Saltar al contenido
Get Ranked On TopCaso de estudio ilustrativoPlan Content Engine

Un negocio ficticio. Las cifras son un escenario modelado, no un resultado de un cliente.

← cd ../case-studiesGet Ranked On Top · Caso de estudio SEO · Asia-Pacífico

merlintide — caso-de-estudio — zsh — 96×40

Último acceso: sesión modelada en ttys011 · Singapur

mt case-study merlintide

clienteMerlintide

sectorAPI de OCR de documentos para desarrolladores · Singapur

industriaTecnología y SaaS · 11 meses

Cómo una API de OCR conquistó las búsquedas de desarrolladores con tutoriales que los ingenieros sí guardan

# titular

+305 % altas de clave de API desde orgánico

sparkline · M00 → M11

$ mt chart api_sign_ups_from_organic --index
M00 █████···············  100
M01 █████···············  105
M02 ██████··············  117
M03 ███████·············  133
M04 ████████············  155
M05 █████████···········  180
M06 ██████████··········  209
M07 ████████████········  241
M08 ██████████████······  277
M09 ████████████████····  317
M10 ██████████████████··  359
M11 ████████████████████  405

cat CHALLENGE.md

El reto

La API de Merlintide era más rápida y barata que la competencia, pero quien buscaba «extract table from pdf python» solo encontraba documentación de los hyperscalers.

Sobre el papel, el producto ya había ganado: menos latencia, un precio por página más bajo y un JSON más limpio. Pero los ingenieros no buscan «proveedor de OCR». Buscan la tarea que tienen delante, en el lenguaje en el que están programando, casi siempre a mitad de sprint. Merlintide no tenía ni una sola página que resolviera alguna de esas tareas, y su documentación era invisible para los rastreadores.

Mientras tanto, cada vez más de esas preguntas se hacían primero a asistentes de IA, y los asistentes citaban a quien tuviera la respuesta ejecutable más clara. Nunca fue Merlintide.

# consulta → quién respondió (M00)
"extract table from pdf python"
  → docs de hyperscaler  #1
  → foro de Q&A          #2
  → merlintide.example    #41

# citas en asistentes de IA: 0

mt audit docs.merlintide.example

Diagnóstico

Rastreamos la documentación, los logs y 312 consultas de desarrolladores, y lo puntuamos todo como lo verían un buscador y un asistente de IA. Siete hallazgos, tres de ellos bloqueantes.

  1. [FAIL] 01

    render: La documentación era una SPA renderizada en el cliente: 0 de 214 ejemplos de código aparecían en el HTML inicial.

    solución: Prerenderizado estático de cada ruta de documentación y tutoriales; los bloques de código se sirven como texto real.

  2. [FAIL] 02

    contenido: No había páginas para las 40 consultas de tarea con más intención («extract table from pdf python», «ocr invoice node»).

    solución: Biblioteca de tutoriales orientada a tareas, con una página para cada una de esas consultas.

  3. [FAIL] 03

    schema: Ni rastro de marcado TechArticle, HowTo o SoftwareSourceCode en toda la documentación.

    solución: Schema de ejemplos de código en cada tutorial, enlazado a la entidad de la referencia de la API.

  4. [WARN] 04

    duplicados: Las páginas de referencia /v1, /v2 y /latest se indexaban a la vez, sin canonical.

    solución: Un canonical por endpoint; versiones antiguas con noindex y enlazadas entre sí.

  5. [WARN] 05

    respuestas: Los tutoriales arrancaban con texto de marketing; nada que un asistente de IA pudiera citar de una sola pasada.

    solución: Un bloque de respuesta de 40 palabras y un fragmento ejecutable como lo primero de cada página.

  6. [WARN] 06

    velocidad: LCP de la documentación de 4,1 s en móvil (el resaltador de sintaxis bloqueaba el hilo principal).

    solución: El resaltado pasó al build; LCP modelado de 1,3 s.

  7. [PASS] 07

    producto: La latencia mediana y el precio por página superaban a las API de los hyperscalers en benchmarks públicos.

    solución: Una página de benchmark con un notebook reproducible se convirtió en el activo que atraía enlaces.

3 fallidos, 3 avisos, 1 superado en 4,2 s

cat plan.yml

La estrategia

plan: Content Engine
duration: 11 # meses
goal: "ser la respuesta que los ingenieros pegan y luego guardan en marcadores"
tactics:
  • - name: "Tutoriales para desarrolladores"

    flag: --tutorials=48

    Cuarenta y ocho tutoriales con forma de tarea (una consulta, un resultado) en Python, Node, Go y cURL, cada uno rematado con un fragmento con clave gratuita que funciona al primer pegado.

  • - name: "Schema de ejemplos de código"

    flag: --schema=SoftwareSourceCode

    Marcado TechArticle + SoftwareSourceCode con campos de lenguaje, runtime y dependencias, para que los buscadores lean un ejemplo como código y no como prosa.

  • - name: "AI Overviews"

    flag: --answers=first

    Cada página arranca con una respuesta citable, un bloque de código mínimo y una fecha con versión: el formato que citan los asistentes de IA cuando los ingenieros les preguntan cómo se hace algo.

