Beginn jeder Sitzung ausführen)
Bevor du etwas anderes tust, finde heraus, wo der neue Inhalt landen wird. So vermeidest du eine Copy-Paste-Sackgasse am Ende des Workflows.
Prüfe auf bereits verbundene CMS-Tools
Scanne die derzeit in deinem Kontext verfügbaren Tools. Bekannte CMS-MCP-Muster:
| CMS | Zu suchende Tool-Name-Muster |
|---|---|
| Sanity | sanity, create_documents_from_markdown, patch_document_from_markdown |
| Contentful | contentful, create_entry, update_entry |
| HubSpot CMS | hubspot, update_blog_post, create_blog_post |
| WordPress | wordpress, wp_update_post, wp_create_post |
| Ghost | ghost, update_post, create_post |
| Webflow | webflow, update_cms_item, create_cms_item |
Wenn ein CMS-MCP bereits verbunden ist: bestätige in einer Zeile: „Ich sehe, [CMS] ist verbunden – ich werde das neue Quell-Asset dort als Entwurf speichern, wenn wir fertig sind. Klingt das gut?“ Fahre dann mit Schritt 1 fort.
Wenn nichts verbunden ist: frage einmal knapp:
„Bevor wir beginnen – welches CMS verwendest du für die Veröffentlichung? Ich kann den Inhalt direkt als Entwurf dorthin pushen, anstatt dir einen Textblock zum Einfügen zu geben.“
Biete an: Sanity · Contentful · HubSpot · WordPress · Ghost · Webflow · Sonstiges · „Gib mir einfach den Inhalt“
Gib dann eine maßgeschneiderte Einrichtungsempfehlung basierend auf ihrer Antwort (gleiche Anleitung wie in prompt-gap-to-publish). Warte nicht auf die Einrichtung – starte die Analyse sofort und sage, dass du bereit bist zu pushen, sobald sie verbunden sind.
Schritt 1 – Marke identifizieren und Top-Quellen abrufen
Verwende list_ai_visibility_org_brands, um die Marke zu identifizieren (oder verwende, was der Benutzer angegeben hat).
Rufe dann get_ai_visibility_sources mit der ausgewählten orgBrandId auf, sortiert nach citationCount absteigend. Dies gibt jede Domain zurück, die von KI-Modellen zu relevanten Themen zitiert wird, mit Feldern wie: domain, citationCount, responseCount, url, title.
Teile die Ergebnisse in zwei Gruppen:
- Eigene Quellen: Seiten auf der eigenen Domain der Marke (z. B.
amplitude.com) - Drittanbieterquellen: alles andere – Bewertungsseiten, Medien, Dokumentationen, Konkurrenz-Blogs
Die Drittanbieterquellen, die die eigene Domain der Marke überflügeln, sind die Ziele. Dies sind die Seiten, die du schlagen musst.
Identifiziere die Top-10-Drittanbieterquellen nach Zitationsanzahl. Präsentiere eine Zusammenfassung:
| Quelldomain | Zitate | Typ |
|---|---|---|
| g2.com | 340 | Bewertungsaggregator |
| contentsquare.com/blog | 180 | Konkurrenz-Blog |
| techradar.com | 150 | Medien |
| ... |
Rufe auch get_ai_visibility_topics auf, um zu verstehen, welche Themen diese Zitate antreiben – du wirst dies nutzen, um zu entscheiden, welches Quell-Asset du erstellst.
Schritt 2 – Auditieren, was die Top-Quellen gewinnen lässt
Hole für jede der Top-5-Drittanbieterquellen den tatsächlichen Seiteninhalt mit web_fetch. Lies jede sorgfältig. Du suchst nach den strukturellen und inhaltlichen Mustern, die diese Seiten für KI-Modelle maßgeblich machen.
Bewerte jede Quelle nach:
Antwortstruktur: Beantwortet die Seite eine klare Frage direkt? Hat sie eine Hierarchie von H2s und H3s, die auf Unterfragen abbilden? Seiten mit klarer Struktur werden zuverlässiger gecrawlt.
Daten und Spezifität: Zitiert die Seite Statistiken, Benchmarks, Umfrageergebnisse oder andere verifizierbare Daten? KI-Modelle zitieren überproportional Seiten mit konkreten Daten gegenüber Meinungen.
Vollständigkeit: Deckt sie das Thema erschöpfend ab – Geschichte, Funktionsweise, Anwendungsfälle, Vergleich, FAQs? Dünne Abdeckung verliert gegen tiefgehende Abdeckung.
Aktualitätssignale: Zeigt die Seite prominent ein Datum, „Aktualisiert für [Jahr]“ oder verweist auf aktuelle Ereignisse? KI-Modelle bevorzugen Quellen, die aktuell erscheinen.
Autoritätssignale: Autorenqualifikationen, Unternehmensreputation, Methodik-Offenlegungen, Forschungstitel, Peer-Referenzen.
