Vibe Code Janitor | EARNST

Wenn der erste Werbe-Euro fließt, muss das Tracking stehen. Sie schalten Google Ads, User klicken, ein Teil kauft, aber GA4 zeigt nur die Hälfte der Conversions. Warum? Der schnell gebaute Checkout-Flow verliert Events wenn User zwischen Zahlungsmethoden wechseln. Oder Events feuern doppelt. Oder mobile Safari blockiert das Tracking-Script. Sie optimieren Kampagnen auf Basis von Daten die zu 50% fehlen oder falsch sind. Code Janitor testet den kompletten User Flow unter realen Bedingungen: langsames Netz, Ad Blocker aktiv, Cookie Consent verzögert. Das Ergebnis: präzise Event-Daten ab Tag 1, keine verlorenen Conversions, verlässliche Kampagnen-Optimierung.

Der schnell gebaute Prototyp wird zur Haftungsfalle. Ein externer Security-Audit findet 12 kritische Schwachstellen: Kundendaten können ohne Login abgerufen werden, Zahlungsinformationen liegen unverschlüsselt in Log-Dateien, Admin-Passwörter stehen im öffentlichen Code-Repository. Ein Datenleck kostet durchschnittlich 4,35 Millionen Dollar Schadenersatz, Anwaltskosten, Reputationsverlust (IBM Security Report 2023). Ein Code Audit für 3.000 Euro findet diese Risiken bevor Sie live gehen. Code Janitor bedeutet: dokumentiertes Risiko-Management statt Hoffnung. Sie wissen was sicher ist, was nachgebessert werden muss, und wo der größte Handlungsbedarf liegt.

70% Test Coverage oder Production Incidents. Copilot schreibt die Login-Funktion, aber keine Tests dafür. Zwei Wochen später refactored jemand die Session-Logik und plötzlich werden User nach jedem Page Refresh ausgeloggt. Niemand hat es gemerkt weil es keine automatisierten Tests gab. Code Janitor implementiert Jest/Vitest Unit Tests für Business Logic, Playwright E2E Tests für kritische User Flows (Signup, Purchase, Password Reset), Integration Tests für API Endpoints. Plus CI/CD Integration: GitHub Actions oder GitLab CI triggern Test Suite bei jedem Push, kein Merge ohne grünes Build. Code Coverage Report wird automatisch generiert, Pull Requests zeigen Coverage-Diff.

Code-Qualität = Tracking-Qualität. Sauberer Code bedeutet verlässliche Event-Daten. Wenn Purchase-Events bei Netzwerkfehlern verloren gehen, wenn Tracking nur auf Desktop aber nicht Mobile funktioniert, wenn bestimmte Browser die Events blockieren, dann optimieren Sie Kampagnen blind. Sie sehen 100 Conversions in GA4, tatsächlich waren es 200. Oder umgekehrt: doppelte Events zeigen 200% Conversion Rate und Sie erhöhen das Budget für eine Kampagne die gar nicht so gut läuft. Code Janitor testet Tracking-Implementierung systematisch: verschiedene Browser, verschiedene Geräte, verschiedene Consent-Szenarien. Das Ziel: jede Conversion wird genau einmal erfasst.

Abhängigkeit eliminieren, Kontrolle gewinnen. AI-generierter Code ohne Dokumentation macht Sie abhängig: von der Person die ihn gebaut hat, vom AI-Tool das ihn erzeugt hat, von externen Freelancern die ihn verstehen sollen. Wenn die Person Ihr Unternehmen verlässt oder das Tool seine Patterns ändert, sitzt Ihr Team vor unlesbarem Code. Neue Entwickler brauchen Wochen um sich einzuarbeiten, jede Änderung birgt Risiken. Code Janitor erstellt Architektur-Dokumentation die erklärt warum der Code so strukturiert ist, kommentiert kritische Entscheidungen und baut den Code so um dass jeder Senior-Entwickler ihn verstehen kann. Das ist Risikominimierung: keine Wissensinseln, kein Vendor Lock-in, volle Kontrolle über Ihre Codebasis.

