GTM Overview Portal - Design Document

Overview

A web portal hosted on Vercel that provides a complete overview of everything in the GTM repository. White, clean design. Four tabs: Pitch Decks (interactive embeds), Data Tables (CSV viewer), Images (gallery), Documents (rendered markdown). Built as a root-level Astro project.

Folder Reorganization

Move files into a clean structure without deleting anything:

gtm/
  decks/                          # All 12 pitch deck Astro projects
    ale-hop-deck/
    ale-hop-deck-de/
    flaconi-deck/
    furniture-pim-creative/
    hersteller-deck/
    pitch-deck-onepager/
    pitch-deck-sales-component/
    pitch-deck-template/
    pitch-deck-ultra-story/
    teveo-pitch/
    teveo-pitch-v3/
    the-hook-site/

  data/                           # All CSV/TSV/JSON data files
    pipeline/                     # Root-level master lists
      accounts.csv
      target-customers-full-data.csv
      target-customers-logo-wall.csv
      logo-wall-final.csv
      OUTREACH_LOL_MASTER - UNIFIED_MASTER-1.csv
    merger/                       # Merge scripts + TSV/CSV data
    leads/                        # Lead CSVs + combine script
    persons/                      # VP contact lists
    compare/                      # Overlap analysis CSVs + scripts
    allvideonames/                # Raw video company JSONs + dedup/split scripts
    allvideonames8/               # 8-way split video data
    allvideonames16/              # 16-way split video data
    allvideonames16answers/       # ICP analysis CSVs + transform scripts
    videos/                       # Video extraction CSVs only (not video files)

  images/                         # All image assets consolidated
    ultra/                        # Brand assets (logos, team photos, MVP screenshots)
    bijou/                        # Bijou Brigitte client assets

  documents/                      # All markdown/text narrative docs
    THE_HOOK.md
    ultra-relevant-story.md
    ultra-relevant-story-v1.md
    arcos.md
    ultra.txt
    prompt.txt
    plans/                        # Design & implementation plans

  _archive/                       # Uncategorized/legacy content
    pitch-deck.html               # Old standalone HTML pitch deck
    THE HOOK.docx                 # Word doc (MD version extracted)
    THE_HOOK_extracted/media/     # Hook document images
    allvideonames8_backup/        # Backup of 8-way split JSONs
    videos/                       # Original video files (2.1GB .mov/.mp4)

  portal/                         # The overview portal (new Astro project)

Files that stay at root: .git/, .gitignore, CLAUDE.md, package.json, package-lock.json, node_modules/.

Portal Architecture

Tech Stack

• Astro 5.0, static output
• No UI framework (pure Astro components + vanilla JS for interactivity)
• Deployed to Vercel as single project

Project Structure

portal/
  src/
    layouts/Layout.astro
    pages/
      index.astro                 # Redirects to /decks
      decks/
        index.astro               # Deck grid
        [slug].astro              # Individual deck embed view
      data/
        index.astro               # CSV category list
        [...path].astro           # Individual CSV table view
      images/
        index.astro               # Image gallery
      documents/
        index.astro               # Document list
        [slug].astro              # Individual document view
    components/
      TabNav.astro                # Horizontal tab navigation
      DeckCard.astro              # Pitch deck card
      CsvTable.astro              # Expandable CSV table
      ImageGrid.astro             # Image gallery grid
      Lightbox.astro              # Image lightbox modal
    data/
      decks.json                  # Deck metadata (name, description, tags, slug)
      csvIndex.json               # CSV file registry (path, category, row count)
  public/
    decks/                        # Built output from each deck (copied at build time)
  astro.config.mjs
  package.json
  build-all.sh                    # Master build script

Tab 1: Pitch Decks (Landing Page)

Grid of 12 cards. Each card shows:

• Deck name (human-readable)
• Short description
• Language tags (EN, DE)
• Type badge (Client, Template, Company Story)

Grouped into sections:

• Client Decks: ale-hop, ale-hop-de, flaconi, teveo-pitch, teveo-pitch-v3
• Templates: hersteller-deck, pitch-deck-template, furniture-pim-creative
• Company Story: pitch-deck-onepager, pitch-deck-sales-component, pitch-deck-ultra-story, the-hook-site

Click a card -> navigates to /decks/[slug] which shows the deck in a full-width iframe loading /decks/<name>/index.html. Back button returns to grid.

Tab 2: Data Tables

Lists all CSVs grouped by category:

• Pipeline & Accounts (5 files)
• Merger (3 files)
• Leads (7 files)
• Persons (7 files)
• Compare/Overlap (8 files)
• ICP Analysis (3 files)
• Video Extractions (7 files)
• Deck Data (hersteller-deck/datagtm/.csv, teveo-pitch-v3/datagtm/.csv, etc.)

Each CSV entry shows: file name, row count, column headers. Click to expand: renders first 10 rows in a styled table. "Show all rows" button loads the full table.

Tab 3: Images

Grid gallery of all images from images/ directory. Grouped by source: Brand Logos, Team Photos, MVP Screenshots, Client Assets. CSS grid with object-fit: cover thumbnails. Click to open full-size in a lightbox modal overlay.

Tab 4: Documents

List of all .md and .txt files from documents/. Each rendered as styled HTML (headings, lists, tables, code blocks). Also includes deck-specific markdown: VALUE-PROP-SLIDES.md, PITCH-DECK-PLAN.md, anforderungen.md, slides.md, storytwo.md, etc.

Visual Design

• White background, clean minimal aesthetic
• Inter font family (matching Ultra Relevant brand)
• Tab bar: horizontal top nav, active tab has #2563eb bottom border
• Cards: white, subtle box-shadow (0 1px 3px rgba(0,0,0,0.1)), 8px border-radius, hover lift
• Tables: alternating rows (#f9fafb), sticky header, subtle borders
• Image gallery: CSS grid, rounded corners
• Responsive down to tablet width

Build Pipeline

#!/bin/bash
# build-all.sh

# 1. Build each deck
for deck in ../decks/*/; do
  (cd "$deck" && npm install && npm run build)
done

# 2. Copy built decks into portal/public
for deck in ../decks/*/; do
  name=$(basename "$deck")
  cp -r "$deck/dist/" "public/decks/$name/"
done

# 3. Build portal
npm install && npm run build

Vercel root directory set to portal/. Build command: bash build-all.sh.