Asset-Typ: Welches Format macht diese Seite maßgeblich? Häufige Gewinnerformate:
- Definitionsleitfäden („Was ist Produktanalyse“)
- Benchmark-Reports („Stand der Produktanalyse 2025“)
- Methodik-Erklärungen („Wie Session Replay funktioniert“)
- Glossare („Begriffe der Produktanalyse erklärt“)
- Vergleichshubs („Produktanalyse-Tools im Vergleich“)
Fasse das Audit als Muster zusammen: „Top-zitierte Quellen zu diesem Thema teilen: [3–4 Muster]. Der bestehende Inhalt der Marke fehlt: [2–3 Lücken].“
Schritt 3 – Die Quell-Asset-Chance identifizieren
Basierend auf dem Audit identifiziere das wirkungsvollste Quell-Asset, das erstellt werden soll. Bewerte Chancen nach:
Zitationslücke: Wie viele Zitate mehr hat die Top-Externquelle als die beste eigene Seite der Marke zum selben Thema? Eine Lücke von 200+ Zitaten ist ein hochwertiges Ziel.
Strategische Bedeutung des Themas: Kreuze Referenzen mit get_ai_visibility_topics an – ist dies ein Thema, bei dem die Marke hohe Relevanz, aber niedrige Sichtbarkeit hat? Wenn ja, hätte das Besitzen der Quelle eine verstärkende Wirkung.
Erstellbarkeit: Kann die Marke diesen Asset-Typ glaubwürdig besitzen? Ein Benchmark-Report erfordert Daten; ein Definitionsleitfaden erfordert nur Fachwissen. Bevorzuge Assets, die die Marke mit Autorität erstellen kann.
Asset-Typ-Auswahlhilfe:
- Wenn Top-Quellen Definitionsseiten sind → erstelle einen umfassenden Leitfaden, der tiefer geht
- Wenn Top-Quellen Bewertungsaggregatoren sind (G2, Capterra) → erstelle eine Methodik-/Transparenzseite, die KI-Modelle als primäre Quelle für Vergleichskriterien zitieren
- Wenn Top-Quellen Konkurrenz-Blogs sind → erstelle ein neutrales, datenreiches Asset, das autoritativer als die eigennützige Version des Konkurrenten ist
- Wenn Top-Quellen Medien-/Analystenberichte sind → erstelle einen proprietären Benchmark oder Forschungsbericht
Präsentiere 2–3 Asset-Optionen mit Empfehlung:
| # | Asset-Typ | Zielthema | Geschätzte Zitationslücke | Empfehlung |
|---|---|---|---|---|
| 1 | Definitiver Leitfaden | „Was ist Produktanalyse“ | −280 | Zuerst erstellen: definitionsbasiert, hohes Volumen |
| 2 | Benchmark-Report | „Produktanalyse-Adoption 2025“ | −140 | Als zweites: erfordert Daten |
| 3 | Vergleichshub | „Produktanalyse-Tools im Vergleich“ | −95 | Gut, aber wettbewerbsintensiver Bereich |
Frage: „Welches Asset möchtest du erstellen?“ Warte auf ihre Wahl.
Schritt 4 – Das Quell-Asset generieren
Schreibe das vollständige Asset. Kein Skelett – vollständiger, publikationsreifer Inhalt, der wirklich nützlicher, spezifischer und umfassender ist als die Quellen, die er verdrängen soll.
Asset-Typ-Vorlagen
Definitionsleitfaden („Was ist X“, „Wie X funktioniert“, „Der vollständige Leitfaden zu X“)
- H1: beantwortet die Definitionsfrage direkt
- Einleitung (2–3 Absätze): direkte Definition in Satz 1; warum es wichtig ist; was der Leitfaden abdeckt
- Kernabschnitte (5–8 H2s): Definition → Funktionsweise → Schlüsselkomponenten → Anwendungsfälle nach Unternehmenstyp → Bewertungskriterien → Implementierungsaspekte → FAQs
- Datenpunkte: mindestens 5 konkrete Statistiken oder Benchmarks einfügen (Quellen angeben oder darauf hinweisen, dass sie aus Amplitude-Forschung stammen, falls proprietär)
- Beschriebene visuelle Hilfsmittel: erwähnen, welche Diagramme, Screenshots oder Tabellen jeden Abschnitt untermauern würden – auch wenn keine Bilder enthalten sind, signalisiert die beschriebene Struktur Autorität
- FAQ-Block: 6–8 Q&As unter Verwendung der genauen Sprache aus KI-Visibility-Prompts zu diesem Thema
- Interne Links: 4–5 Links zu verwandten Amplitude-Inhalten
- Hinweis zur letzten Aktualisierung: „Zuletzt aktualisiert: [aktueller Monat/Jahr]“ in den Metadaten einfügen
Benchmark-Report („Stand von X“, „X-Trendbericht“, „X in Zahlen“)
- H1: „[Kategorie] Benchmark-Report [Jahr]: Wichtige Kennzahlen und Trends“
