christopeit-sport.com

94 Checks bestanden · 57 brauchen Aufmerksamkeit

• seo

  H1-Überschrift nicht optimal

  Was wir gefunden haben

  Es gibt nicht genau eine H1-Überschrift (keine, mehrere oder leere H1).

  Warum das wichtig ist

  Eine klare H1 strukturiert die Seite für Menschen und Helfer, die Inhalte in Abschnitte zerlegen (Chunking für GEO).

  So beheben Sie es

  Exakt eine H1 pro Seite, inhaltlich aligned mit Title und Hauptintent.

  Schritte

  1. Theme/CMS prüfen: nur ein H1-Feld ausgeben
  2. H1 = klare Seitenaussage (nicht nur Logo-Text)
  3. H2/H3 für Unterabschnitte verwenden
• seo

  Überschriften-Hierarchie schwach

  Was wir gefunden haben

  H1–H3 sind nicht klar aufgebaut (z. B. H1 ohne folgende H2/H3).

  Warum das wichtig ist

  KI-Systeme extrahieren oft antwortbare „Chunks“ anhand von Überschriften — flache Struktur erschwert präzise Zitate.

  So beheben Sie es

  Logische Outline: H1 Thema → H2 Abschnitte → H3 Details/Specs/FAQ.

  Schritte

  1. Produkt: H2 für Beschreibung, Specs, FAQ, Versand
  2. Keine Level überspringen (H1 → H3)
  3. Überschriften als Fragen formulieren, wo sinnvoll
• entity

  Organization- / WebSite-Schema fehlt

  Was wir gefunden haben

  Im JSON-LD (strukturierte Daten im Seitenquelltext) fehlt eine Organization- oder WebSite-Entität für Ihre Marke.

  Warum das wichtig ist

  JSON-LD ist maschinenlesbares Markup nach schema.org. Organization verknüpft Domain, Markenname und Kontext — hilft KI, Ihren Shop als vertrauenswürdige Quelle zu erkennen.

  So beheben Sie es

  Ein globales Organization- oder WebSite-JSON-LD auf der Startseite (oder siteweit) ausgeben.

  Schritte

  1. Felder: @type Organization, name, url, logo, sameAs (Social/Profile)
  2. Optional WebSite mit SearchAction für interne Suche
  3. Im Quelltext unter <script type="application/ld+json"> prüfen
  4. Mit Google Rich Results Test validieren
• entity

  FAQ-Inhalt / FAQ-Schema fehlt

  Was wir gefunden haben

  Weder FAQPage-Schema noch erkennbare FAQ-Abschnitte wurden gefunden.

  Warum das wichtig ist

  Viele KI-Antworten sind fragebasiert („Ist das refurbished?“, „Wie lang Garantie?“). FAQs liefern zitierfähige Antworten.

  So beheben Sie es

  Echte Käuferfragen auf Kategorie- und Produktseiten beantworten + optional FAQPage JSON-LD.

  Schritte

  1. Top 10 Fragen pro Kategorie aus Support-Tickets sammeln
  2. Sichtbarer FAQ-Block + strukturiertes Markup
  3. Antworten kurz, sachlich, im ersten Satz die Kernaussage
• entity

  Zu wenige Produktattribute im Schema

  Was wir gefunden haben

  Product-JSON-LD ist vorhanden oder erwartet, enthält aber wenige strukturierte Attribute (z. B. Marke, SKU, Angebot, technische Merkmale).

  Warum das wichtig ist

  KI-Antworten zu Preis, Verfügbarkeit und Specs stützen sich auf strukturierte Felder — nicht nur auf Fließtext.

  So beheben Sie es

  Pflichtfelder im Product-Schema befüllen: brand, sku/gtin, offers (price, availability), zusätzliche Properties.

  Schritte

  1. Shop-Datenfeed mit Schema-Mapping abgleichen (SKU, EAN, Zustand)
  2. Offers-Objekt mit price, priceCurrency, availability prüfen
  3. Refurbished/B2B: Zustand und Garantie als additionalProperty
  4. Rich Results Test: Warnungen zu fehlenden Feldern beheben
• entity

  Wenig strukturierte Daten (JSON-LD) auf der Seite

  Was wir gefunden haben

  Es sind zu wenige JSON-LD-Blöcke im HTML — strukturierte Daten sind für diese Seite unterrepräsentiert.

  Warum das wichtig ist

  JSON-LD bündelt Fakten (Produkt, Organisation, FAQ) in einem Format, das Crawler ohne Layout-Parsing lesen können.

  So beheben Sie es

  Mindestens relevante Typen je Template: Product auf PDP, Organization global, FAQPage wo Q&A existiert.

  Schritte

  1. In „Seitenquelltext anzeigen“ nach application/ld+json suchen
  2. Pro Template definieren, welche @type Pflicht sind
  3. Doppelte oder widersprüchliche JSON-LD-Blöcke bereinigen
  4. Nach Deploy Stichprobe mit Rich Results Test
• geo

  Inhalte schlecht in Abschnitte zerlegbar

  Was wir gefunden haben

  Pro Überschrift steht relativ wenig Text — Abschnitte sind zu kurz, um von KI als eigenständige Antwort-Bausteine genutzt zu werden.

  Warum das wichtig ist

  Generative Engines „chunken“ oft nach H2/H3. Zu kurze Abschnitte liefern wenig zitierfähigen Kontext.

  So beheben Sie es

  Unter jeder H2 80–150 Wörter sachlicher Inhalt (Specs, FAQ, Nutzen, Versand).

  Schritte

  1. Outline pro PDP: H2 Beschreibung, Specs, FAQ, Lieferung
  2. Keine leeren H2 nur für Design
  3. Listen und Absätze statt einer Textwüste
  4. Stichprobe: jede H2 im Quelltext lesbar?
• geo

  FAQ-Abdeckung für GEO unzureichend

  Was wir gefunden haben

  Kaum FAQ-Signale (weder Schema noch Frage-Abschnitte im HTML).

