nitingothwal-SEO/claude-skills

Reverse Engineering des Online-Marketings von Wettbewerbern

Ziel: Erklären, WIE ein Wettbewerber Kunden akquiriert, konvertiert und bindet – und wofür er sein Geld ausgibt – und daraus Entscheidungen für die eigene Website ableiten. Evidenz zuerst, Schlussfolgerungen zweitens, Aktionen zuletzt.

1. Eingaben (einmalig erfragen, falls etwas fehlt)

• Wettbewerber-Domain(s) — 1 bis 5. Falls keine angegeben, ermitteln (Schritt 2).
• Eigene Domain des Nutzers (für Lückenvergleiche).
• Zielmarkt: Land/Stadt + Sprache (bestimmt Ubersuggest-Standort, Anzeigenbibliothek-Region, KI-Prompts).
• Tiefe: Schnell (Phasen 1–5 + Synthese, ~1 Wettbewerber) oder Vollständig (alle Phasen, bis zu 5 Wettbewerber). Standard: Vollständig für 1–2 Wettbewerber, Schnell für 3+.
• Hinweis zum Geschäftsmodell, falls unklar: B2B-Dienstleistung, B2C-E-Commerce, SaaS, lokales Unternehmen.

Falls der Nutzer nicht anwesend ist, die wahrscheinlichste Lesart annehmen, am Anfang des Berichts angeben und fortfahren.

2. Wettbewerberauswahl (nur wenn nicht angegeben oder zur Plausibilisierung)

Drei Listen erstellen und die 3–5 relevantesten auswählen:

• Geschäftliche Wettbewerber — gleiches Angebot, gleicher Käufer (WebSearch " ", "beste Unternehmen ").
• Such-Wettbewerber — Ubersuggest competitors auf der Domain des Nutzers + wer in den Top 10 für 5–10 Geld-Keywords rangiert (serp_analysis).
• Aufmerksamkeits-Wettbewerber — Marken, die in KI-Antworten zitiert werden und Anzeigen in der Nische schalten.

3. Datenerhebung nach Phase

Aufgabenliste erstellen (eine Aufgabe pro Phase + Synthese + Verifikation). Rohdaten in Dateien im Arbeitsverzeichnis speichern (z.B. data/<domain>_top_pages.json) – aus Dateien berechnen, niemals Zahlen in Prosa schätzen.

Ubersuggest-Tools vor Start in einem Batch über ToolSearch laden, z.B.: select:mcp__Ubersuggest__domain_overview,mcp__Ubersuggest__domain_top_pages,mcp__Ubersuggest__domain_keywords,mcp__Ubersuggest__domain_top_countries,mcp__Ubersuggest__backlinks_overview,mcp__Ubersuggest__linking_domains,mcp__Ubersuggest__anchor_texts,mcp__Ubersuggest__competitors,mcp__Ubersuggest__serp_analysis,mcp__Ubersuggest__match_keywords,mcp__Ubersuggest__pagespeed_audit,mcp__Ubersuggest__brand_visibility_overview. Vorher user_limits prüfen, wenn viele Domains verarbeitet werden.

Phase 1 — Positionierung & Messaging

• WebFetch von Startseite, Preisseite, Über-uns-Seite, wichtigsten Serviceseiten. Notieren: Überschrift, Unterüberschrift, primärer CTA, Zielgruppe, alle Behauptungen und alle Nachweise (Logos, Zahlen, Testimonials, Auszeichnungen).
• Preismodell: öffentlich/versteckt, Stufen, Testversion/Demo, Anker. Versteckte Preise ⇒ sales-led Funnel.
• Historie: Wayback Machine-Schnappschüsse der Startseite + Preisseite (ca. 1, 2, 3 Jahre zurück) – Positionsänderungen notieren.
• Stimme des Kunden: Bewertungen auf G2/Clutch/Trustpilot/Google/Reddit via WebSearch. Die drei häufigsten Lobeshymnen (Mindestanforderung) und die drei häufigsten Beschwerden (Positionierungslücken) extrahieren. Umformulieren; niemals Bewertungstext wörtlich übernehmen.

Phase 2 — Traffic-Mix & Wachstumsmotoren

• domain_overview, domain_top_countries, domain_top_pages.
• Die 10–20 Seiten identifizieren, die den meisten Traffic generieren = echte Wachstumsmotoren. Jede Seite klassifizieren (Service, Standort, Blog, Tool, Vergleich, Glossar).
• Kanalverteilung (Direkt/Organisch/Bezahlt/Referral/Sozial): Falls kein Tool eine Angabe macht, dies erwähnen und vorsichtig aus bezahlten Keywords, Anzeigenbibliothek-Aktivität und sozialer Präsenz ableiten. Alle Drittanbieterzahlen als richtungsweisende Schätzungen kennzeichnen.

