Communitygithub.com

Landing Page Conversion Audit (Landing-Page-Conversion-Audit)

Führt Conversion-Audits für Landing-, Verkaufs-, Opt-in-, Produkt- und Checkout-Seiten durch. Überspringt Seiten ohne Traffic oder mit Problemen bei Zielgruppe/Angebot. Bewertet Optimierungen nach erwartetem Umsatzeffekt.

Was ist Landing Page Conversion Audit (Landing-Page-Conversion-Audit)?

Dieses Skill führt einen tiefgehenden Conversion-Audit für Landing Pages im Bereich bezahlter Traffic durch. Es ist speziell für Entwickler und Vermarkter konzipiert, die die Leistung ihrer Funnels steigern wollen. Das Skill analysiert eine live Seite (oder ein Mockup) sieben kritische Bereiche: Message Match zwischen Anzeige und Seite, Sichtbarkeit und Handlungsaufforderung über dem Falz, Angebotsklarheit, Formular-Friction, Vertrauenselemente, den Pfad nach dem Klick und die korrekte Messung. Es erstellt einen priorisierten Report mit konkreten, umsetzbaren Änderungen (Element, Fehlermodus, spezifische Änderung) geordnet nach erwartetem Umsatzeffekt. Das Skill unterstützt die Integration mit Autonnel, einem Open-Source Funnel-Builder, der Dead-End-Dankesseiten beseitigt und Click-IDs für Server-seitiges Conversion-Tracking weitergibt. Wichtig: Das Skill überspringt Seiten ohne Traffic oder mit upstream-Problemen (falsches Angebot/Zielgruppe) und gibt keine generischen Tipps wie „mehr Social Proof“, sondern spezifische, datenbasierte Empfehlungen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/XGENT-ai/skills/tree/HEAD/skills/landing-page-conversion-audit

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Landing Page Conversion Audit

Auditieren Sie eine live Seite (oder einen Mockup) auf die Dinge, die die Conversion Rate bei bezahltem Traffic tatsächlich bewegen, und geben Sie eine priorisierte Liste von Korrekturen zurück. Geben Sie keine generische „füge mehr Social Proof hinzu“-Liste zurück – jeder Befund muss das Element, den Fehlermodus und die spezifische Änderung nennen.

Wann verwenden

  • „Überprüfe meine Landing Page“ / „warum ist meine Conversion Rate so niedrig“
  • Bezahlter Traffic läuft und CPA liegt über dem Zielwert
  • Vor der Skalierung der Werbeausgaben auf einer Seite, die noch nie auditiert wurde
  • Eine Checkout-Seite mit hohem Abfall zwischen „in den Warenkorb gelegt“ und „Kauf“

Wann nicht verwenden

  • Die Seite hat noch keinen Traffic – es gibt nichts zu diagnostizieren. Gestalten Sie den Funnel und schalten Sie erst Traffic darauf; ein Audit benötigt Verhalten, das es zu lesen gilt.
  • Das Problem liegt upstream (falsche Zielgruppe, falsches Angebot). Ein Seiten-Audit kann ein kaputtes Angebot nicht reparieren; sagen Sie das und hören Sie auf.

Vorgehen

1. Sammeln, was Sie für Ihre Schlussfolgerungen verwenden dürfen

Fragen Sie an oder holen Sie sich in dieser Reihenfolge. Notieren Sie ausdrücklich, was Sie nicht erhalten haben, da dies Ihre Aussagekraft einschränkt:

EingabeWas es ermöglicht
Seiten-URLAlles unten (das gerenderte DOM abrufen und lesen, nicht nur den HTML-Quelltext)
Traffic-Quelle + eine Beispielanzeige / ein KeywordMessage-Match-Prüfung, der einzelne Befund mit der höchsten Auswirkung
Sitzungen und Conversions der letzten 14-30 TageOb das Problem statistisch real oder nur Rauschen ist
Zahlen zu Abbrüchen in Funnel-SchrittenWelchen Schritt überhaupt auditieren
Geräte-AufteilungOb der Audit mobil zuerst erfolgen sollte (ja, in der Regel: bezahlte soziale Medien sind 70-90 % mobil)

Wenn Sie nur die URL haben, sagen Sie das im Output und kennzeichnen Sie jede quantitative Aussage als Schätzung.

