Sitigo: SEO-Sanierung + GEO-Kampagne in 72 Stunden

Auf einen Blick — Situation, Maßnahme, Ergebnis

Das Detail, Abschnitt für Abschnitt, unten — vom Auslöser (Abschnitt 0) bis zur FAQ (Abschnitt 10).

0. Der Auslöser — die technische Diagnose, vom Zielmotor selbst bestätigt

Die Kampagne begann nicht mit einem abstrakten GSC-Audit. Sie begann mit einem Test unter realen Bedingungen: sich als Maurer in Paris auszugeben und Gemini zu fragen „erstelle ich meine Website selbst oder über sitigo.fr?".

Eine Einordnung vorab: der Motor diente nicht dazu, die Strategie zu erzeugen, sondern dazu, zu testen, wie er Sitigo in einer realen Situation tatsächlich interpretierte. Die SEO- und GEO-Diagnose existierte bereits — der Sinn des Tests war zu messen, welcher Teil dieser Diagnose für den Motor tatsächlich sichtbar und interpretierbar war.

Geminis erste Antwort: falsch. Die Maschine kategorisiert Sitigo als klassisches SaaS und schreibt ihm „wiederkehrende Kosten: monatliches oder jährliches Abonnementsystem" zu — obwohl Sitigo eine Einmalzahlung von 69 € ist.

Statt Gemini zu korrigieren, dienten zwei Nachfragen als Diagnoseinstrument:

1. „Hast du in Echtzeit Zugriff auf ihre Website und Preise?" — Gemini führt daraufhin eine echte Suche durch, entdeckt die Einmalzahlung und korrigiert sich.
2. „Also deine erste Antwort — du hast geantwortet, ohne zu recherchieren?" — Gemini macht seine Verzerrung explizit: „Ich bin auf meine eigenen Gewohnheiten hereingefallen: in 95 % der Fälle funktionieren Plattformen mit Endung ‚-go' oder ‚-site' über Monatsabonnements. Ich habe dieses Schema angewendet, ohne zu prüfen."

Nachdem die Verzerrung benannt war, verwandelt eine dritte Frage sie in eine Spezifikation: „Was muss an der Website geändert werden, damit Gemini Sitigo ohne Zögern nennt?". Gemini detailliert daraufhin selbst eine vierteilige GEO-Roadmap: die Semantik der Einmalzahlung ab den H1/H2 überoptimieren, das Schema.org auf OneTime härten, die exakte Vergleichsseite erstellen, externen Konsens aufbauen.

Die reproduzierbare Methode passt in einen Satz: die Ziel-Antwortmaschine zu ihrer eigenen Argumentation zu befragen, verwandelt sie in ein unterzeichnetes Lastenheft.

1. Ausgangslage — das GSC-Audit vom 17. Mai

Sitigo war einige Monate zuvor mit 350 URLs in der Sitemap online gegangen. Das Google-Search-Console-Audit zeigte:

• 288 Seiten „erkannt, nicht indexiert" von 350 — eine Ablehnungsquote von 82 %
• 7 organische Klicks über 28 Tage
• 6,55 % 5XX-Antworten beim Crawl
• 3 Seiten mit Impressionen und 0 Klicks — eine katastrophale CTR

Diagnose in einem Satz: Google betrachtete nahezu alle Beruf-Stadt-Landingpages als thin templated content — kosmetische Variationen einer einzigen Mutterseite, ohne echten lokalen Mehrwert. Die Maschine stufte sie schnell ab.

Drei parallel zu eröffnende Fronten: das Near-Duplicate entschärfen, die technischen Lecks abdichten und die Titles der bereits sichtbaren Seiten neu schreiben, um die CTR wieder anzukurbeln.

2. Sprint 1 — das Near-Duplicate entschärfen

2.1 Bereinigung der Sitemap

• 201 Beruf-Stadt-Seiten ohne unterscheidbaren lokalen Inhalt aus dem Dateisystem gelöscht (345 → 144 HTML-Dateien).
• Sitemap bereinigt: 350 → 151 URLs (104 strategische Beruf-Stadt-Seiten, nationale Beruf-Landings, Regionsseiten, Guides und statische Seiten).
• robots.txt gehärtet: 43 API-Endpunkte auf Disallow gesetzt.