Deck Metadata (decks.json)

[
  { "slug": "ale-hop-deck", "name": "Ale-Hop Pitch", "description": "Product data ingestion pitch for Ale-Hop retail chain", "tags": ["EN"], "group": "client" },
  { "slug": "ale-hop-deck-de", "name": "Ale-Hop Pitch (DE)", "description": "German version of the Ale-Hop pitch", "tags": ["DE"], "group": "client" },
  { "slug": "flaconi-deck", "name": "Flaconi Pitch", "description": "Beauty retail pitch for Flaconi", "tags": ["EN"], "group": "client" },
  { "slug": "furniture-pim-creative", "name": "Furniture PIM Creative", "description": "LinkedIn ad format - PIM creative for furniture industry", "tags": ["EN"], "group": "template" },
  { "slug": "hersteller-deck", "name": "Manufacturer Template", "description": "Dynamic template deck with JSON config. Currently configured for Vega.", "tags": ["EN", "DE"], "group": "template" },
  { "slug": "pitch-deck-onepager", "name": "Ultra Relevant Onepager", "description": "2-page PDF format company presentation with 36 slide components", "tags": ["EN"], "group": "story" },
  { "slug": "pitch-deck-sales-component", "name": "Sales Component Deck", "description": "Component-based sales presentation with reusable slides", "tags": ["EN"], "group": "story" },
  { "slug": "pitch-deck-template", "name": "Base Template", "description": "Foundation template for generating client-specific decks", "tags": ["EN"], "group": "template" },
  { "slug": "pitch-deck-ultra-story", "name": "Ultra Story", "description": "2-slide narrative deck - What We Found + AI Commerce Shift", "tags": ["EN"], "group": "story" },
  { "slug": "teveo-pitch", "name": "Teveo Pitch v1", "description": "First version Teveo-branded pitch with file-flow visualization", "tags": ["DE"], "group": "client" },
  { "slug": "teveo-pitch-v3", "name": "Teveo Pitch v3", "description": "Latest Teveo pitch - component-based with bilingual support and onepager", "tags": ["DE", "EN"], "group": "client" },
  { "slug": "the-hook-site", "name": "The Hook", "description": "THE HOOK framework - Death of the Funnel, Shortlist Era", "tags": ["EN"], "group": "story" }
]

GTM Overview Portal Implementation Plan

For Claude: REQUIRED SUB-SKILL: Use superpowers:executing-plans to implement this plan task-by-task.

Goal: Reorganize the GTM repo into clean categories and build a white, minimal Astro portal with 4 tabs (Pitch Decks, Data Tables, Images, Documents) deployed to Vercel.

Architecture: Root-level Astro 5 static site at portal/. At build time, all 12 deck projects are built and their dist/ output is copied into portal/public/decks/. CSVs are parsed at build time and baked into HTML. Images are copied into portal/public/images/. Markdown is rendered at build time.

Tech Stack: Astro 5.0 (static), vanilla JS for client interactivity (lightbox, table expand), Inter font from Google Fonts, deployed to Vercel.

Design doc: docs/plans/2026-03-02-gtm-overview-portal-design.md

Task 1: Folder Reorganization - Create Directory Structure

Files:

• Create directories: decks/, data/, data/pipeline/, images/, documents/, documents/plans/, _archive/, _archive/videos/

Step 1: Create the new directory tree

cd /Users/falco/Documents/Repositories/gtm
mkdir -p decks data/pipeline images documents/plans _archive/videos _archive/THE_HOOK_extracted_media

Step 2: Verify directories exist

ls -d decks data data/pipeline images documents documents/plans _archive _archive/videos

Expected: All directories listed without error.

Task 2: Folder Reorganization - Move Deck Projects

Step 1: Move all 12 deck directories into decks/

cd /Users/falco/Documents/Repositories/gtm
mv ale-hop-deck decks/
mv ale-hop-deck-de decks/
mv flaconi-deck decks/
mv furniture-pim-creative decks/
mv hersteller-deck decks/
mv pitch-deck-onepager decks/
mv pitch-deck-sales-component decks/
mv pitch-deck-template decks/
mv pitch-deck-ultra-story decks/
mv teveo-pitch decks/
mv teveo-pitch-v3 decks/
mv the-hook-site decks/

Step 2: Verify all 12 decks moved

ls decks/

Expected: 12 directories listed.

Task 3: Folder Reorganization - Move Data Files

Step 1: Move root CSVs into data/pipeline/

cd /Users/falco/Documents/Repositories/gtm
mv accounts.csv data/pipeline/
mv target-customers-full-data.csv data/pipeline/
mv target-customers-logo-wall.csv data/pipeline/
mv logo-wall-final.csv data/pipeline/
mv "OUTREACH_LOL_MASTER - UNIFIED_MASTER-1.csv" data/pipeline/

Step 2: Move data processing directories into data/

mv merger data/
mv leads data/
mv persons data/
mv compare data/
mv allvideonames data/
mv allvideonames8 data/
mv allvideonames16 data/
mv allvideonames16answers data/

Step 3: Move video CSVs into data/videos/, video files into _archive/videos/

mkdir -p data/videos
cp videos/*.csv data/videos/
mv videos/*.mov videos/*.mp4 _archive/videos/
rm -rf videos/

Step 4: Verify data directory

ls data/

Expected: pipeline, merger, leads, persons, compare, allvideonames, allvideonames8, allvideonames16, allvideonames16answers, videos

Task 4: Folder Reorganization - Move Images, Documents, Archive

Step 1: Move image directories

cd /Users/falco/Documents/Repositories/gtm
mv ultra images/
mv bijou images/

Step 2: Move document files

mv THE_HOOK_extracted/THE_HOOK.md documents/
mv ultra-relevant-story.md documents/
mv ultra-relevant-story-v1.md documents/
mv arcos.md documents/
mv ultra.txt documents/
mv prompt.txt documents/
mv docs/plans/*.md documents/plans/

Step 3: Move archive items

mv pitch-deck.html _archive/
mv "THE HOOK.docx" _archive/
mv THE_HOOK_extracted/media _archive/THE_HOOK_extracted_media/
rm -rf THE_HOOK_extracted
mv allvideonames8_backup _archive/

Step 4: Verify final structure

echo "=== Root ===" && ls -1 | grep -v node_modules | grep -v .git
echo "=== Decks ===" && ls decks/
echo "=== Data ===" && ls data/
echo "=== Images ===" && ls images/
echo "=== Documents ===" && ls documents/
echo "=== Archive ===" && ls _archive/

Step 5: Commit the reorganization

git add -A
git commit -m "refactor: reorganize GTM repo into decks/, data/, images/, documents/, _archive/"

Task 5: Scaffold Portal Astro Project

Files:

• Create: portal/package.json
• Create: portal/astro.config.mjs
• Create: portal/tsconfig.json

Step 1: Initialize Astro project

cd /Users/falco/Documents/Repositories/gtm
mkdir -p portal/src/{layouts,pages/{decks,data,images,documents},components,data} portal/public/decks

Step 2: Create portal/package.json

{
  "name": "gtm-portal",
  "type": "module",
  "version": "1.0.0",
  "scripts": {
    "dev": "astro dev",
    "build": "astro build",
    "preview": "astro preview"
  },
  "dependencies": {
    "astro": "^5.0.0"
  }
}

Step 3: Create portal/astro.config.mjs

import { defineConfig } from 'astro/config';

export default defineConfig({
  output: 'static'
});

Step 4: Create portal/tsconfig.json

{
  "extends": "astro/tsconfigs/strict",
  "compilerOptions": {
    "strictNullChecks": true
  }
}

Step 5: Install dependencies and verify

cd portal && npm install

Step 6: Commit scaffold

cd /Users/falco/Documents/Repositories/gtm
git add portal/
git commit -m "feat: scaffold portal Astro project"

Task 6: Create Layout and Tab Navigation

Files:

• Create: portal/src/layouts/Layout.astro
• Create: portal/src/components/TabNav.astro

Step 1: Create Layout.astro

The base layout with white background, Inter font, and global styles.

