Angles Detection: Schmerzpunkt-Cluster & Angle-Testing
Die meisten Konten testen keine Angles. Stattdessen stecken in der Kampagne ein bis drei Asset-Gruppen, wo strukturell fünfzig Platz hätten – und mit jeder ungetesteten Ansprache bleibt der tatsächliche Kostenpunkt pro Lead unbekannt. Erst ein systematischer Angle-Test macht sichtbar, welche Ansprache den Lead wirklich profitabel macht.
Die Antigravity Basis-Infrastruktur (Voraussetzung für alle 3 Agents)
$ npm install -g @google/antigravity-cli
$ agy
CLI-Bedienung: Google Ads Audit Strategy starten (Prüfung auf Vorhandensein)
$ npm install -g advanced-google-ads-audit
$ advanced-google-ads-audit angles-detection
Ad-Ansprache in Angles: Niemand kennt die Lead-Kosten pro Angle
Die meisten Konten testen keine Angles. Stattdessen stecken in der Performance-Max-Kampagne ein bis drei Asset-Gruppen, wo strukturell fünfzig Platz hätten – und mit jeder ungetesteten Ansprache bleibt der tatsächliche Kostenpunkt pro Lead unbekannt.
Wer nur eine Variante der Ansprache fährt, hat keine Vergleichsbasis und optimiert blind. Erst ein systematischer Angle-Test macht sichtbar, welche Ansprache den Lead wirklich günstig macht (z. B. 18 € vs. 44 € CPL bei identischem Produkt), und welche nur den Eindruck erweckt, zu funktionieren.
Zweck & Strategische Begründung
Zweck & Zielsetzung
Durch systematische Wettbewerbs- und Marktanalysen mit AI-Systemen ständig neue Angles auf Basis von Customer Pain Points und Solution Frames ermitteln. Diese Angles bilden das inhaltliche Fundament für die AI-Asset-Pipeline und sorgen dafür, dass dort kein "ins Blaue" generiert wird.
Anwendungsbereich
- Primär: Konten mit aktiver AI-Asset-Pipeline (Angles sind dort das Input-Material)
- Branchen-Eignung: Hochpreis-Leadgenerierung (Immobilien, Bildung, Marketingagenturen, IT, Recht)
- Rhythmus: Monatlich – als fester Pipeline-Schritt vor der AI-Asset-Creation
- NICHT geeignet für: Hochspezialisierte Nischenangebote ohne Produkt-Markt-Fit
Strategische Begründung
Was ist ein Angle (und was NICHT)?
Ein Angle ist KEIN USP und KEIN technisches Feature. "Wir sind die einzigen mit 48-Stunden-Versand" ist KEIN Angle. Ein Angle ist ein starkes Verkaufsargument aus der Verbindung von Customer Pain Point und Solution Frame.
- Customer Pain Point: Ein konkreter Schmerzpunkt der Zielgruppe (z. B. Unsicherheit über Immobilienwert nach Zinsentwicklung)
- Solution Frame: Der konkrete Einsatzzweck, in dem das Angebot diesen Schmerzpunkt adressiert (z. B. "Preiskorrekturen prüfen mit Online-Rechner")
- Angle: Die Verbindung beider – nicht das Angebot wird vorgestellt, sondern Relevanz hergestellt
Der Effekt: Halbierung der Lead-Kosten möglich
| Variante | Lead-Kosten |
|---|---|
| "Online-Immobilienbewertung" (reine Angebotsvorstellung) | 44,94 € pro Lead |
| "Preiskorrekturen prüfen" (Angle: Pain Point + Solution Frame) | 23,10 € pro Lead |
In manchen Konstellationen lassen sich Lead-Kosten von 257 € über mittelmäßige Angles auf 50 € absenken – und mit dem richtigen Angle auf 10–20 €.
Warum monatlich?
Ohne monatlichen Rhythmus wiederholen sich AI-generierte Assets nach wenigen Monaten. Frische Angle-Recherchen sorgen für inhaltliche Erneuerung und verhindern Wiederholungsschleifen.
Eigene Angles vs. Wettbewerber-Angles
Die wirkungsvollsten Angles sind oft die, die NIEMAND sonst bedient. Die Wettbewerbsanalyse dient zwei Zwecken: Inspiration für tragfähige Stoßrichtungen UND Ausschluss übersättigter Angles ("plattgetreten" vs. "unbesetzt").
System-Architektur & Spezifikation
Datenquellen für die Recherche
| Quelle | Was wird extrahiert |
|---|---|
| AI-Grounding (Online-Suche) | Analyse von Wettbewerber-Websites, Markt-Trends und aktuellen Online-Daten |
| BigQuery / GA4 | Eigene Performance-Daten als Kontext |
| Eigene Hypothesen (Reißbrett) | Selbst gedachte Angles – oft am besten, weil unbesetzt |
Was konkret recherchiert wird (4 Output-Kategorien)
Angles (Customer Pain Point × Solution Frame)
- Top 10–25 Angles pro Offer, sortiert nach Reichweite
- Pro Angle: Pain Point, Solution Frame, Begründung
- Tagging: "plattgetreten" vs. "unbesetzt"
Hooks (Headline-Aufhänger)
- Welche Hook-Typen dominieren in der Branche?
- Typen: Neugier, Beweis, Dringlichkeit, Paradox, Frage, Urgency, Story-Hook
- Beispiel Immobilien: "Wie viel ist Ihre Immobilie wert?", "Kennen Sie den wahren Wert?"
CTAs (Call-to-Action-Buttons)
- Welche CTAs werden im Markt verwendet?