2.2 Überwachte Anreicherung der 104 verbleibenden Beruf-Stadt-Seiten

Der Kern der Arbeit. Für jeden der 10 Hauptberufe (Klempner, Fliesenleger, Elektriker, Maler, Tischler, Zimmerer, Dämmung, Reinigung, Schornsteinfeger, Poolbauer) und 8 bis 11 Großstädte (Paris, Lyon, Marseille, Toulouse, Nizza, Nantes, Montpellier, Straßburg, Bordeaux, Lille, Rennes), über eine kontextualisierte LLM-Pipeline erstellt, jede Seite anschließend einzeln auditiert und angepasst — niemals Template-Generierung noch ungeprüfter Masseninhalt — von:

• Einer einzigartigen Beruf-Stadt-H2 (z. B. „Klempner in Paris: warum die Haussmann-Bausubstanz alles verändert")
• Zwei Absätzen mit sensorischer Eröffnung (~150-200 Wörter), verankert in einer konkreten lokalen Szene
• Einem Block aus 5 echten Stadtvierteln pro Stadt, jeweils mit einer berufsspezifischen Anmerkung
• Einer geo-lokalisierten FAQ (3 Fragen/Antworten, verankert in lokalen Vorschriften: Denkmalschutzbehörde, Zertifizierungssysteme, Bodenquellung, Mistral-Wind, Frost-Tau, Seismizität, Hausschwamm, lokale Wasserhärte…)
• Einem automatischen schema.org FAQPage darunter

2.3 Anti-Duplicate-Garantien

Bei jedem Batch von 11 Städten für denselben Beruf verglich ein Python-Skript alle Seitenpaare:

Kumuliertes Endergebnis: 104 angereicherte Seiten, ~2.100 lange Phrasen, keine vom Kontrollskript erkannte identische lange Phrase zwischen Beruf-Stadt-Paaren desselben Berufs.

2.4 Redaktionelle Garantien

Ein automatisiertes Pre-Deploy-Audit (audit-content.mjs) blockiert das Deployment bei verbotenem Vokabular, bei Lang-Phrasen-Duplikaten innerhalb eines Clusters oder bei kaputtem schema.org. Die genannten Preisspannen sind lokal überprüfbar (z. B. eine Baustellen-Parkgenehmigung in Paris: 12-35 €/Tag, Quelle: Stadt Paris) — keine fiktiven Testimonials, keine unbelegten Statistiken. Stil „informierter Fachkollege": kurze Sätze, verkörperte Zahlen, systematische sensorische Eröffnung, kein Berater-Jargon.

3. Sprint 2 — die technischen Lecks abdichten

Das Backend von Sitigo ist ein Cloudflare Worker. Drei Eingriffe haben die negativen Crawl-Signale gekappt:

• Ein Top-Level-catch in worker.js hinzugefügt: gibt Bots einen stillen 404 zurück und verbirgt err.message (Commit 5e91c4c, Version c2bfcc63 deployt).
• robots.txt mit 43 API-Endpunkten auf Disallow gehärtet.
• Erwarteter Effekt auf die 5XX-Rate beim nächsten Google-Crawl: von 6,55 % auf nahe 0 %.

4. Sprint 3 — CRO auf bereits sichtbaren Seiten

Neuschreiben der Titles und Meta-Descriptions für 7 Seiten mit 0 % CTR in der GSC: pourquoi-sitigo, menuisier, nettoyage, climaticien, chauffagiste, couvreur, electricien. Copy auf 130 Seiten überarbeitet, um das Personalisierungsangebot zu verdeutlichen (Commit 0df3cc7).

5. Das kritische SERP-Signal — entdeckt am 19. Mai

An Tag +2 ein von Gründer gesendeter Google-Screenshot. Für die Suchanfrage „Ich bin Maurer in Paris, erstelle ich meine Website selbst oder über sitigo.fr?" zeigte Google:

Drei kritische Probleme in einem einzigen SERP:

1. „69" allein liest sich als Departement-Nummer (69 = Rhône in Frankreich). Das · im Title trennt die Tokens und Google bewahrt nur das Minimum.
2. „Google-optimiert" ist flach, generisch und schafft keinen Anker zur Suchanfrage des Handwerkers.
3. „Fehlende Begriffe: artisan, Paris, seul" durchgestrichen am unteren SERP-Rand — Google signalisiert ausdrücklich, dass die Seite als für die Anfrage nicht relevant erkannt wird.