  Warum das wichtig ist

  Ohne FAQ-Abdeckung verlieren Sie sichtbare Antworten bei KI-Suchen zu Garantie, Versand, Zustand, Kompatibilität.

  So beheben Sie es

  Systematische FAQ-Module auf Produkt- und Kategorieseiten rollen.

  Schritte

  1. FAQ aus Returns-, Versand- und Produktseiten konsolidieren
  2. Schema FAQPage nur für echte Q&A-Inhalte
  3. Interne Verlinkung von FAQs zu Policies
• ai

  Zu wenig JSON-LD für KI-Crawler

  Was wir gefunden haben

  Weniger als empfohlen JSON-LD-Graphen auf der Seite — strukturierte Daten sind dünn.

  Warum das wichtig ist

  JSON-LD (JavaScript Object Notation for Linked Data) ist der Standard für schema.org im Web — viele KI-Pipelines lesen es bevorzugt.

  So beheben Sie es

  Pro Seitentyp passende JSON-LD-Typen ausliefern; mindestens ein valider Block pro Money-Page.

  Schritte

  1. Quelltext: Anzahl <script type="application/ld+json"> zählen
  2. PDP: Product + ggf. Breadcrumb; Kategorie: ItemList oder Collection
  3. Syntax mit JSON-Lint / Rich Results Test prüfen
• ai

  llms.txt fehlt oder ungültig

  Was wir gefunden haben

  Unter /llms.txt ist keine gültige Textdatei erreichbar (404, leer oder HTML-Fehlerseite).

  Warum das wichtig ist

  llms.txt ist ein aufkommender Standard, um KI-Crawlern Shop-Kontext, erlaubte Pfade und Dokumentation bereitzustellen — ohne sie verpassen Sie eine klare GEO-Signalquelle.

  So beheben Sie es

  llms.txt im Domain-Root bereitstellen (text/plain), mit Kurzbeschreibung des Shops, wichtigen URLs und optional Hinweisen für LLM-Crawler; von der Startseite oder robots.txt verlinken.

  Schritte

  1. Datei https://ihre-domain/llms.txt anlegen (Markdown oder Plain Text)
  2. Shop-Beschreibung, Kategorien, Support- und Policy-URLs auflisten
  3. Optional in robots.txt oder Footer verlinken
  4. Mit curl oder Browser prüfen, dass kein HTML zurückkommt
• seo

  Meta-Description unzureichend

  Was wir gefunden haben

  Die Meta-Description (Kurztext im HTML: <meta name="description"> — oft unter dem blauen Link in Google sichtbar) fehlt oder ist kürzer als ca. 50 Zeichen.

  Warum das wichtig ist

  Die Description ist oft der Fließtext unter dem Titel in Suchergebnissen und wird von KI als Kurzzusammenfassung der Seite gelesen.

  So beheben Sie es

  Schreiben Sie pro Seite eine eigenständige Description (150–160 Zeichen) mit Nutzenversprechen und klarem Thema.

  Schritte

  1. CMS-Feld „Meta description“ für alle relevanten Templates pflegen
  2. Kategorien: Sortiment + Zielgruppe + Vorteil nennen
  3. Produkte: 1–2 Nutzen + wichtigstes Merkmal (Zustand, Garantie)
• seo

  H1-Überschrift nicht optimal

  Was wir gefunden haben

  Es gibt nicht genau eine H1-Überschrift (keine, mehrere oder leere H1).

  Warum das wichtig ist

  Eine klare H1 strukturiert die Seite für Menschen und Helfer, die Inhalte in Abschnitte zerlegen (Chunking für GEO).

  So beheben Sie es

  Exakt eine H1 pro Seite, inhaltlich aligned mit Title und Hauptintent.

  Schritte

  1. Theme/CMS prüfen: nur ein H1-Feld ausgeben
  2. H1 = klare Seitenaussage (nicht nur Logo-Text)
  3. H2/H3 für Unterabschnitte verwenden
• seo

  Überschriften-Hierarchie schwach

  Was wir gefunden haben

  H1–H3 sind nicht klar aufgebaut (z. B. H1 ohne folgende H2/H3).

  Warum das wichtig ist

  KI-Systeme extrahieren oft antwortbare „Chunks“ anhand von Überschriften — flache Struktur erschwert präzise Zitate.

  So beheben Sie es

  Logische Outline: H1 Thema → H2 Abschnitte → H3 Details/Specs/FAQ.

  Schritte

  1. Produkt: H2 für Beschreibung, Specs, FAQ, Versand
  2. Keine Level überspringen (H1 → H3)
  3. Überschriften als Fragen formulieren, wo sinnvoll
• entity

  Product Schema (JSON-LD) fehlt oder unvollständig

  Was wir gefunden haben

  Kein gültiges schema.org/Product im JSON-LD (JSON-LD = strukturiertes Markup im Seitenquelltext nach schema.org) — auf Produktseiten besonders kritisch.

  Warum das wichtig ist

  Product-Schema ist die maschinenlesbare „Visitenkarte“ für Preis, Verfügbarkeit, Marke, SKU — Grundlage für Rich Results und KI-Produktantworten.

  So beheben Sie es

  JSON-LD Product mit name, image, description, brand, sku/gtin, offers (price, availability) ausgeben.

  Schritte

  1. Shop-Plugin oder Custom JSON-LD auf PDP aktivieren
  2. Mit Google Rich Results Test validieren
  3. Angebote (Offer) immer mit priceCurrency und availability
• entity

  Organization- / WebSite-Schema fehlt

  Was wir gefunden haben

  Im JSON-LD (strukturierte Daten im Seitenquelltext) fehlt eine Organization- oder WebSite-Entität für Ihre Marke.

  Warum das wichtig ist

  JSON-LD ist maschinenlesbares Markup nach schema.org. Organization verknüpft Domain, Markenname und Kontext — hilft KI, Ihren Shop als vertrauenswürdige Quelle zu erkennen.

