VALUE PROP SLIDES

decks/pitch-deck-onepager/VALUE-PROP-SLIDES.md

Value Proposition Slides

Audience: User (PM / Category Manager)


Slide 1: ICP

Claim: "High volume. Many fields. Begin where it's obvious."

Explainer: EAN, dimensions first. Translations, claims later.


Slide 2: Problem

Claim: "The product data already exists. You just have to type it again."

Explainer: From 4 PDFs, 6 sheets, 5 mails into 52 PIM fields.


Slide 3: Solution

Claim: "AI does the typing. You handle the exceptions."

Explainer: 90% less manual work. 40% faster time to market.


Slide 4: Differentiation

Claim: TBD

Explainer: TBD


Slide 5: Vision

Claim: "The data cable. Not the storefront."

Explainer: We make your data AI-ready. AI commerce does the rest.


Notes

ICP Slide — Who This Is For

  • High volume product launches
  • Many fields per product
  • Land & expand: simple fields first, expert fields later

Problem Slide — Core Insight

  • The absurdity: data exists, you retype it
  • The consequence: launches wait
  • Emotion: frustration, waste

Solution Slide — Core Promise

  • AI does grunt work (typing)
  • Humans do expert work (exceptions)
  • Result: less manual, faster launches

The Mirror

Problem Solution
You type it again AI does the typing
Launches wait 40% faster time to market
Manual work 90% less manual work

PITCH DECK PLAN

decks/pitch-deck-onepager/PITCH-DECK-PLAN.md

Ultra Relevant - Pitch Deck Plan

The Problem With Visual-First

Designing slides before crystallizing what each slide must prove leads to:

  • Beautiful slides that overlap
  • Missing key arguments
  • No clear flow per audience

Solution: Arguments first, then visualization.


The Framework: Argument Blocks

Write each slide as a claim + evidence before any design:

SLIDE: [Name]
CLAIM: One sentence. What must the audience believe after this slide?
EVIDENCE: What proves it?
AUDIENCE: Customer / Investor / Both

Three Decks (Different Sequences, Same Blocks)

Customer Pitch (8-10 slides)

Focus: Your pain → Our solution → Proof it works

# Argument Claim
1 AI Commerce Shift The way people buy is changing - AI recommends, customer buys
2 Broken Data Supply Chain Your current product data flow breaks at PIM ingestion
3 Coordination Nightmare 5 departments, 1 agency, scattered data, endless chasing
4 Quantified Pain 100 products × 20 fields × 6 languages = impossible to scale
5 Our Solution We automate PIM ingestion with an AI agent
6 How It Works Dump files → AI extracts → Human approves → PIM updated
7 Validation Companies like you already use this
8 Entry Strategy Start low-risk with simple fields, expand from there

Investor Pitch (12-15 slides)

Focus: Market → Pain → Solution → Moat → Team → Ask

# Argument Claim
1 AI Commerce Shift $300B market shift from search to AI-native buying
2 Fool's Gold AI visibility tracking is a distraction (we know, we built it)
3 The Real Problem PIM ingestion is the universal choke point
4 Universal Pain Every enterprise we talked to confirms this is unsolved
5 Coordination Nightmare 5 departments, scattered data, expert knowledge required
6 Why Incumbents Can't Win PIMs are database-first, feed mgmt is legacy-locked
7 Our Solution AI ingestion agent on top of existing PIMs
8 How It Works Dump → Extract → Approve → Sync
9 The Vision Phase 1: Painkiller → Phase 2: Data Cable → Phase 3: Feedback Loop
10 Traction Validation interviews, paying customers, strategic advisors
11 Team Falco (CEO), Elena (COO), Yusuf (CTO)
12 The Ask €500k at €4m pre-money, €260k committed

Value Proposition (3 slides)

Focus: Positioning essence

# Argument Claim
1 The Shift AI Commerce changes buying behavior fundamentally
2 Our Position AI layer on top of PIM → direct path to AI Commerce
3 Why Us AI-native, no legacy, born from this exact problem

Argument Blocks (Master List)

BLOCK: AI Commerce Shift

  • CLAIM: Buying behavior is moving from search to AI recommendation
  • EVIDENCE:
    • OpenAI shopping protocol announced
    • Google Argentic Commerce launched
    • 70% of purchases AI-influenced by 2026
    • "AI recommends → customer buys" replaces "browse → search → compare → buy"
  • AUDIENCE: Both
  • EXISTING SLIDES: hero-badge-stat, why-we-win

BLOCK: Fool's Gold (AI Visibility is a Distraction)

  • CLAIM: AI visibility tracking is superficial - the real problem is deeper
  • EVIDENCE:
    • We built ultra-relevant.com, scaled to 40 companies, 6 paying in 2 months
    • Ticket sizes €8-200/month = trend-riding, not real pain
    • Peak AI raised $21M, YC funding 4th prompt tracker, Profound got Sequoia
    • Real problem: hallucination risk, AI can't compare products without good data
  • AUDIENCE: Investor
  • EXISTING SLIDES: origin-tracker-pivot

BLOCK: The Data Supply Chain

  • CLAIM: Product data flows through a broken chain, and we traced exactly where it breaks
  • EVIDENCE:
    • Chain: ERP → PIM → Feed Syndication → Marketplaces → AI
    • Analyzed with global enterprises
    • The bottleneck is always PIM ingestion
  • AUDIENCE: Both
  • EXISTING SLIDES: supplychain-teams-mapped, supplychain-flow-bottleneck

BLOCK: The Coordination Nightmare

  • CLAIM: Filling PIM fields is a painful coordination problem across departments
  • EVIDENCE:
    • 5 different departments + 1 agency involved
    • Unstructured data: TXT, images, PDFs, spreadsheets
    • Error-prone, delays are costly/business-critical
    • Can't hire an intern - requires specialized knowledge
  • AUDIENCE: Both
  • EXISTING SLIDES: problem-manual-coordination, problem-coordination-nightmare

BLOCK: Expert Knowledge Required

  • CLAIM: PIM fields require specialized expertise, not just data entry
  • EVIDENCE:
    • Translation data is marketing/sales
    • Must avoid claims (legal)
    • Marketplace-specific lengths
    • SEO optimization opportunities
    • Industries: Cosmetics, Consumer Electronics, Furniture, Sporting Goods, Manufacturing
  • AUDIENCE: Both
  • EXISTING SLIDES: target-customer

BLOCK: Quantified Pain

  • CLAIM: The scale of manual work is mathematically impossible
  • EVIDENCE:
    • 100 products × 20 fields × 6 languages = massive expert decisions
    • Under time pressure for launches
    • Validated with Essence, Cosnova, GHD, Kellogg's, Bosch
  • AUDIENCE: Both
  • EXISTING SLIDES: quantified-fte-painpoints

BLOCK: Why Incumbents Can't Win

  • CLAIM: PIMs and Feed Management companies cannot solve this
  • EVIDENCE:
    • PIMs (Akeneo, Salsify, Pimcore): 10+ years old, database-first, 20-person AI team too slow
    • Feed Mgmt (Tradebyte, Productsup): 80% effort on API maintenance, built for marketplaces
    • "This is the single biggest operational pain point we have." - Ex-CPO Productsup
    • They can't disrupt themselves - revenue tied to legacy
  • AUDIENCE: Investor (strong), Customer (light)
  • EXISTING SLIDES: competitive-landscape, why-we-win

