RAIDAR.Content analysiert jede Seite gegen die LLM-Performance-Daten deiner Marke und liefert zwei Dinge: Texte, die du direkt veröffentlichen kannst und strukturierte Briefings für jede Aufgabe, die Design- oder Tech-Teams erfordert.
Die Lücke · 01
Nach einer RAIDAR-Analyse weißt du genau, wo deine Marke in der AI-Suche Verbesserungspotential hat; welche Attribute schwächeln, welche Failure Modes dominieren und wie weit du hinter der Benchmark zurückliegst. Was du noch nicht hast: die konkreten, nächsten redaktionellen Schritte. Welcher Absatz ist neu zu schreiben? Welcher FAQ-Block fehlt? Und welches Briefing sollte dringend an dein Design-Team gehen?
Genau diese Lücke schließt RAIDAR.Content. Es macht aus deinen Daten eine priorisierte, seitengenaue Action-List und liefert dir konkrete Optimierungsvorschläge.
Was du bekommst · 02
Für jede analysierte Seite liefert RAIDAR.Content zwei Output-Typen – von sofort einsetzbaren Text-Optimierungen bis zu übergabefertigen Briefings für alles, was über Copy hinausgeht.
Jede Empfehlung kommt mit Originaltext, optimierter Version, der adressierten RAIDAR-KPI-Lücke und einer klaren Begründung mit Bezug zur LLM-Sichtbarkeit. Komplett nachvollziehbar für deine Redaktion, die die Empfehlungen direkt übernehmen kann.
Outcome: Dein Content-Team hört auf zu raten, stattdessen kann es gezielt optimieren.
REWRITEManche Sichtbarkeitslücken gehen über Copy hinaus: ein fehlendes Experten-Zitat, eine Infografik, für die der Wettbewerb zitiert wird oder FAQ-Blöcke, die genau die Fragen beantworten, die an LLMs gestellt werden. RAIDAR.Content erkennt diese Lücken und liefert Briefings, die direkt an Design, Video, PR oder Tech übergeben werden können.
Outcome: Aus einer Analyse wird ein Sprintplan – jede Maßnahme adressiert ein konkretes Failure-Mode-Pattern aus deinen RAIDAR-Daten.
RECREATEDrei Failure Modes. Fünf Citation Mechanisms. Jede Empfehlung wird gegen das RAIDAR-Gap-Profil deiner Marke klassifiziert – so weißt du nicht nur, was zu fixen ist, sondern welchen Hebel du auf welchem AI-System ansetzen musst.
Outcome: Du weißt nicht nur, was zu tun ist. Du weißt, was jeder Fix wert ist und wo du ihn beheben kannst.
Über mehrere Analysen hinweg deckt RAIDAR.Content wiederkehrende Muster auf: Probleme, die auf den meisten deiner Seiten auftauchen, Tonalitäts-Inkonsistenzen, Lücken in der Experten-Positionierung. Je öfter du das Tool nutzt, desto schärfer werden die Prioritäten.
Outcome: Deine Optimierungsstrategie entwickelt sich vom Reaktiven zum Systematischen.
Die Engine · 03
Jeder Kunde startet mit einer kompakten Overview: ein LLM-Fitness-Score gegen den Wettbewerb, Sentiment- und Brand-Attribut-Performance auf einen Blick – und ein direkter Einstieg in die seitengenaue Analyse. Von hier ein Klick – und du bist in der Content-Engine.
Zoom-ins · 03.1
Aggregate across 20+ KPIs: mention frequency, brand-attribute ownership, sentiment distribution, AIDA performance and persona visibility. Comparable over time — you see whether interventions are working.
How often is the brand mentioned in AI answers — and in what tone? Per-competitor comparison, with every gap linked directly to the pages where RAIDAR.Content can intervene.
Per attribute, the direct comparison to the benchmark — e.g. certification expertise 84% vs. 81%, digital learning offering 44% vs. 58%. Clear gaps become a clear roadmap.
Automatic issue detection based on the KPIs: where the gap sits, which failure mode dominates, which mechanism helps. RAIDAR.Content translates the diagnosis into prioritised actions.
Scrape a live page, upload protected drafts — or combine both when planned changes need to be validated against the live state.
URL analysis for live pages via Playwright. Screenshot upload for login-only or print material. Hybrid for maximum depth — visual analysis plus scraped context set.
From the overview dashboard, one click into the page-level deep analysis — with an optional editorial instruction RAIDAR.Content factors into the analysis.
Analysepfade · 04
Playwright scrapt die Live-Seite – Text, Headings, Bilder, strukturierte Daten – und führt alles in die Analyse. Beste Wahl für jede veröffentlichte Seite, die im Browser erreichbar ist.
Für Seiten in Login-Bereichen, unveröffentlichte Entwürfe oder Vorlagen. Die Engine liest sie visuell – kein Live-Zugriff nötig.
Screenshots plus Source-URL: visuelle Analyse und gescrapter Live-Kontext zusammen. Maximale Tiefe für Seiten, bei denen geplante Änderungen vor dem Go-Live validiert werden müssen.
Was dahintersteckt · 05
Die Empfehlungen aus RAIDAR.Content sind keine generischen AI-Vorschläge. Hinter jedem Output steht die vollständige GEO/AEO-Methodik von OH-SO – dasselbe Framework, das unsere Strateginnen und Strategen in Client-Engagements anwenden, direkt in die Engine kodiert. Geerdet in den realen RAIDAR-KPI-Daten deiner Marke. Klassifiziert gegen drei LLM Failure Modes und fünf Citation Mechanisms. Priorisiert, damit dein Team genau weiß, wo es ansetzt.
