Supermoe

Onboarding

Brand Research

Customer Research beim Onboarding einer neuen Brand

ICP (Ideal Customer Profile)
Voice of Customer
Persona
Jobs to be Done
Review Mining
Community Search
Wettbewerbs-Reviews

Produkte

Produkt-Datenbank

Systematische Erfassung aller Produkte

PDP scrapen (Produktdetailseiten)
Produktbilder freistellen
Benefits & USPs pro Artikel
Korrekte Produktmaße für Generierung

Angles

Deep Research

Pro Produkt eigene Zielgruppenanalyse & Markt-Angles

Zielgruppe pro Produkt (z.B. Kollagen ≠ Whey)
Markt-Angles identifizieren
Angereicherte Produktprofile
Basis für Creative-Erstellung

Freestyle

Visuals

Freie Bild- & Videogenerierung mit Zugriff auf alle Daten

Marke → Kollektion → Produkt wählen
Freies Prompting (FreePik/Ideogram-Style)
Format-Konvertierung (4:5, 1:1 → 9:16)
Avatar-Datenbank einbindbar
Produkte als Referenzbilder im Prompt

UGC

Scripts

Automatisierte Script-Erstellung für UGC-Videos

Produkt + Avatar + Angle auswählen
Hook-Datei (bewährte Text-Hooks)
D2C Copywriter Skill
Scripts in 4 Szenen-Blöcke stückelbar
Video-Generierung pro Szene (experimentell)

Analyse

Analyzer

Bestehende Ads dekonstruieren & adaptieren

Videos hochladen
KI analysiert: Offer, Hook, Aufbau
Adaptierbare Vorlage erzeugen
Noch nicht ganz durchdacht

Wettbewerb

Research

Wettbewerbsrecherche & Inspiration

Meta Ads Library scrapen (API + Apify)
Competitor Ads browsen
Videos in den Analyzer ziehen

Auswahl

Marke → Produkt → Angle aus den Datenbanken

Headlines

LLM generiert Headlines passend zum Angle

Image Creatives

Produkt + Avatar + Headlines + Value Prop → Templates aus DB

Feinschliff

Schrift & Design anpassen mit Nano-Banana

FB Copy

Headline + Description für Facebook generieren

Pool

Fertige Ads sammeln, Presets konfigurieren

Push zu Meta

API-Push, zunächst inaktiv → manuell aktivieren

Live

Running Ads

Live-Performance-Tracking aller aktiven Ads

Meta API Anbindung
Ads als grafische Karten
KPIs definieren (z.B. CM3-Ziel)
Grün/Rot-Darstellung nach Performance
Tracking auf Creative-Ebene

KI-Lernen

RAG System

Winning Ads identifizieren, dekonstruieren & lernen

Winning Ads in Vektor-DB ablegen
Gemeinsamkeiten analysieren (Hooks, Bilder, Headlines)
Markenwissen wächst mit jeder Kampagne
RAG-Abruf bei neuer Ad-Erstellung

Wissensbasis

Agentur-Wissen

5–6 Jahre Performance-Marketing-Know-how als Startbasis

Archiv an Winning Ads
UGC-Script Frameworks
Import per Embedding-Modell
Branchenspezifische Grundbasis für neue Brands

↻ Der Loop — noch offen

Learning Loop

Learnings aus Running Ads fließen zurück in die Creative-Erstellung. Die KI weiß bei der nächsten Runde, welche Hooks, Templates und Styles performen — und baut entsprechend. Dockt voraussichtlich am Creative Tab an.

Voraussetzung: Alle Ads laufen über Supermoe → vollständiges Tracking

Running Ads → RAG → Creative Tab → ↻

Brand Research

Produkt-DB

Deep Research

Visuals Tab

Scripts (Video experimentell)

Analyzer (nicht durchdacht)

Research Tab

Creative Tab

Pool

Running Ads

RAG System

Agentur-Wissen Import

Learning Loop

Auto-Video-Skill

UI/UX Redesign

Template-DB füllen

Informations-Stack — Datenbasis aufbauen

Brand Research

Produkt-Datenbank

Deep Research

Creative Tools — Content produzieren

Visuals

Scripts

Analyzer

Research

Creative Pipeline — Vom Angle zur fertigen Ad

Auswahl

Headlines

Image Creatives

Feinschliff

FB Copy

Pool

Push zu Meta

Tracking & Intelligence — Lernen & optimieren

Running Ads

RAG System

Agentur-Wissen

Learning Loop

Modulstatus — Was steht, was ist offen