  So beheben Sie es

  Ein globales Organization- oder WebSite-JSON-LD auf der Startseite (oder siteweit) ausgeben.

  Schritte

  1. Felder: @type Organization, name, url, logo, sameAs (Social/Profile)
  2. Optional WebSite mit SearchAction für interne Suche
  3. Im Quelltext unter <script type="application/ld+json"> prüfen
  4. Mit Google Rich Results Test validieren
• entity

  FAQ-Inhalt / FAQ-Schema fehlt

  Was wir gefunden haben

  Weder FAQPage-Schema noch erkennbare FAQ-Abschnitte wurden gefunden.

  Warum das wichtig ist

  Viele KI-Antworten sind fragebasiert („Ist das refurbished?“, „Wie lang Garantie?“). FAQs liefern zitierfähige Antworten.

  So beheben Sie es

  Echte Käuferfragen auf Kategorie- und Produktseiten beantworten + optional FAQPage JSON-LD.

  Schritte

  1. Top 10 Fragen pro Kategorie aus Support-Tickets sammeln
  2. Sichtbarer FAQ-Block + strukturiertes Markup
  3. Antworten kurz, sachlich, im ersten Satz die Kernaussage
• entity

  Breadcrumb-Schema (BreadcrumbList) fehlt

  Was wir gefunden haben

  Es gibt kein BreadcrumbList-JSON-LD — die hierarchische Einordnung (Start → Kategorie → Produkt) ist für Maschinen nicht strukturiert.

  Warum das wichtig ist

  Breadcrumbs helfen KI und Google, die URL in Ihrem Katalog einzuordnen („Produkt X in Kategorie Y“), was Zitate präziser macht.

  So beheben Sie es

  HTML-Breadcrumb-Navigation plus passendes BreadcrumbList-JSON-LD ausgeben.

  Schritte

  1. Sichtbare Breadcrumb-Links im Template (nicht nur JS)
  2. JSON-LD: itemListElement mit position, name, item (URL je Ebene)
  3. Auf Kategorie- und Produktseiten identische Logik
  4. Testen: Rich Results Test + eine PDP im Quelltext ansehen
• entity

  Zu wenige Produktattribute im Schema

  Was wir gefunden haben

  Product-JSON-LD ist vorhanden oder erwartet, enthält aber wenige strukturierte Attribute (z. B. Marke, SKU, Angebot, technische Merkmale).

  Warum das wichtig ist

  KI-Antworten zu Preis, Verfügbarkeit und Specs stützen sich auf strukturierte Felder — nicht nur auf Fließtext.

  So beheben Sie es

  Pflichtfelder im Product-Schema befüllen: brand, sku/gtin, offers (price, availability), zusätzliche Properties.

  Schritte

  1. Shop-Datenfeed mit Schema-Mapping abgleichen (SKU, EAN, Zustand)
  2. Offers-Objekt mit price, priceCurrency, availability prüfen
  3. Refurbished/B2B: Zustand und Garantie als additionalProperty
  4. Rich Results Test: Warnungen zu fehlenden Feldern beheben
• entity

  Wenig strukturierte Daten (JSON-LD) auf der Seite

  Was wir gefunden haben

  Es sind zu wenige JSON-LD-Blöcke im HTML — strukturierte Daten sind für diese Seite unterrepräsentiert.

  Warum das wichtig ist

  JSON-LD bündelt Fakten (Produkt, Organisation, FAQ) in einem Format, das Crawler ohne Layout-Parsing lesen können.

  So beheben Sie es

  Mindestens relevante Typen je Template: Product auf PDP, Organization global, FAQPage wo Q&A existiert.

  Schritte

  1. In „Seitenquelltext anzeigen“ nach application/ld+json suchen
  2. Pro Template definieren, welche @type Pflicht sind
  3. Doppelte oder widersprüchliche JSON-LD-Blöcke bereinigen
  4. Nach Deploy Stichprobe mit Rich Results Test
• geo

  Inhalte schlecht in Abschnitte zerlegbar

  Was wir gefunden haben

  Pro Überschrift steht relativ wenig Text — Abschnitte sind zu kurz, um von KI als eigenständige Antwort-Bausteine genutzt zu werden.

  Warum das wichtig ist

  Generative Engines „chunken“ oft nach H2/H3. Zu kurze Abschnitte liefern wenig zitierfähigen Kontext.

  So beheben Sie es

  Unter jeder H2 80–150 Wörter sachlicher Inhalt (Specs, FAQ, Nutzen, Versand).

  Schritte

  1. Outline pro PDP: H2 Beschreibung, Specs, FAQ, Lieferung
  2. Keine leeren H2 nur für Design
  3. Listen und Absätze statt einer Textwüste
  4. Stichprobe: jede H2 im Quelltext lesbar?
• geo

  Semantische Tiefe gering

  Was wir gefunden haben

  Meta-Description, Überschriften und Fließtext liefern zusammen zu wenig Kontext (wenig Überschriften, dünner Text oder fehlende Meta).

  Warum das wichtig ist

  KI braucht mehrere Signale (Meta, H1–H3, Body), um Thema und Intent sicher zu erkennen.

  So beheben Sie es

  Kombination aus Meta-Description, klarer H1, mindestens 3 Überschriften und ausreichend Body-Text.

  Schritte

  1. Meta-Description mit Nutzen + Zielgruppe pflegen
  2. H1 = Seitenthema, H2/H3 für Unterthemen
  3. Mindestens ~300 Wörter sichtbarer Text auf Money-Pages
  4. Kurzfassung oben auf der Seite (2–3 Sätze)
• geo

  FAQ-Abdeckung für GEO unzureichend

  Was wir gefunden haben

  Kaum FAQ-Signale (weder Schema noch Frage-Abschnitte im HTML).

  Warum das wichtig ist

  Ohne FAQ-Abdeckung verlieren Sie sichtbare Antworten bei KI-Suchen zu Garantie, Versand, Zustand, Kompatibilität.