- Zusammenfassung: 5–7 Hauptergebnisse in Aufzählungsform
- Methodik-Abschnitt: wie Daten gesammelt wurden, Stichprobengröße, Zeitraum – KI-Modelle lieben transparente Methodik
- Datenabschnitte (4–6 H2s): jeder mit einer Überschriften-Erkenntnis, unterstützenden Daten und Interpretation
- Vergleich nach Segment: Enterprise vs. KMU, Branchenvertikalen, Unternehmensphase
- Trendanalyse: Jahr-über-Jahr-Änderungen, falls verfügbar
- Empfehlungen: was die Daten für Produktteams bedeuten
- FAQ-Block: 4–5 Q&As
Vergleichshub („X-Tools im Vergleich“, „Beste X-Plattformen“, „[Kategorie]-Software-Leitfaden“)
- H1: „Beste [Kategorie]-Tools im [Jahr]: Vergleich für Produktteams“
- Auswahlkriterien: wie Tools bewertet wurden – das macht den Vergleich vertrauenswürdig
- Zusammenfassende Vergleichstabelle: 8–10 Tools, Schlüsseldimensionen, Best-Fit-Hinweise
- Einzel-Tool-Tiefenbohrungen: 200–300 Wörter pro Tool, mit Stärken, Schwächen, Preismodell, Best-Fit-Anwendungsfällen
- Entscheidungsrahmen: „Wähle X, wenn du [Bedingung]“-Format für 5–6 Szenarien
- FAQ-Block: 5–6 Q&As
Immer Meta-Felder einfügen
metaTitle– 50–60 Zeichen, enthält das primäre KeywordmetaDescription– 140–160 Zeichen, signalisiert Autorität und Vollständigkeitslug– keywordreich, spezifisch (z. B./blog/was-ist-produktanalysenicht/blog/analyse)lastUpdated– aktuelles Datum
Schritt 5 – In CMS pushen
Verwende, was du in Schritt 0 herausgefunden hast. Dies ist ein neues Dokument (Erstellungsoperation, keine Aktualisierung).
Sanity – verwende create_documents_from_markdown mit dem vollständigen Asset-Inhalt. Setze _type, um zum Blog-/Artikel-Schema zu passen. Frage den Benutzer bei Unsicherheit: „Was ist der Dokumenttyp für lange Leitfäden in Ihrem Sanity-Schema?“ Verwende niemals publish_documents ohne explizite Anweisung.
Contentful – verwende create_entry mit contentType, das ihrem Artikel-Typ entspricht. Setze fields.title, fields.slug, fields.body. Lasse published: false.
HubSpot – verwende create_blog_post mit state: DRAFT. Füge Meta-Beschreibung und Slug hinzu.
WordPress – verwende wp_create_post mit status: draft. Bilde H1 auf title ab, Inhalt auf content.
Ghost – verwende create_post mit status: draft. Füge slug, title, html oder lexical und meta_description ein.
Webflow – verwende create_cms_item mit Ziel auf die Blog-Collection. Bilde Felder auf das Schema der Collection ab (frage den Benutzer nach Feldnamen, falls nicht offensichtlich aus dem Kontext).
Nach dem Push bestätigen: „Erledigt – [Asset-Titel] ist als Entwurf in [CMS] gespeichert. Hier ist die ID/URL: [Link]. Überprüfe es dort vor der Veröffentlichung.“
Gib immer einen Markdown-Fallback des vollständigen Inhalts aus, auch wenn der CMS-Push erfolgreich ist.
Was eine Quelle für KI-Modelle maßgeblich macht
KI-Modelle zitieren Quellen nicht, weil sie von einer großen Marke stammen. Sie zitieren Quellen, die:
- Eine bestimmte Frage besser beantworten als jeder andere. Die beste Quelle für „Was ist Produktanalyse“ ist die Seite, die es am klarsten, vollständigsten und direktesten definiert.
- Daten mit transparenter Methodik enthalten. Ein Benchmark, der sagt „wir haben 500 Produktteams befragt“, wird zitiert über einen, der sagt „führende Experten glauben“.
- Das Thema aus jedem Blickwinkel abdecken. KI-Modelle bevorzugen umfassende Quellen gegenüber engen. Ein Leitfaden, der Definition, Funktionsweise, Anwendungsfälle, Bewertungskriterien und FAQs abdeckt, wird eine kürzere Seite in jeder einzelnen Dimension schlagen.
- Eindeutig datiert sind. Ein „Aktualisiert April 2025“-Tag signalisiert Aktualität. KI-Modelle vermeiden es, veraltete Quellen zu schnelllebigen Themen zu zitieren.
- Auf andere Autoritätssignale verlinken. Interne Links zu verwandten Inhalten, externe Zitationen von Daten, Autorenqualifikationen – all dies erhöht den Vertrauenswert der Seite bei KI-Training und Inferenz.