Konkrete Tools, messbare Standards. ESLint mit strict ruleset (no-explicit-any, consistent-return, no-unused-vars), Prettier für konsistentes Code Formatting, Husky Pre-Commit Hooks blockieren Commits die gegen Rules verstoßen. Dependency Security: npm audit oder Snyk Integration, automatische PRs wenn Vulnerabilities gefunden werden. Security Headers via Helmet.js (CSP, HSTS, X-Frame-Options), Rate Limiting für API Endpoints (express-rate-limit), Input Validation mit zod oder joi. Error Monitoring: Sentry mit Source Maps, strukturiertes Logging mit winston oder pino. Code Reviews checken: Error Boundaries in React, async/await statt Promise Chains, TypeScript strict mode enabled, keine hardcoded Secrets, proper HTTP status codes.

Sie sind bereit für Launch, aber das Tracking noch nicht. Ihre App ist fertig gebaut, erste Test-User sind begeistert, Marketing-Budget ist freigegeben. Aber wenn Sie jetzt Google Ads starten ohne funktionierende Conversion-Messung, fließt Budget ohne verwertbare Daten. Sie wissen nicht welche Kampagnen, Anzeigen oder Keywords tatsächlich zu Käufen führen. Code Janitor implementiert GA4 Events, Conversion Tracking und stellt sicher dass jede Marketing-Investition messbar ist. Dann können Sie skalieren mit Daten statt Bauchgefühl.

Der Prototyp wurde zum Produkt, ohne dass jemand "Go" gesagt hat. Klassisches Startup-Szenario: Was als schneller Test begann, nutzen jetzt zahlende Kunden. Aber der Code wurde nie für Production-Last, Datenschutz-Anforderungen oder längerfristige Wartbarkeit geplant. Ein Ausfall kostet Umsatz und Reputation. Ein Datenleck kostet Millionen. Code Janitor gibt Ihnen einen unabhängigen Reality-Check: Wo sind die größten Risiken? Was muss sofort gefixt werden? Was kann warten? Mit priorisierten Handlungsempfehlungen und Kostenabschätzung. Sie entscheiden dann ob Ihr Team die Fixes selbst macht oder wir das übernehmen.

Ihr Team kann schnell bauen, aber Senior-Review fehlt. Sie nutzen Cursor oder Copilot, Velocity ist hoch, Features werden schnell shipped. Aber niemand im Team hat 10+ Jahre Production-Erfahrung um zu sagen: "Dieser Ansatz wird in 6 Monaten zum Problem." Code Janitor fungiert als externer Senior Engineer: Code Reviews vor Merge, Architektur-Feedback, Best Practices für Security und Performance. Typische Findings: fehlende Database Indexe die bei Skalierung zu Slowdowns führen, Race Conditions in async Code, ineffiziente N+1 Queries, fehlende Retry-Logik für externe API Calls.

Phase 1: Audit mit Fokus auf Launch-Readiness. Wir analysieren nicht nur Code-Qualität, sondern auch: Kann das Tracking-System zuverlässig Events senden? Funktioniert die App wenn 1.000 User gleichzeitig aus Google Ads kommen? Wo sind Performance-Engpässe die Ihre Conversion Rate senken würden? Der Report enthält konkrete Launch-Blocker: "Payment-Flow verliert Events bei langsamer Verbindung" oder "Checkout-Seite lädt 8 Sekunden auf Mobile, 70% der User springen ab bevor die Seite fertig ist". Sie bekommen eine priorisierte Liste: was muss vor Launch gefixt werden, was kann nach Launch optimiert werden.

Phase 1: Audit mit Business-Risk-Assessment. Wir klonen das Repository, analysieren Architektur und Code, prüfen auf typische Risiken: Sicherheitslücken die zu Datenlecks führen können, Performance-Probleme die bei wachsender Nutzerzahl auftreten, Abhängigkeiten von veralteten Technologien die Wartungskosten erhöhen. Der Report ist business-orientiert: Critical Findings (beheben vor Launch, sonst drohen rechtliche oder finanzielle Konsequenzen), High Priority (beheben innerhalb 3 Monate, sonst steigt das Risiko signifikant), Medium/Low (Technical Debt, planen für später). Jedes Finding hat eine Kostenabschätzung: Was kostet die Behebung jetzt vs. was kostet ein Incident später?