  So beheben Sie es

  Systematische FAQ-Module auf Produkt- und Kategorieseiten rollen.

  Schritte

  1. FAQ aus Returns-, Versand- und Produktseiten konsolidieren
  2. Schema FAQPage nur für echte Q&A-Inhalte
  3. Interne Verlinkung von FAQs zu Policies
• ai

  Zu wenig JSON-LD für KI-Crawler

  Was wir gefunden haben

  Weniger als empfohlen JSON-LD-Graphen auf der Seite — strukturierte Daten sind dünn.

  Warum das wichtig ist

  JSON-LD (JavaScript Object Notation for Linked Data) ist der Standard für schema.org im Web — viele KI-Pipelines lesen es bevorzugt.

  So beheben Sie es

  Pro Seitentyp passende JSON-LD-Typen ausliefern; mindestens ein valider Block pro Money-Page.

  Schritte

  1. Quelltext: Anzahl <script type="application/ld+json"> zählen
  2. PDP: Product + ggf. Breadcrumb; Kategorie: ItemList oder Collection
  3. Syntax mit JSON-Lint / Rich Results Test prüfen
• entity

  Product Schema (JSON-LD) fehlt oder unvollständig

  Was wir gefunden haben

  Kein gültiges schema.org/Product im JSON-LD (JSON-LD = strukturiertes Markup im Seitenquelltext nach schema.org) — auf Produktseiten besonders kritisch.

  Warum das wichtig ist

  Product-Schema ist die maschinenlesbare „Visitenkarte“ für Preis, Verfügbarkeit, Marke, SKU — Grundlage für Rich Results und KI-Produktantworten.

  So beheben Sie es

  JSON-LD Product mit name, image, description, brand, sku/gtin, offers (price, availability) ausgeben.

  Schritte

  1. Shop-Plugin oder Custom JSON-LD auf PDP aktivieren
  2. Mit Google Rich Results Test validieren
  3. Angebote (Offer) immer mit priceCurrency und availability
• entity

  Organization- / WebSite-Schema fehlt

  Was wir gefunden haben

  Im JSON-LD (strukturierte Daten im Seitenquelltext) fehlt eine Organization- oder WebSite-Entität für Ihre Marke.

  Warum das wichtig ist

  JSON-LD ist maschinenlesbares Markup nach schema.org. Organization verknüpft Domain, Markenname und Kontext — hilft KI, Ihren Shop als vertrauenswürdige Quelle zu erkennen.

  So beheben Sie es

  Ein globales Organization- oder WebSite-JSON-LD auf der Startseite (oder siteweit) ausgeben.

  Schritte

  1. Felder: @type Organization, name, url, logo, sameAs (Social/Profile)
  2. Optional WebSite mit SearchAction für interne Suche
  3. Im Quelltext unter <script type="application/ld+json"> prüfen
  4. Mit Google Rich Results Test validieren
• entity

  FAQ-Inhalt / FAQ-Schema fehlt

  Was wir gefunden haben

  Weder FAQPage-Schema noch erkennbare FAQ-Abschnitte wurden gefunden.

  Warum das wichtig ist

  Viele KI-Antworten sind fragebasiert („Ist das refurbished?“, „Wie lang Garantie?“). FAQs liefern zitierfähige Antworten.

  So beheben Sie es

  Echte Käuferfragen auf Kategorie- und Produktseiten beantworten + optional FAQPage JSON-LD.

  Schritte

  1. Top 10 Fragen pro Kategorie aus Support-Tickets sammeln
  2. Sichtbarer FAQ-Block + strukturiertes Markup
  3. Antworten kurz, sachlich, im ersten Satz die Kernaussage
• entity

  Breadcrumb-Schema (BreadcrumbList) fehlt

  Was wir gefunden haben

  Es gibt kein BreadcrumbList-JSON-LD — die hierarchische Einordnung (Start → Kategorie → Produkt) ist für Maschinen nicht strukturiert.

  Warum das wichtig ist

  Breadcrumbs helfen KI und Google, die URL in Ihrem Katalog einzuordnen („Produkt X in Kategorie Y“), was Zitate präziser macht.

  So beheben Sie es

  HTML-Breadcrumb-Navigation plus passendes BreadcrumbList-JSON-LD ausgeben.

  Schritte

  1. Sichtbare Breadcrumb-Links im Template (nicht nur JS)
  2. JSON-LD: itemListElement mit position, name, item (URL je Ebene)
  3. Auf Kategorie- und Produktseiten identische Logik
  4. Testen: Rich Results Test + eine PDP im Quelltext ansehen
• entity

  Zu wenige Produktattribute im Schema

  Was wir gefunden haben

  Product-JSON-LD ist vorhanden oder erwartet, enthält aber wenige strukturierte Attribute (z. B. Marke, SKU, Angebot, technische Merkmale).

  Warum das wichtig ist

  KI-Antworten zu Preis, Verfügbarkeit und Specs stützen sich auf strukturierte Felder — nicht nur auf Fließtext.

  So beheben Sie es

  Pflichtfelder im Product-Schema befüllen: brand, sku/gtin, offers (price, availability), zusätzliche Properties.

  Schritte

  1. Shop-Datenfeed mit Schema-Mapping abgleichen (SKU, EAN, Zustand)
  2. Offers-Objekt mit price, priceCurrency, availability prüfen
  3. Refurbished/B2B: Zustand und Garantie als additionalProperty
  4. Rich Results Test: Warnungen zu fehlenden Feldern beheben
• entity

  Wenig strukturierte Daten (JSON-LD) auf der Seite

  Was wir gefunden haben

  Es sind zu wenige JSON-LD-Blöcke im HTML — strukturierte Daten sind für diese Seite unterrepräsentiert.

  Warum das wichtig ist

  JSON-LD bündelt Fakten (Produkt, Organisation, FAQ) in einem Format, das Crawler ohne Layout-Parsing lesen können.