---
interface Props {
  title?: string;
}
const { title = 'GTM Overview' } = Astro.props;
---
<!doctype html>
<html lang="en">
<head>
  <meta charset="UTF-8" />
  <meta name="viewport" content="width=device-width, initial-scale=1.0" />
  <title>{title}</title>
  <link rel="preconnect" href="https://fonts.googleapis.com" />
  <link rel="preconnect" href="https://fonts.gstatic.com" crossorigin />
  <link href="https://fonts.googleapis.com/css2?family=Inter:wght@400;500;600;700&display=swap" rel="stylesheet" />
</head>
<body>
  <header class="site-header">
    <div class="header-inner">
      <span class="logo">GTM Overview</span>
      <TabNav />
    </div>
  </header>
  <main>
    <slot />
  </main>
  <style is:global>
    *, *::before, *::after { margin: 0; padding: 0; box-sizing: border-box; }
    body {
      font-family: 'Inter', system-ui, -apple-system, sans-serif;
      background: #ffffff;
      color: #111827;
      line-height: 1.6;
      -webkit-font-smoothing: antialiased;
    }
    .site-header {
      position: sticky;
      top: 0;
      z-index: 100;
      background: #ffffff;
      border-bottom: 1px solid #e5e7eb;
    }
    .header-inner {
      max-width: 1280px;
      margin: 0 auto;
      padding: 0 24px;
      display: flex;
      align-items: center;
      gap: 32px;
      height: 56px;
    }
    .logo {
      font-weight: 700;
      font-size: 16px;
      color: #111827;
      white-space: nowrap;
    }
    main {
      max-width: 1280px;
      margin: 0 auto;
      padding: 32px 24px;
    }
  </style>
</body>
</html>

Note: Import TabNav at top of frontmatter: import TabNav from '../components/TabNav.astro';

Step 2: Create TabNav.astro

---
const currentPath = Astro.url.pathname;
const tabs = [
  { label: 'Pitch Decks', href: '/decks/' },
  { label: 'Data Tables', href: '/data/' },
  { label: 'Images', href: '/images/' },
  { label: 'Documents', href: '/documents/' },
];
---
<nav class="tab-nav">
  {tabs.map(tab => (
    <a
      href={tab.href}
      class:list={['tab-link', { active: currentPath.startsWith(tab.href) }]}
    >
      {tab.label}
    </a>
  ))}
</nav>

<style>
  .tab-nav {
    display: flex;
    gap: 4px;
  }
  .tab-link {
    padding: 16px 16px;
    font-size: 14px;
    font-weight: 500;
    color: #6b7280;
    text-decoration: none;
    border-bottom: 2px solid transparent;
    transition: color 0.15s, border-color 0.15s;
  }
  .tab-link:hover {
    color: #111827;
  }
  .tab-link.active {
    color: #2563eb;
    border-bottom-color: #2563eb;
  }
</style>

Step 3: Create index.astro (redirect to /decks/)

Create portal/src/pages/index.astro:

---
return Astro.redirect('/decks/');
---

Step 4: Run dev server to verify layout renders

cd /Users/falco/Documents/Repositories/gtm/portal
npx astro dev

Create a temporary portal/src/pages/decks/index.astro with placeholder content to see the layout:

---
import Layout from '../../layouts/Layout.astro';
---
<Layout title="Pitch Decks">
  <h1>Pitch Decks</h1>
  <p>Placeholder</p>
</Layout>

Verify: White page, Inter font, sticky header with tabs, "Pitch Decks" tab highlighted blue.

Step 5: Commit

git add portal/src/
git commit -m "feat: add portal layout with tab navigation"

Task 7: Create Deck Metadata and DeckCard Component

Files:

• Create: portal/src/data/decks.json
• Create: portal/src/components/DeckCard.astro

Step 1: Create decks.json

Copy the exact JSON from the design doc (12 entries with slug, name, description, tags, group).

Step 2: Create DeckCard.astro

---
interface Props {
  slug: string;
  name: string;
  description: string;
  tags: string[];
  group: string;
}
const { slug, name, description, tags, group } = Astro.props;

const groupLabels: Record<string, string> = {
  client: 'Client',
  template: 'Template',
  story: 'Company Story',
};
---
<a href={`/decks/${slug}/`} class="deck-card">
  <div class="card-header">
    <span class="group-badge">{groupLabels[group] || group}</span>
    <div class="tags">
      {tags.map(tag => <span class="tag">{tag}</span>)}
    </div>
  </div>
  <h3 class="card-title">{name}</h3>
  <p class="card-desc">{description}</p>
</a>

<style>
  .deck-card {
    display: block;
    background: #ffffff;
    border: 1px solid #e5e7eb;
    border-radius: 12px;
    padding: 24px;
    text-decoration: none;
    color: inherit;
    transition: box-shadow 0.2s, transform 0.2s;
  }
  .deck-card:hover {
    box-shadow: 0 4px 12px rgba(0,0,0,0.08);
    transform: translateY(-2px);
  }
  .card-header {
    display: flex;
    justify-content: space-between;
    align-items: center;
    margin-bottom: 12px;
  }
  .group-badge {
    font-size: 11px;
    font-weight: 600;
    text-transform: uppercase;
    letter-spacing: 0.05em;
    color: #6b7280;
    background: #f3f4f6;
    padding: 3px 8px;
    border-radius: 4px;
  }
  .tags { display: flex; gap: 4px; }
  .tag {
    font-size: 11px;
    font-weight: 500;
    color: #2563eb;
    background: #eff6ff;
    padding: 2px 6px;
    border-radius: 4px;
  }
  .card-title {
    font-size: 18px;
    font-weight: 600;
    margin-bottom: 6px;
    color: #111827;
  }
  .card-desc {
    font-size: 14px;
    color: #6b7280;
    line-height: 1.5;
  }
</style>

Step 3: Commit

git add portal/src/data/decks.json portal/src/components/DeckCard.astro
git commit -m "feat: add deck metadata and DeckCard component"

Task 8: Build Pitch Decks Grid Page

Files:

• Modify: portal/src/pages/decks/index.astro

Step 1: Implement the deck grid page

Replace the placeholder with the full grid page that imports decks.json, groups them by group field, and renders DeckCard components in a CSS grid. Three sections: "Client Decks", "Templates", "Company Story". Each section has a heading and a 3-column grid of cards.

Use CSS grid: grid-template-columns: repeat(auto-fill, minmax(320px, 1fr)) with gap: 20px.

Section headings: font-size: 13px; font-weight: 600; text-transform: uppercase; letter-spacing: 0.05em; color: #9ca3af; margin-bottom: 16px; margin-top: 40px; (first section no margin-top).

Step 2: Run dev server, verify grid renders

cd /Users/falco/Documents/Repositories/gtm/portal && npx astro dev

Expected: 3 grouped sections, 12 cards total, hover effects work.

Step 3: Commit

git add portal/src/pages/decks/index.astro
git commit -m "feat: add pitch decks grid page with grouped sections"

Task 9: Build Deck Embed Page

Files:

• Create: portal/src/pages/decks/[slug].astro

Step 1: Create the dynamic deck embed page

---
import Layout from '../../layouts/Layout.astro';
import decks from '../../data/decks.json';

export function getStaticPaths() {
  return decks.map(d => ({ params: { slug: d.slug } }));
}

const { slug } = Astro.params;
const deck = decks.find(d => d.slug === slug);
if (!deck) return Astro.redirect('/decks/');
---
<Layout title={deck.name}>
  <div class="embed-header">
    <a href="/decks/" class="back-link">&larr; All Decks</a>
    <h1 class="embed-title">{deck.name}</h1>
    <div class="embed-tags">
      {deck.tags.map(tag => <span class="tag">{tag}</span>)}
    </div>
  </div>
  <div class="embed-container">
    <iframe src={`/decks/${slug}/index.html`} class="deck-iframe"></iframe>
  </div>
</Layout>

<style>
  .embed-header {
    display: flex;
    align-items: center;
    gap: 16px;
    margin-bottom: 24px;
  }
  .back-link {
    font-size: 14px;
    color: #6b7280;
    text-decoration: none;
  }
  .back-link:hover { color: #2563eb; }
  .embed-title {
    font-size: 20px;
    font-weight: 600;
  }
  .tag {
    font-size: 11px;
    font-weight: 500;
    color: #2563eb;
    background: #eff6ff;
    padding: 2px 6px;
    border-radius: 4px;
  }
  .embed-tags { display: flex; gap: 4px; }
  .embed-container {
    border: 1px solid #e5e7eb;
    border-radius: 12px;
    overflow: hidden;
    aspect-ratio: 16/9;
  }
  .deck-iframe {
    width: 100%;
    height: 100%;
    border: none;
  }
</style>

Step 2: Verify with dev server

Navigate to /decks/ale-hop-deck/. Should show the back link, title, and an iframe (empty until decks are built and copied).