BLOCK: Our Solution

  • CLAIM: We automate PIM ingestion with an AI agent that sits on top of existing systems
  • EVIDENCE:
    • Don't replace PIM, automate ingestion
    • AI-native architecture (not bolted on)
    • Human-in-the-loop approval
    • Saves 80% of expert time
  • AUDIENCE: Both
  • EXISTING SLIDES: solution-flow-autofill, solution-feed-queue

BLOCK: How It Works

  • CLAIM: Simple flow: dump files → AI extracts → human approves → PIM updated
  • EVIDENCE:
    • Input: TXT, PNG, XLS, PDF into bucket
    • Process: AI understands product graph, extracts, confidence scores
    • Output: Approval UI, send to expert, one-click accept
  • AUDIENCE: Both
  • EXISTING SLIDES: howitworks-steps, solution-review-interface

BLOCK: The Vision (AI Data Cable)

  • CLAIM: We're building the infrastructure layer for AI Commerce
  • EVIDENCE:
    • Phase 1: Painkiller (PIM ingestion)
    • Phase 2: Data Cable (export to ChatGPT, Google, Meta, Perplexity)
    • Phase 3: Feedback Loop (payment protocol, reverse write to ERP, optimization)
  • AUDIENCE: Investor
  • EXISTING SLIDES: vision-future, vision-manifesto, roadmap-timeline

BLOCK: Why PIM is Perfect

  • CLAIM: The PIM is the ideal place for AI automation
  • EVIDENCE:
    • No PII = no risk
    • No central owner = AI can be the owner
    • Direct connections to all systems
    • Can build custom APIs
  • AUDIENCE: Investor (technical validation)
  • EXISTING SLIDES: pim-advantage

BLOCK: Validation & Traction

  • CLAIM: We've validated this with real enterprises
  • EVIDENCE:
    • Interviews: Essence, Cosnova, GHD, Kellogg's, Bosch, Vela, Mann & Hummel
    • ultra-relevant.com: 40 companies, 6 paying customers in 2 months
    • Advisors: Ex-CPO Productsup
    • Pricing: $8k/month + usage
  • AUDIENCE: Investor
  • EXISTING SLIDES: validation-traction

BLOCK: Team

  • CLAIM: We're the right team to solve this
  • EVIDENCE:
    • Falco (CEO): WHU, built AI products for manufacturing, built ultra-relevant.com solo
    • Elena (COO): WHU, VC experience, GTM beast, industry contacts
    • Yusuf (CTO): Rust engineer, knowledge graphs for code → product graphs
  • AUDIENCE: Investor
  • EXISTING SLIDES: (needs slide or part of CTA)

BLOCK: The Ask

  • CLAIM: We're raising to build the AI Data Cable
  • EVIDENCE:
    • €500k at €4m pre-money
    • €260k committed (family office, owns retailer)
    • Looking for 5 strategic angels from industry
  • AUDIENCE: Investor
  • EXISTING SLIDES: cta-contact

Current Slide Inventory (21 slides)

Slide Primary Block Status
hero-badge-stat AI Commerce Shift Built
origin-tracker-pivot Fool's Gold Built
validation-traction Validation & Traction Built
supplychain-teams-mapped Data Supply Chain Built
supplychain-flow-bottleneck Data Supply Chain Built
problem-manual-coordination Coordination Nightmare Built
problem-coordination-nightmare Coordination Nightmare Built
problem-monster Coordination Nightmare Built
quantified-fte-painpoints Quantified Pain Built
target-customer Expert Knowledge / ICP Built
solution-flow-autofill Our Solution Built
solution-feed-queue Our Solution Built
solution-review-interface How It Works Built
howitworks-steps How It Works Built
competitive-landscape Why Incumbents Can't Win Built
why-we-win AI Commerce Shift + Incumbents Built
vision-future The Vision Built
vision-manifesto The Vision Built
pim-advantage Why PIM is Perfect Built
roadmap-timeline The Vision Built
cta-contact The Ask Built

Gaps to Fill

Missing Block Needed For Priority
Team slide Investor Pitch High
The Ask (detailed) Investor Pitch High
Entry Strategy / Land & Expand Customer Pitch Medium

Next Steps

  1. Review each argument block - is the claim sharp enough?
  2. Check evidence for each block - do we have proof?
  3. Map blocks to three deck sequences
  4. Identify which slides need redesign vs. new slides
  5. Create brief for designer with claim + evidence per slide
  6. Build Customer Pitch sequence first (shortest path to revenue)

Anforderungen

decks/teveo-pitch/anforderungen.md

Teveo Pitch - Falcos Anforderungen (wörtlich)

HINWEIS: Alles vor "--- AB HIER WÖRTLICH ---" stammt aus der Context-Zusammenfassung, weil die originalen Nachrichten durch Komprimierung verloren gegangen sind. Ab der Markierung sind es Falcos exakte Worte.

Aus der Zusammenfassung (nicht mehr im Original vorhanden)

  • "some are to long now. and get rid of the em dashes.. dont loose value.."
  • "das gefaellt mir noch nicht... reflektiere... zeig den Prozess.. mehr... Neue Produkte launchen ist schnell. Die Texte dafür nicht. mehrere leute, dauert lang.. viele involviert"
  • "ne jetzt hast du den prozess geaednert.. mach das nicht er war korrekt... sondern nur die headline soll problem resonaten... 4 produktlaunces im, repeitive arbeit"
  • "okay we need this as an input slide.. so they know we put it in.."
  • "actually what goes in is Lift Collection Rangeplan... this is what goes in..."
  • "schreib nicht wo sie herkommen.. also monday.."
  • "schau dir bitte unter dem pitch fuer alehop an welche icons wir verwendet haben und welches text design + welche icons fuer sheets und pdf und image... glassmorphic verwende die im pitch"
  • "ach junge naturlich soll sie nicht so chaotisch aussehen"
  • "okay this looks stoopid.. make it a list"
  • "produktbeschreibungen sollen Rangeplan Lift Longsleeve Heissen"
  • "Rangeplan Lift Longsleeve Produktbilder Modellgrößen & Size Chart Materialinformationen Metafield-Informationen bring da die filetypes noch mit rein"

--- AB HIER WÖRTLICH ---


Kontext und Mails (von Falco geteilt)

  • Comprehensability: Understanding Marketing People
  • Optionality: Offering Catering to their needs to Ensure Perfect Fit

Hallo Elena, Vielen Dank! Wir gucken uns diese Woche noch zwei Anbieter von der Messe an. Im Hintergrund suchen wir aber schon alle Dokumente zusammen, sodass wir Anfang kommender Woche eine Entscheidung treffen und starten nonnen. Parallel gucken wir uns den Prozess an, wie unser PIM Produktbeschreibungstexte erstellt. Da diese Entscheidung primär im Marketing getroffen werden wird und insbesondere die Erstellung UND die Anreichung im Hinblick auf Kl-Suchen hier in den Fokus stellen, schlage ich vor, dass ihr eine kurze Präsentation zu diesem Thema, eurem Prozess und den Abläufen dahinter vorbereitet. Dann können wir einen Termin mit dem Marketina hierzu aufsc uneuny Kann ale unterschiealicnen Anbieter direkt vergleichen. Mit freundlichen Grüßen / best regards

