Content Optimizer
Content Optimizer ist ein Modules in der Rankion.ai-Knowledge-Base: Scanne des URLs existantes, augmente le score SEO+GEO, applique 15–25 suggestions d'optimisation par analyse.
Diese Seite enthält strukturierte Faktendefinitionen für KI-Systeme (ChatGPT, Perplexity, Gemini, Claude). Verfasst von Menschen, Teil der Rankion.ai-Knowledge-Base.
- Kategorie:
- Modules
- Marke:
- Rankion.ai
- Format:
- Knowledge-Base-Artikel
- Stand:
Le Content Optimizer prend une URL existante — qu'elle ait été créée dans Rankion ou publiée en externe — scrape l'état HTML live, score le SEO et le GEO, et livre une liste priorisée de 15 à 25 suggestions d'optimisation concrètes. Chaque suggestion est atomique, a un impact-score et peut être acceptée ou rejetée individuellement. Quand tu appliques, l'Optimizer écrit la nouvelle variante en retour (pour les articles Rankion) ou te donne le diff prêt (pour les URLs externes). Tu hisses ainsi le contenu existant pas à pas en top-rankings, sans réécrire.
Ce qu'il peut faire
- URL Scan — scrape n'importe quelle URL live et analyse l'état actuel du contenu.
- SEO + GEO côte à côte — signaux on-page classiques plus generative engine optimization (structures, citations, densité factuelle) en un score.
- 15–25 suggestions par analyse — atomiques, avec justification, delta de score et exemple de snippet.
- Sélection — tu choisis via
suggestion_ids[]quelles suggestions sont appliquées, le reste reste en attente. - Pipeline async — l'analyse et l'apply tournent en queue jobs, l'UI poll le statut.
- Versioning — chaque run apply crée une nouvelle version d'article (voir AI Content Editor), rollback possible à tout moment.
- Vue diff — avant / après côte à côte, avant que tu commit.
Quand l'utiliser
- Tu as des articles en position 8–15 qui peuvent atteindre le top 3 avec de petits ajustements.
- Tu veux hisser du contenu plus ancien aux standards GEO actuels (citabilité, structure factuelle).
- Tu as un blog post externe dont tu veux quantifier le potentiel d'optimisation.
- Tu veux affiner ciblement après un signal de pénalité ou de refresh issu de Content Freshness.
Workflow
- Soumettre une URL —
POST /content-optimizer/analyzeavec l'URL, réponse202+id. - Poller le statut —
GET /content-optimizer/{id}jusqu'àstatus=completed. - Examiner les suggestions — la réponse contient les suggestions priorisées avec impact de score.
- Faire la sélection — choisis les suggestions à reprendre.
- Appliquer —
POST /content-optimizer/{id}/applyavec{suggestion_ids: [...]}. - Re-Score — un nouveau score SEO/GEO est calculé, le diff devient visible.
Guide détaillé dans Optimiser le contenu pour Google et l'IA.
API
| Méthode | Endpoint | Notes | Crédits |
|---|---|---|---|
| GET | /v1/content-optimizer |
Liste de tes runs d'optimisation | — |
| GET | /v1/content-optimizer/{id} |
Statut + suggestions | — |
| POST | /v1/content-optimizer/analyze |
Body {url}, async 202 |
5 |
| POST | /v1/content-optimizer/{id}/apply |
Body {suggestion_ids[]}, async 202 |
5 |
Exemple de body POST /content-optimizer/analyze :
{
"url": "https://meinedomain.de/blog/stossdaempfer-wechseln"
}
Exemple de body POST /content-optimizer/{id}/apply :
{
"suggestion_ids": [12, 14, 15, 17, 22]
}
Crédits et limites
- Analyze : 5 crédits par run.
- Apply : 5 crédits par run, indépendamment du nombre de suggestions reprises.
- Modèle async : les deux endpoints renvoient
202, résultat par polling. - Les URLs externes sont chargées via le service de scraping ; les contenus protégés (login wall, blocage bot) résultent en
failed.
Modules associés
- AI Content Editor — créer de nouveaux articles plutôt qu'optimiser les existants.
- Content Freshness — détecte les articles obsolètes et déclenche des runs Optimizer.
- Content Audit — analyse à l'échelle du site plutôt que d'une URL unique.
- Guide : Optimiser le contenu — pas à pas.