Step 3: Commit

git add portal/src/pages/decks/\[slug\].astro
git commit -m "feat: add deck embed page with iframe viewer"

Task 10: Build CSV Index and Data Tables Page

Files:

• Create: portal/src/data/csvIndex.json
• Create: portal/src/components/CsvTable.astro
• Create: portal/src/pages/data/index.astro

Step 1: Create csvIndex.json

JSON array of all CSV files with their category, path relative to repo root, and human-readable name. Group into categories:

{
  "categories": [
    {
      "name": "Pipeline & Accounts",
      "files": [
        { "path": "data/pipeline/accounts.csv", "label": "Accounts" },
        { "path": "data/pipeline/target-customers-full-data.csv", "label": "Target Customers (Full Data)" },
        { "path": "data/pipeline/target-customers-logo-wall.csv", "label": "Target Customers (Logo Wall)" },
        { "path": "data/pipeline/logo-wall-final.csv", "label": "Logo Wall Final" },
        { "path": "data/pipeline/OUTREACH_LOL_MASTER - UNIFIED_MASTER-1.csv", "label": "Outreach Unified Master" }
      ]
    },
    {
      "name": "Merger",
      "files": [
        { "path": "data/merger/master.csv", "label": "Master (Merged)" },
        { "path": "data/merger/master_pain.csv", "label": "Master (Pain Points)" }
      ]
    },
    {
      "name": "Leads",
      "files": [
        { "path": "data/leads/leads_combined.csv", "label": "Leads Combined" },
        { "path": "data/leads/CATEGORY.csv", "label": "Category Leads" },
        { "path": "data/leads/DIGITAL1.csv", "label": "Digital Leads 1" },
        { "path": "data/leads/DIGITAL2.csv", "label": "Digital Leads 2" },
        { "path": "data/leads/ECOM1.csv", "label": "E-Commerce Leads" },
        { "path": "data/leads/PRODUCT1.csv", "label": "Product Leads 1" },
        { "path": "data/leads/PRODUCT2.csv", "label": "Product Leads 2" }
      ]
    },
    {
      "name": "Persons (VP Contacts)",
      "files": [
        { "path": "data/persons/VP-MASTER-LIST-FIXED.csv", "label": "VP Master List" },
        { "path": "data/persons/VP-of-Digital-CLEANED.csv", "label": "VP of Digital (Cleaned)" },
        { "path": "data/persons/VP-of-Ecom-CLEANED.csv", "label": "VP of E-Commerce (Cleaned)" },
        { "path": "data/persons/VP-of-Operations-CLEANED.csv", "label": "VP of Operations (Cleaned)" }
      ]
    },
    {
      "name": "Compare / Overlap Analysis",
      "files": [
        { "path": "data/compare/UNIFIED_MASTER.csv", "label": "Unified Master" },
        { "path": "data/compare/ACCOUNTS_SUMMARY.csv", "label": "Accounts Summary" },
        { "path": "data/compare/PEOPLE_SUMMARY.csv", "label": "People Summary" },
        { "path": "data/compare/ACCOUNTS_ONLY.csv", "label": "Accounts Only" },
        { "path": "data/compare/PEOPLE_ONLY.csv", "label": "People Only" },
        { "path": "data/compare/OVERLAP_DETAILS.csv", "label": "Overlap Details" },
        { "path": "data/compare/leads.csv", "label": "Compare Leads" },
        { "path": "data/compare/listofdomains.csv", "label": "Domain List" }
      ]
    },
    {
      "name": "ICP Analysis",
      "files": [
        { "path": "data/allvideonames16answers/icp_master.csv", "label": "ICP Master (1000+ companies)" },
        { "path": "data/allvideonames16answers/icp_filtered.csv", "label": "ICP Filtered (High Relevance)" },
        { "path": "data/allvideonames16answers/icp_by_industry.csv", "label": "ICP by Industry" }
      ]
    },
    {
      "name": "Video Extractions",
      "files": [
        { "path": "data/videos/fulllist.csv", "label": "Full Ranked List" },
        { "path": "data/videos/fulllistsorted.csv", "label": "Full List (Sorted by Industry)" },
        { "path": "data/videos/200icp.csv", "label": "Top 200 ICP" },
        { "path": "data/videos/companies_part1_clean.csv", "label": "Companies Part 1 (Clean)" },
        { "path": "data/videos/companies_part2_clean.csv", "label": "Companies Part 2 (Clean)" }
      ]
    }
  ]
}

Step 2: Create CsvTable.astro

An Astro component that receives CSV data (headers + rows) and renders a styled table with first 10 rows shown. "Show all N rows" button expands via client-side JS.

Props: headers: string[], rows: string[][], totalRows: number, label: string.

Table styles: alternating row colors (#f9fafb), sticky header, font-size: 13px, horizontal scroll on overflow, border-collapse: collapse, border: 1px solid #e5e7eb.

Client-side <script> toggles a data-expanded attribute to show/hide remaining rows.

Step 3: Create data/index.astro

At build time, reads each CSV file from the repo using fs.readFileSync, parses CSV (split by comma, handle quoted fields), extracts headers and rows. Renders categories as sections with CsvTable for each file.

Use Node.js fs and path in frontmatter to read files relative to the repo root (../../data/... from the portal directory).

Each category gets a section heading. Each file gets a CsvTable with its label, headers, and rows.

Step 4: Run dev server to verify tables render

Expected: Categories listed with expandable tables, alternating row colors, horizontal scroll for wide CSVs.

Step 5: Commit

git add portal/src/data/csvIndex.json portal/src/components/CsvTable.astro portal/src/pages/data/index.astro
git commit -m "feat: add data tables page with CSV viewer"

Task 11: Build Image Gallery Page

Files:

• Create: portal/src/pages/images/index.astro
• Create: portal/src/components/Lightbox.astro

Step 1: Create images/index.astro

At build time, scan images/ directory recursively for image files (.png, .jpg, .jpeg, .svg, .webp). Group by subdirectory (ultra/logos, ultra/team, ultra/mvp, bijou). Copy images into portal/public/gallery/ at build time (or reference them directly).

Display as CSS grid: grid-template-columns: repeat(auto-fill, minmax(180px, 1fr)), gap: 12px. Each thumbnail: aspect-ratio: 1, object-fit: cover, border-radius: 8px, cursor: pointer.

Below each image: file name in font-size: 11px; color: #9ca3af.

