ConvergePilot war mein KI-Produkt zur Überprüfung der Konversionsrate. Es kombinierte von LLM generierte Audits mit Abonnementplänen, Zugriffsregeln für Modelle und KI-Kostenanalysen. Ich habe es mit Express, React, TypeScript, PostgreSQL, Drizzle und Stripe entwickelt und die Anwendung mit Docker und CapRover bereitgestellt.
Das Produkt ist derzeit pausiert. Die Ingenieursarbeit bleibt nützlich, da sie eine vertraute Lücke aufgezeigt hat: Die Erstellung eines plausiblen Berichts ist nur ein kleiner Teil der Bereitstellung eines Dienstes, den jemand verstehen, bezahlen und verantwortungsbewusst nutzen kann.
Ein Audit benötigt einen expliziten Umfang
Ein Conversion-Audit kann Navigation, Produktpräsentation, Vertrauenssignale oder Checkout-Reibung besprechen. Diese Kategorien klingen einfach, bis der Bericht anfängt, Wissen zu implizieren, das er nicht hat. Eine sichtbare Seite offenbart nicht die gesamte Customer Journey, und eine Designbeobachtung stellt nicht fest, warum sich der Umsatz geändert hat.
Die Unterscheidung, die mir wichtig ist, liegt zwischen einer Beobachtung, einer Hypothese und einem Experiment. „Die Lieferinformationen sind schwer zu finden“ ist eine Beobachtung, wenn das überprüfte Material dies unterstützt. „Diese Unsicherheit könnte einen Kauf entmutigen“ ist eine Hypothese. Die Informationen zu verschieben und die Auswirkungen zu messen, ist ein vorgeschlagenes Experiment.
Dies ist der Standard, den ich verwende, um die Nützlichkeit eines KI-Audits zu bewerten. Eine Empfehlung sollte mit Beweisen verbunden sein, ihren erwarteten Mechanismus erklären und angeben, was validiert werden müsste. Selbstbewusste Formulierungen können eine Vermutung nicht in ein gemessenes Ergebnis umwandeln.
Der Plan steuert eine echte Ausführungswahl
ConvergePilot beinhaltete das Modell-Gating nach Abonnementplan. Das schafft eine technische Beziehung zwischen Abrechnung und Generierung: Das Produkt muss bestimmen, welche Ausführungsoptionen ein Konto nutzen darf, bevor es mit der kostspieligen Arbeit beginnt.
Ein deaktivierter Button ist nur eine Präsentationswahl. Für jede kostenpflichtige KI-Funktion möchte ich, dass der Server das Konto, seine Berechtigung und das erlaubte Modell auflöst. Ein willkürlicher Modellname aus einer Browseranfrage sollte niemals die Autorität für den Zugriff werden. Dasselbe Prinzip gilt, wenn eine gespeicherte Anfrage später erneut versucht wird.
Es ist auch nützlich, den Ausführungskontext mit einem Audit beizubehalten. Wenn sich das Verhalten des Modells ändert, sollte der Bericht als Artefakt, das unter einem bestimmten Satz von Optionen erstellt wurde, verständlich bleiben. Andernfalls werden Supportgespräche zu Streitigkeiten über ein Ergebnis, das niemand rekonstruieren kann.
Die Kosten gehören zum Produktmodell
AI-Kostenanalysen waren Teil der Implementierung von ConvergePilot. Das ist wichtig, weil ein Abonnementpreis und ein Erzeugungskosten unterschiedliche Dinge beschreiben. Ein monatlicher Plan kann für den Kunden vorhersehbar sein, während die interne Arbeitslast mit der Anzahl und Komplexität der Prüfungen variiert.
Für ein Produkt wie dieses überprüfe ich die vollständige Ausführung, einschließlich erfolgloser Versuche und Wiederholungen. Ein fehlgeschlagener Bericht kann dennoch Ressourcen des Anbieters verbrauchen. Die nützliche Frage ist daher die Kosten für die Bereitstellung eines akzeptablen Ergebnisses, anstatt nur die Kosten des letzten erfolgreichen Modellaufrufs.
Diese Perspektive verändert auch die Fehlerbehandlung. Eine Wiederholungsaktion sollte kommunizieren, was passieren wird, genügend Kontext behalten, um einen Fehler zu diagnostizieren, und vermeiden, versehentlich wiederholte Klicks in nicht verwandte bezahlte Arbeit umzuwandeln.
Der Bericht muss einen nächsten Schritt unterstützen.
Eine lange Liste von Vorschlägen kann mehr Arbeit schaffen, ohne eine Entscheidung zu verbessern. Meine bevorzugte Prüfungsstruktur gruppiert die Ergebnisse nach der Kundenaufgabe, die sie betreffen, trennt Beweise von Annahmen und macht die nächste Aktion klein genug, um sie zuzuweisen. Eine Empfehlung, das „Vertrauen zu verbessern“, ist vage; das Identifizieren der fehlenden Informationen und wo ein Käufer diese benötigt, ist umsetzbar.
ConvergePilot hat Abrechnung, Generierung, Kostenübersicht und Berichterstattung in einer Anwendung vereint. Ich präsentiere die Existenz dieser Anwendung nicht als Beweis für eine Steigerung der Konversion. Ihr ingenieurtechnischer Wert lag darin, den gesamten Service konkret zu machen, einschließlich der Fragen, die ein Modell aus dem Seiteninhalt allein nicht beantworten kann.
Diese Erfahrung prägt weiterhin meine AI-Arbeit: das Lieferbare definieren, die Ausführung einschränken, den Kontext bewahren und das Ergebnis nützlich für die Person machen, die darauf handeln muss.
Aktualisiert am 26. September 2026.