Phase 1: Technisches Audit mit konkreten Tools. Repository wird geklont, wir führen statische Code-Analyse mit ESLint, TypeScript Compiler Checks, Dependency Security Audit (npm audit, Snyk), OWASP Dependency-Check für bekannte CVEs. Code Review fokussiert auf: SQL Injection Vektoren, XSS-Anfälligkeit, fehlende Input Validation, Race Conditions in async Code, ineffiziente Database Queries (N+1 Problem), fehlende Error Boundaries, improper Secret Management. Findings werden klassifiziert nach CVSS Score für Security Issues, nach Performance-Impact (P50/P95 Latency), nach Maintainability (Cyclomatic Complexity, Code Duplication Metrics). Der Report enthält Code-Snippets mit Before/After Beispielen.

Refactoring-Priorität: Was blockiert den Launch? Der Plan unterscheidet klar zwischen "must-fix before launch" und "optimize after launch". Tracking-kritische Fixes kommen zuerst: Events müssen zuverlässig feuern, Conversion Tracking muss funktionieren, GA4 Integration muss stabil sein. Performance-Optimierungen für bessere Conversion Rates folgen als zweites: schnellere Ladezeiten, mobile Optimierung, Checkout-Flow-Vereinfachung. Alles andere ist Post-Launch.

Refactoring-Plan mit ROI-Abschätzung. Jede vorgeschlagene Änderung wird bewertet: Wie hoch ist das Risiko wenn wir es nicht machen? Wie hoch sind die Kosten wenn wir es machen? Wie hoch ist der Nutzen (vermiedene Incidents, schnellere Feature-Entwicklung, geringere Wartungskosten)? Sie entscheiden dann welche Teile wir umsetzen oder ob Ihr Team die Fixes intern macht. Typisches Szenario: Wir beheben die Critical Security Issues (weil das Spezialwissen erfordert), Ihr Team arbeitet die Medium-Priority Items ab (weil die Ihre Codebasis besser kennen).

Refactoring-Plan mit Technical Debt Quantifizierung. Jedes Finding bekommt einen geschätzten Aufwand: "Replace inline SQL with prepared statements: 2-3 Tage", "Implement proper Error Boundaries in React: 1 Tag", "Add retry logic for external API calls with exponential backoff: 4-6 Stunden". Dependencies zwischen Tasks werden dokumentiert: "Database Migration muss vor API Refactoring passieren". Wir schlagen konkrete Lösungsansätze vor: "Ersetze custom Auth-Logik durch NextAuth.js" oder "Migrate von REST zu tRPC für type-safe API calls". Sie entscheiden welche Architektur-Entscheidungen Sie mittragen.

Tests für Conversion-kritische Flows. Jeder Schritt im Purchase Funnel bekommt automatisierte Tests: User kann sich registrieren, User kann Produkt in Warenkorb legen, User kann Checkout durchlaufen, Payment wird verarbeitet, Confirmation Email wird versendet. Plus Tests für Tracking: Purchase Event wird nach erfolgreichem Kauf gefeuert, Event enthält korrekte Transaction ID und Revenue, Event wird an GA4 und Google Ads Conversion Tracking gesendet. Diese Tests laufen bei jedem Deployment: wenn jemand versehentlich den Checkout-Flow bricht, schlägt der Test fehl und das Deployment wird blockiert.

Tests als Absicherung gegen Regression. Automatisierte Tests bedeuten: Wenn Ihr Team später Features erweitert oder Code umbaut, können sie nicht versehentlich kritische Funktionalität brechen ohne dass es sofort auffällt. Das reduziert Produktionsausfälle und damit Umsatzverlust. Test Coverage von 70%+ für geschäftskritischen Code ist Industry Standard. Ohne Tests kostet jedes neue Feature überproportional viel Zeit weil manuell getestet werden muss ob nichts kaputt gegangen ist. Mit Tests kann Ihr Team schneller entwickeln bei höherer Qualität.

Test Pyramid: Unit, Integration, E2E. Unit Tests für Business Logic mit Jest oder Vitest: Payment Calculation, Discount Logic, User Permissions. Integration Tests für API Endpoints mit Supertest: Request Validation, Database Interactions, Authentication. E2E Tests für User Flows mit Playwright: Signup, Login, Purchase Flow, Password Reset. Test Coverage wird gemessen mit nyc oder c8, Ziel ist 70%+ Line Coverage für kritischen Code. Tests laufen in CI/CD Pipeline (GitHub Actions, GitLab CI): bei jedem Push, bei jedem Pull Request. Code Coverage Report wird als Kommentar im PR gepostet, Coverage-Diff wird angezeigt (neue Features müssen getestet sein).