Hey Elena :-) Zu den Produktbeschreibungstexten schicke ich euch gerne unseren aktuellen Prozess. Einige Anbiee wir uns dafür angucken machen sogar Demos und Beispiel Prozessautomatisierungen. Mein Tipp an dich als freie Mentorin;-): Guckt euch bei großen Wettbewerbern mal an, wie die solche Pitches gestalten und machen (zB Cernel). Findet euren USP, nehmt ein Produkt aus unserem Shop und zeigt, wie ihr A: Den Prozess intern zwishcen Produkt und MArektingteam automatisiert und dadurch schneller macht (% Zeitersparnis) und B: Am Ende ein Text rauskommt, wo alle Geminis und Chat GPTs der Welt auf Teveo Kleidung aufmerksam wird (nehmt dafür eine Generische Suche wie "ich will zu einer Hohczeit in Italien und suche ein Kleid als Trauzeugin" - nur auf Teveo Produkte gemünzt. Dann habt ihr eine gute Chance. Schafft ihr das bis eow kommende Woche? Offizielle Mail ging eben schon raus - das mache ich hier Teveo unabhängig :-) Wir wollen eine 3000 Euro SaaS an sie verkaufen und pitchen gegen eine andere Firma… die auch AI Enrichment für Productdata machen… aber nicht so auf AI Commerce Generative Engine Optimis __ Anpassungsfähig und liefern schnell!

USP: Optimierung für AI ChatGPT, Gemini… AIs Finden. Und How we do it… + Sie können Produkt mitshapen bei uns. Wir nehmen wünsche gerne an, damit wir wirklich ihren Prozess genau abbilden. MORGEN STARTEN, Onboarding nichts nötig. kein Lernen der Plattform notwendig. Selbsterklaernend.. Pipeline Passend

https://teveo.com/en-gb/collections/leggings?utm_source=chatgpt.com

Intent based Usecases worunter das Produkt gefunden werden kann. !!!! + CHATGPT und GOOGLE AN sogar… Aber auch so kann AI Agent INTENT BASIERTE USECASES FUER DAS PRODUKT GENIERERN

NO NEW PROCESS BUT YOUR PROCESS FIXED!!!! THE PROBLEM IS NOT THE PIM, ITS THE GETTING THE DATA IS THE PIM!

KEINE SPEICHUNG DEINER PRODUKTDATEN… PROZSSING IN DEUTSCHLAND! PIPELINE! KEINE SPEICHSYSTEM

3000 MIN.

WIR SIND EINE ENRICHMENT PLATFORM FUER MIGRATION ENRICHMENT INTERN UND EINMAL PRODUKTE ___ WORKFLOW… FUER NEUE PRODUKTE​N ATTRIBUTEN DAMIT AI VERGELICHEN KANN + EXTERNE DATA SOURCE

SIMPLE INTERFACE… STRAIGHT FORWARD

WIR KOMMEN VON GEO… ULTRARELVEEANT… EDGE… USP! GEO STORYYYY!!!! PASST SO…


Anforderung: Story und Slides

den ChatGPT-Link als Beweis

das hier nciht.. Und das GEO beispiel auf Teveo Lift Longsleeve Gemuentzt.

Und dann wirklich hightlighten.. das wir ihren prozess so wie er ist... automatisieren mit unserer pipeline.. Kein onboarding haben.. sondern unser tool naechste woche nutzen koennen.. kein extra tool lernen muessen... wir den prozess genau abbikden... GEO optimieren, und wie wir das machen... und das wir ihre daten auch nicht speichernn., kein datenmodell noetig... oder hochladen von unmenden alter produktdaten.. trotzdem alles in europa laueft... dann das einsparen... ES soll klar sein dass wir ihren prozess besser verstanden haben die kette automatisieren...


Anforderung: Reflektiere

hast du das deck nochmal gelesen und dann gib mir bitte nochmal die reflection basierend auf dem was ich dir schrieb... ich will keinen chatgpt proof. das du utm parameter gesehen hast heist nix...

du bist ein master storyteller ... adaptiere basierend darauf... wie wuerdest du das maximum rausholen jetzt... DU bist verwirrtt... schau dir GENAU an was ich von dir verlangt habe und erstelle einen story..

SCHAU DIR GENAU AN WAS ICH GESAGT HABE..


Korrektur: Datenmodell und Migration

4 und 5 hello. Das Problem ist hier bei 4 und 5. Wir haben schon das Datenmodell, das ist drin, deswegen das musst du nicht sagen, aber 5, keine Migration alter Produktdaten nötig, klingt blöd, weil wir machen ein Migrationsprojekt für die, wo wir Altdaten aufbereiten.

Aber was viel wichtiger ist: Hier dass keine Altdaten hochgeladen werden müssen, not bei API oder CSV oder was auch immer jetzt in unserem Modell, damit sie diese Pipeline in einer Woche benutzen können.

Scheiß mal auf das, was ich jetzt hatte. Und denk jetzt bitte mir die wirklichen Kernaussagen. Du hast jetzt die Mail von Ines auch hier noch in dem Kontext und meine Kernaussagen, die mir wichtig sind.

Jetzt erstell bitte eine Story mit den Kernaussagen.


Detaillierte Story-Anforderung

Okay, diese Story, die du oben hast. Ich hätte jetzt gerne noch, dass du Extraktion, Mapping, Texterstellung und Übersetzung änderst.

Und das Ganze heißt: Was passiert bei dem eigentlichen Prozess bei denen? Die haben halt diese Dokumente, das ist der Rangeplan, das ist das Sizingchart, das ist das Foto und vielleicht Materialinformationen und Metafield-Informationen. Das sind PNG, Excel und JSON beispielsweise.

Dann benimmt unser Tool basierend auf deren Akaneo Struktur oder möglichen PLM und der Taxonomie bzw. Shopify bzw. dieses Datenmodell und mappt auch auf die richtigen Selektoren in ihrer Sprache. Dann generieren wir Marketingtexte genauso wie sie sie in der Vergangenheit generiert haben.

Das ist das erste: Basierend auf ihren Produkten verhenden wir das, was sie auf ihrer Website haben. Das andere ist, wir optimieren diese dann aber auch noch geotechnisch, indem wir uns anschauen, was für Intents, also worunter diese Produkte gelistet werden könnten, and uns dchauen, was entweder die Google-Suche oder ChatGPT interessiert.

Und dann wird dem Marketer vorgeschlagen, wie er weitere Intents zu den Marketing-Texten hinzufügen kann, damit das Ganze darunter gefunden werden kann. Ich mache hier das Beispiel in dem übertragenen Sinne. Ich gebe hier von diesem Hochzeitskalt gesprochen, aber du müsstest halt für den TV-Case. Okay?

Und dafür nehmen wir externe Daten-Sourcen und durchsuchen halt chatGPT und Gemini. Warum können wir das? Weil wir eine SaaS gebaut haben, ultrarelevant.com, das ist ein Geoengineering Tool. Basically checkt es, wo Brands in ChatGPT auftauchen.

Player in diesem Markt sind zum Beispiel PeakAI und Profound AI, wo 25 Prompts nachts getestet und analysiert werden. Das heißt, wir kennen uns, wir kommen aus dem Geo-Markt. Wollen aber in die welt der produkten, weil wir hier in größeren hebel sehen genau dieses keine woche nächste woche live ist. Das tool ist so schon eingestellt und die plattform ist wirklich selbst erklären, dass einst bzw keine plattform sondern workflow schmeißt vorne, was rein wird durchgeleiteten kommt, was raus passend zu ihrem prozess genauso wie er eigentlich war.

Also kannst du die story jetzt damit erweitern.

