# SEO & GEO Analyzer — Anwendungsbeispiele

> Praxisnahe Durchläufe mit dem SEO & GEO Analyzer: eine Seite prüfen, einen schwachen Score deuten und beheben, Structured Data und KI-Readiness testen.

Source: https://www.jpkc.com/db/tools/seo/examples/

Zurück zur Übersicht: [SEO & GEO Analyzer](https://www.jpkc.com/db/tools/seo/) · Tool live öffnen: [www.jpkc.com/tools/seo/](https://www.jpkc.com/tools/seo/)

Das [Manual](https://www.jpkc.com/db/tools/seo/manual/) erklärt jeden Tab und jede Score-Gewichtung im Detail. Diese Seite ergänzt das um **konkrete Arbeitsabläufe**: typische Aufgaben, Schritt für Schritt durchgespielt, mit dem Fokus darauf, wie du das Ergebnis liest und was du danach tust. Die Oberfläche des Tools ist auf Englisch — Tab- und Button-Namen stehen deshalb in ihrer englischen Original-Schreibweise, bei Bedarf mit deutscher Erläuterung.

## Beispiel 1: Erster vollständiger Audit einer echten Seite

Der Klassiker — du willst wissen, wo eine Seite überhaupt steht.

1. Öffne den [Analyzer](https://www.jpkc.com/tools/seo/), füge eine absolute URL in das Eingabefeld ein (z. B. eine Produkt- oder Artikelseite, nicht nur die Startdomain) und klick auf **Analyze**.
2. Du landest automatisch im **Overview**-Tab. Oben siehst du die beiden Gauges nebeneinander: links den **SEO-Score**, rechts den **GEO-Score**, beide auf der Skala 0–100. Daneben stehen die harten Eckwerte: HTTP-Version, Seitengröße, TTFB, Redirect-Anzahl und die wichtigsten On-Page-Werte (Titel, Description, H1, Structured Data).
3. **Lies zuerst die Farbe, dann die Zahl.** Ab 80 ist die Gauge grün, ab 50 gelb, darunter rot — dazu gibt es eine Buchstabennote von A bis F. Ein Wert wie **SEO 67 / Note C** heißt: solide Basis, aber spürbar Luft nach oben. Wichtig ist nicht die eine Zahl, sondern *welche* Prüfungen die Punkte kosten.
4. Geh dazu in den **Issues & Warnings**-Block (ebenfalls im Overview) — er listet die gefundenen Probleme gesammelt. Für die Priorisierung wechselst du dann in den **SEO Score**-Tab: Dort ist der Score nach Kategorien aufgeschlüsselt, jede Einzelprüfung mit Status `pass`, `partial` oder `fail` und der jeweiligen Punktzahl.
5. **Arbeite von oben nach unten am größten Hebel.** Eine fehlende `Meta Description (70–160 chars)` kostet bis zu 8 Punkte, ein fehlendes `og:image` 3 — die Sortierung nach Punkten sagt dir, was sich zuerst lohnt.

Ein mittlerer Score ist also kein Urteil, sondern eine To-do-Liste. Genau diese Liste arbeitest du in den nächsten Beispielen ab.

## Beispiel 2: Einen schwachen SEO-Score gezielt heben

Angenommen, der SEO-Score steht bei gelb und im **SEO Score**-Tab fallen drei Prüfungen als `fail` oder `partial` auf. Nimm sie der Reihe nach:

- **`Meta Description (70–160 chars)` ist `fail`.** Die Seite hat keine Description, der Tab `Meta Tags` zeigt das Feld leer. Schreib eine 70–160 Zeichen lange Description, bau sie ein — und du holst die vollen 8 Punkte. Jede nicht-leere Description außerhalb von 70–160 Zeichen bringt 4 Punkte (`partial`), die volle Punktzahl gibt es erst im Zielkorridor.
- **`Single H1 Heading` ist `partial`.** Im `Meta Tags`-Tab (Abschnitt Headings) siehst du zwei `<h1>`. Mehr als eine H1 gibt nur 2 statt 5 Punkten. Mach die zweite zu einer `<h2>` — das räumt oft gleich die Prüfung `Heading Hierarchy` mit auf, falls dadurch keine Ebene mehr übersprungen wird.
- **`Security Headers ≥ 4` ist `partial`.** Der `HTTP Headers`-Tab nennt dir, wie viele der acht geprüften Header gesetzt sind (z. B. „2/8"). Geprüft werden HSTS, CSP, X-Frame-Options, X-Content-Type-Options, Referrer-Policy, Permissions-Policy, Cross-Origin-Opener-Policy und Cross-Origin-Resource-Policy. Ergänzt du auf dem Server mindestens vier davon, springt die Prüfung von 1 auf 3 Punkte.

