82%
ng 140 post ay product news
115 sa 140 post ay release notes, imbitasyon sa webinar at balita sa hiring. Walang iisang istruktura ang 25 how-to post, walang code na makokopya, at may average na 1.4 internal link lang bawat isa.
Specimen 1 sa 4
Isang kathang-isip na negosyo. Ang mga numero ay modeladong senaryo, hindi resulta ng kliyente.
FernlogLog analytics SaaS, 60 tauhan · Tallinn
+261% trial sign-up mula sa organic search
18 buwan · Europa · Content Engine plan
Fig. 1 — Bumubukas ang usbong ng pako: isang tangkay, apat na topic hub, 20 subtopic page.
01ang hamon
Ang mga developer na nagtatanong kung paano mag-parse ng logs ay napupunta sa mga kakumpitensya at Stack Overflow; hindi kailanman binanggit ng AI ang blog ng Fernlog.
Linggo-linggo, libu-libong engineer ang naghahanap kung paano mag-parse ng stack trace, magpatahimik ng maingay na alert o magpababa ng log bill. Kaya ng produkto ng Fernlog ang tatlong iyon, pero puro release notes at imbitasyon sa webinar ang laman ng blog nito. Dinadala ng search engines ang mga developer na ito sa docs ng mga kakumpitensya at sa mga thread sa Stack Overflow, at kapag sa AI assistant sila nagtanong, lahat ay binabanggit ng sagot maliban sa Fernlog.
parse multiline stack traces
Mga sagot ng AI sa 120 developer prompt · mga binanggit na source, bago
Puwedeng magbanggit ng ilang source ang isang sagot.
02diyagnosis
82%
ng 140 post ay product news
115 sa 140 post ay release notes, imbitasyon sa webinar at balita sa hiring. Walang iisang istruktura ang 25 how-to post, walang code na makokopya, at may average na 1.4 internal link lang bawat isa.
Specimen 1 sa 4
0 / 120
sagot ng AI na bumanggit sa Fernlog
Buwan-buwan, pinatakbo namin ang 120 totoong developer prompt sa apat na AI assistant. Wala kahit isang sagot ang bumanggit sa Fernlog; lumabas naman ang docs ng mga kakumpitensya sa 71.
Specimen 2 sa 4
61%
ng docs URL ang hindi naka-index
Nasa isang client-rendered na subdomain ang docs: 61% ng mga URL nito ang hindi naka-index, at screenshot ang mga code sample sa blog, kaya hindi ito mabasa ng search engines o ng AI crawlers.
Specimen 3 sa 4
1,900
tanong ng developer, halos walang sagot
May 1,900 magkakaibang tanong ng developer sa mga support ticket, community thread at sales call. Nahati ang mga ito sa apat na tema — parsing, alerting, retention at cost — at halos wala ni isang page ang Fernlog para sa mga ito.
Specimen 4 sa 4
03ang estratehiya
Nakabatay sa aming Content Engine plan: topical content at AI search para sa mga kompanyang nagre-research muna ang mga buyer bago kumausap sa sales.
from service:"checkout" level:error| parse json(message) as m| stats count() by m.error_code| alert when count > 50 within 5mApat na hub mula sa 1,900 tanong: parsing, alerting, retention at cost. Sinasagot ng bawat hub page ang malaking tanong at nagli-link pababa sa mga subtopic guide, na nagli-link naman pabalik pataas at patagilid — kaya dumadaloy ang authority sa buong dahon sa halip na maipon sa newsroom.
Nagsisimula ang bawat guide sa sagot na gumagana — isang query, config block o CLI command na totoong text at puwedeng kopyahin — saka ipinapaliwanag kung bakit ito gumagana. Tine-test ang mga sample laban sa produkto sa CI, kaya hindi sila naluluma.
Mga talatang nauuna ang sagot, isang punto bawat heading, mga benchmark na may petsa, at TechArticle at HowTo schema. Buwan-buwan naming sinubaybayan ang parehong 120 prompt at ni-rewrite ang mga page na nare-retrieve pero hindi binabanggit.
Isang anonymised na benchmark ng ingestion volume bawat service, mula sa aggregate na data ng platform, ang naging pinakamadalas banggitin na page sa site: dito galing ang mga cost-per-GB na numerong sinisipi na ngayon ng ibang blog at ng mga sagot ng AI.
04ang topic map
Bawat hub ay isang dahon, at bawat subtopic page ay isang maliit na dahon. Lumipat sa pagitan ng simula at buwan 18 para makita kung aling mga page ang nagra-rank sa Google at aling mga sagot sa AI search ang bumabanggit sa Fernlog.
Legend
Mga topic hub
Gawing field na puwedeng i-query ang hilaw na log lines.
JSON logs
Mga sagot ng AI sa 6 prompt tungkol sa subtopic na ito
05ang timeline
Buwan 1–2
1,900 tanong mula sa support tickets, community threads at notes ng sales calls, hinati sa apat na hub at dalawampung subtopic. Baseline: 120 AI prompt at 380 Google query.
Buwan 3–5
Isang hub page at anim na guide, bawat isa nagsisimula sa sagot na puwedeng patakbuhin. Lumipat sa server rendering ang docs, at naging text na tine-test sa CI ang mga code sample.
Buwan 6–8
Limang guide at isang library ng alert rules na puwedeng i-copy-paste. Dumating ang unang AI citations, para sa mga guide sa stack traces at JSON.
Buwan 9–12
Siyam pang guide at ang cost-per-GB benchmark, mula sa anonymised na data ng platform at inilunsad kasama ang isang methodology page.
Buwan 13–18
Buwanang prompt runs: ni-rewrite nang nauuna ang sagot ang mga page na nare-retrieve pero hindi binabanggit, in-update ang mga lumang sample, at inilipat sa changelog ang release notes.
06mga resulta
Trial sign-up mula sa organic search
+261%
64 → 231 trial sign-up kada buwan
Sagot ng AI na bumabanggit sa Fernlog (sa 120)
0 → 41
Parehong 120 prompt sa apat na AI assistant, pinapatakbo buwan-buwan.
Developer query sa top 10 ng Google
9 → 146
Sa 380 sinubaybayang developer query.
Organic sessions kada buwan
11,800 → 52,400
Organic sessions kada buwan sa mga guide, hub at docs.
Modeladong senaryo para sa isang kathang-isip na negosyo — hindi resulta ng totoong kliyente. Hindi kailanman garantisado ang rankings, AI citations at traffic; tingnan ang aming Terms.
SimulaBuwan 18
Bumubuo ang aming Content Engine plan ng topic hubs at visibility sa AI search para sa mga technical na produkto — mula sa unang mapa ng mga tanong hanggang sa buwanang citation report.