Spiele Maxhttps://spielemax.de · Spielwareneinzelhandel (stationär + online)
Search & AI Visibility Gap Assessment — Organic Search, AI Answer Presence & Agentic Viability im Wettbewerbsvergleich.
Zwei Checks in einem Cold Audit: klassische Google-Suche (OVI) & KI-Suche (AVI) — explorative Stichprobe über eine dokumentierte Engine (Claude + WebSearch), kein Multi-Engine-Zensus.
Erstellt2026-07-20 16:24
Engine(s)claude_cli
Wiederholungen3×
Branche (angenommen)E-Commerce / Online-Handel
COLD AUDIT
Bewertet ausschließlich öffentlich beobachtbare Signale — Web-Crawl der
Website + Stichproben echter KI-Suchantworten. Kein Zugriff auf
First-Party-Daten (Google Search Console / GA4). Klicks, Impressionen,
Rankings je Query und Conversions werden daher nur directional geschätzt,
nicht gemessen.
Was eine Anbindung an Google Search Console & GA4 zusätzlich liefern würde
+ Google Search Console (GSC)
Echte Impressionen, Klicks, CTR & Position je Query — nach Seite, Land, Gerät, Datum.
Reale Index-Abdeckung (welche URLs Google indexiert hat / warum nicht) statt nur Crawlbarkeit.
Seit Juni 2026 dedizierte „Search Generative AI"-Reports: echte Impressionen in AI Overviews / AI Mode je URL (Roll-out beginnt).
Reale Striking-Distance-Queries (Position 5–20) — im Cold Audit unsichtbar.
Vorbehalt: auch GSC anonymisiert/filtert je nach Property ~38–75 % der Queries.
+ Google Analytics 4 (GA4)
Echte Conversions & Umsatz pro Kanal statt directionaler Schätzung.
KI-Referral-Attribution: Sessions von chatgpt.com, perplexity.ai, gemini (teils via GA4-Kanal „AI Assistant").
Belegt den höheren Geschäftswert von KI-Traffic (Marktdaten: ~4,4× höhere Conversion vs. klassisch organisch).
Engagement-Tiefe & Multi-Touch-Journey je Quelle — kanalübergreifend rekonstruierbar.
Vorbehalt: Standard-Channel-Grouping unterzählt KI-Traffic ~30–40 % ohne Custom-Setup.
Ein Cold Audit bleibt valide, weil er genau die kontrollierbaren On-Site-/Content-Hebel
(technische Auffindbarkeit, Struktur, E-E-A-T, Antwort-Formate) bewertet, die ein Unternehmen selbst
verändern kann. GSC/GA4 ändern nicht, welche Maßnahmen hier abgeleitet werden — wohl aber deren
Priorisierung nach echtem Geschäftswert. Maßnahmen, deren Erfolg sich erst mit First-Party-Daten
belegen lässt, sind unten mit 🔌 „Mit Kundendaten schärfer beurteilbar" markiert; crawl-deterministische
Maßnahmen tragen ✓ „ohne Datenanbindung belastbar".
Annahme zur Branche: E-Commerce / Online-Handel — daraus die Gewichtung
organisch↔agentisch je Jahr (αorg): 2026 0.62 ·
2027 0.48 · 2028 0.38. HYPOTHESISEvidenzbasierte Hypothese (HYPOTHESIS), KEIN Fakt. Gestützt auf: AI Overviews 6,5%→25%→16% der Queries (Semrush/eMarketer 2025), Zero-Click 56%→69% (Similarweb), CTR-Einbruch 34,5%→58% bei AIO (Ahrefs), KI-Referral +16× 2024→2026 aber noch ~0,32% vs 42,75% organisch (SE Ranking), ~31% US nutzen genAI-Suche 2026. α pro Branche überschreibbar; Report ohne erneutes Audit neu berechenbar.Diese Annahme ist anpassbar — der Report kann mit anderer Branche/α
ohne erneutes Audit neu erzeugt werden (rebuild_report.py).