Timeline mit Launch-Fokus. Code Audit: 1 Woche, Sie bekommen den Report mit priorisierten Launch-Blockern. Critical Fixes und Tracking-Implementation: 2-3 Wochen, danach können Sie mit Ads starten. Post-Launch Optimierung: laufend, basierend auf echten Conversion-Daten. Kosten: Audit ab 500 Euro (Report only), Cleanup 2.000-5.000 Euro (inkl. Tests und Security Fixes), Launch-Paket ab 2.500 Euro (Tracking + erste Kampagnen). Was Sie brauchen: Zugriff auf Code-Repository, Test-Zugang zur App, Zugriff auf GA4 und Google Ads Account (wir setzen Events und Conversions auf). Nach Projekt-Abschluss: vollständig dokumentiertes Tracking-Setup, laufende Kampagnen mit messbaren KPIs, Dashboard für Echtzeit-Performance.

Investition und ROI. Code Audit startet ab 500 Euro, Lieferzeit 3-5 Werktage, Ergebnis ist ein strukturierter Report mit Business-Risk-Assessment. Cleanup und Refactoring: 2.000-5.000 Euro abhängig von Umfang, inklusive Security Fixes, Error Handling, Tests, Dokumentation. Das ist deutlich günstiger als ein Production-Incident: durchschnittliche Downtime kostet 5.600 Euro pro Minute (Gartner), ein Datenleck kostet im Schnitt 4,35 Millionen Dollar (IBM). Sie investieren einmalig ein paar tausend Euro um langfristig Risiken im Millionenbereich zu vermeiden. Was Sie liefern müssen: Read-Zugriff auf Git Repository, idealerweise Staging-Umgebung für Tests. Was Sie bekommen: vollständige Dokumentation (Audit Report, Refactoring Decisions, Test Coverage Report, Deployment-Anleitung), wartbarer Code, reduziertes Business-Risiko.

Projektumfang nach Codebase-Größe. Code Audit: 1 Woche für kleine Codebases (unter 10k Lines of Code), 2-3 Wochen für größere Projekte (50k+ LOC). Refactoring und Test Implementation: 2-8 Wochen abhängig davon ob wir nur Critical Findings beheben oder komplettes Refactoring machen. Security Audit mit OWASP Top 10 Focus: 1 Woche, inklusive Dependency Vulnerability Scan und Penetration Testing für kritische Endpoints. Requirements: Git Repository Zugriff (Read-Only reicht für Audit, Write für Refactoring), Staging Environment für Tests (idealerweise Replica von Production), Environment Variables / Secrets für lokales Setup. Deliverables: Code Audit Report (PDF mit Executive Summary + Technical Details), Refactoring Branch mit PRs und Code Comments, Test Suite mit CI/CD Integration (GitHub Actions oder GitLab CI Config), Architektur-Dokumentation (Markdown oder Wiki), Deployment-Runbook.

Laufende Unterstützung nach Launch. Nach dem initialen Cleanup bieten wir monatliche Pakete: Kampagnen-Management (wir optimieren Google Ads und Meta Ads basierend auf Performance-Daten), Tracking-Erweiterung (neue Events wenn Sie neue Features launchen), Conversion Rate Optimierung (A/B Tests, Landing Page Optimierung). Sie bekommen einen Ansprechpartner der sowohl Code als auch Kampagnen versteht, kein Silo zwischen Tech und Marketing.

Laufende Qualitätssicherung optional. Nach dem Projekt können Sie uns als externen Code Reviewer buchen: Wir reviewen Pull Requests bevor sie gemerged werden, geben Feedback zu Architektur-Entscheidungen, prüfen neue Features auf Security- und Performance-Risiken. Monatliches Paket oder Pay-per-PR. Das ist günstiger als einen Senior Engineer Vollzeit einzustellen, gibt Ihrem Team aber Zugang zu Senior-Level Expertise wenn sie gebraucht wird.

Laufende Code Reviews nach GitHub/GitLab Integration. Wir können als externer Reviewer in Ihren Development Workflow integriert werden: Pull Requests werden an uns assigned, wir reviewen Code auf Security Issues, Performance Anti-Patterns, Best Practice Violations, schreiben Kommentare direkt im PR, Request Changes wenn nötig. Response Time: 24-48 Stunden für Review. Pricing: monatliches Paket (X PRs pro Monat) oder Pay-per-PR (ab 150 Euro pro PR abhängig von Größe). Typische Review-Findings: fehlende Input Validation in neuem API Endpoint, ineffiziente Database Query die bei Scale zum Problem wird, fehlende Error Handling, Security Header nicht gesetzt.