Du kannst jetzt hier auch ultrarelevant.com nochmal als Link nennen für das Geo-Tracking-Tool. Und dann, ich möchte jetzt nicht, dass du irgendwelche Slides änderst. Ich möchte, dass du mir jetzt erstmal den vollen Plan, die volle Story gibst mit allen Punkten, die ich genannt habe.

So, was mir dann immer noch fehlt ist, wie wir halt, warum sich das quasi lohnt für die. Basically, was die momentan machen ist, halte diese vier Files, verschiedene, drei Personen, reichern halt momentan Systeme, beispielsweise Shopify, mit diesen Informationen an.

Später wird das dann Ganze im PIM gemacht und da helfen wir halt, weil die Dokumente ja sofort ausgelesen werden. Und dann generieren wir aber auch die restlichen Felder, die für den PIM richtig wichtig sind. Okay, also mache es Step by Step genau passend in Ihren Prozess.

Und dann ist es momentan so, dass zum Beispiel Übersetzungen an eine Agentur geschickt werden. Die Übersetzungen können wir entweder mit AI-Modellen machen oder mit DeepL autom die müssen auch nur noch freigegeben werden. Und das heißt, am Ende soll klar sein, dass wir unfassbar viel Zeit sparen und unfassbar viel Geld sparen, weil wir diesen ganzen Prozess automatisieren mit unserer Pipeline, die quasi auch eine SaaS ist, aber passend zu ihrem Produkt.

Reflektiere, ich will, dass du keine Slides schreibst, sondern ich will, dass du mir eine Story schreibst, mit jetzt allen Informationen, die ich genannt habe. Wenn irgendwas ambiguous ist, dann sag mir Bescheid.


Korrektur: Sprache und Ton

So, jetzt hast du wieder irgendwelche Sachen gesagt, sowas wie Pipeline oder so einen Scheiß. Was soll das zum verfickten nochmal heißen?

Ich will auch nicht diese Sachen wie Extraktion, Mapping und Texterstellung und Übersetzung hören, okay? Sondern ich will, so wie ich es dir gesagt habe, erstell mir jetzt erstmal die Scheiß-Story ohne irgendwelche Slides, wo kein Marketing-Language oder was auch immer so ist, wo ich das lese und den Scheiß verstehe und lass jetzt mal nichts aus. Okay, es geht mir nur um die Worte. Ich will keine Labels, sondern ich will jetzt einfach mal eine Story absetzen und die in der Headline haben.

Die Headline muss nicht punchen oder was auch immer, sondern es soll einfach nur, please jetzt nimm einfach mal und liste alle meine Punkte jetzt auf. Meine Story, meine Punkte. In der normalen Story, in der normalen Language.


Korrektur: Prozess und Assumptions

Am Anfang fügen wir hinzu, Teveo macht das einmal die Woche. Es dauert auch nur eine Woche, beziehungsweise es dauert nicht Wochen, aber es ist jedes Mal dasselbe.

Und jetzt gibt es einen PIN, wo neu gepflegt werden soll. Jetzt sagst du immer noch so was wie "Dun map das Tool Daten auf deren Struktur". Wie kommst du darauf? Ich habe gesagt, du sollst keine Konzepte mehr verwenden.


Korrektur: Agentur und Website-Texte

Okay, dann erstens: Agentur ist vielleicht immer noch nötig, deswegen sag es so nicht. Ich weiß nicht, weil wir haben jetzt diesen Human Verification in the end. Deswegen lass das vielleicht komplett weg, sag einfach so, dass wir die Übersetzung auch machen. Die mit Deeper quasi rauskommt. Das Beste, was es auf dem Markt gibt, ist die Übersetzung. Wir können auch das KI-Modell nehmen.

Das Produktteam sammelt nicht die Produktdaten zusammen. So, woher willst du das wissen? Scheiß Assumption. Sondern die Daten, die ich da dann genannt habe, die sind auf jeden Fall da. Die dauert jede Woche ungefähr eine Woche, ja, dieser Prozess ist in wöchentlich getaktet. Kann es nicht sagen, dass eine Woche dauert, und wir wissen nicht, ob dann vielleicht zum Beispiel nur noch ein Pin gepflegt wird und gar nicht mehr Shopify, weil das prim dazu kommen. Deswegen also auch nicht zu schreiben.

Mir fehlt es hier die ganze Zeit so das ist der Prozess, und wir automatisieren euch jetzt diesen ganzen Prozess, mach mal schneller und setzen dabei ein und machen das ganze auch noch geoptimiert genau in den richtigen Feldern bzw. kann exportiert werden in euer Akaneo, in euer Shopify oder in das potenzielle PLM.

Genau, und dann haben wir auch das Zalando Farb Selector, das ist super, und das wir hier auch mappen auf die Felder, die wir für ChGPT und Gemini brauchen. Shopify Taxonomy, Akaneo Struktur und Workshop, was ChGPT und Gemini braucht. Warum ist das wichtig, wenn da Felder ausgefüllt sind und dann ChatGPT und Gemini gesendet werden oder ChatGPT und Gemini sich von einer Website zählen kann? Also höhere ausgefüllte Produktdaten beeinflussen GEO halt positiv oder dass ChatGPT halt deine Produkte kauft.

Gleichzeitig verändern wir aber auch noch Intent-Based die Marketingtexte und sowas, dass wir das besser abbilden. Das ist halt der zweite Punkt, ne? Marketing generieren wir basierend auf dem was unter Produkten bei tvo.com steht. Das ist jetzt auch descriptive. Es soll heißen, wir schreiben halt in eurem Tere KI schreibt da wie eure stehenden Texte. Ihr müsst das halt alles nicht einstellen, das ist auch wichtig.

Diese beziehende externe Datenquellen, ja wir analysieren, was im Chat-Support-Team-Game-In-Universität anfangs tatsächlich ausgegeben wird. Genau, PeakAI wird P-E-E-C, AI geschrieben, Profound AI. Das sind AI Rank Tracking Tools, erkläre und gibt da nochmal ultrarelevant.com an.

Und dann Übersetzung, genau, die Felder für das neue PIM generieren wir auch durch die Texte mit Zallanlagen. Das soll ja lieber oben stehen und dann, Katalog muss nicht eingepflegt werden, genau, dann hier wieder redundant. So, das ist, wir haben jetzt wieder Wiederholungen. Aber grundsätzlich ist das schon mal richtig.

Ich möchte, dass du es jetzt noch mehr sympathisch, wo ich sie, und halt in so einer quasi Mail schreibst. Nicht in der Mail, sondern in diesem Text, den du hier gerade geschrieben hast. Und lass bitte, wenn ich nichts ausschaut, bitte nochmal in den Kontext, die Infos, die ich dir gegeben habe, rgendwas vergessen haben.

Headlines

decks/teveo-pitch/headlines.md

Teveo Pitch Headlines

1. Jede Woche dasselbe: Drei Leute übertragen Produktdaten aus vier Dateien von Hand in Shopify. Die Übersetzungen gehen an eine externe Agentur.

2. Wir ändern euren Prozess nicht. Wir automatisieren exakt den Workflow, den ihr schon habt. Dateien rein, fertige Produktdaten raus. Wir sind keine Enrichment-Plattform, kein neues Tool lernen. Kein Katalog hochladen, Produktdaten werden von uns nie gespeichert. Verarbeitung ausschließlich in Deutschland.

3. Das Tool erkennt automatisch, was in Rangeplan, Bildern und Excel-Listen steht, und ordnet alles den richtigen Feldern zu. Für Akeneo, Shopify, Zalando.