Step 2: Create Lightbox.astro

Client-side component. When a thumbnail is clicked, shows a full-screen overlay (position: fixed; inset: 0; background: rgba(0,0,0,0.8); z-index: 200) with the image centered at max-width/max-height 90vw/90vh. Click overlay or press Escape to close.

Implement as a <script> block that:

1. Adds click listeners to all .gallery-thumb elements
2. Creates a modal div on click
3. Listens for Escape key and overlay click to close

Step 3: Run dev server, verify gallery renders

Expected: Grid of thumbnails grouped by section, click opens lightbox.

Step 4: Commit

git add portal/src/pages/images/index.astro portal/src/components/Lightbox.astro
git commit -m "feat: add image gallery page with lightbox"

Task 12: Build Documents Page

Files:

• Create: portal/src/pages/documents/index.astro

Step 1: Create documents/index.astro

At build time, scan documents/ for .md and .txt files. For .md files, render to HTML using a simple markdown-to-HTML approach (Astro has built-in markdown support, or use a lightweight library).

Display as a list of expandable cards. Each card shows:

• File name as heading
• First 3 lines as preview
• Click to expand shows the full rendered content

Also scan deck directories for markdown files:

• decks/pitch-deck-onepager/VALUE-PROP-SLIDES.md
• decks/pitch-deck-onepager/PITCH-DECK-PLAN.md
• decks/teveo-pitch/anforderungen.md
• decks/teveo-pitch/headlines.md
• decks/teveo-pitch/storyold.md
• decks/teveo-pitch/slide-plan.md
• decks/teveo-pitch-v3/storytwo.md
• decks/teveo-pitch-v3/slides.md

Group into "Strategy Documents" (from documents/) and "Deck Notes" (from decks/).

Card styles: same as DeckCard - white background, subtle border, rounded corners.

For .txt files, wrap in <pre> with monospace font.

Step 2: Run dev server, verify documents render

Expected: Markdown rendered as HTML with proper headings, lists, tables. Text files shown as preformatted.

Step 3: Commit

git add portal/src/pages/documents/index.astro
git commit -m "feat: add documents page with markdown rendering"

Task 13: Build Pipeline Script and Copy Assets

Files:

• Create: portal/build-all.sh
• Create: portal/copy-assets.sh

Step 1: Create build-all.sh

#!/bin/bash
set -e

SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
REPO_ROOT="$(dirname "$SCRIPT_DIR")"

echo "=== Building all decks ==="
for deck in "$REPO_ROOT"/decks/*/; do
  name=$(basename "$deck")
  echo "Building $name..."
  (cd "$deck" && npm install --silent && npm run build)
done

echo "=== Copying deck builds into portal/public/decks ==="
mkdir -p "$SCRIPT_DIR/public/decks"
for deck in "$REPO_ROOT"/decks/*/; do
  name=$(basename "$deck")
  if [ -d "$deck/dist" ]; then
    cp -r "$deck/dist/." "$SCRIPT_DIR/public/decks/$name/"
    echo "Copied $name"
  fi
done

echo "=== Copying images into portal/public/gallery ==="
mkdir -p "$SCRIPT_DIR/public/gallery"
cp -r "$REPO_ROOT/images/"* "$SCRIPT_DIR/public/gallery/"

echo "=== Building portal ==="
cd "$SCRIPT_DIR"
npm install --silent
npm run build

echo "=== Done ==="

Step 2: Make executable

chmod +x portal/build-all.sh

Step 3: Commit

git add portal/build-all.sh
git commit -m "feat: add build-all.sh pipeline script"

Task 14: Update .gitignore and CLAUDE.md

Files:

• Modify: .gitignore
• Modify: CLAUDE.md

Step 1: Update .gitignore

Add:

portal/public/decks/
portal/public/gallery/
portal/dist/

These are build artifacts that shouldn't be committed.

Step 2: Update CLAUDE.md

Add a Portal section describing the new structure:

## Portal (GTM Overview)

A web portal at `portal/` that provides a browsable overview of the entire repo.

### Development
\```bash
cd portal
npm install
npm run dev          # Local dev server
\```

For full build with all decks:
\```bash
cd portal
bash build-all.sh   # Builds all decks + copies assets + builds portal
\```

### Folder Structure
- `decks/` - All 12 Astro pitch deck projects
- `data/` - CSV/TSV/JSON data files (pipeline, merger, leads, persons, compare, ICP analysis)
- `images/` - Brand assets, team photos, client images
- `documents/` - Strategy docs, pitch narratives, design plans
- `_archive/` - Legacy files, video files, backups
- `portal/` - The overview portal Astro project

Step 3: Commit

git add .gitignore CLAUDE.md
git commit -m "chore: update .gitignore and CLAUDE.md for portal structure"

Task 15: Test Full Build and Verify

Step 1: Run the full build pipeline

cd /Users/falco/Documents/Repositories/gtm/portal
bash build-all.sh

This will take a while (12 deck builds + portal build).

Step 2: Preview the built site

cd /Users/falco/Documents/Repositories/gtm/portal
npx astro preview

Step 3: Verify all 4 tabs work

• Pitch Decks: Grid shows 12 cards, clicking opens iframe with actual deck content
• Data Tables: Categories listed, tables render with CSV data, expand works
• Images: Gallery shows thumbnails, lightbox opens on click
• Documents: Markdown rendered as HTML, text files shown

Step 4: Final commit

git add -A
git commit -m "feat: complete GTM overview portal with decks, data, images, documents"

Task 16: Vercel Deployment

Step 1: Configure Vercel

Set root directory to portal/. Build command: bash build-all.sh. Output directory: dist/.

Or create vercel.json at repo root:

{
  "buildCommand": "cd portal && bash build-all.sh",
  "outputDirectory": "portal/dist",
  "installCommand": "cd portal && npm install"
}

Step 2: Deploy

cd /Users/falco/Documents/Repositories/gtm
npx vercel

Follow the prompts. Link to existing project or create new one.

Step 3: Verify live deployment

Open the Vercel URL and verify all 4 tabs work correctly.

Step 4: Commit Vercel config

git add vercel.json
git commit -m "chore: add Vercel deployment config"

Teveo Onepager Design

Overview

Single A4 portrait page (794x1123px) containing the full Teveo pitch story from storytwo.md. Magazine editorial layout with the existing deck's brand system (Inter Tight, #6b7ff5 blue accent, gray palette). Content is ~90% word-for-word from storytwo.md with light trimming of filler transitions.