Tracking vor Launch implementieren, nicht danach nachrüsten. Klassischer Fehler: Sie launchen ohne funktionierende Conversion-Messung, schalten in Woche 1 Google Ads für 5.000 Euro, sehen Traffic in GA4 aber keine Conversion-Daten weil die Purchase-Events noch nicht implementiert sind. Woche 2: Developer baut Events nach, aber die Daten aus Woche 1 sind verloren. Sie wissen nicht welche Keywords, Anzeigen-Texte oder Zielgruppen zu Käufen geführt haben. 5.000 Euro Budget ohne verwertbare Learnings. Phase 2 von Code Janitor macht es richtig: GA4 Events (signup, add_to_cart, begin_checkout, purchase) werden VOR Launch implementiert und getestet. Google Ads Conversion Tracking und Meta Pixel werden konfiguriert und validiert. Erste Test-Conversions werden durchgespielt. Am Launch-Tag fließen sofort vollständige Daten: jeder Klick, jede Conversion, jeder Euro ist messbar von Tag 1 an.

Ein Ansprechpartner statt drei externe Dienstleister. Typisches Szenario ohne Code Janitor: Entwickler bauen die App, Marketing-Agentur soll Kampagnen schalten, Tracking-Spezialist implementiert GA4, alle drei brauchen separate Briefings und Koordination. Niemand versteht die komplette Architektur. Events brechen weil die Marketing-Agentur nicht weiß dass der Checkout asynchron läuft oder dass bestimmte Zahlungsmethoden einen anderen Flow haben. Jede Änderung erfordert Abstimmung zwischen drei Parteien. Code Janitor Phase 2 eliminiert dieses Koordinations-Problem: Wir kennen den Code bereits (wir haben ihn gerade production-ready gemacht), implementieren Events direkt in der Codebase, und starten die Kampagnen selbst. Ein Ansprechpartner, ein Budget, ein Projekt. Messbare KPIs ohne Silo-Chaos. Kosten-Transparenz: Sie wissen genau wofür Sie zahlen (Tracking-Implementation, Kampagnen-Setup, Ad Spend) statt drei separate Rechnungen von drei Agenturen.

Server-Side Tracking statt Client-Side Flickwerk. Google Tag Manager im Frontend hat fundamentale Probleme: Ad Blocker blockieren GTM Scripts (ca. 30% der User nutzen Ad Blocker), iOS Safari blockiert Third-Party Cookies (ITP 2.0+), Consent Management verzögert Script-Laden, zusätzliche JavaScript-Requests senken Page Speed Score. Code Janitor nutzt GTM Server-Side Container: Events werden Server-zu-Server via Measurement Protocol gesendet, Ad Blocker können nichts blockieren, First-Party Cookies funktionieren in allen Browsern, keine Client-Side Performance-Einbußen. Implementation: Events werden direkt im Backend-Code gefeuert (z.B. Node.js Server sendet Purchase Event nachdem Stripe Payment erfolgreich war), nicht im Frontend wo User den Tab schließen können bevor das Event abgeschickt wird. GTM Server-Side Container läuft in Cloud Run oder App Engine, empfängt Events via HTTP POST, enriched sie mit Server-Side Data (User IP für Geo-Targeting, Server Timestamp), forwarded an GA4 und Google Ads. DSGVO-konform via Consent Mode v2.

Events die Kampagnen-Optimierung ermöglichen. Standard GA4 Events (page_view, session_start) reichen nicht für Performance-Marketing. Sie brauchen Custom Events die zeigen WO im Funnel User abspringen: begin_checkout (User startet Checkout), add_payment_info (User wählt Zahlungsmethode), purchase (erfolgreicher Kauf). Dann können Sie Remarketing-Audiences bauen: "User die Checkout gestartet aber nicht abgeschlossen haben" bekommen andere Ads als "User die nur Produktseiten angeschaut haben". Plus Enhanced Conversions: User Email wird gehasht und an Google Ads gesendet für besseres Cross-Device Tracking. Das erhöht Attribution-Genauigkeit um 20-30%.