4. Eine KI schreibt eure Produkttexte so, wie ihr sie schon immer geschrieben habt. Gelernt von eurer bestehenden Website, ohne manuelle Einstellungen.

5. Wir analysieren, was KIs bei Produktanfragen tatsächlich empfehlen, und geben eurem Marketer konkrete Vorschläge. Er entscheidet, was rein kommt.

6. Wir übersetzen alle Texte automatisch, entweder über unsere KI-Modelle oder über DeepL. Ihr könnt unsere Übersetzungen direkt nehmen, die Agentur weiterhin einbinden oder sie nur noch zur Freigabe involvieren.

7. Am Ende stehen saubere Daten bereit, die direkt in Akeneo, Shopify, Zalando, Google oder ChatGPT gehen. Jeder im Team kann den aktuellen Stand jederzeit per Link teilen, prüfen und herunterladen.

8. Produktdaten ready für den Launch in drei Minuten statt in Tagen. Gleichzeitig werden eure Produkte in ChatGPT und Google AI besser gefunden, weil die Daten vollständig sind und die GEO-Optimierung greift.

9. Kleines Team, große Ambitionen. Wir kommen mit ultrarelevant.com aus dem Generative Engine Optimization Bereich.

Storyold

decks/teveo-pitch/storyold.md

Teveo Pitch Story

1. Die Ausgangslage bei Teveo

Teveo bringt wöchentlich neue Produkte heraus. Der aktuelle Prozess, um diese Produkte online zu bringen, ist manuell. Momentan tragen drei Personen die Produktdaten aus vier verschiedenen Dateiquellen in Shopify ein: dem Rangeplan, Sizingcharts, Fotos sowie Material- und Metafield-Informationen, die in Excel-Tabellen, JSON-Dateien oder als PNG vorliegen.

In Zukunft soll diese Datenpflege in einem neuen Akeneo PIM stattfinden. Für die internationalen Shops werden die Texte bisher an eine externe Agentur geschickt.

2. Was die Software konkret macht (Der automatisierte Prozess)

Wir ändern den Prozess bei Teveo nicht. Stattdessen automatisieren wir exakt den Workflow, den sie ohnehin schon haben. Das Ziel ist eine simple Pipeline: Vorne werden die Dateien hochgeladen, das Tool verarbeitet sie in fünf Schritten, und hinten kommen die fertigen Daten heraus. Der gesamte Vorgang – vom Upload bis zum exportfähigen Datensatz – dauert mit unserer Pipeline ungefähr drei Minuten.

Wir sind keine komplexe Plattform, für die man Onboarding benötigt. Man gibt den Input hinein und erhält das Ergebnis.

Der Prozess läuft in fünf Schritten ab:

  1. Daten auslesen & zuordnen: Das Tool erkennt automatisch, was in den hochgeladenen Dokumenten steht, und ordnet die Informationen den korrekten Feldern zu. Für Akeneo, Shopify, Zalando oder spezifische Anforderungen wie den Zalando-Farb-Selector.

  2. Marketingtexte schreiben: Eine KI generiert die Produktbeschreibungen im Schreibstil, den Teveo auf der bestehenden Website verwendet. Ohne manuelle Einstellungen.

  3. Intent-basierte Optimierung: Die Produktdaten werden für KI-Suchmaschinen angereichert (dazu mehr in Section 3).

  4. Übersetzen: Alle Texte werden automatisch übersetzt, über DeepL oder eigene KI-Modelle. Das Team gibt nur noch frei.

  5. Export: Saubere, strukturierte Daten, bereit für Akeneo, Shopify, Zalando, Google und ChatGPT.

Zusammenarbeit: Verschiedene Personen können den aktuellen Stand per Link öffnen, prüfen und freigeben. Kein Versenden von Excel-Listen oder Word-Dokumenten.

3. Der USP: Generative Engine Optimization (GEO)

Neben der reinen Automatisierung sorgen wir dafür, dass die Produkte auch dort stattfinden, wo die Kunden suchen: in KIs wie ChatGPT, Gemini oder den Google AI Overviews. Das Ziel ist, dass Teveo-Produkte von der KI empfohlen werden, wenn Nutzer offene Fragen stellen.

Der Prozess funktioniert so: Zuerst generiert unser Tool ganz normal die Produkttexte im Teveo-Stil. Dann geht es an die Optimierung. Wir wollen zum Beispiel erreichen, dass das Lift Longsleeve unter Anfragen wie "lockeres Langarmshirt fürs Gym das ich auch im Alltag tragen kann" oder "Pump Cover Damen Baumwolle" gefunden wird. Dafür analysiert unsere Software mit externen Datenquellen, was ChatGPT und Gemini bei genau solchen Anfragen tatsächlich ausgeben und welche Kriterien sie in ihren Antworten hervorheben.

Basierend auf dieser Analyse bekommt der Marketer direkt Vorschläge, welche Intents er in den Text einbauen kann, damit das Produkt bei solchen Anfragen auftaucht. Er entscheidet was rein kommt.

Das können wir, weil wir ultrarelevant.com gebaut haben, ein GEO-Tracking-Tool, das analysiert, wo Brands in KI-Suchmaschinen auftauchen. Wir kommen aus diesem Markt und gehen jetzt in Produktdaten, weil wir dort einen größeren Hebel sehen.

4. Setup & Sicherheit

Das Tool ist sofort einsatzbereit. Es muss kein Katalog hochgeladen werden, keine API-Anbindung, kein CSV-Import. Das Datenmodell haben wir schon. Produktdaten werden nicht bei uns gespeichert. Die Verarbeitung läuft in Deutschland.

Wir sind keine Enrichment-Plattform, die man erst konfigurieren muss. Es gibt kein Felder-Mapping, keine Regeln, kein Onboarding. Wir haben den Prozess von Teveo verstanden und automatisieren ihn genau so, wie er heute schon läuft. Andere Anbieter bauen Plattformen mit vielen Konfigurationsmöglichkeiten für verschiedene Anwendungsfälle. Das klingt flexibel, bedeutet aber Einarbeitungszeit, Komplexität und laufenden Pflegeaufwand. Unser Ansatz ist das Gegenteil: Dateien rein, Ergebnis raus.

Wir schneiden die Pipeline auf euren Prozess zu und kümmern uns um die letzten Feinheiten im Datenmodell. Danach läuft alles. Keine weitere Arbeit auf Teveos Seite. Das Team kann sofort arbeiten, ohne ein neues Tool lernen zu müssen.

5. Bessere Daten, bessere Performance

Die manuelle Datenpflege ist repetitive Arbeit, die das Team jede Woche aufs Neue bindet. Mit der Pipeline entfällt das. Produktdaten sind ready für den Launch in drei Minuten statt in Tagen. Schnellere Launches wirken sich direkt auf den Umsatz aus.

Gleichzeitig werden Teveo-Produkte in ChatGPT und Google AI besser gefunden, weil die Produktdaten vollständig ausgefüllt sind und die GEO-Optimierung greift.

6. Das Team

Kleines Team, große Ambitionen. Wir kommen mit ultrarelevant.com aus dem Generative Engine Optimization Bereich.