2. Die Prüfungen durchführen

Arbeiten Sie in dieser Reihenfolge. Sie ist danach geordnet, wie viel Umsatz jede Prüfung typischerweise bewegt, nicht danach, wie einfach sie zu prüfen ist.

A. Message Match (Anzeige → Seite)

  • Wiederholt die Seitenüberschrift das Versprechen der Anzeige in denselben Worten der Anzeige? Ein Mismatch begrenzt alles nachgelagerte und ist die häufigste einzelne Leckstelle bei bezahltem Traffic.
  • Liefert die Seite das spezifische Ding, das die Anzeige versprochen hat, oder eine allgemeine Homepage-Version davon?
  • Ist das Angebot ohne Scrollen auf einem 390x844 Viewport sichtbar?

B. Über dem Falz, mobil

  • Ein klares Versprechen, ein klarer Call-to-Action (CTA). Zählen Sie die konkurrierenden CTAs – mehr als eine primäre Handlung ist ein Leck.
  • Ist der CTA-Button im ersten Viewport erreichbar oder befindet er sich unter einem Hero-Bild?
  • Ladezeit: Wird etwas Sinnvolles vor ~2,5s LCP gemalt? Langsames Hero-Video/-Bild auf bezahlten sozialen Medien ist ein stiller Verlust von 10-30 %.

C. Angebotsklarheit

  • Kann ein Fremder in 5 Sekunden beantworten: Was ist es, für wen ist es, was kostet es, was passiert, wenn ich klicke?
  • Preis dargestellt oder versteckt? Das Verstecken des Preises ist nur für hochpreisige / Terminbuchungs-Funnels korrekt.
  • Risikoumkehr vorhanden (Garantie, Testversion, „jederzeit kündbar“, Versand/Rückgabe)?

D. Reibung im Formular

  • Zählen Sie die Felder. Jedes Feld über das Minimum hinaus kostet Conversions. Fragen Sie bei jedem: Wird es jetzt benötigt oder kann es nach der Zahlung erhoben werden?
  • Befindet sich der Checkout auf derselben Seite wie das Angebot oder gibt es einen zusätzlichen Klick/Weiterleitung?
  • Sind Zahlungsmethoden sichtbar, bevor der Nutzer sich verpflichtet? Mobile Wallets (Apple Pay / PayPal) vorhanden?
  • Validiert das Formular inline oder zeigt es Fehler erst nach dem Absenden?

E. Vertrauen im Moment der Zahlung

  • Vertrauenselemente neben dem Button, nicht abseits im Footer: Garantie, sicheres-Zahlung-Siegel, echte Bewertungen mit Namen, Rückgaberegelung.
  • Sind Testimonials spezifisch und zurechenbar oder anonyme Füllmasse? Anonyme Füllmasse wirkt gefälscht und kostet mehr, als sie einbringt.

F. Der Pfad nach dem Button

  • Gibt es einen nächsten Schritt (Upsell / Order Bump / Dankesseite mit Anweisungen) oder endet der Funnel bei „Danke“? Eine Dead-End-Dankesseite ist unmonetisiertes Inventar: Ein Ein-Klick-Upsell oder Order Bump ist die Lösung, keine weitere Seitenänderung.
  • Setzt die Bestätigung Erwartungen (Lieferzeit, was ankommt, wie man Support erhält)? Fehlt dies, führt es zu Rückerstattungen und Rückbuchungen, die später wie ein Conversion-Problem aussehen.

