Page-Deep-Audit (Vision + KI-Render)

Page-Deep-Audit ist die tiefste Analyse, die Rankion auf eine einzelne URL anwendet. Statt Content-Signale wie Content Audit (Site-Crawl) schaut der Page-Deep-Audit auf die Landingpage als visuelles Produkt: 3 Screenshots (Desktop, Tablet, Mobile mit echter UA-Emulation), Lighthouse-Metriken, eine Opus-4.7-Multimodal-Analyse zu Layout, Trust, CTA, Persona-Fit, kritischen Issues — plus bis zu 3 gpt-image-2 KI-Renders, die zeigen wie die optimale Variante visuell aussehen könnte. Das ist das Werkzeug für CRO und Landingpage-Iteration, nicht für SEO-Bulk.

rankion.aiWas es kann

• 3 Source-Screenshots — Desktop, Tablet, Mobile mit echter User-Agent-Emulation.
• Lighthouse-Metriken — Performance, SEO, Accessibility, Best-Practices als Zahlen.
• Opus-4.7-Vision-Analyse — user_intent, persona_fit, trust_score, layout_score, cta_score, problem_solution_clarity, above_the_fold_quality, mobile_friendliness_visual.
• Personas + Pain-Points — abgeleitet aus dem Visual, nicht aus Annahmen.
• Critical Issues — priorisiert nach Severity (high / medium / low) mit Evidence-Snippet.
• Improvement Suggestions — pro Bereich (headline, cta, trust, layout, copy, visuals, forms, navigation, seo, accessibility) mit before/after-Beispiel.
• 3 KI-Renders — gpt-image-2 erzeugt die ideale Version Desktop, Tablet, Mobile als visuelle Referenz.
• Headline-Rewrite — fertiger H1-Drop-In als Vorschlag.

rankion.aiWann nutzen

• Du willst eine Landingpage CRO-mäßig auditieren bevor du Geld auf Ads schaufelst.
• Du willst Designer eine objektive Visual-Reference geben („so sollte es aussehen").
• Du iterierst eine Variant: Audit → Anpassen → Re-Audit → Score-Diff vergleichen.
• Du brauchst Persona-getriebene Copy-Vorschläge basierend auf der echten Page, nicht auf Briefing-Theorie.

rankion.aiWorkflow

1. Audit starten — POST /page-audit mit {url, tracking_project_id?, persona?}. Antwort 202 + {id, status:"pending", url}.
2. Pollen bis completed — Hauptflow ~1–2 Minuten (scraping → screenshotting → analyzing → completed). KI-Renders laufen +6–9 Minuten in einem separaten Background-Job.
3. Reports lesen — GET /page-audit/{id} liefert 6 Bild-URLs (3 Source + 3 KI-Render), analysis-Block mit Scores, Personas, Issues, Suggestions, Headline-Rewrite und Lighthouse-Metriken.
4. Iterieren — Suggestions priorisiert anwenden, Page deployen, Re-Audit fahren, Score-Diff vergleichen.

Polling-Beispiel:

ID=$(curl -s -X POST $BASE/page-audit \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"url":"https://example.com/landing"}' | jq -r '.id')

while true; do
  R=$(curl -s -H "Authorization: Bearer $TOKEN" $BASE/page-audit/$ID)
  STATUS=$(echo "$R" | jq -r '.status')
  IDEAL=$(echo "$R" | jq -r '.ideal_screenshot_url // "null"')
  [ "$STATUS" = completed ] && [ "$IDEAL" != null ] && break
  sleep 30
done

rankion.aiAPI

Pipeline-Status: pending → scraping → screenshotting → analyzing → completed. Der Desktop-KI-Render-Feld (ideal_screenshot_url) füllt sich nach completed einzeln auf.

rankion.aiCredits & Limits

• Hauptaudit: 30 Credits.
• Desktop-KI-Render: 15 Credits.
• Komplettes Audit mit Desktop-Render: 45 Credits pro Run.
• Async — Hauptflow ~1–2 min, Renders +6–9 min danach.
• url ist Pflicht und auf 500 Zeichen begrenzt; 422 bei Validation-Fail.
• Cross-Team und Cross-Project Zugriffe liefern 403.

rankion.aiVerwandte Module

• Content Audit — Site-weite Inventur statt einzelner Tiefen-Audit.
• Content Optimizer — Content-Layer optimieren, Page-Deep-Audit zielt auf Visual + UX.
• AI Content Editor — Headline-Rewrite-Vorschlag direkt im Editor übernehmen.