Technical Approach

• New Astro page at src/pages/onepager.astro
• Reuses the existing Layout.astro with a CSS override for A4 dimensions instead of 16:9 slides
• Same fonts (Inter Tight + Geist Mono), same color variables, same card styling
• Print-optimized: @page set to A4, @media print styles for clean PDF export

Section Layout (~1120px total content height within A4)

1. HEADER (~80px)

• Teveo logo (left) | separator | UltraRelevant logo
• Right-aligned: "NOETIQ ONE GmbH - Marz 2026"
• Thin gray separator line below

2. AUSGANGSLAGE (~120px)

• Label: 01 AUSGANGSLAGE (mono, uppercase, 9px)
• Full paragraph from storytwo section 1, lightly trimmed
• Key content: weekly launches, 3 people, 4 file sources, Akeneo migration planned, translations via external agency

3. DER AUTOMATISIERTE PROZESS (~280px, two-column)

• Label: 02 WAS DIE SOFTWARE MACHT
• Left column: opening paragraph + numbered 5-step list (Auslesen, Texte, GEO, Ubersetzen, Export)
• Right column: simplified pipeline visual (Input files -> UltraRelevant bucket -> Output data card)
• Below: promise bullets row ("Keine Enrichment-Plattform / Kein Katalog hochladen / Produktdaten nie gespeichert / Modelle immer aktuell")

4. GEO USP (~200px, highlighted)

• Label: 03 GENERATIVE ENGINE OPTIMIZATION
• Subtle blue-tinted background (rgba(107,127,245,0.03)) to visually distinguish as the USP
• Full storytwo section 3 text, lightly trimmed
• Small callout: "Basierend auf ultrarelevant.com"

5. VALUE (~100px)

• Label: 04 BESSERE DATEN, BESSERE PERFORMANCE
• Before/after comparison strip: Tage -> 3 Minuten, Handarbeit -> Automatisiert, Unsichtbar -> Empfohlen von ChatGPT
• Key sentence about faster launches impacting revenue

6. TEAM FOOTER (~80px)

• Elena + Falco: photos, names, emails, LinkedIn icons
• Product URL: productdata.ultrarelevant.com/de
• Company line: NOETIQ ONE GmbH

Font Sizes (print-density adapted)

• Section labels: 9px Geist Mono, uppercase, letter-spaced
• Section headlines: 14-16px Inter Tight, 700 weight
• Body text: 11-12px Inter Tight, 400 weight
• Fine print/captions: 9-10px

Content Source Mapping

Teveo Onepager Implementation Plan

For Claude: REQUIRED SUB-SKILL: Use superpowers:executing-plans to implement this plan task-by-task.

Goal: Create a single A4 portrait onepager page containing the Teveo pitch story from storytwo.md, styled with the existing deck's brand system.

Architecture: New Astro page at src/pages/onepager.astro that reuses the existing Layout.astro. Override slide dimensions to A4 portrait (794x1123px). All content hardcoded in-page (no dynamic data). Magazine editorial layout with 6 sections flowing top-to-bottom.

Tech Stack: Astro, HTML, CSS (scoped). Same fonts (Inter Tight + Geist Mono) and color variables from existing Layout.astro.

Task 1: Create onepager.astro with Layout and A4 container

Files:

• Create: teveo-pitch-v3/src/pages/onepager.astro

Step 1: Create the page file with Layout import, A4 container, and base styles

The page imports Layout.astro and creates a single .onepager container that overrides the slide dimensions to A4 portrait. Add CSS custom properties for the A4 size and override .slide dimensions.

---
import Layout from '../layouts/Layout.astro';
---

<Layout title="Teveo x UltraRelevant - Onepager">
<section class="onepager">
  <!-- Sections will be added in subsequent tasks -->
</section>
</Layout>

<style>
  .onepager {
    width: 794px;
    min-height: 1123px;
    background: var(--white);
    box-shadow: 0 4px 24px rgba(0, 0, 0, 0.1);
    border-radius: 4px;
    position: relative;
    overflow: hidden;
    padding: 48px 56px;
    display: flex;
    flex-direction: column;
    gap: 0;
  }

  @media print {
    .onepager {
      box-shadow: none;
      border-radius: 0;
      width: 100%;
      min-height: 100vh;
    }
  }

  @page {
    size: A4 portrait;
    margin: 0;
  }
</style>

Step 2: Verify it renders

Run: cd teveo-pitch-v3 && npx astro dev and open localhost:4321/onepager Expected: A white A4-shaped rectangle on gray background, empty.

Step 3: Commit

git add teveo-pitch-v3/src/pages/onepager.astro
git commit -m "feat: add empty onepager page with A4 container"

Task 2: Add HEADER section (logos + meta)

Files:

• Modify: teveo-pitch-v3/src/pages/onepager.astro

Step 1: Add header section inside .onepager

Replace the placeholder comment with the header. Uses same logo paths from index.astro. Teveo logo left, separator, UltraRelevant logo. Right side: company + date. Thin line below.

<!-- HEADER -->
<div class="op-header">
  <div class="op-header-left">
    <img src="/images/logos/teveo-logo.svg" alt="Teveo" class="op-logo-client" />
    <span class="op-logo-sep">|</span>
    <img src="/images/UltraRelevantLOGOBLUE.png" alt="UltraRelevant" class="op-logo-ur" />
  </div>
  <div class="op-header-right mono">
    <span>NOETIQ ONE GmbH</span>
    <span class="op-header-date">Marz 2026</span>
  </div>
</div>
<div class="op-divider"></div>

Step 2: Add header styles

.op-header {
  display: flex;
  justify-content: space-between;
  align-items: center;
  padding-bottom: 16px;
}

.op-header-left {
  display: flex;
  align-items: center;
  gap: 16px;
}

.op-logo-client {
  height: 32px;
}

.op-logo-sep {
  font-size: 20px;
  font-weight: 300;
  color: var(--gray-300);
}

.op-logo-ur {
  height: 22px;
  opacity: 0.7;
}

.op-header-right {
  display: flex;
  flex-direction: column;
  align-items: flex-end;
  gap: 2px;
  font-size: 10px;
  font-weight: 600;
  letter-spacing: 0.5px;
  color: var(--gray-400);
}

.op-header-date {
  font-weight: 400;
}

.op-divider {
  height: 1px;
  background: var(--gray-200);
  margin-bottom: 20px;
}

Step 3: Verify - Check that logos render and the header looks balanced.

Step 4: Commit

git add teveo-pitch-v3/src/pages/onepager.astro
git commit -m "feat: add onepager header with logos and meta"

Task 3: Add AUSGANGSLAGE section

Files:

• Modify: teveo-pitch-v3/src/pages/onepager.astro

Step 1: Add section HTML after the divider

<!-- 01 AUSGANGSLAGE -->
<div class="op-section">
  <div class="op-label mono">01 AUSGANGSLAGE</div>
  <p class="op-body">Teveo bringt wochentlich neue Produkte heraus. 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. Fur die internationalen Shops werden die Texte bisher an eine externe Agentur geschickt.</p>
</div>

Step 2: Add section styles (shared by all sections)

.op-section {
  margin-bottom: 20px;
}

.op-label {
  font-size: 9px;
  font-weight: 700;
  letter-spacing: 1.5px;
  color: var(--gray-400);
  margin-bottom: 8px;
  text-transform: uppercase;
}

.op-body {
  font-size: 12px;
  line-height: 1.6;
  color: var(--gray-600);
}

Step 3: Verify and commit

git add teveo-pitch-v3/src/pages/onepager.astro
git commit -m "feat: add Ausgangslage section to onepager"

Task 4: Add PIPELINE section (two-column: text + visual)

Files:

• Modify: teveo-pitch-v3/src/pages/onepager.astro

Step 1: Add the two-column pipeline section

Left column: intro paragraph + 5 numbered steps. Right column: simplified vertical pipeline visual (files -> bucket -> output). Below both: promise bullets row.

Content from storytwo.md section 2, lightly trimmed.