Phase 3 — SEO

• Keyword-Fußabdruck: domain_keywords; nach Suchintention sowie Marken- vs. Nicht-Marken-Keywords aufteilen (per Code berechnen).
• Keyword-Lücke zur Domain des Nutzers: Keywords, bei denen der Wettbewerber auf Position 1–10 rangiert, der Nutzer aber nicht; kommerzielle/transaktionale priorisieren.
• Content-Strategie: sitemap.xml abrufen (WebFetch) → Inventory der Seitentypen, Veröffentlichungsgeschwindigkeit anhand lastmod, Cluster, programmatische Muster (z.B. Service × Stadt-Vorlagen).
• Technisch: Vorhandene Schema-Typen, URL-Struktur, interne Link-Prioritätsseiten, Hreflang, pagespeed_audit auf Startseite + wichtigster Geldseite.
• Backlinks: backlinks_overview, linking_domains, anchor_texts. Trend der verweisenden Domains, Top-verlinkte Seiten (linkbare Assets), Anchor-Profil (viele exakte Übereinstimmungen = aggressiv), Linkquellentypen. Link-Intersect bei 2+ Wettbewerbern: Domains, die auf ≥2 Wettbewerber, aber nicht auf den Nutzer verlinken.

Phase 4 — KI-Such-Sichtbarkeit (GEO/AEO)

• 15–30 Käufer-Prompts für den Markt erstellen (Preise, Best-of, Anleitungen, Vergleiche).
• brand_visibility_overview / brand_prompts verwenden, falls konfiguriert; sonst notieren, was via WebSearch verifizierbar ist, und manuelle Prüfungen nennen, die der Nutzer in ChatGPT, Perplexity, Gemini, KI-Übersichten durchführen soll.
• Muster der zitierten Seiten notieren (Definitionen, Tabellen, Preisspannen, Statistiken, FAQs, Aktualität) sowie externe Quellen, die LLMs speisen (Wikipedia/Wikidata, Reddit, YouTube, Bewertungsseiten, Listenartikel).
• robots.txt auf KI-Crawler-Regeln und Vorhandensein von /llms.txt prüfen.

Phase 5 — Bezahlte Werbung

Den Browser verwenden (zuerst die chrome-browser-Fähigkeit lesen; Claude im Chrome wird bevorzugt), um öffentliche Bibliotheken anzusehen – nur lesen, niemals auf Anzeigen klicken oder etwas absenden:

• Google Ads Transparenzzentrale (adstransparency.google.com) – nach Werbetreibendem suchen, Region einstellen.
• Meta Anzeigenbibliothek (facebook.com/ads/library) – aktive Anzeigen, Startdaten, Varianten.
• LinkedIn Anzeigenbibliothek (B2B), TikTok Creative Center (B2C). Für jede bemerkenswerte Anzeige notieren: Plattform, Startdatum, Format, Aufhänger, Angebot, CTA, Zielseite. Anzeigen, die 60+ Tage laufen, als wahrscheinlich profitabel kennzeichnen. Kreatives Testen vermerken (gleiches Angebot, mehrere Aufhänger) sowie dedizierte vs. generische Zielseiten. Bezahlte Keywords aus Ubersuggest, falls verfügbar. Falls kein Browser verfügbar ist, die zu prüfenden Bibliotheken nennen und fortfahren.

Phase 6 — Trichter & CRO

Aus abgerufenen Seiten: Conversionspfade (Formular, Chat, Telefon, WhatsApp, Buchung, Rechner), Lead-Magnete, Anzahl Formularfelder und Qualifikationsfragen, Platzierung von Vertrauenselementen, Popups/Sticky-CTA. Dem Nutzer einen Mystery-Shop-Besuch empfehlen (nicht selbst durchführen): Reaktionszeit, Kontaktkanal, Skript, Follow-up-Rhythmus. Niemals selbst Formulare absenden oder Anfragen stellen.

Phase 7 — Tech-Stack & Tracking

Aus dem Seitenquelltext (WebFetch / Browser): CMS, Analytics, Tag-Manager, CRM, E-Mail-Plattform, Chat, A/B-Testing, Heatmaps, Pixel (Meta, LinkedIn Insight, TikTok, Google Ads Remarketing, Clarity, Hotjar). Interpretieren: z.B. HubSpot ⇒ automatisierungsgetriebene Nurture; VWO/Optimizely ⇒ Testkultur.

Phase 8 — E-Mail & Automatisierung

Sie können sich nicht anmelden. Sichtbare Opt-Ins und Lead-Magnete dokumentieren; dem Nutzer eine 4–6-wöchige Tracking-Checkliste geben (Begrüßungsserie, Rhythmus, Betreffzeilen, Inhaltsmix, Segmentierung) zur Durchführung mit einem dedizierten Posteingang.