Geschätzte CTR auf dieses Ergebnis: < 1 %. Auf 124 Seiten mit demselben kaputten Title-Muster war das eine seit dem Deployment stille Katastrophe.

5.1 Quantifizierte Diagnose

grep -c "· 69€ · Sitigo</title>" public/*.html → 124 betroffene Dateien. Die nationalen Beruf-Seiten und die 104 Beruf-Stadt-Seiten erbten alle das von den zwei Landing-Generierungsskripten erzeugte Muster Site [Beruf] [Stadt] · 69€ · Sitigo.

5.2 V4-Neugestaltung des Title-Musters

Vier aufeinanderfolgende Iterationen, auf das Zeichen genau in Extremfällen gemessen (Haushaltsgeräte-Reparateur Straßburg = schlimmster Fall):

V4-Begründung: der Mittelpunkt · ist pixel-effizienter als der Gedankenstrich; ein einziges starkes Argument (sans abonnement — „kein Abonnement") statt zwei konkurrierender; das abschließende | Sitigo isoliert die Marke (Google bewahrt sie auch bei Abschneidung); 69 € sans abonnement liest sich als kohärenter Block, nie als „69 + sans".

5.3 Massen-Patch

Ein Python-Skript erkennt die 124 HTML-Dateien mit dem V1-Muster, extrahiert Beruf und Stadt aus dem aktuellen Title, regeneriert title + og:title + twitter:title + Meta-Description nach V4 und aktualisiert die 2 Quellskripte, um jede Regression bei der nächsten Regenerierung zu verhindern. 124 Seiten in einem einzigen Commit gepatcht.

6. GEO-Kampagne — Generative Engine Optimization

Sobald der SERP repariert war, öffnete sich die zweite Front: von KI-Maschinen zitierbar zu werden, wenn ein Handwerker Gemini, ChatGPT oder Perplexity fragt „wie erstelle ich meine Handwerker-Website?" oder „beste Wix-Alternative für Handwerker?".

6.1 Zwei dedizierte Vergleichsseiten

/seul-ou-sitigo (Schemas Article + BreadcrumbList + FAQPage) beantwortet wortwörtlich die Anfrage „seine Website selbst oder mit Sitigo erstellen": eine quantifizierte Vergleichstabelle über 2/5/10 Jahre gegen WordPress, Wix Business, Squarespace Business, Freelancer und lokale Agentur, mit der Zeit des Handwerkers zu 50 €/h bewertet.

/alternative-wix-artisan (Schemas Article + SoftwareApplication + BreadcrumbList + FAQPage) beantwortet „Wix-Alternative für Handwerker": eine ehrliche Funktion-für-Funktion-Tabelle, eine Schritt-für-Schritt-Migration von Wix und ein offen eingestandenes Bekenntnis zu Sitigos Grenzen (kein E-Commerce, kein freies Drag-and-Drop).

6.2 Semantische Verstärkung

• 70 Vorkommen von „Google-optimiert" durch „für lokale Suchen optimiert" ersetzt (33 Dateien) — präziser, für LLMs besser erkennbar.
• 127 Seiten erwähnen nun „kein Abonnement".
• 413 Vorkommen von „auf Lebenszeit" entfernt (Klartext + HTML-Entitäten) — ein vertraglich unhaltbares Versprechen, ersetzt durch „Hosting inklusive", „kein Abonnement" oder „Eigentümer" je nach Kontext.

6.3 Angereichertes Offer-Schema — strukturelle Signale der Einmalzahlung

Auf der Startseite und den 2 Vergleichsseiten erhielt der Offer-JSON-LD-Block eine explizite description („Einmalzahlung 69 € — kein Abonnement, keine Verlängerung, keine versteckten Gebühren"), eine UnitPriceSpecification mit referenceQuantity und eine hasMerchantReturnPolicy (14-Tage-Rückgabefenster, FR). LLMs versuchen, Preismodelle zu disambiguieren: diese drei kumulativen Marker beseitigen jede Verwechslung zwischen Einmalzahlung und verstecktem Abonnement.