<!-- 02 WAS DIE SOFTWARE MACHT -->
<div class="op-section">
  <div class="op-label mono">02 WAS DIE SOFTWARE MACHT</div>
  <div class="op-two-col">
    <!-- Left: Text -->
    <div class="op-col-text">
      <p class="op-body op-body-intro">Wir andern den Prozess bei Teveo nicht. Stattdessen automatisieren wir exakt den Workflow, den sie ohnehin schon haben. Dateien rein, fertige Produktdaten raus. Der gesamte Vorgang dauert ungefahr drei Minuten.</p>
      <ol class="op-steps">
        <li><strong>Daten auslesen & zuordnen:</strong> Das Tool erkennt automatisch, was in den hochgeladenen Dokumenten steht, und ordnet die Informationen den korrekten Feldern zu. Fur Akeneo, Shopify, Zalando.</li>
        <li><strong>Marketingtexte schreiben:</strong> Eine KI generiert die Produktbeschreibungen im Schreibstil, den Teveo auf der bestehenden Website verwendet. Ohne manuelle Einstellungen.</li>
        <li><strong>Intent-basierte Optimierung:</strong> Die Produktdaten werden fur KI-Suchmaschinen angereichert.</li>
        <li><strong>Ubersetzen:</strong> Automatisch uber KI-Modelle oder DeepL. Agentur kann weiterhin eingebunden oder nur zur Freigabe involviert werden.</li>
        <li><strong>Export:</strong> Saubere, strukturierte Daten fur Akeneo, Shopify, Zalando, Google und ChatGPT. Per Link teilbar, prufbar, herunterladbar.</li>
      </ol>
    </div>
    <!-- Right: Pipeline visual -->
    <div class="op-col-visual">
      <div class="op-pipe-input">
        <div class="op-pipe-label mono">INPUT</div>
        <div class="op-pipe-files">
          <span class="op-file-tag">Rangeplan.pdf</span>
          <span class="op-file-tag">Size_Chart.xlsx</span>
          <span class="op-file-tag">Metafield.json</span>
          <span class="op-file-tag">Produktbilder.png</span>
        </div>
      </div>
      <svg class="op-pipe-arrow" viewBox="0 0 24 32" fill="none">
        <path d="M12 4V24" stroke="var(--gray-300)" stroke-width="1.5" stroke-linecap="round"/>
        <polygon points="6,22 12,30 18,22" fill="var(--gray-300)"/>
      </svg>
      <div class="op-pipe-bucket">
        <img src="/images/UltraRelevantLOGOBLUE.png" alt="UltraRelevant" class="op-pipe-bucket-logo" />
        <div class="op-pipe-bucket-grid">
          <span>Extraktion</span><span>Mapping</span>
          <span>Kreation</span><span>Ubersetzung</span>
        </div>
      </div>
      <svg class="op-pipe-arrow" viewBox="0 0 24 32" fill="none">
        <path d="M12 4V24" stroke="var(--gray-300)" stroke-width="1.5" stroke-linecap="round"/>
        <polygon points="6,22 12,30 18,22" fill="var(--gray-300)"/>
      </svg>
      <div class="op-pipe-output">
        <div class="op-pipe-label mono">OUTPUT</div>
        <div class="op-pipe-destinations">Akeneo - Shopify - Zalando - Google - ChatGPT</div>
      </div>
    </div>
  </div>
  <!-- Promise bullets -->
  <div class="op-promises">
    <div class="op-promise"><strong>Keine Enrichment-Plattform.</strong> Super einfach.</div>
    <div class="op-promise-div"></div>
    <div class="op-promise"><strong>Kein Katalog hochladen.</strong> Kein Onboarding.</div>
    <div class="op-promise-div"></div>
    <div class="op-promise"><strong>Produktdaten nie gespeichert.</strong> Verarbeitung in DE.</div>
  </div>
</div>

Step 2: Add two-column and pipeline styles

.op-two-col {
  display: flex;
  gap: 28px;
}

.op-col-text {
  flex: 1;
  min-width: 0;
}

.op-col-visual {
  width: 200px;
  flex-shrink: 0;
  display: flex;
  flex-direction: column;
  align-items: center;
  gap: 4px;
}

.op-body-intro {
  margin-bottom: 10px;
}

.op-steps {
  padding-left: 18px;
  font-size: 11px;
  line-height: 1.55;
  color: var(--gray-600);
}

.op-steps li {
  margin-bottom: 4px;
}

.op-steps strong {
  color: var(--gray-700);
}

/* Pipeline visual */
.op-pipe-input, .op-pipe-output {
  text-align: center;
}

.op-pipe-label {
  font-size: 9px;
  font-weight: 700;
  letter-spacing: 1px;
  color: var(--gray-400);
  margin-bottom: 4px;
}

.op-pipe-files {
  display: flex;
  flex-direction: column;
  gap: 3px;
  align-items: center;
}

.op-file-tag {
  font-size: 9px;
  font-family: 'Geist Mono', monospace;
  color: var(--gray-500);
  background: var(--gray-50);
  border: 1px solid var(--gray-200);
  border-radius: 4px;
  padding: 2px 8px;
}

.op-pipe-arrow {
  width: 24px;
  height: 28px;
  flex-shrink: 0;
}

.op-pipe-bucket {
  background: linear-gradient(180deg, #8ba4f8 0%, #6b7ff5 100%);
  border-radius: 12px;
  padding: 10px 14px;
  display: flex;
  flex-direction: column;
  align-items: center;
  gap: 6px;
  box-shadow: 0 4px 16px rgba(100,120,230,0.2);
  width: 100%;
}

.op-pipe-bucket-logo {
  height: 12px;
  filter: brightness(0) invert(1);
  opacity: 0.8;
}

.op-pipe-bucket-grid {
  display: grid;
  grid-template-columns: 1fr 1fr;
  gap: 4px;
  width: 100%;
}

.op-pipe-bucket-grid span {
  font-size: 9px;
  font-weight: 600;
  color: white;
  text-align: center;
  background: rgba(255,255,255,0.18);
  border: 1px solid rgba(255,255,255,0.25);
  border-radius: 6px;
  padding: 5px 4px;
}

.op-pipe-destinations {
  font-size: 9px;
  color: var(--gray-500);
  text-align: center;
}

/* Promise bullets */
.op-promises {
  display: flex;
  align-items: center;
  justify-content: center;
  gap: 16px;
  margin-top: 14px;
  padding-top: 12px;
  border-top: 1px solid var(--gray-100);
}

.op-promise {
  font-size: 10px;
  color: var(--gray-500);
  text-align: center;
}

.op-promise strong {
  color: var(--gray-700);
}

.op-promise-div {
  width: 1px;
  height: 20px;
  background: var(--gray-200);
}

Step 3: Verify - Check two-column layout renders, pipeline visual is centered and compact.

Step 4: Commit

git add teveo-pitch-v3/src/pages/onepager.astro
git commit -m "feat: add pipeline section with two-column layout to onepager"

Task 5: Add GEO USP section (highlighted)

Files:

• Modify: teveo-pitch-v3/src/pages/onepager.astro

Step 1: Add GEO section with blue-tinted background

Content from storytwo.md section 3, lightly trimmed.