Eigenschaft
Stellhebel
7 Kern-Dimensionen + Agentic-Modul
→
Vorteil
Sichtbarkeit
OVI · AVI · Overall
→
Nutzen
Auffindbarkeit
vom Kunden gefunden werden
Die Stellhebel (die 7 Kern-Dimensionen + Agentic-Modul unten) erzeugen den Vorteil Sichtbarkeit (OVI/AVI) — und damit den Nutzen Auffindbarkeit.
① Organic SEO Benchmark
Organic SEO Benchmark
Klassische Google-Suche heute · Organic Visibility Index (OVI)
n.m.
② KI-Mode Readiness Check
KI-Mode Readiness Check
KI-Suche (AI Overviews / AI-Mode-Ökosystem) — explorative Stichprobe über eine dokumentierte Engine · Agentic Visibility Index (AVI)
Denkmodell, keine Messung: Overall Visibility = αorg·OVI + (1−αorg)·AVI —
das Gewicht verschiebt sich über die Jahre von organischer zu agentischer Sichtbarkeit.
Die Hauptwerte dieses Assessments sind OVI und AVI oben; diese Projektion zeigt nur,
was die Branchen-Annahme (α) daraus machen würde.
Defence-Status: Stark
Auf den meisten Achsen auf oder über Peer-Median. Volatilität AI Answer Presence: niedrig (±4.1, 3 Läufe)
Beide Radars zeigen dieselben 7 Kern-Dimensionen, aber je Linsen-Gewicht
gewichtet (Achsen-Score × relative Bedeutung der Achse für die jeweilige Linse). Eine Achse, die in einer
Linse nicht zählt, wird grau gepunktet mit ihrem Rohwert gezeigt — sie fällt nicht auf 0
und ist keine schlechte Leistung, sie wird in dieser Linse nur nicht gewertet.
Validität & Aussagekraft — vor der Interpretation lesen
⚠ Crawl fehlgeschlagen. Die Website war nicht abrufbar (Bot-Schutz/WAF/TLS) — die 5 Website-Achsen sind not measured, nicht 0. Nur der KI-Mode-Check (AVI) bleibt gültig.
Schätz-Profil (Cold Audit). Alle 8 Achsen sind Confidence B/C — directional geschätzt aus öffentlichen Signalen, nicht gemessen (kein GSC/GA4). Die Radarfläche ist eine Richtungsangabe, kein präziser Messwert; Achsen-Differenzen unter ~10 Punkten sind nicht belastbar.
Floor-Effekt (KI-Antwort-Achse). Sowohl die Marke (5) als auch der Peer-Median (4) liegen niedrig — in dieser Nische wird das ganze Feld in KI-Antworten selten genannt. Die AVI-Achsen daher relativ zum Peer-Median lesen, nicht als absolute 0–100-Note.
Hinweis (Cold Audit): 6 der 8 Achsen sind not measured — die Website war nicht crawlbar (Bot-Schutz/WAF/TLS). Der KI-Mode-Check (AVI) misst die KI-Suche, nicht die Seite, und bleibt gültig; OVI und die Website-Achsen sind nur aus den gemessenen Achsen gebildet.
① Organic SEO Benchmark · OVI n.m.
Spiele Max (Ist) Peer-Median Leader Grau = gemessen, aber für diese Linse nicht gewichtet
② KI-Mode Readiness · AVI 4.6
Spiele Max KI-Mode-Ist Organic-Ist (Referenz) Grau = gemessen, aber für diese Linse nicht gewichtet
Die Fläche zwischen der blauen Referenz (Organic heute) und dem roten
KI-Mode-Polygon ist die Organisch→Agentisch-Readiness-Lücke: wo die KI-Suche schon zählt,
die Website aber noch nicht liefert.
Dimension
Ist
Peer-Median
Leader
Lücke
Conf.