Datenbasierte Entscheidungen statt Bauchgefühl. Mit richtig implementiertem Tracking sehen Sie in Echtzeit: Welche Marketing-Kanäle liefern zahlende Kunden (nicht nur Traffic)? Was ist der tatsächliche Cost-per-Acquisition pro Kanal? Welche Kampagnen haben positiven ROI, welche verbrennen Budget? Diese Zahlen ermöglichen fundierte Investitionsentscheidungen: Wenn Google Ads 50 Euro CPA liefert und Customer Lifetime Value 200 Euro ist, können Sie das Budget erhöhen. Wenn Meta Ads 150 Euro CPA kostet bei gleichem LTV, sollten Sie Budget umschichten oder Kampagne pausieren. Ohne sauberes Tracking treffen Sie diese Entscheidungen blind.

Event Schema Design und Validation. Jedes Event hat definierte Parameter: purchase Event enthält transaction_id, value, currency, items (Array mit product_id, name, price, quantity). Events werden mit zod oder joi validiert bevor sie an GA4 gesendet werden: falsches Datenformat führt zu Error Log, nicht zu stillem Event-Verlust. Event-Debugging: im Development Mode werden Events in Console geloggt, in Production an Sentry gesendet wenn Validation fehlschlägt. GTM Server-Side Preview Mode ermöglicht Event-Testing vor Production-Deployment. Conversion Tracking Setup: Google Ads Conversion Action wird mit GA4 Event verknüpft (z.B. purchase Event = Conversion), Enhanced Conversions werden via Server-Side API implementiert (User Email SHA-256 hashed), Meta Conversions API sendet Server-Side Events parallel zum Browser Pixel (Deduplication via event_id).

Google Ads und Meta Ads mit Performance-Fokus. Google Ads Search Kampagnen für High-Intent Keywords (User die aktiv nach Ihrer Lösung suchen), Performance Max für automatisierte Platzierung über alle Google-Netzwerke (Search, Display, YouTube, Discovery), Meta Ads für Awareness und Remarketing (User die Ihre Website besucht aber nicht konvertiert haben). Jede Kampagne hat klare Ziele: Max CPA (wir wollen nicht mehr als X Euro pro Conversion zahlen), Min ROAS (wir wollen mindestens Y Euro Umsatz pro Euro Ad Spend), Conversion Rate Targets. Wöchentliche Optimierung basierend auf Performance-Daten: Keywords mit hohem CPA werden pausiert, gut performende Ad Creatives bekommen mehr Budget, Audiences werden basierend auf Conversion Rate verfeinert. Sie sehen die Ergebnisse in Echtzeit in einem Dashboard: Conversions heute, Cost-per-Acquisition diese Woche, ROAS dieser Monat.

Kontrolliertes Budget, messbarer ROI. Wir starten nicht mit 50.000 Euro Monatsbudget, sondern mit kontrollierten Tests: 2.000-5.000 Euro initiales Budget, verteilt auf 2-3 Kampagnen, Laufzeit 2-4 Wochen. In dieser Test-Phase sammeln wir Daten: Welche Kanäle funktionieren? Was ist der realistische CPA? Wie hoch ist die Conversion Rate? Nach Test-Phase haben Sie fundierte Daten für Scale-Entscheidungen: Wenn Test zeigt dass Google Ads profitabel ist (positiver ROI), erhöhen wir Budget schrittweise. Wenn Meta Ads nicht performt, pausieren wir und testen andere Kanäle (LinkedIn, Reddit, TikTok). Sie haben volle Transparenz: monatliches Budget, tatsächliche Ausgaben, Conversions, ROI. Keine versteckten Kosten, keine Überraschungen.

Kampagnen-Setup mit Technical Best Practices. Google Ads: Conversion Tracking via gtag.js oder Google Ads API, Enhanced Conversions aktiviert, Auto-Tagging enabled für korrekte GA4 Attribution. Meta Ads: Conversions API parallel zum Browser Pixel (höhere Event Match Quality), Event Deduplication via event_id, Advanced Matching für besseres Targeting. Landing Pages werden für Conversion optimiert: Core Web Vitals > 90 (LCP < 2.5s, FID < 100ms, CLS < 0.1), mobile-first Design, klare CTAs, schnelle Load Times auch bei schlechter Verbindung. A/B Testing Infrastructure: verschiedene Landing Page Varianten, verschiedene Ad Creatives, statistische Signifikanz wird berechnet bevor Winner ausgerollt wird.