  So beheben Sie es

  Mindestens relevante Typen je Template: Product auf PDP, Organization global, FAQPage wo Q&A existiert.

  Schritte

  1. In „Seitenquelltext anzeigen“ nach application/ld+json suchen
  2. Pro Template definieren, welche @type Pflicht sind
  3. Doppelte oder widersprüchliche JSON-LD-Blöcke bereinigen
  4. Nach Deploy Stichprobe mit Rich Results Test
• geo

  Inhalt zu dünn für KI-Antworten

  Was wir gefunden haben

  Wenig extrahierbarer Fließtext — unter der Schwelle für „answerable“ Content.

  Warum das wichtig ist

  Generative Engines brauchen ausreichend Text, um Produkte und Policies korrekt zu beschreiben, nicht nur Bilder oder Tabs.

  So beheben Sie es

  Erweitern Sie sichtbare Texte: Kurzsummary, Nutzen, Specs, FAQ — auch für refurbished/B2B-Nischen.

  Schritte

  1. Einleitungsabsatz: Was ist es, für wen, Hauptvorteil
  2. Specs als HTML-Liste, nicht nur PDF/Bild
  3. Unique Copy pro SKU, keine leeren Template-PDPs
• geo

  Inhalte schlecht in Abschnitte zerlegbar

  Was wir gefunden haben

  Pro Überschrift steht relativ wenig Text — Abschnitte sind zu kurz, um von KI als eigenständige Antwort-Bausteine genutzt zu werden.

  Warum das wichtig ist

  Generative Engines „chunken“ oft nach H2/H3. Zu kurze Abschnitte liefern wenig zitierfähigen Kontext.

  So beheben Sie es

  Unter jeder H2 80–150 Wörter sachlicher Inhalt (Specs, FAQ, Nutzen, Versand).

  Schritte

  1. Outline pro PDP: H2 Beschreibung, Specs, FAQ, Lieferung
  2. Keine leeren H2 nur für Design
  3. Listen und Absätze statt einer Textwüste
  4. Stichprobe: jede H2 im Quelltext lesbar?
• geo

  Semantische Tiefe gering

  Was wir gefunden haben

  Meta-Description, Überschriften und Fließtext liefern zusammen zu wenig Kontext (wenig Überschriften, dünner Text oder fehlende Meta).

  Warum das wichtig ist

  KI braucht mehrere Signale (Meta, H1–H3, Body), um Thema und Intent sicher zu erkennen.

  So beheben Sie es

  Kombination aus Meta-Description, klarer H1, mindestens 3 Überschriften und ausreichend Body-Text.

  Schritte

  1. Meta-Description mit Nutzen + Zielgruppe pflegen
  2. H1 = Seitenthema, H2/H3 für Unterthemen
  3. Mindestens ~300 Wörter sichtbarer Text auf Money-Pages
  4. Kurzfassung oben auf der Seite (2–3 Sätze)
• geo

  FAQ-Abdeckung für GEO unzureichend

  Was wir gefunden haben

  Kaum FAQ-Signale (weder Schema noch Frage-Abschnitte im HTML).

  Warum das wichtig ist

  Ohne FAQ-Abdeckung verlieren Sie sichtbare Antworten bei KI-Suchen zu Garantie, Versand, Zustand, Kompatibilität.

  So beheben Sie es

  Systematische FAQ-Module auf Produkt- und Kategorieseiten rollen.

  Schritte

  1. FAQ aus Returns-, Versand- und Produktseiten konsolidieren
  2. Schema FAQPage nur für echte Q&A-Inhalte
  3. Interne Verlinkung von FAQs zu Policies
• geo

  Produktwissen unvollständig (Text + Schema)

  Was wir gefunden haben

  Auf der Produktseite fehlt die Kombination aus ausreichend Fließtext und Product-JSON-LD — beides ist für KI-Produktkarten wichtig.

  Warum das wichtig ist

  Ohne Text fehlt Kontext, ohne Schema fehlen Preis/Verfügbarkeit maschinenlesbar — beides zusammen erhöht Zitate in KI-Antworten.

  So beheben Sie es

  Mindestens ~200 Wörter sichtbare Produktbeschreibung plus vollständiges Product-JSON-LD.

  Schritte

  1. Kurzsummary + Specs + FAQ im HTML
  2. Product-Schema mit Offer aktivieren
  3. View Source: Text und JSON-LD beide vorhanden?
  4. Stichprobe in ChatGPT/Perplexity nach Produktname testen
• ai

  Zu wenig JSON-LD für KI-Crawler

  Was wir gefunden haben

  Weniger als empfohlen JSON-LD-Graphen auf der Seite — strukturierte Daten sind dünn.

  Warum das wichtig ist

  JSON-LD (JavaScript Object Notation for Linked Data) ist der Standard für schema.org im Web — viele KI-Pipelines lesen es bevorzugt.

  So beheben Sie es

  Pro Seitentyp passende JSON-LD-Typen ausliefern; mindestens ein valider Block pro Money-Page.

  Schritte

  1. Quelltext: Anzahl <script type="application/ld+json"> zählen
  2. PDP: Product + ggf. Breadcrumb; Kategorie: ItemList oder Collection
  3. Syntax mit JSON-Lint / Rich Results Test prüfen
• entity

  Product Schema (JSON-LD) fehlt oder unvollständig

  Was wir gefunden haben

  Kein gültiges schema.org/Product im JSON-LD (JSON-LD = strukturiertes Markup im Seitenquelltext nach schema.org) — auf Produktseiten besonders kritisch.

  Warum das wichtig ist

  Product-Schema ist die maschinenlesbare „Visitenkarte“ für Preis, Verfügbarkeit, Marke, SKU — Grundlage für Rich Results und KI-Produktantworten.

  So beheben Sie es

  JSON-LD Product mit name, image, description, brand, sku/gtin, offers (price, availability) ausgeben.