<!-- 03 GENERATIVE ENGINE OPTIMIZATION -->
<div class="op-section op-geo-section">
  <div class="op-label mono">03 GENERATIVE ENGINE OPTIMIZATION</div>
  <p class="op-body">Neben der reinen Automatisierung sorgen wir dafur, 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.</p>
  <p class="op-body">Wir analysieren mit externen Datenquellen, was ChatGPT und Gemini bei Anfragen wie <em>"lockeres Langarmshirt furs Gym"</em> oder <em>"Pump Cover Damen Baumwolle"</em> tatsachlich ausgeben und welche Kriterien sie hervorheben. Basierend auf dieser Analyse bekommt der Marketer direkt Vorschlage, welche Intents er in den Text einbauen kann. Er entscheidet, was rein kommt.</p>
  <p class="op-body op-geo-callout">Basierend auf <strong>ultrarelevant.com</strong>, unserem GEO-Tracking-Tool, das analysiert, wo Brands in KI-Suchmaschinen auftauchen.</p>
</div>

Step 2: Add GEO styles

.op-geo-section {
  background: rgba(107, 127, 245, 0.03);
  border: 1px solid rgba(107, 127, 245, 0.08);
  border-radius: 10px;
  padding: 16px 20px;
}

.op-geo-section .op-body {
  margin-bottom: 6px;
}

.op-geo-section .op-body:last-of-type {
  margin-bottom: 0;
}

.op-geo-callout {
  font-size: 11px;
  font-weight: 500;
  color: #6b7ff5;
  margin-top: 8px;
}

Step 3: Verify and commit

git add teveo-pitch-v3/src/pages/onepager.astro
git commit -m "feat: add GEO USP section with highlight to onepager"

Task 6: Add VALUE section (before/after strip)

Files:

• Modify: teveo-pitch-v3/src/pages/onepager.astro

Step 1: Add value comparison strip

<!-- 04 BESSERE DATEN, BESSERE PERFORMANCE -->
<div class="op-section">
  <div class="op-label mono">04 BESSERE DATEN, BESSERE PERFORMANCE</div>
  <div class="op-value-strip">
    <div class="op-value-item">
      <span class="op-value-before">Tage pro Launch</span>
      <svg class="op-value-arrow" viewBox="0 0 24 12" fill="none"><path d="M4 6H18" stroke="#6b7ff5" stroke-width="1.5" stroke-linecap="round"/><polygon points="16,2 22,6 16,10" fill="#6b7ff5"/></svg>
      <span class="op-value-after">3 Minuten</span>
    </div>
    <div class="op-value-item">
      <span class="op-value-before">Repetitive Handarbeit</span>
      <svg class="op-value-arrow" viewBox="0 0 24 12" fill="none"><path d="M4 6H18" stroke="#6b7ff5" stroke-width="1.5" stroke-linecap="round"/><polygon points="16,2 22,6 16,10" fill="#6b7ff5"/></svg>
      <span class="op-value-after">Automatisiert</span>
    </div>
    <div class="op-value-item">
      <span class="op-value-before">Unsichtbar in AI-Search</span>
      <svg class="op-value-arrow" viewBox="0 0 24 12" fill="none"><path d="M4 6H18" stroke="#6b7ff5" stroke-width="1.5" stroke-linecap="round"/><polygon points="16,2 22,6 16,10" fill="#6b7ff5"/></svg>
      <span class="op-value-after">Empfohlen von ChatGPT</span>
    </div>
  </div>
  <p class="op-body op-value-note">Die manuelle Datenpflege ist repetitive Arbeit, die das Team jede Woche aufs Neue bindet. Schnellere Launches wirken sich direkt auf den Umsatz aus.</p>
</div>

Step 2: Add value styles

.op-value-strip {
  display: flex;
  gap: 24px;
  justify-content: center;
  margin-bottom: 10px;
}

.op-value-item {
  display: flex;
  align-items: center;
  gap: 6px;
}

.op-value-before {
  font-size: 11px;
  color: var(--gray-400);
  text-decoration: line-through;
}

.op-value-arrow {
  width: 22px;
  height: 12px;
  flex-shrink: 0;
}

.op-value-after {
  font-size: 11px;
  font-weight: 700;
  color: var(--gray-800);
}

.op-value-note {
  text-align: center;
  font-size: 11px;
  color: var(--gray-500);
}

Step 3: Verify and commit

git add teveo-pitch-v3/src/pages/onepager.astro
git commit -m "feat: add value before/after section to onepager"

Task 7: Add TEAM FOOTER section

Files:

• Modify: teveo-pitch-v3/src/pages/onepager.astro

Step 1: Add team footer

Pushed to bottom of the page with margin-top: auto. Same team data as existing deck.

<!-- TEAM FOOTER -->
<div class="op-team">
  <div class="op-team-divider"></div>
  <div class="op-team-row">
    <div class="op-team-member">
      <img src="/images/team/elena.png" alt="Elena Gonzalo Saul" class="op-team-photo" />
      <div class="op-team-info">
        <span class="op-team-name">Elena Gonzalo Saul</span>
        <span class="op-team-email">elena@ultrarelevant.com</span>
      </div>
    </div>
    <div class="op-team-member">
      <img src="/images/team/Falco.png" alt="Falco Schneider" class="op-team-photo" />
      <div class="op-team-info">
        <span class="op-team-name">Falco Schneider</span>
        <span class="op-team-email">falco@ultrarelevant.com</span>
      </div>
    </div>
    <div class="op-team-url">
      <span class="op-team-url-label mono">PRODUKTDATEN-TOOL</span>
      <a href="https://productdata.ultrarelevant.com/de" class="op-team-link">productdata.ultrarelevant.com/de</a>
    </div>
  </div>
</div>

Step 2: Add team footer styles

.op-team {
  margin-top: auto;
  padding-top: 16px;
}

.op-team-divider {
  height: 1px;
  background: var(--gray-200);
  margin-bottom: 14px;
}

.op-team-row {
  display: flex;
  align-items: center;
  gap: 28px;
}

.op-team-member {
  display: flex;
  align-items: center;
  gap: 10px;
}

.op-team-photo {
  width: 36px;
  height: 36px;
  border-radius: 50%;
  object-fit: cover;
  border: 1px solid var(--gray-200);
}

.op-team-info {
  display: flex;
  flex-direction: column;
  gap: 1px;
}

.op-team-name {
  font-size: 12px;
  font-weight: 600;
  color: var(--gray-900);
}

.op-team-email {
  font-size: 10px;
  color: #6b7ff5;
  font-weight: 500;
}

.op-team-url {
  margin-left: auto;
  display: flex;
  flex-direction: column;
  align-items: flex-end;
  gap: 2px;
}

.op-team-url-label {
  font-size: 8px;
  font-weight: 700;
  letter-spacing: 1px;
  color: var(--gray-400);
}

.op-team-link {
  font-size: 11px;
  color: #6b7ff5;
  font-weight: 500;
  text-decoration: none;
}

Step 3: Verify - Check full page renders with all sections. Verify it fits within A4 height.

Step 4: Commit

git add teveo-pitch-v3/src/pages/onepager.astro
git commit -m "feat: add team footer to onepager"

Task 8: Final polish - spacing adjustments and print verification

Files:

• Modify: teveo-pitch-v3/src/pages/onepager.astro

Step 1: Visual review and spacing tweaks

Open localhost:4321/onepager and check:

• All text fits within A4 bounds (no overflow)
• Section spacing is balanced
• Pipeline visual is vertically centered in its column
• GEO highlight box stands out but doesn't overwhelm
• Team footer sits at the bottom

Adjust margins/paddings as needed to balance the page.

Step 2: Test print/PDF export

Cmd+P in browser, verify it fits on one A4 page with no page break.

Step 3: Final commit

git add teveo-pitch-v3/src/pages/onepager.astro
git commit -m "feat: polish onepager spacing and print layout"

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

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

Investor Pitch (12-15 slides)

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

Value Proposition (3 slides)

Focus: Positioning essence

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)

Gaps to Fill

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)

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.

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.

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.

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

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

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.

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@...      │
  └─────────────────┘       └─────────────────┘