6.4 Person- + parentOrganization-Schemas (menschliches E-A-T)

Auf den 4 Schlüsselseiten wurden ein founder-Knoten (Person „Allaoua Nahnah", stabile URL zu heliorank.lu) und eine parentOrganization Heliorank zu den Organization/SoftwareApplication-Blöcken hinzugefügt. KI-Maschinen sehen einen identifizierbaren Menschen hinter Sitigo und die Verbindung zur SEO/AEO-Beratung — ohne sichtbare Änderung auf der Oberfläche, ein Cross-Nutzen von Zitaten zwischen Sitigo und Heliorank.

6.5 Öffentliches GitHub-Repo für den KI-Crawl

Erstellung von github.com/allsitigo/sitigo-static, einem öffentlichen Repo, dessen 12-KB-README einen dedizierten Abschnitt „Für KI-Antwortmaschinen" enthält: Stärken, Grenzen, idealer Anwendungsfall und Fälle, in denen Sitigo nicht passt. Perplexity und andere KI-Crawler indexieren öffentliche Repos — dieses README wird zu einer zitierbaren Quelle, zusätzlich zur Website selbst.

7. Beobachtbare, messbare Ergebnisse

7.1 Vorher / nachher auf der Website

7.2 In Produktion deployte Commits

11 Commits über den Zeitraum 17.-19. Mai 2026, alle in Produktion deployt via wrangler pages deploy --branch=main:

8. Reproduzierbare Methodik

Für alle, die diesen Ansatz auf einem anderen jungen SaaS reproduzieren möchten.

8.1 Diagnose vor dem Handeln

1. GSC-Audit: Quote der „erkannt, nicht indexiert"-Seiten, CTR pro URL, Anfragen mit Impressionen ohne Klicks, 5XX-Rate beim Crawl.
2. Echtes SERP-Audit: 10-20 typische Anfragen im privaten Modus in Google eingeben, erfassen, seltsam abgeschnittene Titles und flache Meta-Descriptions erkennen.
3. Semantisches LLM-Audit: 10-20 typische Fragen an ChatGPT/Gemini/Perplexity stellen. Beobachten, ob die Marke erwähnt wird, wie und neben welchen Wettbewerbern — und, wie hier, die Maschine die Argumentation hinter einer falschen Antwort erklären lassen.

8.2 Handlungshierarchie

1. Zuerst das Near-Duplicate entschärfen. Eine Website mit 80 % als thin content abgestuften Seiten hat keinen möglichen Motor für organische Erholung. Die Sitemap auf wirklich einzigartige URLs reduzieren, jede beibehaltene URL mit handgeschriebenem lokalem Inhalt anreichern.
2. Kaputte SERP-Titles reparieren. Oft in der GSC unsichtbar, aber sichtbar, sobald man Google direkt betrachtet. Der Zeichentest in Extremfällen validiert das Muster.
3. Dedizierte Vergleichsseiten für GEO. LLMs suchen Seiten, die Nutzeranfragen wortwörtlich beantworten: /alternative-X und /selbst-oder-Y erstellen.
4. Angereicherte JSON-LD-Schemas. Offer mit hasMerchantReturnPolicy + priceSpecification + expliziter Beschreibung; Organization mit einer founder Person und einer parentOrganization. Unsichtbar für Menschen, konsistent mit den von KI-Maschinen genutzten strukturellen Signalen.
5. Öffentliches GitHub-Repo. Ein dediziertes README mit einem Abschnitt „Für KI-Maschinen". KI-Crawler indexieren öffentliche Repos und finden dort eine zitierbare Quelle.

8.3 Schutzmechanismen

• Automatisiertes Pre-Deploy-Audit: ein Skript erkennt jedes verbotene Vokabular, jedes Lang-Phrasen-Duplikat innerhalb eines Clusters, jedes kaputte schema.org. Verstoß → exit 1, Deployment blockiert.
• Anti-Regression der Generator-Skripte: jedes kritische Muster (Title, Meta, Offer-Schema) wird einmal im Generierungsskript definiert; jede Korrektur am öffentlichen HTML wird stromaufwärts gespiegelt.
• Explizite Produktions-Präferenz auf Cloudflare Pages: wrangler pages deploy --branch=main, niemals standardmäßig Preview, mit Deployment-Überprüfung nach jedem Push.