Organic Search Reachdirectional Website nicht crawlbar (Konnte https://spielemax.de nicht laden: HTTP Error 403: Forbidden) — not measured
Misst, ob Angebot, Preise, Verfügbarkeit und Schnittstellen maschinenlesbar
bereitstehen (JSON-LD-Vielfalt, Feeds/APIs, potentialAction, maschinenlesbare Policies) — relevant für
Shops, Buchungen, SaaS, APIs und Plattformen; weniger für Magazine, Kanzleien oder reine Content-Sites.
Das Modul gehört zu Actionability & Agentic Viability und fließt gewichtet in die
KI-Mode-Readiness (AVI) ein — es ist bewusst keine eigene Kern-Dimension.
Peer-Median 22.0 · Leader 67 (Spielzeug24) · Confidence C
Website nicht crawlbar (Konnte https://spielemax.de nicht laden: HTTP Error 403: Forbidden) — not measured
Wettbewerber-Detailwerte
Peer-Median & Leader werden automatisch aus diesen Werten berechnet
(Leader = höchster Wert je Achse). Inkl. Website-Achsen der Wettbewerber.
Dimension
Spiele Max
ROFU Kinderland
Spielzeug24
Spielwaren Heinz
Organic Search Reach
n.m.
48.0
40.0
45.0
AI Answer Presence
5
6.7
3.7
3.0
Technical Discoverability
n.m.
80.0
80.0
80.0
Offer & Entity Clarity
n.m.
34.0
52.0
23.0
Evidence & Trust
n.m.
47.0
36.0
46.0
Content & Journey Coverage
n.m.
45.0
38.0
42.0
Actionability & Agentic Viability
n.m.
40.0
80.0
75.0
Modul · Knowledge-Catalog Readiness
n.m.
22.0
67.0
7.0
Prioritätenmatrix
Alle Maßnahmen nach Priority Score und Aufwand — oben links zuerst. Farbe = Linse (blau Organic, rot KI-Mode, braun Doppel-Hebel).
6 Bestehenden AI-Answer-Vorsprung durch Monitoring absichern (Score 31.2, Aufwand gering)
7 Produktkatalog-Daten für maschinelle Nutzung vervollständigen (Score 30.0, Aufwand hoch)
8 Handlungsfähigkeit der Kernflows für Mensch & Tool testen (Score 23.8, Aufwand mittel)
Priorisierte Maßnahmen — nach Value für beide Checks
Gruppiert nach Wirkung auf die zwei Checks: zuerst die Doppel-Hebel, die
heute den Organic SEO Benchmark pushen und zugleich die KI-Mode Readiness stärken —
danach die je einseitig wirkenden. Innerhalb jeder Gruppe nach Priority Score
(35% Business Impact + 25% Evidence Strength + 20% Competitive Gap + 10% Feasibility +
10% Time Sensitivity). Die Badges Organic SEO ↑KI-Mode ↑ zeigen, in welche Linse(n) eine Maßnahme einzahlt
(↑ = relatives Achsen-Gewicht). Formuliert als erwarteter Beitrag, nicht als Garantie.
Jede Maßnahme zeigt zudem, ob sie ohne Datenanbindung belastbar ist (✓) oder mit einer
Kundendatenanbindung schärfer beurteilbar würde (🔌) — der Cold Audit diagnostiziert die
Handlungsnotwendigkeit, die Priorisierung der datenabhängigen Maßnahmen wird mit First-Party-Daten belegt.
🏆 Doppel-Hebel — pusht Organic SEO und KI-Mode Readiness
Hier zuerst investieren: wirkt sofort in der klassischen Google-Suche und baut zugleich KI-Mode-Readiness auf.
