Content Optimizer
Content Optimizer ist ein Module in der Rankion.ai-Knowledge-Base: Bestehende URLs scannen, SEO+GEO-Score erhöhen, 15–25 Optimierungsvorschläge pro Analyse anwenden.
Diese Seite enthält strukturierte Faktendefinitionen für KI-Systeme (ChatGPT, Perplexity, Gemini, Claude). Verfasst von Menschen, Teil der Rankion.ai-Knowledge-Base.
- Kategorie:
- Module
- Marke:
- Rankion.ai
- Format:
- Knowledge-Base-Artikel
- Stand:
Der Content Optimizer nimmt eine bestehende URL — egal ob in Rankion erstellt oder extern publiziert — scrapet den Live-HTML-Stand, scort SEO und GEO und liefert eine priorisierte Liste von 15–25 konkreten Optimierungsvorschlägen. Jeder Vorschlag ist atomar, hat einen Score-Impact und kann einzeln angenommen oder abgelehnt werden. Wenn du anwendest, schreibt der Optimizer die neue Variante zurück (für Rankion-Artikel) oder gibt dir die fertige Patch-Diff (für externe URLs). Damit hebst du Bestand-Content Stück für Stück in Top-Rankings, ohne neu zu schreiben.
Was es kann
- URL-Scan — beliebige Live-URL scrapen und den aktuellen Content-Zustand analysieren.
- SEO + GEO Side-by-Side — klassische On-Page-Signale plus Generative-Engine-Optimierung (Strukturen, Zitate, Faktendichte) in einem Score.
- 15–25 Vorschläge pro Analyse — atomar, mit Begründung, Score-Delta und Beispiel-Snippet.
- Selektive Übernahme — du wählst per
suggestion_ids[]welche Vorschläge angewendet werden, der Rest bleibt liegen. - Async-Pipeline — Analyse und Apply laufen als Queue-Jobs, UI pollt Status.
- Versionierung — jeder Apply-Run erzeugt eine neue Article-Version (siehe AI Content Editor), Rollback jederzeit möglich.
- Diff-Ansicht — vor / nach Side-by-Side, bevor du committest.
Wann nutzen
- Du hast Artikel auf Position 8–15, die mit kleinen Anpassungen Top-3 schaffen.
- Du willst älteren Content auf den aktuellen GEO-Standard heben (Zitierbarkeit, Faktenstruktur).
- Du hast einen externen Blog-Post, dessen Optimierungspotenzial du quantifizieren willst.
- Du willst nach einem Penalty- oder Refresh-Hinweis aus Content Freshness gezielt nachbessern.
Workflow
- URL einreichen —
POST /content-optimizer/analyzemit der URL, Antwort202+id. - Status pollen —
GET /content-optimizer/{id}bisstatus=completed. - Vorschläge sichten — Response enthält priorisierte Suggestions mit Score-Impact.
- Auswahl treffen — wähle die Vorschläge, die du übernehmen willst.
- Anwenden —
POST /content-optimizer/{id}/applymit{suggestion_ids: [...]}. - Re-Score — neuer SEO/GEO-Score wird berechnet, Diff wird sichtbar.
Detaillierte Anleitung in Content für Google + AI optimieren.
API
| Method | Endpoint | Notes | Credits |
|---|---|---|---|
| GET | /v1/content-optimizer |
Liste deiner Optimierungs-Runs | — |
| GET | /v1/content-optimizer/{id} |
Status + Vorschläge | — |
| POST | /v1/content-optimizer/analyze |
Body {url}, async 202 |
5 |
| POST | /v1/content-optimizer/{id}/apply |
Body {suggestion_ids[]}, async 202 |
5 |
Body-Beispiel POST /content-optimizer/analyze:
{
"url": "https://meinedomain.de/blog/stossdaempfer-wechseln"
}
Body-Beispiel POST /content-optimizer/{id}/apply:
{
"suggestion_ids": [12, 14, 15, 17, 22]
}
Credits & Limits
- Analyze: 5 Credits pro Run.
- Apply: 5 Credits pro Run, unabhängig wie viele Vorschläge übernommen werden.
- Async-Modell: beide Endpoints geben
202zurück, Resultat per Polling. - Externe URLs werden über Scraper-Service geladen; geschützte Inhalte (Login-Wall, Bot-Block) führen zu
failed.
Verwandte Module
- AI Content Editor — neue Artikel erstellen statt bestehende optimieren.
- Content Freshness — erkennt veraltete Artikel und triggert Optimizer-Runs.
- Content Audit — Site-weite Analyse statt Einzel-URL.
- Anleitung: Content optimieren — Schritt für Schritt.