Slide Plan

decks/teveo-pitch/slide-plan.md

Teveo Pitch — Slide-Plan v2 (Story-first, keine Demo-Screenshots)

Was ist THE POINT

  1. Wir verstehen euren Prozess exakt
  2. Wir automatisieren ihn exakt so wie er ist
  3. Wir machen auch GEO (das macht sonst keiner für Produktdaten)
  4. Ihr könnt sofort starten

Die Story als Beats

Beat 1 (§1): "Die verstehen genau, wie wir arbeiten." Beat 2 (§2 Intro): "Die ändern nichts, die machen es nur schneller." Beat 3 (§2 Schritte): "So läuft das ab. 5 Schritte, 3 Minuten." Beat 4 (§3): "Die machen nicht nur Automatisierung — ChatGPT und Gemini empfehlen dann UNSERE Produkte." Beat 5 (§3): "Die wissen wovon sie reden, die kommen aus dem GEO-Markt." Beat 6 (§4): "Ich kann nächste Woche starten, ohne irgendwas vorzubereiten." Beat 7: "Let's talk."


Slides

SLIDE 1: TITLE

┌─────────────────────────────────────────────────┐
│                                                 │
│   [TEVEO]  |  [ULTRARELEVANT]                   │
│                                                 │
│   Produkttexte die verkaufen.                   │
│   Sichtbar in der KI-Suche.                    │
│                                                 │
│   NOETIQ ONE GmbH · März 2026                   │
└─────────────────────────────────────────────────┘

SLIDE 2: EUER PROZESS (Story §1)

┌─────────────────────────────────────────────────┐
│  Wir kennen euren Prozess                [logos] │
│                                                 │
│  TEXT:                        DATEIEN:           │
│                                                 │
│  Jede Woche neue Produkte.    [Rangeplan.pdf]   │
│  3 Personen tragen die              ↘           │
│  Daten aus 4 Quellen          [Size_Chart.xlsx] │
│  in Shopify ein.                    ↘           │
│                               [Produktbild.png] │
│  Neues Akeneo PIM kommt.           ↘           │
│  Übersetzungen gehen          [Material.xlsx]   │
│  an eine externe Agentur.           ↘           │
│                               [Metafield.json]  │
│                                     ↓           │
│                                 → SHOPIFY       │
└─────────────────────────────────────────────────┘

Split-Layout. Links Story §1 als Bullets. Rechts: ihre 4 Dateitypen fließen in Shopify. Empathie, kein Problem-Framing.


SLIDE 3: WIR AUTOMATISIEREN IHN (Story §2 Intro)

┌─────────────────────────────────────────────────┐
│  Euer Prozess, automatisiert             [logos] │
│                                                 │
│  Wir ändern nichts. Wir automatisieren          │
│  exakt den Workflow, den ihr schon habt.        │
│                                                 │
│  ┌───────────┐              ┌────────────────┐  │
│  │ Eure      │              │ Fertige Daten  │  │
│  │ Dateien   │              │                │  │
│  │           │  ─ 3 Min ─►  │ → Akeneo PIM   │  │
│  │ PDF XLSX  │              │ → Shopify      │  │
│  │ PNG JSON  │              │ → Zalando      │  │
│  │           │              │ → Google Gemini│  │
│  └───────────┘              └────────────────┘  │
│                                                 │
│  Keine Plattform. Kein Onboarding.              │
│  Input rein, Ergebnis raus.                     │
└─────────────────────────────────────────────────┘

Die Transformation. Gleiche Files wie Slide 2, aber jetzt durch uns → fertige Daten in 3 Minuten. Output-Seite zeigt wohin: Akeneo, Shopify, Zalando, Gemini.


SLIDE 4: WAS DRIN PASSIERT (Story §2 — die 5 Schritte)

┌─────────────────────────────────────────────────┐
│  Was in diesen 3 Minuten passiert        [logos] │
│                                                 │
│  1  Daten auslesen & zuordnen                   │
│     Erkennt Infos aus Rangeplan, Bildern,       │
│     Excel. Ordnet sie den Feldern zu:           │
│     Akeneo PIM, Shopify, PLM, Zalando.          │
│                                                 │
│  2  Marketingtexte schreiben                    │
│     KI schreibt im Teveo-Stil. Gelernt          │
│     von eurer Website, kein Setup nötig.        │
│                                                 │
│  3  GEO-Optimierung                             │
│     Texte so anreichern, dass ChatGPT           │
│     und Gemini Teveo empfehlen.                 │
│                                                 │
│  4  Übersetzen                                  │
│     DeepL oder eigene KI-Modelle.               │
│     Team gibt am Ende nur noch frei.            │
│                                                 │
│  5  Fertige Daten                               │
│     Export in Akeneo, Shopify, Zalando.          │
└─────────────────────────────────────────────────┘

Die 5 Schritte als nummerierte Liste. Kein Screenshot nötig. Die Beschreibung IST der Inhalt. Jeder Schritt = ein Satz.


SLIDE 5: GEO — DER UNTERSCHIED (Story §3)

┌─────────────────────────────────────────────────┐
│  Sichtbar in ChatGPT, Gemini,            [logos] │
│  Google AI Overviews                            │
│                                                 │
│  Zuerst generiert das Tool die Texte            │
│  im Teveo-Stil. Dann optimieren wir sie,        │
│  damit KI-Suchen Teveo empfehlen.               │
│                                                 │
│  ┌────────────────────────────────────────┐      │
│  │                                        │      │
│  │  Lift Longsleeve                       │      │
│  │                                        │      │
│  │  "lockeres Langarmshirt fürs Gym       │      │
│  │   das ich auch im Alltag tragen kann"  │      │
│  │                                        │      │
│  │  "Pump Cover Damen Baumwolle"          │      │
│  │                                        │      │
│  │  → Der Marketer bekommt Vorschläge,    │      │
│  │    welche Intents er einbauen kann.     │      │
│  │    Er entscheidet was rein kommt.       │      │
│  │                                        │      │
│  └────────────────────────────────────────┘      │
└─────────────────────────────────────────────────┘

DER Wow-Moment. Konkretes Beispiel mit dem Lift Longsleeve. Keine Theorie, sondern "so sieht das aus für EUER Produkt."


SLIDE 6: WARUM WIR DAS KÖNNEN (Story §3 Credibility)

┌─────────────────────────────────────────────────┐
│  Wir kommen aus dem GEO-Markt            [logos] │
│                                                 │
│  ultrarelevant.com                              │
│  Ein GEO-Tracking-Tool das checkt,              │
│  wo Brands in ChatGPT auftauchen.               │
│                                                 │
│  In diesem Markt sitzen auch                    │
│  Peec AI und Profound AI — hunderte             │
│  Prompts testen und analysieren.                │
│                                                 │
│  Wir gehen jetzt in Produktdaten,               │
│  weil wir da einen größeren Hebel sehen.        │
│                                                 │
│  ultrarelevant.com                              │
└─────────────────────────────────────────────────┘

Herkunft. Credibility. Warum wir GEO können. Kurz und klar. Keine Feature-Liste.


SLIDE 7: NÄCHSTE WOCHE LIVE (Story §4 + §2 Collaboration)

┌─────────────────────────────────────────────────┐
│  Nächste Woche live                      [logos] │
│                                                 │
│  ✓ Kein Onboarding nötig                        │
│  ✓ Keine alten Produktdaten hochladen           │
│  ✓ Kein Katalog, keine API, kein CSV-Import     │
│  ✓ Datenmodell haben wir schon                  │
│  ✓ Produktdaten werden nicht gespeichert         │
│  ✓ Verarbeitung in Deutschland                  │
│                                                 │
│  ┌────────────────────────────────────┐          │
│  │ Zusammenarbeit: Bearbeitungsstand  │          │
│  │ per Link teilen. Verifizieren,     │          │
│  │ ergänzen. Keine Excel hin- und     │          │
│  │ herschicken.                       │          │
│  └────────────────────────────────────┘          │
└─────────────────────────────────────────────────┘

Jeder Einwand weg. Plus Collaboration als Bonus.