- Beispiele: "Termin vereinbaren", "Kostenlose Bewertung", "Jetzt prüfen"
Awareness Stages / Funnelstufen
- Top of Funnel: Allgemeine Fragen, Grundlagen
- Middle of Funnel: Strategie-Fragen, Vergleiche
- Bottom of Funnel: Konkrete Conversion-Themen
Prozessablauf & SOP-Schritte
Voraussetzungen
- AI-System mit Online-Suche/Grounding (Claude, ChatGPT, Gemini)
- BigQuery-Zugang (für eigene Performance-Daten)
- Output-Speicher (ClickUp, Airtable, Asana)
- Naming-Convention (Angle-Name in Kampagnen-Benennung)
- Kunden-Review-Prozess
Prozessablauf
Schritt 1 – Offer-Briefing erstellen
- Offer mit Kerneigenschaften dokumentieren
- Bestehende Performance pro Offer auswerten
- Branche und Region festlegen
Schritt 2 – Wettbewerber-Inventar erstellen
- Top 5–10 Wettbewerber pro Offer identifizieren
- URLs der Wettbewerber-Websites sammeln
- AI-Prompt: "Finde mir die 5 größten Wettbewerber im Bereich X in Region Y"
Schritt 3 – Daten über Grounding und BigQuery ziehen
- Eigene Performance-Daten aus BigQuery exportieren
- Wettbewerber-Websites und Marktdaten via AI-Grounding (Online-Suche) recherchieren
- Daten für die Analyse konsolidieren
Schritt 4 – AI-Aggregation
- Rohdaten in AI-System laden
- Strukturierter Prompt: "Aggregiere die 10–25 wichtigsten Angles, sortiert nach Reichweite, nach Customer Pain Point und Solution Frame"
- Parallel: Hooks, CTAs, Awareness Stages aggregieren
Schritt 5 – Tagging "plattgetreten" vs. "unbesetzt"
- Plattgetreten (alle Wettbewerber) → niedrige Priorität
- Unbesetzt (kaum jemand) → hohe Priorität
Schritt 6 – Zoom-In und Zoom-Out Angles ergänzen
- Zoom In: Kleinere Details des Angebots (z. B. "Bauvorhaben im Kiez und Immobilienwert")
- Zoom Out: Größere Themen, in die das Angebot eingebettet ist (z. B. "Vermögensplanung", "Immobilienverkauf nach 10 Jahren")
- Oft die unbesetztesten und performance-stärksten Angles
Schritt 7 – Output in Review-System
- Aggregierte Liste in ClickUp / Airtable / Asana
- Pro Angle: Name, Pain Point, Solution Frame, Tag, Quelle
Schritt 8 – Review & Freigabe
- Kunde oder Strategy-Lead geht Angles durch
- Markenkonformität, rechtliche Tragfähigkeit
- Freigegebene Angles → Status "Aktiv"
Schritt 9 – Übergabe an AI-Asset-Pipeline
- Freigegebene Angles als Input für Asset Creation
- Naming-Convention: Angle-Name als Teil der Kampagnen-Benennung
Schritt 10 – Auswertung nach 14 Tagen → Budget-Shift
- Performance pro Angle auswerten
- Top-Performer identifizieren
- Übergabe an Budget-Shifting-SOP
Schritt 11 – Monatlicher Re-Run
- Neue Detection mit Kontext der bereits getesteten Angles
- AI-Agent kennt Vormonats-Outputs
- Neue Marktthemen aufnehmen (Zinsen, Bauvorhaben, gesellschaftliche Trends)
Zwei Methoden: Manuell vs. Automatisiert
| Manuell (Claude/Gemini mit Grounding) | Automatisiert (Make-Workflow) |
|---|---|
| Prompt-basiert – ad hoc nutzbar | Läuft monatlich automatisch durch |
| Schnell für einzelne Analysen | Skaliert über viele Kunden parallel |
| Höhere Flexibilität | Standardisierte Outputs |
| Höherer Zeitaufwand | Setup-Aufwand einmalig |
| Empfohlen für: Erst-Setup, Sonderfragen | Empfohlen für: Multi-Account-Skalierung |
Qualitäts-Guardrails & Troubleshooting
Qualitätskriterien
- Jeder Angle hat klar benannten Pain Point UND Solution Frame – kein USP
- Übersättigte Angles als "plattgetreten" getaggt
- Mindestens 2–3 Zoom-In/Zoom-Out-Angles (oft die Top-Performer)
- Jeder Angle ist auf Quelle rückführbar
- Kein Angle geht ohne Review in die Asset Creation
- Angle-Namen wandern in die Entitäten-Benennung in Google Ads
Troubleshooting
| Problem | Lösung |
|---|---|
| AI liefert nur USPs statt Angles | Prompt schärfen: explizit nach Pain Point UND Solution Frame fragen |
| Angles wirken austauschbar | Zoom-In- und Zoom-Out-Schicht fehlt – gezielt nach Detail-Angles fragen |
| Datenberge ohne Erkenntnis | Strukturierten Aggregations-Prompt nutzen (sortiert nach Reichweite, Pain Point) |
| Im Folgemonat dieselben Angles | AI-Agent muss Conversation-Verlauf der Vormonate kennen |
| Nischen-Offer – Angles greifen nicht | Bei fehlendem Produkt-Markt-Fit ist Angles Detection nicht der richtige Hebel |
| Angle-Performance nicht zuordenbar | Naming-Convention war nicht eingehalten |
| Kunde lehnt fast alle Angles ab | Briefing schärfen: Marken-Guidelines, No-Gos im Vorfeld |