Abfrageseiten-Generierung: Von Suchdaten zu SEO-optimierten Seiten

Dieser Artikel erklärt, wie wir automatisch Tausende von Abfrageseiten aus Suchdaten generieren.

Das Problem: Seiten für jede Suchanfrage erstellen

Nutzer suchen auf viele Arten nach Produkten:

• "mini pc for office"

• "small computer 16gb ram"

• "compact desktop windows 11"

Jede Anfrage verdient eine dedizierte Seite mit:

• Passenden Produkten, gefiltert nach der Absicht der Anfrage

• SEO-optimierten Inhalten (Titel, Beschreibung, Meta-Tags)

• Verwandten Suchen, um Nutzern die Exploration zu erleichtern

• Mehrsprachiger Unterstützung für globale Nutzer

Diese Seiten manuell zu erstellen, ist im großen Maßstab unmöglich (65.000+ Anfragen).

Die Lösung: Automatisierte Abfrageseiten-Generierung

Die SEO-Pipeline generiert Abfrageseiten automatisch:

1. Ähnliche Anfragen clustern (z.B. "mini pc" + "small computer")
2. Filter aus dem Anfragentext extrahieren (z.B. "16gb ram" → RAM-Filter)
3. Produkte zuordnen mithilfe semantischer Ähnlichkeit
4. Inhalte mit KI generieren (DeepSeek)
5. Seite erstellen unter /q/<slug>

Abfrageseiten-Modell

Abfrageseiten werden in DynamoDB mit dem QueryPageV3-Modell gespeichert. Jede Seite hat:

• Slug: URL-freundlicher Identifikator (Primärschlüssel)

• Filter: Basis-Filter für die Produktzuordnung

• SKUs: Gecachte Liste der Top 100 passenden SKUs

• Titel: Seitentitel für SEO

• Beschreibungen: Mehrsprachige Inhalte (Tagline + Haupttext)

• Metadaten: Zeitstempel der letzten Aktualisierung, Gesamtpunktzahl

Generierungsprozess

Abfrageseiten werden von der SEO-Pipeline generiert:

1. Anfragen clustern: Ähnliche Anfragen mithilfe von Vektor-Ähnlichkeit gruppieren
2. Produkte zuordnen: Produkte finden, die zum Anfragen-Cluster passen
3. Slug generieren: URL-freundlichen Identifikator erstellen
4. SKUs cachen: Top 100 passende SKUs speichern
5. Inhalte generieren: KI-generierte Beschreibung

Inhaltsgenerierung

Der Inhalt von Abfrageseiten wird mit KI generiert:

• DeepSeek: Produktbeschreibungen, Abfrageseiten-Inhalte

• System-Prompts: Für Caching-Effizienz

• Temperature: 0,7 für ausgewogene Kreativität

Die KI generiert:

• Tagline: Kurze, ansprechende Überschrift

• Haupttext: Detaillierte Produktinformationen

Mehrsprachige Unterstützung

Abfrageseiten unterstützen mehrere Sprachen:

• Englisch (Quelle)

• Spanisch, Französisch, Deutsch, Italienisch, Portugiesisch

• Russisch, Hindi, Bengalisch, Gujarati, Kannada

• Malayalam, Marathi, Punjabi, Tamil, Telugu

• Arabisch, Chinesisch, Japanisch, Koreanisch

Filter-Extraktion

Filter werden aus Suchanfragen mithilfe von Phrasenabgleich extrahiert:

1. Phrase-zu-Filter-Zuordnungen aus JSON laden
2. Phrasen in der Anfrage mithilfe von Regex-Wortgrenzen abgleichen
3. Filter-Schlüssel-Wert-Paare extrahieren
4. Als Basis-Filter für die Abfrageseite speichern

Produktzuordnung

Produkte werden Abfrageseiten mithilfe folgender Methoden zugeordnet:

1. Vektor-Ähnlichkeit: Anfrage-Embeddings vs. Produkt-Embeddings
2. Filter-Abgleich: Extrahierte Filter vs. Produktattribute
3. Produktname-Abgleich: Fuzzy Matching auf Produktnamen

Caching-Strategie

Abfrageseiten nutzen mehrere Caching-Ebenen:

• DynamoDB: Primärer Speicher für Abfrageseiten-Daten

• Valkey: Gecachte SKUs für schnelles Produktladen

• CloudFront: CDN-Caching für statische Inhalte

Anfragefluss

flowchart TD
    A[Client-Anfrage] --> B{Slug existiert?}
    B -->|Ja| C[QueryPageV3 laden]
    B -->|Nein| D[Produkte suchen]
    
    C --> E[URL-Filter parsen]
    E --> F[Mit Basis-Filtern zusammenführen]
    F --> G[Gecachte SKUs abrufen]
    G --> H[Produkte laden]
    H --> I[Seite rendern]
    
    D --> I

Zusammenfassung

Die Abfrageseiten-Generierung bietet:

• Dynamische Seiten: Automatisch aus Suchdaten generiert

• KI-Inhalte: Automatisierte Inhaltsgenerierung

• Mehrsprachigkeit: Unterstützung für 15+ Sprachen

• Schnelles Laden: Mehrere Caching-Ebenen

• Intelligente Filterung: Phrasenbasierte Filter-Extraktion