SLIDE 8: CTA + TEAM

┌─────────────────────────────────────────────────┐
│                                                 │
│     Manuellen Aufwand reduzieren.               │
│     Sichtbar in der KI-Suche.                   │
│                                                 │
│     Let's talk                                  │
│                                                 │
│  [Elena]  elena@ur    [Falco]  falco@ur         │
│                                                 │
│  [QR]  productdata.ultrarelevant.com            │
└─────────────────────────────────────────────────┘

Letzter Satz aus der Story als Headline.


Story-zu-Slide Mapping

Story Slide
§1 komplett Slide 2
§2 Intro ("ändern nicht, automatisieren, 3 Min") Slide 3
§2 Die 5 Schritte Slide 4
§2 Collaboration (Share-Button) Slide 7
§3 GEO-Beispiel (Lift Longsleeve Intents) Slide 5
§3 Credibility (ultrarelevant, Peec, Profound) Slide 6
§4 Setup & Sicherheit Slide 7
§4 Letzter Satz Slide 8 (CTA)

Was anders ist vs. v1

  • 8 statt 10 Slides — straffer
  • Keine Demo-Screenshots — Story redet, keine Produkt-UI
  • Keine Dropzone — war ein Produkt-Feature, kein Story-Beat
  • Slide 4 ist NEU — die 5 Schritte als klare nummerierte Liste, direkt aus der Story
  • Slide 5 (GEO) steht alleine — eigene Slide nur für das Lift Longsleeve Beispiel, der Wow-Moment
  • Alles ist 1:1 Story-Text — keine erfundenen Headlines, keine Marketing-Sprache

Design-Basis

Ale-hop Deck Design:

  • Font: Geist + Geist Mono
  • Header: h2 + Logos rechts (slide-top)
  • Split-Layout für Slide 2 (Text + glassmorphic File Cards)
  • Bento Flow für Slide 3 (Input → Output)
  • Nummerierte Liste für Slide 4
  • Styled Card für Slide 5 (GEO Intents)
  • Bullets für Slide 6
  • Checkmarks + Card für Slide 7
  • Team-Bar für Slide 8

Storytwo

decks/teveo-pitch-v3/storytwo.md

Teveo Pitch Story

1. Die Ausgangslage bei Teveo

Teveo bringt wöchentlich neue Produkte heraus. Der aktuelle Prozess, um diese Produkte online zu bringen, ist manuell. Momentan tragen drei Personen die Produktdaten aus vier verschiedenen Dateiquellen in Shopify ein: dem Rangeplan, Sizingcharts, Fotos sowie Material- und Metafield-Informationen, die in Excel-Tabellen, JSON-Dateien oder als PNG vorliegen.

In Zukunft soll diese Datenpflege in einem neuen Akeneo PIM stattfinden. Für die internationalen Shops werden die Texte bisher an eine externe Agentur geschickt.

2. Was die Software konkret macht (Der automatisierte Prozess)

Wir ändern den Prozess bei Teveo nicht. Stattdessen automatisieren wir exakt den Workflow, den sie ohnehin schon haben. Das Ziel ist eine simple Pipeline: Vorne werden die Dateien hochgeladen, das Tool verarbeitet sie in fünf Schritten, und hinten kommen die fertigen Daten heraus. Der gesamte Vorgang – vom Upload bis zum exportfähigen Datensatz – dauert mit unserer Pipeline ungefähr drei Minuten.

Wir sind keine Enrichment-Plattform, die man erst konfigurieren muss. Super einfach, kein Onboarding, kein Katalog hochladen. Produktdaten werden von uns nie gespeichert. Verarbeitung ausschließlich in Deutschland. Man gibt den Input hinein und erhält das Ergebnis.

Der Prozess läuft in fünf Schritten ab:

  1. Daten auslesen & zuordnen: Das Tool erkennt automatisch, was in den hochgeladenen Dokumenten steht, und ordnet die Informationen den korrekten Feldern zu. Für Akeneo, Shopify, Zalando oder spezifische Anforderungen wie den Zalando-Farb-Selector.

  2. Marketingtexte schreiben: Eine KI generiert die Produktbeschreibungen im Schreibstil, den Teveo auf der bestehenden Website verwendet. Ohne manuelle Einstellungen.

  3. Intent-basierte Optimierung: Die Produktdaten werden für KI-Suchmaschinen angereichert.

  4. Übersetzen: Wir übersetzen alle Texte automatisch, entweder über unsere KI-Modelle oder über DeepL. Ihr könnt unsere Übersetzungen direkt nehmen, die Agentur weiterhin einbinden oder sie nur noch zur Freigabe involvieren.

  5. Export: Saubere, strukturierte Daten, bereit für Akeneo, Shopify, Zalando, Google und ChatGPT. Jeder im Team kann den aktuellen Stand jederzeit per Link teilen, prüfen und herunterladen. Kein Versenden von Excel-Listen oder Word-Dokumenten.

3. Der USP: Generative Engine Optimization (GEO)

Neben der reinen Automatisierung sorgen wir dafür, dass die Produkte auch dort stattfinden, wo die Kunden suchen: in KIs wie ChatGPT, Gemini oder den Google AI Overviews. Das Ziel ist, dass Teveo-Produkte von der KI empfohlen werden, wenn Nutzer offene Fragen stellen.

Der Prozess funktioniert so: Zuerst generiert unser Tool ganz normal die Produkttexte im Teveo-Stil. Dann geht es an die Optimierung. Wir wollen zum Beispiel erreichen, dass das Lift Longsleeve unter Anfragen wie "lockeres Langarmshirt fürs Gym das ich auch im Alltag tragen kann" oder "Pump Cover Damen Baumwolle" gefunden wird. Dafür analysiert unsere Software mit externen Datenquellen, was ChatGPT und Gemini bei genau solchen Anfragen tatsächlich ausgeben und welche Kriterien sie in ihren Antworten hervorheben.

Basierend auf dieser Analyse bekommt der Marketer direkt Vorschläge, welche Intents er in den Text einbauen kann, damit das Produkt bei solchen Anfragen auftaucht. Er entscheidet was rein kommt.

Das können wir, weil wir ultrarelevant.com gebaut haben, ein GEO-Tracking-Tool, das analysiert, wo Brands in KI-Suchmaschinen auftauchen. Wir kommen aus diesem Markt und gehen jetzt in Produktdaten, weil wir dort einen größeren Hebel sehen.

4. Bessere Daten, bessere Performance

Die manuelle Datenpflege ist repetitive Arbeit, die das Team jede Woche aufs Neue bindet. Mit der Pipeline entfällt das. Produktdaten sind ready für den Launch in drei Minuten statt in Tagen. Schnellere Launches wirken sich direkt auf den Umsatz aus.

Gleichzeitig werden Teveo-Produkte in ChatGPT und Google AI besser gefunden, weil die Produktdaten vollständig ausgefüllt sind und die GEO-Optimierung greift.

5. Das Team

Kleines Team, große Ambitionen. Wir kommen mit ultrarelevant.com aus dem Generative Engine Optimization Bereich.