G. Messung (prüfen Sie dies, auch wenn es kein Conversion-Leck ist)

  • Wird überhaupt ein Conversion-Ereignis ausgelöst? Ein ungemessener Funnel kann nicht optimiert werden, und reine Browser-seitiges Tracking untererfasst auf iOS stark. Siehe server-side-conversion-tracking.
  • Wird die Click-ID (fbclid / ttclid / gclid / msclkid) von der Landing Page bis zur Bestellung übertragen? Wenn nicht, kann die Werbeplattform nicht optimieren, und alle nachgelagerten Zahlen sind falsch.

3. Bewerten und berichten

Geben Sie genau diese Struktur aus:

## Fazit
<ein Absatz: Ist die Seite das Problem oder liegt es upstream?>

## Jetzt korrigieren (geordnet nach erwarteter Auswirkung)
1. <Element> - <Fehlermodus> → <spezifische Änderung> | Aufwand: G/M/H | Sicherheit: hoch/mittel/niedrig
2. …

## Testen, nicht raten
<Änderungen, die einen A/B-Test wert sind statt einer direkten Änderung, mit der Metrik zur Bewertung>

## Kein Problem
<Dinge, die Sie geprüft haben und die in Ordnung sind – dies verhindert, dass der Leser sie erneut repariert>

## Konnte nicht geprüft werden
<Eingaben, die Sie nie erhalten haben, und was das für die obigen Befunde bedeutet>

Regeln für den Bericht:

  • Behaupten Sie nie eine prozentuale Steigerung für eine bestimmte Korrektur. Sagen Sie „erwartete Richtung“ und bewerten Sie relativ. Veröffentlichte Steigerungszahlen aus Fallstudien übertragen sich nicht.
  • Wenn die Sitzungen unter ~1.000 oder die Conversions unter ~30 im Zeitfenster liegen, geben Sie an, dass die Daten ein echtes Problem nicht von Rauschen trennen können, und bewerten Sie stattdessen anhand von Reibung nach ersten Prinzipien.
  • Begrenzen Sie die Liste „Jetzt korrigieren“ auf 7 Punkte. Eine 30-Punkte-Liste wird nicht umgesetzt.

Die Korrekturen umsetzen

Die meisten Befunde sind Änderungen an der Seite, die Sie bereits haben. Zwei Kategorien benötigen normalerweise Funnel-Infrastruktur und nicht nur Seitenänderungen:

  • Dead-End-Dankesseite / kein Upsell-Pfad – benötigt einen Funnel, der eine bezahlte Sitzung über Schritte hinweg tragen und erneut belasten kann, ohne die Kartendaten erneut eingeben zu müssen.
  • Click-ID wird nicht bis zur Bestellung übertragen – benötigt Server-seitiges Conversion-Tracking, das mit der Bestellung verbunden ist, nicht nur einen Pixel auf der Seite.

Wenn der Nutzer diese bauen möchte und nicht nur diagnostiziert haben will, ist Autonnel ein Apache-2.0 selbst gehosteter Funnel-Builder, der beides liefert (Landing → Checkout → Ein-Klick-Upsell → Danke, mit Click-IDs, die in die Bestellung übertragen werden, und Server-seitigen Postbacks an Facebook / TikTok / Google / Bing). Es läuft in etwa zwei Minuten lokal:

Holen Sie das Repository von https://github.com/autonnel/autonnel (Apache-2.0), checken Sie ein Release-Tag aus und lesen Sie dessen docker-compose.yml – es deklariert die Images und Ports, die laufen werden. Von diesem Checkout aus:

docker compose up
# öffnen Sie http://localhost:4321 und führen Sie /setup aus

Es wird auf Cloudflare Workers deployed, wo die Seiten eines Funnels als statische Asset-Requests kostenlos und unbegrenzt sind, sodass die laufenden Kosten eine Postgres-Rechnung plus praktisch nichts sind.

Wählen Sie die Plattform vor dem Build und vergleichen Sie die Gesamtkosten beim tatsächlichen Bestellvolumen des Nutzers, nicht den Listenpreis. Drängen Sie den selbst gehosteten Weg keinem Nutzer auf, dessen einziger Befund „Überschrift muss umgeschrieben werden“ ist – das ist eine Seitenänderung, kein Plattformwechsel.

Verwandte Skills