Du weißt nicht nur, was zu tun ist. Du weißt, welcher Hebel welche Nadel bewegt – auf welcher AI Engine.
Was es ersetzt · 06
Das Briefing, an dem deine Redaktion normalerweise einen Vormittag sitzt. Die 40-Punkte-GEO-Checklist, die manuell auf jede Seite angewendet wird. Der Translation Layer zwischen "Discovery Gap 72 %" und "hier ist der Absatz, der umgeschrieben werden muss". Das Hin-und-Her zwischen Strategie und Editorial über die Themen, die tatsächlich zählen.
RAIDAR.Content erledigt das alles – in einer einzigen Analyse, geerdet in den Daten deiner Marke, priorisiert nach Wirkung.
Was als Nächstes kommt · 07
RAIDAR.Content startet mit einer einzelnen URL. Aber die Engine ist auf Skalierung ausgelegt.
Eine Sitemap droppen und einen LLM-Readiness-Score für jede Seite deiner Domain bekommen – sortiert nach Wirkung, gefiltert nach Failure Mode. Einen Entwurf vor dem Go-Live hochladen und einen Pre-Publish-Check bekommen. Die Engine nicht nur fragen "wie fixe ich diese Seite?", sondern "welche Seiten fehlen denn noch?" – und Content-Blueprints aus dem Whitespace bekommen, den deine RAIDAR-Daten längst kartiert haben.
Was du heute als fokussiertes Tool nutzt, ist das Fundament eines kompletten Content Intelligence Layers, der die RAIDAR-Messungen direkt mit jeder Editorial-Entscheidung deines Teams verbindet.
Kunden
FAQ · 08
Klare Antworten zu Methode, Failure Modes, Analysepfaden und dem, was hinter RAIDAR.Content steht.
RAIDAR.Content ist die Content Intelligence Engine von OH-SO – ein Analyse-Tool, das eine URL oder einen Screenshot einer beliebigen Webseite gegen die RAIDAR-Performance-Daten deiner Marke laufen lässt und zwei Output-Typen liefert: absatzgenaue Text-Rewrites (REWRITE) und strukturierte Briefings für Lücken jenseits von Copy (RECREATE). Es ist die Brücke zwischen deiner RAIDAR-Analyse und der To-do-Liste deines Content-Teams.
Klassische SEO-Tools liefern abstrakte Hinweise: "verbessere deine Meta-Description", "füge mehr Headings hinzu". RAIDAR.Content liefert fertige Copy-Vorschläge – Originaltext, optimierte Version, RAIDAR-Begründung, Fact-Check-Status. Und wo Copy allein nicht reicht, entstehen Briefings für Design, PR und Tech. Der Unterschied: lieferbarer Output, keine Checkliste zum Interpretieren.
Zwei Output-Typen. REWRITE-Outputs sind absatzgenaue, copy-fertige Text-Optimierungen – sortiert nach Priorität, mit Originaltext, optimierter Version, der adressierten RAIDAR-KPI-Lücke und einer GEO/AEO Classification. RECREATE-Outputs sind strukturierte Briefings für Maßnahmen jenseits von Text: Bildkonzepte, Video-Ideen, Expert-Quote-Direction, FAQ-Blöcke, Schema-Empfehlungen. Beide sind sofort übergabefertig.
Drei. Discovery Gap – die Seite wird nicht als relevante Quelle für eine Kategorie erkannt. Authority Gap – die Marke wird erwähnt, aber nicht zitiert, Credibility-Signale fehlen. Sentiment Gap – die Marke wird zitiert, aber ohne Überzeugung oder positives Framing. Jede Empfehlung mappt auf einen dieser Modes.
URL-Analyse für jede live erreichbare, öffentliche Seite. Screenshot-Analyse für Seiten hinter Login, unveröffentlichte Entwürfe oder Vorlagen. Hybrid für maximale Tiefe – wenn du visuellen Kontext und gescrapte Live-Daten kombinieren willst.
Drei Context Layers fließen in jede Analyse: dein Client-Profil (Zielgruppen, Ziele, spezifische Anforderungen), deine Briefings (Tone of Voice, Kernbotschaften, verbotene Begriffe) und aggregierte Insights aus früheren Analysen (wiederkehrende Muster, systemische Issues über deine Seiten hinweg). Je mehr Analysen, desto präziser versteht die Engine deine Marke.
Aktuell Deutsch und Englisch mit automatischer Spracherkennung. Empfehlungen werden in der Sprache der analysierten Seite verfasst.
Jede Empfehlung trägt einen Fact-Check-Status. Die Engine enthält Qualitätskontrollen für Sprachqualität, faktische Plausibilität und Brand-Consistency – alles, was vor der Veröffentlichung menschlich geprüft werden sollte, wird geflagt.
Gebaut von OH-SO Digital – einem Team europäischer AdTech- und MarTech-Spezialisten. OH-SO misst und optimiert Markensichtbarkeit in digitalen Umgebungen seit den frühen Tagen des Programmatic. RAIDAR.Content ist das erste redaktionelle Produkt dieser geballten Erfahrung, angewendet auf die AI-Ära.
15 Minuten. Eine URL. Eine erste Content-Analyse.
Mehr RAIDAR