JPKCom DB

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.

Zurück zur Übersicht: SEO & GEO Analyzer · Tool live öffnen: www.jpkc.com/tools/seo/

Das 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, 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 — erzeugt eine strukturell gültige llms.txt, die direkt die beiden llms.txt-Prüfungen grün macht.
  • Meta-Tags-Generator — 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 zum großen Bild, das Manual für jede Score-Gewichtung im Detail. Ausprobieren kannst du alles direkt im Tool.