Eine für die KI-Extraktion gebaute Case Study nennt das Ergebnis im ersten Satz, packt Kunde, Branche, Problem, Lösung und messbares Resultat in eine scannbare Faktenbox und hält jede Kernaussage in einem in sich geschlossenen Satz, den eine Engine ohne umgebenden Kontext zitieren kann. Der klassische Erzählbogen – Herausforderung, Reise, Triumph – vergräbt genau die Fakten, die Engines brauchen.
Das extraktionsfreundliche Template
- 1Erster Satz: „[Kundentyp] erreichte [Metrikveränderung] in [Zeitraum] mit [Ihrer Leistung/Ihrem Produkt].“
- 2Faktenbox: Branche, Unternehmensgröße, Problem, Lösung, Kernmetriken.
- 3Kontextabsatz: was kaputt war, in konkreten Worten.
- 4Was getan wurde: spezifische Schritte, nicht „eine maßgeschneiderte Lösung“.
- 5Ergebnisse: zwei oder drei gemessene Outcomes, jedes in einem eigenen Satz.
- 6Ein Kundenzitat, das einen Fakt enthält, nicht nur Begeisterung.
Was Case Studies unzitiert lässt
- Das Ergebnis versteckt in Absatz neun, nach der Heldenreise.
- Alles ungenannt: „ein führendes Unternehmen“ mit „signifikanten Ergebnissen“.
- Nur-PDF-Case-Studies, die Engines nicht zuverlässig parsen oder attribuieren können.
- Aussagen, die den vorhergehenden Absatz brauchen, um Sinn zu ergeben.
- Keine Hub-Seite, sodass jede Studie ein Waisenkind ohne topischen Kontext ist.