  Schritte

  1. Shop-Plugin oder Custom JSON-LD auf PDP aktivieren
  2. Mit Google Rich Results Test validieren
  3. Angebote (Offer) immer mit priceCurrency und availability
• entity

  Organization- / WebSite-Schema fehlt

  Was wir gefunden haben

  Im JSON-LD (strukturierte Daten im Seitenquelltext) fehlt eine Organization- oder WebSite-Entität für Ihre Marke.

  Warum das wichtig ist

  JSON-LD ist maschinenlesbares Markup nach schema.org. Organization verknüpft Domain, Markenname und Kontext — hilft KI, Ihren Shop als vertrauenswürdige Quelle zu erkennen.

  So beheben Sie es

  Ein globales Organization- oder WebSite-JSON-LD auf der Startseite (oder siteweit) ausgeben.

  Schritte

  1. Felder: @type Organization, name, url, logo, sameAs (Social/Profile)
  2. Optional WebSite mit SearchAction für interne Suche
  3. Im Quelltext unter <script type="application/ld+json"> prüfen
  4. Mit Google Rich Results Test validieren
• entity

  FAQ-Inhalt / FAQ-Schema fehlt

  Was wir gefunden haben

  Weder FAQPage-Schema noch erkennbare FAQ-Abschnitte wurden gefunden.

  Warum das wichtig ist

  Viele KI-Antworten sind fragebasiert („Ist das refurbished?“, „Wie lang Garantie?“). FAQs liefern zitierfähige Antworten.

  So beheben Sie es

  Echte Käuferfragen auf Kategorie- und Produktseiten beantworten + optional FAQPage JSON-LD.

  Schritte

  1. Top 10 Fragen pro Kategorie aus Support-Tickets sammeln
  2. Sichtbarer FAQ-Block + strukturiertes Markup
  3. Antworten kurz, sachlich, im ersten Satz die Kernaussage
• entity

  Breadcrumb-Schema (BreadcrumbList) fehlt

  Was wir gefunden haben

  Es gibt kein BreadcrumbList-JSON-LD — die hierarchische Einordnung (Start → Kategorie → Produkt) ist für Maschinen nicht strukturiert.

  Warum das wichtig ist

  Breadcrumbs helfen KI und Google, die URL in Ihrem Katalog einzuordnen („Produkt X in Kategorie Y“), was Zitate präziser macht.

  So beheben Sie es

  HTML-Breadcrumb-Navigation plus passendes BreadcrumbList-JSON-LD ausgeben.

  Schritte

  1. Sichtbare Breadcrumb-Links im Template (nicht nur JS)
  2. JSON-LD: itemListElement mit position, name, item (URL je Ebene)
  3. Auf Kategorie- und Produktseiten identische Logik
  4. Testen: Rich Results Test + eine PDP im Quelltext ansehen
• entity

  Zu wenige Produktattribute im Schema

  Was wir gefunden haben

  Product-JSON-LD ist vorhanden oder erwartet, enthält aber wenige strukturierte Attribute (z. B. Marke, SKU, Angebot, technische Merkmale).

  Warum das wichtig ist

  KI-Antworten zu Preis, Verfügbarkeit und Specs stützen sich auf strukturierte Felder — nicht nur auf Fließtext.

  So beheben Sie es

  Pflichtfelder im Product-Schema befüllen: brand, sku/gtin, offers (price, availability), zusätzliche Properties.

  Schritte

  1. Shop-Datenfeed mit Schema-Mapping abgleichen (SKU, EAN, Zustand)
  2. Offers-Objekt mit price, priceCurrency, availability prüfen
  3. Refurbished/B2B: Zustand und Garantie als additionalProperty
  4. Rich Results Test: Warnungen zu fehlenden Feldern beheben
• entity

  Wenig strukturierte Daten (JSON-LD) auf der Seite

  Was wir gefunden haben

  Es sind zu wenige JSON-LD-Blöcke im HTML — strukturierte Daten sind für diese Seite unterrepräsentiert.

  Warum das wichtig ist

  JSON-LD bündelt Fakten (Produkt, Organisation, FAQ) in einem Format, das Crawler ohne Layout-Parsing lesen können.

  So beheben Sie es

  Mindestens relevante Typen je Template: Product auf PDP, Organization global, FAQPage wo Q&A existiert.

  Schritte

  1. In „Seitenquelltext anzeigen“ nach application/ld+json suchen
  2. Pro Template definieren, welche @type Pflicht sind
  3. Doppelte oder widersprüchliche JSON-LD-Blöcke bereinigen
  4. Nach Deploy Stichprobe mit Rich Results Test
• geo

  Inhalt zu dünn für KI-Antworten

  Was wir gefunden haben

  Wenig extrahierbarer Fließtext — unter der Schwelle für „answerable“ Content.

  Warum das wichtig ist

  Generative Engines brauchen ausreichend Text, um Produkte und Policies korrekt zu beschreiben, nicht nur Bilder oder Tabs.

  So beheben Sie es

  Erweitern Sie sichtbare Texte: Kurzsummary, Nutzen, Specs, FAQ — auch für refurbished/B2B-Nischen.

  Schritte

  1. Einleitungsabsatz: Was ist es, für wen, Hauptvorteil
  2. Specs als HTML-Liste, nicht nur PDF/Bild
  3. Unique Copy pro SKU, keine leeren Template-PDPs
• geo

  Inhalte schlecht in Abschnitte zerlegbar

  Was wir gefunden haben

  Pro Überschrift steht relativ wenig Text — Abschnitte sind zu kurz, um von KI als eigenständige Antwort-Bausteine genutzt zu werden.

  Warum das wichtig ist

  Generative Engines „chunken“ oft nach H2/H3. Zu kurze Abschnitte liefern wenig zitierfähigen Kontext.

  So beheben Sie es

  Unter jeder H2 80–150 Wörter sachlicher Inhalt (Specs, FAQ, Nutzen, Versand).