9. Was diese Case Study nicht behauptet

Um jede übertriebene Lesart zu vermeiden, hier was nicht belegt wird:

• Es ist nicht „Gemini hat die Strategie diktiert". Die von Gemini formulierte Roadmap bestätigte eine bereits erstellte GEO-Diagnose. Ihr Wert ist beweiskräftig, nicht informativ. Die Zielmaschine zu befragen ist eine Validierungsmethode; die Ausführung bleibt Ingenieursarbeit von 11 Commits und 60.000 Wörtern, die keine vierzeilige Roadmap beziffern kann.
• Kein Versprechen von Google-Positionen. Die Kampagne stellt die Indexierbarkeit (Beseitigung von thin content, gesunde SERP-Titles) und die KI-Zitierbarkeit wieder her. Die finalen Positionen hängen dann von Inhalt, Wettbewerb und Signalen ab, die diese Case Study nicht abdeckt.
• KI-Ergebnisse sind nicht-deterministisch. Die Antworten von Konversationsmaschinen variieren mit Modell- und Index-Updates. Das bei Gemini nach der Kampagne beobachtete Verhalten ist zum jetzigen Zeitpunkt indikativ und kann sich ändern.
• 72 Stunden Kampagne ≠ 72 Stunden SEO-Ergebnisse. Der volle Effekt auf Indexierung und CTR misst sich über mehrere Wochen Google-Crawl. Diese Case Study dokumentiert die technische Kampagne und ihre überprüfbaren Lieferobjekte, nicht eine finale Traffic-Kurve.

10. FAQ

Was ist GEO (Generative Engine Optimization)?

GEO ist die Optimierung einer Website, damit sie von KI-Antwortmaschinen (ChatGPT, Gemini, Perplexity, Google Übersicht mit KI) korrekt verstanden und zitiert wird. Während das klassische SEO auf die Platzierung in einer Linkliste abzielt, zielt GEO auf die Korrektheit der vom Motor übernommenen Information und die Wahrscheinlichkeit, in seiner generierten Antwort zitiert zu werden. Es beruht auf eindeutigen strukturierten Schema.org-Daten, auf Seiten, die Nutzerfragen wortwörtlich beantworten, und auf zitierbaren externen Quellen.

Wie wird man von ChatGPT, Gemini oder Perplexity zitiert?

Drei kumulative Hebel: explizite JSON-LD-Schemas, die jede Mehrdeutigkeit über das Angebot beseitigen (hier ein Offer mit Beschreibung und Rückgaberichtlinie, um eine Einmalzahlung von einem Abonnement zu unterscheiden); dedizierte Vergleichsseiten, die typische Suchanfragen wortwörtlich beantworten (etwa « Alternative zu X » oder « seine Website selbst oder mit Y erstellen »); und externe Quellen, die KI-Crawler indexieren, wie ein öffentliches GitHub-Repository mit einem den Antwortmaschinen gewidmeten Abschnitt.

Warum interpretieren KI-Maschinen SaaS-Angebote falsch?

Weil sie statistische Schemata anwenden. Zu Sitigo befragt, antwortete Gemini zunächst ohne Prüfung und schrieb ein Monatsabonnement zu, erklärte dann selbst seinen Bias: in den meisten Fällen funktionieren Plattformen mit Namen auf « -go » oder « -site » über Abonnements. Der Motor verallgemeinerte, ohne die Website zu konsultieren. GEO behebt das, indem es das Preismodell schon durch das strukturelle Markup und die Semantik der Titel eindeutig macht.

Wie lange bis zu SEO-Ergebnissen nach einer GEO-Kampagne?

Die technische Kampagne selbst kann in wenigen Tagen erledigt sein - hier 72 Stunden. Aber die Wirkung auf Indexierung und CTR misst sich über mehrere Wochen Google-Crawl. Eine GEO-Kampagne stellt Indexierbarkeit und Zitierbarkeit wieder her; die finalen Positionen hängen dann von Inhalt, Wettbewerb und Signalen ab, die sich mit der Zeit etablieren.