1
Bot-Blockierung (HTTP 403) für Crawler & Audit-Tools behebenPriority 60
Organic SEO ↑15KI-Mode ↑5
WAF/CDN-Regeln (z. B. Cloudflare/Imperva) prüfen und bekannte Search- und KI-Crawler-User-Agents (Googlebot, Bingbot, GPTBot, ClaudeBot, PerplexityBot, Google-Extended) gezielt zulassen, ohne generellen Bot-Schutz zu schwächen. Ohne diesen Fix bleibt jede weitere Achse unmessbar und potenziell auch für Nutzer-relevante Crawler unsichtbar.
Erfolgsmetrik: Erfolgreicher automatisierter Crawl der Startseite + 5 Kernseiten ohne 403 (Audit-Tool + User-Agent-Test) innerhalb von 30 Tagen
✓ ohne Datenanbindung belastbar
2
Vertrauenssignale sichtbar auf Kernseiten platzierenPriority 35
Organic SEO ↑10KI-Mode ↑15
Impressum, Kundenbewertungen, Rückgabe-/Garantiebedingungen und Presseerwähnungen prominent und konsistent auf Kategorie- und Produktseiten verlinken statt nur im Footer versteckt.
Erfolgsmetrik: Manuelle Stichprobenprüfung: Anteil Kernseiten mit sichtbaren Trust-Elementen, Ziel 100%
✓ ohne Datenanbindung belastbar
3
Strukturierte Entity-Daten für Angebot & Filialen absichernPriority 35
Organic SEO ↑10KI-Mode ↑10
Sobald crawlbar: Product-, Organization- und LocalBusiness-Markup je Filiale/Produkt auf Vollständigkeit und Konsistenz (Name, Adresse, Öffnungszeiten, Preis, Verfügbarkeit) prüfen.
Erfolgsmetrik: Anteil Produkt-/Filialseiten mit valider Schema-Auszeichnung, Stichprobe via Rich-Results-Test
🔌Mit Kundendaten schärfer beurteilbar: Nach Anbindung von Google Business Profile ließe sich lokale Sichtbarkeit, Bewertungen und Map-Pack-Insights messen statt directional schätzen — Priorität und Erfolg dieser Maßnahme wären dann belegt.
4
Produktkatalog-Daten für maschinelle Nutzung vervollständigenPriority 30
Organic SEO ↑5KI-Mode ↑20
Produktdaten (GTIN/EAN, Verfügbarkeit, Preis) durchgängig strukturiert und im Feed/Markup pflegen, damit der Katalog von Vergleichs- und Agentic-Systemen zuverlässig ausgelesen werden kann.
Erfolgsmetrik: Anteil Produktdaten mit vollständigen Identifiern & Verfügbarkeit, Stichprobenauswertung
🔌Mit Kundendaten schärfer beurteilbar: Nach Anbindung von Schema.org / Discoverability-API / Feeds ließe sich maschinenlesbarer, verifizierter Datensatz, den ein Agent direkt konsumieren kann messen statt directional schätzen — Priorität und Erfolg dieser Maßnahme wären dann belegt.
🔍 Organic SEO Benchmark — schwerpunktmäßig klassische Suche
5
Sitemap- und Indexierungs-Basics nach Re-Crawl verifizierenPriority 46
Organic SEO ↑40
Nach Behebung der 403-Sperre XML-Sitemap, robots.txt und Canonical-Tags in der Search Console prüfen und Nachindexierung der Kernkategorien/Produktseiten anstoßen.
Erfolgsmetrik: Indexierte Seiten & Impressionen in Google Search Console, Baseline vs. +90 Tage
🔌Mit Kundendaten schärfer beurteilbar: Nach Anbindung von Google Search Console ließe sich echte Klicks, CTR & Position je Query messen statt directional schätzen — Priorität und Erfolg dieser Maßnahme wären dann belegt.
6
Journey-Inhalte für Beratung & Kaufentscheidung ausbauenPriority 32
Organic SEO ↑20
Ratgeber- und Vergleichsinhalte entlang der Kaufreise ergänzen (z. B. Spielzeug nach Alter/Anlass, Geschenkideen, Filialfinder-Beratung), die über reine Produktlisten hinausgehen.