  Schritte

  1. Outline pro PDP: H2 Beschreibung, Specs, FAQ, Lieferung
  2. Keine leeren H2 nur für Design
  3. Listen und Absätze statt einer Textwüste
  4. Stichprobe: jede H2 im Quelltext lesbar?
• geo

  Semantische Tiefe gering

  Was wir gefunden haben

  Meta-Description, Überschriften und Fließtext liefern zusammen zu wenig Kontext (wenig Überschriften, dünner Text oder fehlende Meta).

  Warum das wichtig ist

  KI braucht mehrere Signale (Meta, H1–H3, Body), um Thema und Intent sicher zu erkennen.

  So beheben Sie es

  Kombination aus Meta-Description, klarer H1, mindestens 3 Überschriften und ausreichend Body-Text.

  Schritte

  1. Meta-Description mit Nutzen + Zielgruppe pflegen
  2. H1 = Seitenthema, H2/H3 für Unterthemen
  3. Mindestens ~300 Wörter sichtbarer Text auf Money-Pages
  4. Kurzfassung oben auf der Seite (2–3 Sätze)
• geo

  FAQ-Abdeckung für GEO unzureichend

  Was wir gefunden haben

  Kaum FAQ-Signale (weder Schema noch Frage-Abschnitte im HTML).

  Warum das wichtig ist

  Ohne FAQ-Abdeckung verlieren Sie sichtbare Antworten bei KI-Suchen zu Garantie, Versand, Zustand, Kompatibilität.

  So beheben Sie es

  Systematische FAQ-Module auf Produkt- und Kategorieseiten rollen.

  Schritte

  1. FAQ aus Returns-, Versand- und Produktseiten konsolidieren
  2. Schema FAQPage nur für echte Q&A-Inhalte
  3. Interne Verlinkung von FAQs zu Policies
• geo

  Produktwissen unvollständig (Text + Schema)

  Was wir gefunden haben

  Auf der Produktseite fehlt die Kombination aus ausreichend Fließtext und Product-JSON-LD — beides ist für KI-Produktkarten wichtig.

  Warum das wichtig ist

  Ohne Text fehlt Kontext, ohne Schema fehlen Preis/Verfügbarkeit maschinenlesbar — beides zusammen erhöht Zitate in KI-Antworten.

  So beheben Sie es

  Mindestens ~200 Wörter sichtbare Produktbeschreibung plus vollständiges Product-JSON-LD.

  Schritte

  1. Kurzsummary + Specs + FAQ im HTML
  2. Product-Schema mit Offer aktivieren
  3. View Source: Text und JSON-LD beide vorhanden?
  4. Stichprobe in ChatGPT/Perplexity nach Produktname testen
• ai

  Zu wenig JSON-LD für KI-Crawler

  Was wir gefunden haben

  Weniger als empfohlen JSON-LD-Graphen auf der Seite — strukturierte Daten sind dünn.

  Warum das wichtig ist

  JSON-LD (JavaScript Object Notation for Linked Data) ist der Standard für schema.org im Web — viele KI-Pipelines lesen es bevorzugt.

  So beheben Sie es

  Pro Seitentyp passende JSON-LD-Typen ausliefern; mindestens ein valider Block pro Money-Page.

  Schritte

  1. Quelltext: Anzahl <script type="application/ld+json"> zählen
  2. PDP: Product + ggf. Breadcrumb; Kategorie: ItemList oder Collection
  3. Syntax mit JSON-Lint / Rich Results Test prüfen
• entity

  Product Schema (JSON-LD) fehlt oder unvollständig

  Was wir gefunden haben

  Kein gültiges schema.org/Product im JSON-LD (JSON-LD = strukturiertes Markup im Seitenquelltext nach schema.org) — auf Produktseiten besonders kritisch.

  Warum das wichtig ist

  Product-Schema ist die maschinenlesbare „Visitenkarte“ für Preis, Verfügbarkeit, Marke, SKU — Grundlage für Rich Results und KI-Produktantworten.

  So beheben Sie es

  JSON-LD Product mit name, image, description, brand, sku/gtin, offers (price, availability) ausgeben.

  Schritte

  1. Shop-Plugin oder Custom JSON-LD auf PDP aktivieren
  2. Mit Google Rich Results Test validieren
  3. Angebote (Offer) immer mit priceCurrency und availability
• entity

  Organization- / WebSite-Schema fehlt

  Was wir gefunden haben

  Im JSON-LD (strukturierte Daten im Seitenquelltext) fehlt eine Organization- oder WebSite-Entität für Ihre Marke.

  Warum das wichtig ist

  JSON-LD ist maschinenlesbares Markup nach schema.org. Organization verknüpft Domain, Markenname und Kontext — hilft KI, Ihren Shop als vertrauenswürdige Quelle zu erkennen.

  So beheben Sie es

  Ein globales Organization- oder WebSite-JSON-LD auf der Startseite (oder siteweit) ausgeben.

  Schritte

  1. Felder: @type Organization, name, url, logo, sameAs (Social/Profile)
  2. Optional WebSite mit SearchAction für interne Suche
  3. Im Quelltext unter <script type="application/ld+json"> prüfen
  4. Mit Google Rich Results Test validieren
• entity

  FAQ-Inhalt / FAQ-Schema fehlt

  Was wir gefunden haben

  Weder FAQPage-Schema noch erkennbare FAQ-Abschnitte wurden gefunden.

  Warum das wichtig ist

  Viele KI-Antworten sind fragebasiert („Ist das refurbished?“, „Wie lang Garantie?“). FAQs liefern zitierfähige Antworten.

  So beheben Sie es

  Echte Käuferfragen auf Kategorie- und Produktseiten beantworten + optional FAQPage JSON-LD.