Phase 9 — Social Media & Distribution

Pro Plattform: Präsenz, Veröffentlichungshäufigkeit, Formate, leistungsstärkste Themen (anhand öffentlich sichtbarer Informationen via WebSearch/WebFetch/Browser), persönliche Marken von Gründern/Mitarbeitern, YouTube-Rankings, Communities/Webinare. Engagement-Rate = Engagement ÷ Follower, wenn Zahlen sichtbar.

Phase 10 — PR, Partnerschaften & Einstellungssignale

WebSearch nach Presseberichten, Auszeichnungen, Sponsoring, Partner-/Integrationsseiten, Partnerprogramm und aktuellen Stellenanzeigen (Karriereseite, LinkedIn) – die eingestellten Rollen deuten auf Investitionen in den nächsten 3–6 Monaten hin.

4. Synthese (obligatorisch – dies ist der Kern der Lieferung)

1. Marketing-Modell — ein Satz pro Wettbewerber: wie sie akquirieren → konvertieren → pflegen.
2. Kanalmatrix — Zeilen = Kanäle (Positionierung, SEO, KI-Sichtbarkeit, bezahlte Suche, bezahlte Social Media, Content, Social Media, E-Mail, PR/Links, CRO), Spalten = Wettbewerber + Nutzer; Zellen Schwach/Mittel/Stark mit jeweils einer Beweiszeile.
3. Opportunitätsliste — jede Lücke bewertet mit Auswirkung (1–5), Aufwand (1–5), Zeit bis Ergebnis (Wochen). Sortieren nach Auswirkung ÷ Aufwand.
4. Copy / Beat / Skip — Mindestanforderungen zum Kopieren, Schwächen zum Übertreffen, budget-/markenabhängige Spielarten zum Auslassen.
5. 90-Tage-Plan — monatliche Aktionen mit verantwortlicher Rolle und KPI.
6. Monitoring-Einrichtung — Google Alerts, monatliche Anzeigenbibliothek + Top-Seiten-Prüfung, Wettbewerber-Rank-Tracking, vierteljährlich wiederholte KI-Prompts, Änderungsverfolgung auf Startseite/Preisseite.

5. Ausgabe

• Hauptbericht: ein Docs-Artefakt (zuerst Artefakttypen auflisten; falls nicht möglich, ein eigenständiges HTML-Artefakt, oder .docx nur, wenn der Nutzer Word wünscht). Struktur: Executive Summary (5 Stichpunkte) → Wettbewerber-Snapshots → Phasenergebnisse → Kanalmatrix → Opportunitäten → Copy/Beat/Skip → 90-Tage-Plan → Monitoring → Datenlücken & manuelle Prüfungen → Quellen.
• Optionales Begleitdokument: Sheets-Artefakt mit Registerkarten Wettbewerber, Keyword-Lücke, Top-Seiten, Backlink-Intersect, Anzeigen-Log, KI-Sichtbarkeit, Opportunity-Scoring – anbieten; erstellen, wenn gewünscht oder bei voller Tiefe mit 3+ Wettbewerbern.
• Sprache: die Sprache des Nutzers für Prosa verwenden (Deutsch); Toolnamen, Metriken und Überschriften auf Englisch belassen.

6. Regeln

• Nur öffentliche Informationen und echte Interaktionen. Keine falschen Identitäten, kein Einloggen, kein Scraping hinter Logins, keine Formularabsendungen, kein Klicken auf Wettbewerber-Anzeigen (kostet sie Geld).
• Niemals Wettbewerber-Inhalte, Anzeigentexte oder Bewertungen wörtlich kopieren; umformulieren und höchstens einen kurzen Satz pro Quelle zitieren.
• Jede Drittanbieter-Traffic-/Ausgabenzahl als Schätzung kennzeichnen; Wettbewerber mit demselben Tool vergleichen.
• Korrelation ≠ Kausalität: Schlussfolgerungen aus Mustern über mehrere Seiten/Wettbewerber hinweg ziehen, nicht aus einer einzelnen Seite.
• Evidenz von Interpretation im Bericht trennen (z.B. "Beobachtet:" vs. "Wahrscheinlich:").
• Jede Phase, die nicht vollständig abgedeckt werden konnte (Tool-Limits, kein Browser, Paywall-Daten), unter "Datenlücken & manuelle Prüfungen" mit dem genauen manuellen Schritt auflisten.
• Abschließende Prüfung vor der Auslieferung: Zahlen mit gespeicherten Datendateien abgleichen, den Bericht erneut öffnen, bestätigen, dass jede Empfehlung auf einen Befund zurückgeht.