Erfolgsmetrik: Anzahl neuer Journey-Inhalte und deren organische Sichtbarkeit nach 90 Tagen
🔌Mit Kundendaten schärfer beurteilbar: Nach Anbindung von GA4 + Google Ads ließe sich realen Query-Intent, Funnel-Abbrüche und CPC-Geschäftswert messen statt directional schätzen — Priorität und Erfolg dieser Maßnahme wären dann belegt.
Bestehenden AI-Answer-Vorsprung durch Monitoring absichernPriority 31
KI-Mode ↑40
Marke liegt aktuell über dem Peer-Median (4.6 vs. 3.7) — laufendes Monitoring unabhängiger Vergleichs-/Bewertungsquellen einrichten, um den Vorsprung zu halten statt neu aufzubauen.
Aufwand: geringErwarteter Beitrag: gering↳ AI Answer PresenceOwner: SEO/PR⏱ 0–3 Monate
Erfolgsmetrik: Anzahl Markenerwähnungen in unabhängigen Vergleichsquellen, Monitoring über 90 Tage
🔌Mit Kundendaten schärfer beurteilbar: Nach Anbindung von Google Search Console (AI-Overviews-/AI-Mode-Impressionen) ließe sich reale KI-Antwort-Impressionen und die ‚rankt-aber-nicht-zitiert‘-Lücke messen statt directional schätzen — Priorität und Erfolg dieser Maßnahme wären dann belegt.
8
Handlungsfähigkeit der Kernflows für Mensch & Tool testenPriority 24
KI-Mode ↑10
Click&Collect-, Store-Locator- und Checkout-Flow auf klare, ausführbare nächste Schritte prüfen (eindeutige CTAs, konsistente URLs/Formulare), damit sowohl Nutzer als auch tool-nutzende Systeme reibungslos abschließen können.
Erfolgsmetrik: Manueller Walkthrough-Test der Click&Collect-Journey ohne Abbruchpunkte
🔌Mit Kundendaten schärfer beurteilbar: Nach Anbindung von Google Analytics 4 ließe sich echte Conversion-Pfade und -Raten je Quelle messen statt directional schätzen — Priorität und Erfolg dieser Maßnahme wären dann belegt.
Beobachtete Stichprobe über 3 Läufe (2026-07-20 16:10 · 2026-07-20 16:10 · 2026-07-20 16:10), Engine(s): claude_cli.
Methodik: Organic SEO Benchmark + KI-Mode Readiness Check v2.0 — Cold Audit
(nur öffentlich beobachtbare Signale, ohne GSC/GA4), 7 Kern-Dimensionen + Agentic-Modul, zwei Linsen
(OVI/AVI), Benchmark als Overlay.
Guardrails:
Keine Ranking-/Citation-/Traffic-/Revenue-Garantien
Keine willkürlichen generischen Zukunfts-Ziel-Polygone (kein 'Target 2027' im Radar)
Keine direkten llms.txt/Schema/FAQ/H1 KI-Sichtbarkeits-Versprechen — nur 'erwarteter Beitrag / Hypothese'
Knowledge-Catalog/potentialAction/Feed sind Readiness-Sub-Signale, KEINE Garantie für Agent-Inklusion oder A2A-Transaktion
Menschliche Validierung vor Client-Auslieferung
Bei fehlenden Daten: 'not measured' statt Score 0
Benchmark-Label automatisch aus denselben Werten (leader=argmax, peer=median), keine manuellen Labels
Hintergrund: Googles KI-Modus (AI Mode / AI Overviews) beantwortet Suchen zunehmend direkt —
klassisches Googeln nimmt ab. „Agentische Sichtbarkeit" ist unsere Rahmung dieses realen
SEO→GEO/AEO-Wandels, kein etablierter Branchenstandard. Menschliche Review vor Auslieferung empfohlen.