Danach kommt der wichtigste Schritt: **Seite erneut analysieren.** Füge dieselbe URL noch einmal ein und klick wieder auf **Analyze** — die Gauge bewegt sich nach oben, und du siehst schwarz auf weiß, dass die Fixes greifen. (Wie du Vorher und Nachher sauber gegenüberstellst, zeigt Beispiel 6.)

## Beispiel 3: KI-Readiness prüfen — kann ein LLM die Seite zitieren?

Der **GEO-Score** beantwortet die Frage, ob generative Systeme (ChatGPT, Claude, Perplexity, Google AI) deine Seite gut erfassen und zitieren können. So gehst du vor:

1. Wechsle nach dem Lauf in den **GEO Score**-Tab. Er ist nach vier Kategorien gegliedert: *Structured Data*, *AI Discoverability*, *Content Structure* und *Machine Readability*. Beachte: Eine Prüfung (Content Signals Declared) erscheint immer als reiner `info`-Hinweis ohne Punktwirkung; eine zweite (Markdown Content Negotiation) nur im Expert Mode.
2. **Schau zuerst auf *AI Discoverability*.** Hier zählt die Prüfung `AI Crawlers Allowed`: Sie testet die `robots.txt` gegen neun namentliche Bots — GPTBot, ChatGPT-User, OAI-SearchBot, Google-Extended, Claude-Web, ClaudeBot, anthropic-ai, PerplexityBot und CCBot. Blockierst du sie, kann dich keine KI lesen. „Gut" heißt hier: 0 blockiert → volle 3 Punkte.
3. **Prüf `llms.txt Present` und `llms.txt Valid Structure`.** Fehlt die Datei, fehlen beide. „Gut" sieht so aus: eine erreichbare, nicht-leere und strukturell saubere `llms.txt` (zusammen 5 Punkte). Eine vorhandene, aber fehlerhafte Datei bekommt nur Teilpunkte.
4. **In *Structured Data*** zählen `JSON-LD Present`, `Schema Variety`, `FAQ Schema` und `Author / Organization Schema`. Letzteres ist dein E-E-A-T-Signal: Markiert dein JSON-LD eine `Person`/`Organization` oder ein `author`-Feld, weiß die KI, wem sie die Aussage zuschreiben kann.

Was tun, wenn es rot ist? Genau dafür gibt es passende Generatoren:

- **[llms.txt-Generator](https://www.jpkc.com/db/tools/llms/)** — erzeugt eine strukturell gültige `llms.txt`, die direkt die beiden `llms.txt`-Prüfungen grün macht.
- **[Meta-Tags-Generator](https://www.jpkc.com/db/tools/meta-tags/)** — liefert saubere Open-Graph- und Twitter-Daten, die sowohl im SEO- als auch im GEO-Score zählen.

Lädst du danach die Seite neu in den Analyzer, kannst du den GEO-Score-Sprung direkt ablesen.

## Beispiel 4: Structured Data und Rich-Result-Readiness validieren

Du willst wissen, ob deine Auszeichnung für Rich Results und KI-Zitate taugt:

1. Öffne nach dem Lauf den **Structured Data**-Tab. Er listet alle gefundenen JSON-LD-Blöcke mit Format, Typ und Daten.
2. **Prüf, welche `@type` erkannt wurden.** Der Analyzer sammelt die Typen rekursiv. Für die GEO-Prüfung `Schema Variety` gilt: ≥ 3 verschiedene Typen → volle 3 Punkte, 2 → 2, 1 → 1. Eine Seite mit nur `WebPage` schöpft das Potenzial nicht aus — kommen z. B. `BreadcrumbList`, `Article` und `Organization` dazu, steigt der Wert.
3. **Achte gezielt auf zwei Signale:** ein `FAQPage`-Block (Prüfung `FAQ Schema`, 3 Punkte — und ein direkter Hebel für FAQ-Rich-Results) und ein Autor-/Organisations-Schema (`Author / Organization Schema`, 3 Punkte). Beide tauchen im Tab als erkannte Blöcke auf, wenn sie korrekt eingebaut sind.
4. Findet der Tab erwartete Typen *nicht*, liegt es meist an ungültigem JSON-LD. Schlag die betreffende Stelle im **Source Code**-Tab (roher HTML-Quelltext) nach und korrigier sie im Markup.

## Beispiel 5: Mit den Demo-Modi lernen — ohne Live-Seite

Du musst keine echte URL prüfen, um den Analyzer kennenzulernen. Im **Export / Import**-Tab liegen drei Demo-Buttons, die fertige Beispiel-Analysen laden (dieser Tab funktioniert auch ohne vorherigen Lauf):

- **Perfect** (grün) — eine Seite, bei der alles passt: HTTPS, volle Security-Header inklusive `Content-Signal`, gültiges SSL, reichhaltige Meta-/OG-/Twitter-/hreflang-Daten, JSON-LD (WebPage + FAQPage), wohlgeformte `llms.txt`, sauberer Überschriften-Baum, 6 Landmarks, Lesbarkeit 62.
- **Broken** (rot) — alles, was schiefgehen kann: nur HTTP, 3-Hop-Redirect-Kette (301 → 302 → 200), Titel „Untitled", keine Description, doppelte H1 plus übersprungene Ebenen, fehlende `alt`-Texte, leere/Spam-Links, `robots.txt` mit `Disallow: /`, fehlerhafte `llms.txt`, render-blockierende Ressourcen.
- **Empty** (grau) — eine komplett leere Seite, `robots.txt` und `llms.txt` beide 404, alle Felder null/0.

So lernst du am meisten: **Lade erst Perfect, dann Broken** und vergleiche dieselben Tabs. Im SEO-Score- und GEO-Score-Tab siehst du Prüfung für Prüfung, was den Unterschied zwischen grün und rot ausmacht. Das Entscheidende: Die Demo-Dateien enthalten **nur die rohen Daten, keine vorberechneten Scores** — die Bewertung läuft beim Laden client-seitig genau wie bei einer Live-Analyse. Du siehst also keine Attrappe, sondern echte Scoring-Logik an einem bekannten Datensatz.

## Beispiel 6: Vorher/Nachher sauber vergleichen

Wenn du Fixes belegen willst (etwa gegenüber einer Kundin), brauchst du einen reproduzierbaren Vorher-Zustand. Der echte Mechanismus dafür ist **Export / Import**:

1. **Vorher festhalten.** Analysiere die Seite und exportiere das Ergebnis im **Export / Import**-Tab als JSON. Das Format ist `{ "version": "1.0", "tool": "jpkcom-seo-analyzer", "data": { … } }` — gespeichert wird nur das rohe `data`-Objekt, kein eingefrorener Score.
2. **Fixes umsetzen.** Arbeite die `fail`/`partial`-Prüfungen ab (siehe Beispiele 2 und 3) und deploye die Änderungen.
3. **Nachher analysieren.** Füge dieselbe URL erneut in den Analyzer ein und klick auf **Analyze**.
4. **Gegenüberstellen.** Lies die alte JSON-Datei jederzeit über **Import** wieder ein — die Scores werden dann aus den gespeicherten Rohdaten neu berechnet, exakt wie beim Live-Lauf. So hast du den alten Stand und den neuen nebeneinander und kannst belegen: SEO von 67 auf 88, GEO von 31 auf 74.

Weil Export immer nur Rohdaten sichert und nie einen vorberechneten Score, bleibt der Vergleich fair — alte und neue Datei werden nach derselben Logik bewertet.

---

Noch tiefer: die [Übersicht](https://www.jpkc.com/db/tools/seo/) zum großen Bild, das [Manual](https://www.jpkc.com/db/tools/seo/manual/) für jede Score-Gewichtung im Detail. Ausprobieren kannst du alles direkt im [Tool](https://www.jpkc.com/tools/seo/).