  Schritte

  1. Top 10 Fragen pro Kategorie aus Support-Tickets sammeln
  2. Sichtbarer FAQ-Block + strukturiertes Markup
  3. Antworten kurz, sachlich, im ersten Satz die Kernaussage
• entity

  Breadcrumb-Schema (BreadcrumbList) fehlt

  Was wir gefunden haben

  Es gibt kein BreadcrumbList-JSON-LD — die hierarchische Einordnung (Start → Kategorie → Produkt) ist für Maschinen nicht strukturiert.

  Warum das wichtig ist

  Breadcrumbs helfen KI und Google, die URL in Ihrem Katalog einzuordnen („Produkt X in Kategorie Y“), was Zitate präziser macht.

  So beheben Sie es

  HTML-Breadcrumb-Navigation plus passendes BreadcrumbList-JSON-LD ausgeben.

  Schritte

  1. Sichtbare Breadcrumb-Links im Template (nicht nur JS)
  2. JSON-LD: itemListElement mit position, name, item (URL je Ebene)
  3. Auf Kategorie- und Produktseiten identische Logik
  4. Testen: Rich Results Test + eine PDP im Quelltext ansehen
• entity

  Zu wenige Produktattribute im Schema

  Was wir gefunden haben

  Product-JSON-LD ist vorhanden oder erwartet, enthält aber wenige strukturierte Attribute (z. B. Marke, SKU, Angebot, technische Merkmale).

  Warum das wichtig ist

  KI-Antworten zu Preis, Verfügbarkeit und Specs stützen sich auf strukturierte Felder — nicht nur auf Fließtext.

  So beheben Sie es

  Pflichtfelder im Product-Schema befüllen: brand, sku/gtin, offers (price, availability), zusätzliche Properties.

  Schritte

  1. Shop-Datenfeed mit Schema-Mapping abgleichen (SKU, EAN, Zustand)
  2. Offers-Objekt mit price, priceCurrency, availability prüfen
  3. Refurbished/B2B: Zustand und Garantie als additionalProperty
  4. Rich Results Test: Warnungen zu fehlenden Feldern beheben
• entity

  Wenig strukturierte Daten (JSON-LD) auf der Seite

  Was wir gefunden haben

  Es sind zu wenige JSON-LD-Blöcke im HTML — strukturierte Daten sind für diese Seite unterrepräsentiert.

  Warum das wichtig ist

  JSON-LD bündelt Fakten (Produkt, Organisation, FAQ) in einem Format, das Crawler ohne Layout-Parsing lesen können.

  So beheben Sie es

  Mindestens relevante Typen je Template: Product auf PDP, Organization global, FAQPage wo Q&A existiert.

  Schritte

  1. In „Seitenquelltext anzeigen“ nach application/ld+json suchen
  2. Pro Template definieren, welche @type Pflicht sind
  3. Doppelte oder widersprüchliche JSON-LD-Blöcke bereinigen
  4. Nach Deploy Stichprobe mit Rich Results Test
• geo

  Inhalte schlecht in Abschnitte zerlegbar

  Was wir gefunden haben

  Pro Überschrift steht relativ wenig Text — Abschnitte sind zu kurz, um von KI als eigenständige Antwort-Bausteine genutzt zu werden.

  Warum das wichtig ist

  Generative Engines „chunken“ oft nach H2/H3. Zu kurze Abschnitte liefern wenig zitierfähigen Kontext.

  So beheben Sie es

  Unter jeder H2 80–150 Wörter sachlicher Inhalt (Specs, FAQ, Nutzen, Versand).

  Schritte

  1. Outline pro PDP: H2 Beschreibung, Specs, FAQ, Lieferung
  2. Keine leeren H2 nur für Design
  3. Listen und Absätze statt einer Textwüste
  4. Stichprobe: jede H2 im Quelltext lesbar?
• geo

  FAQ-Abdeckung für GEO unzureichend

  Was wir gefunden haben

  Kaum FAQ-Signale (weder Schema noch Frage-Abschnitte im HTML).

  Warum das wichtig ist

  Ohne FAQ-Abdeckung verlieren Sie sichtbare Antworten bei KI-Suchen zu Garantie, Versand, Zustand, Kompatibilität.

  So beheben Sie es

  Systematische FAQ-Module auf Produkt- und Kategorieseiten rollen.

  Schritte

  1. FAQ aus Returns-, Versand- und Produktseiten konsolidieren
  2. Schema FAQPage nur für echte Q&A-Inhalte
  3. Interne Verlinkung von FAQs zu Policies
• geo

  Produktwissen unvollständig (Text + Schema)

  Was wir gefunden haben

  Auf der Produktseite fehlt die Kombination aus ausreichend Fließtext und Product-JSON-LD — beides ist für KI-Produktkarten wichtig.

  Warum das wichtig ist

  Ohne Text fehlt Kontext, ohne Schema fehlen Preis/Verfügbarkeit maschinenlesbar — beides zusammen erhöht Zitate in KI-Antworten.

  So beheben Sie es

  Mindestens ~200 Wörter sichtbare Produktbeschreibung plus vollständiges Product-JSON-LD.

  Schritte

  1. Kurzsummary + Specs + FAQ im HTML
  2. Product-Schema mit Offer aktivieren
  3. View Source: Text und JSON-LD beide vorhanden?
  4. Stichprobe in ChatGPT/Perplexity nach Produktname testen
• ai

  Zu wenig JSON-LD für KI-Crawler

  Was wir gefunden haben

  Weniger als empfohlen JSON-LD-Graphen auf der Seite — strukturierte Daten sind dünn.

  Warum das wichtig ist

  JSON-LD (JavaScript Object Notation for Linked Data) ist der Standard für schema.org im Web — viele KI-Pipelines lesen es bevorzugt.

  So beheben Sie es

  Pro Seitentyp passende JSON-LD-Typen ausliefern; mindestens ein valider Block pro Money-Page.

  Schritte

  1. Quelltext: Anzahl <script type="application/ld+json"> zählen
  2. PDP: Product + ggf. Breadcrumb; Kategorie: ItemList oder Collection
  3. Syntax mit JSON-Lint / Rich Results Test prüfen