Slides

decks/teveo-pitch-v3/slides.md

Teveo Pitch Slides

SLIDE 1 — Problem

Headline: Jede Woche dasselbe: Drei Leute übertragen Produktdaten aus vier Dateien von Hand in Shopify. Die Übersetzungen gehen an eine externe Agentur.

Visual:

┌───────────┐  ┌───────────┐  ┌───────────┐  ┌─────────┐
│ Rangeplan │  │  Sizing   │  │   Fotos   │  │  Excel  │
│   .pdf   │  │   .json   │  │   .png    │  │Metafield│
└─────┬─────┘  └─────┬─────┘  └─────┬─────┘  └────┬────┘
      |──────────┬───┴──────┬───────|              |
                 ▼          ▼                       ▼
           ┌─────────────────────────────────────────┐
           │  3 Personen · manuell · jede Woche      │
           └──────────────────┬──────────────────────┘
                              │
                 ┌────────────▼────────────┐
                 │  Export an Agentur      │
                 │  (Übersetzung)          │
                 └────────────┬────────────┘
                 ┌────────────▼────────────┐
                 │  Import zurück in       │
                 │  Systeme                │
                 └─────────────────────────┘

SLIDE 2 — Lösung

Headline: Wir ändern euren Prozess nicht. Wir automatisieren exakt den Workflow, den ihr schon habt. Dateien rein, fertige Produktdaten raus.

Visual:

┌────────┐    ┌────┐┌────┐┌────┐┌────┐┌────┐    ┌──────┐
│        │    │ 1. ││ 2. ││ 3. ││ 4. ││ 5. │    │      │
│Dateien │───▶│Aus-││Text││GEO ││Über││Ex- │───▶│Daten │
│Upload  │    │lese││    ││    ││setz││port│    │ready │
└────────┘    └────┘└────┘└────┘└────┘└────┘    └──────┘

Punkte darunter:

  • Keine Enrichment-Plattform. / Super einfach.
  • Kein Katalog hochladen. / Kein Onboarding.
  • Produktdaten nie gespeichert. / Verarbeitung in DE.

SLIDE 3 — Auslesen & Zuordnen

Label: SCHRITT 1

Headline: Das Tool erkennt automatisch, was in Rangeplan, Bildern und Excel-Listen steht, und ordnet alles den richtigen Feldern zu. Für Akeneo, Shopify, Zalando.

Visual:

┌──────────────────┐         ┌──────────────────────┐
│  Rangeplan.pdf  │         │  Akeneo PIM          │
│                  │         │                      │
│  Lift Longsleeve │         │  Produktname ✓       │
│  95% Cotton      │────────▶│  Material ✓          │
│  Farbe: Indigo   │         │  Farbe ✓             │
│  S / M / L / XL  │         │  Zalando-Selector ✓  │
│                  │         │  Größen ✓            │
└──────────────────┘         └──────────────────────┘

SLIDE 4 — Texte schreiben

Label: SCHRITT 2

Headline: Eine KI schreibt eure Produkttexte so, wie ihr sie schon immer geschrieben habt. Gelernt von eurer bestehenden Website, ohne manuelle Einstellungen.

Visual:

┌────────────────────────────────────────────────────┐
│                                                    │
│  "Das Lift Longsleeve verbindet lässigen           │
│   Oversize-Schnitt mit weichem Baumwolljersey.     │
│   Perfekt für Training und Alltag."                │
│                                                    │
└────────────────────────────────────────────────────┘

            Stil gelernt von: teveo.com

SLIDE 5 — GEO

Label: SCHRITT 3

Headline: Wir analysieren, was KIs bei Produktanfragen tatsächlich empfehlen, und geben eurem Marketer konkrete Vorschläge. Er entscheidet, was rein kommt.

Visual:

1. ANFRAGE              2. WAS KIs EMPFEHLEN
┌─────────────────┐     ┌─────────────────────────┐
│ "lockeres Lang-  │     │ ChatGPT hebt hervor:    │
│  armshirt fürs   │────▶│ - Baumwolle             │
│  Gym"            │     │ - Oversize-Schnitt      │
└─────────────────┘     │ - Gym + Alltag          │
                        └────────────┬────────────┘
                                     │
3. VORSCHLÄGE AN MARKETER            ▼
┌──────────────────────────────────────────────┐
│ Intent "Pump Cover Damen Baumwolle"    [+ ]  │
│ Intent "Gym Longsleeve Oversize"       [+ ]  │
│ Intent "Langarmshirt Training Alltag"  [+ ]  │
└──────────────────────────────────────────────┘

SLIDE 6 — Übersetzen

Label: SCHRITT 4

Headline: Wir übersetzen alle Texte automatisch, entweder über unsere KI-Modelle oder über DeepL. Ihr könnt unsere Übersetzungen direkt nehmen, die Agentur weiterhin einbinden oder sie nur noch zur Freigabe involvieren.

Visual:

              ┌──────────────────┐
              │  Produktname     │
              │  Beschreibung    │
              │  Bullets         │
              └────────┬─────────┘
    ┌────────┬─────────┼─────────┬────────┐
    ▼        ▼         ▼         ▼        ▼
┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐
│EN 🇬🇧 │ │FR 🇫🇷 │ │IT 🇮🇹 │ │ES 🇪🇸 │ │NL 🇳🇱 │
└──────┘ └──────┘ └──────┘ └──────┘ └──────┘

SLIDE 7 — Export

Label: SCHRITT 5

Headline: Am Ende stehen saubere Daten bereit, die direkt in Akeneo, Shopify, Zalando, Google oder ChatGPT gehen. Jeder im Team kann den aktuellen Stand jederzeit per Link teilen, prüfen und herunterladen.

Visual:

                 ┌──────────────┐
                 │ Strukturierte│
                 │    Daten     │
                 └──────┬───────┘
 ┌────┬────┬────┬───────┼───────┬──────┬──────┐
 ▼    ▼    ▼    ▼       ▼       ▼      ▼      ▼
Akeneo Shopify PLM  Excel  Zalando Google ChatGPT

SLIDE 8 — Value

Headline: Produktdaten ready für den Launch in drei Minuten statt in Tagen. Gleichzeitig werden eure Produkte in ChatGPT und Google AI besser gefunden, weil die Daten vollständig sind und die GEO-Optimierung greift.

Visual:

    VORHER                       NACHHER

    Tage pro Launch              3 Minuten
    Repetitive Handarbeit        Automatisiert
    Unsichtbar in AI-Search      Empfohlen von ChatGPT

Subtext: Die manuelle Datenpflege ist repetitive Arbeit, die das Team jede Woche aufs Neue bindet. Schnellere Launches wirken sich direkt auf den Umsatz aus.


SLIDE 9 — Team

Headline: Kleines Team, große Ambitionen. Wir kommen mit ultrarelevant.com aus dem Generative Engine Optimization Bereich.

Visual:

             ┌──────────────────────┐
             │   ultrarelevant.com  │ (SCREENSHOT) SAAS.ULTRARELVANT.COM AUCH SCREENSHOT
             └──────────────────────┘

  ┌─────────────────┐       ┌─────────────────┐
  │    ┌──────┐     │       │    ┌──────┐     │
  │    │      │     │       │    │      │     │
  │    │  :)  │     │       │    │  :)  │     │
  │    └──────┘     │       │    └──────┘     │
  │  Elena          │       │  Falco          │
  │  elena@...      │       │  falco@...      │
  └─────────────────┘       └─────────────────┘