  • - name: "SEO de documentación"

    flag: --docs=static

    Documentación prerenderizada, un canonical por endpoint, una barra lateral rastreable y enlaces internos desde cada tutorial a la página de referencia exacta que usa.

# el plan Content Engine marca el ritmo; las tácticas de arriba son la forma de apuntarlo a la intención de los desarrolladores.

git log --reverse --oneline

11 meses, commit a commit

  1. a41c9e2M01

    audit: rastrear docs, mapear 312 consultas de desarrolladores

    Search Console, archivos de log y documentación de la competencia rastreados; intención agrupada por tarea.

    105
  2. 7be03d1M02

    feat(docs): prerenderizado estático + canonicals

    Los ejemplos de código, visibles para los rastreadores por primera vez.

    117
  3. c90f4aaM03

    feat(tutorials): primeras 8 tareas en Python

    Tablas, facturas, tickets, escritura a mano; cada una con un fragmento ejecutable.

    133
  4. 13d7e6bM04

    feat(schema): SoftwareSourceCode en los ejemplos

    Validado con las pruebas de resultados enriquecidos; cero errores.

    155
  5. e2a58f0M05

    feat(tutorials): versiones para Node + Go

    Las mismas tareas en tres runtimes más, con un selector de lenguaje al estilo hreflang.

    180
  6. 5f61b3cM06

    perf: resaltado en build, LCP 1,3 s

    El trabajo del hilo principal en las páginas de docs se redujo en unos dos tercios.

    209
  7. 98c2d47M07

    feat(answers): reescritura con la respuesta primero

    Registradas las primeras citas de tutoriales en asistentes de IA.

    241
  8. 0ad4e19M08

    feat(bench): notebook de benchmark reproducible

    Recogido por dos newsletters y por la documentación de un framework.

    277
  9. b7e3f82M09

    feat(tutorials): 48 tareas publicadas

    Long tail cubierto por completo; enlaces internos hacia la referencia.

    317
  10. 4c18ad5M10

    chore: actualizar ejemplos para el SDK v3

    Sellos de versión al día para que las respuestas sigan siendo citables.

    359
  11. f03e6c9M11

    release: alta dentro de los tutoriales

    Clave gratuita emitida en la propia página; altas orgánicas en su pico modelado.

    405

# columna derecha: altas en la API desde orgánico, índice M00 = 100

curl -s mt.dev/cs | jq .metrics

Resultados

{
  "api_sign_ups_from_organic": "+305 %",
  "tutorial_sessions": "+460 %",
  "ai_assistant_citations": "86",
  "top_3_developer_queries": "+148",
  "months": 11,
  "modelled": true
}

Escenario modelado para un negocio ficticio — no es el resultado de un cliente. Los rankings y el tráfico nunca están garantizados; consulta nuestros Términos.

  • $ mt chart api_sign_ups_from_organic

    +305 %

    Altas en la API desde orgánico

    M00 100M11 405

  • $ mt chart tutorial_sessions

    +460 %

    Sesiones en tutoriales

    M00 100M11 560

  • $ mt chart ai_assistant_citations

    86

    Citas en asistentes de IA

    M00 0M11 86

  • $ mt chart top_3_developer_queries

    +148

    Consultas de desarrolladores en el top 3

    M00 0M11 148

mt rank --top 10

Rankings y la SERP, antes y después

# 10 de 10 consultas · pulsa / para ir al campo

Posiciones modeladas en Google antes y después, por consulta
consultaintenciónvol./mesM00M11
"extract table from pdf python"tarea6600#41#2
"ocr api"comercial4400#27#3
"invoice ocr node js"tarea1300—#1
"receipt ocr api free tier"comercial880—#2
"pdf to json python"tarea3600#63#3
"handwriting recognition api"comercial2400#38#4
"parse scanned pdf golang"tarea480—#1
"tesseract vs cloud ocr"comparativa1900#52#2
"ocr bounding boxes json"tarea590—#2
"extract text from image curl"tarea1000#74#5
$ mt serp "extract table from pdf python" --m00
  1. #1cloud-hyperscaler.example/docsDocument AI quickstart
  2. #2qa-forum.exampleHow to read a PDF table? [closed]
  3. #3other-cloud.example/docsTextract developer guide
  4. -#41merlintide.exampleMerlintide | Fast OCR API
$ mt serp "extract table from pdf python" --m11
  1. +AIResumen de IAcita merlintide.example/tutorials/pdf-tables
  2. #1cloud-hyperscaler.example/docsDocument AI quickstart
  3. +#2merlintide.example/tutorialsExtract tables from a PDF in Python (9 lines)
  4. #3qa-forum.exampleHow to read a PDF table? [closed]

mt plan --like merlintide

Consigue un plan como este

Basado en el plan Content Engine: tutoriales y documentación pensados en torno a las tareas que tus compradores escriben de verdad, con marcado para que buscadores y asistentes de IA puedan leer el código.

$ cd ../case-studies # todos los casos de estudio