Lumaktaw sa nilalaman
Get Ranked On TopHalimbawang case studyContent Engine plan

Isang kathang-isip na negosyo. Ang mga numero ay modeladong senaryo, hindi resulta ng kliyente.

← cd ../case-studiesGet Ranked On Top · SEO case study · Asia-Pacific

merlintide — case-study — zsh — 96×40

Huling login: modelled na session sa ttys011 · Singapore

mt case-study merlintide

kliyenteMerlintide

sektorDocument OCR API para sa mga developer · Singapore

industriyaTeknolohiya at SaaS · 11 buwan

Paano nanalo ang isang OCR API sa mga developer search gamit ang mga tutorial na talagang bina-bookmark ng mga engineer

# headline

+305% na API key sign-up mula sa organic

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

Ang hamon

Mas mabilis at mas mura ang API ng Merlintide kaysa sa mga kakumpitensya, pero docs lang ng hyperscaler ang nakikita ng mga developer na nagse-search ng “extract table from pdf python”.

Sa papel, panalo na ang produkto: mas mababang latency, mas murang presyo kada page at mas malinis na JSON. Pero hindi “OCR vendor” ang sine-search ng mga engineer. Ang hinahanap nila ay ang task na nasa harap nila, sa language na ginagamit nila, kadalasan nasa gitna ng sprint. Wala ni isang page ang Merlintide na sumasagot sa kahit isa sa mga task na iyon, at hindi nakikita ng mga crawler ang docs nito.

Samantala, parami nang parami ang ganitong tanong na unang itinatanong sa mga AI assistant, at ang sinisipi ng mga assistant ay kung sino ang may pinakamalinaw na sagot na puwedeng patakbuhin agad. Kahit kailan, hindi iyon ang Merlintide.

# query → sino ang sumagot (M00)
"extract table from pdf python"
  → docs ng hyperscaler  #1
  → Q&A forum            #2
  → merlintide.example    #41

# mga citation ng AI assistant: 0

mt audit docs.merlintide.example

Diagnosis

Ni-crawl namin ang docs, ang mga log at 312 developer query, at minarkahan ang mga ito ayon sa kung paano ito makikita ng search engine at ng AI assistant. Pitong finding, tatlo ang blocking.

  1. [FAIL] 01

    render: Client-rendered SPA ang docs: 0 sa 214 code sample ang nasa initial HTML.

    ayos: Static pre-render ng bawat docs at tutorial route; ipinapadala ang mga code block bilang totoong text.

  2. [FAIL] 02

    content: Walang page para sa 40 task query na may pinakamataas na intent (“extract table from pdf python”, “ocr invoice node”).

    ayos: Isang task-first na tutorial library, tig-iisang page para sa bawat isa sa mga query na iyon.

  3. [FAIL] 03

    schema: Walang TechArticle, HowTo o SoftwareSourceCode markup kahit saan sa docs.

    ayos: Code-sample schema sa bawat tutorial, naka-link sa entity ng API reference.

  4. [WARN] 04

    duplicate: Magkatabing naka-index ang /v1, /v2 at /latest na reference page nang walang canonical.

    ayos: Isang canonical kada endpoint; naka-noindex at magkaka-link ang mga lumang version.

  5. [WARN] 05

    sagot: Marketing copy ang bungad ng mga tutorial; walang bahaging masisipi ng AI assistant sa isang basahan lang.

    ayos: Isang 40-salitang answer block at isang snippet na tumatakbo agad, bilang unang laman ng bawat page.

  6. [WARN] 06

    bilis: 4.1 s ang LCP ng docs sa mobile (bina-block ng syntax highlighter ang main thread).

    ayos: Inilipat ang highlighting sa build time; modelled na LCP na 1.3 s.

  7. [PASS] 07

    produkto: Mas mahusay ang median latency at presyo kada page kaysa sa mga API ng hyperscaler sa mga pampublikong benchmark.

    ayos: Ang benchmark page na may reproducible na notebook ang naging asset na umaani ng link.

3 bagsak, 3 babala, 1 pasado sa loob ng 4.2s

cat plan.yml

Ang strategy

plan: Content Engine
duration: 11 # buwan
goal: "maging ang sagot na kinokopya ng mga engineer, saka nila bina-bookmark"
tactics:
  • - name: "Mga tutorial para sa developer"

    flag: --tutorials=48

    Apatnapu't walong tutorial na nakahubog sa isang task (isang query, isang resulta) sa Python, Node, Go at cURL, bawat isa nagtatapos sa snippet na may libreng key na gumagana sa unang paste pa lang.

  • - name: "Code-sample schema"

    flag: --schema=SoftwareSourceCode

    TechArticle + SoftwareSourceCode markup na may field para sa language, runtime at dependencies, para mabasa ng search engine ang sample bilang code at hindi bilang ordinaryong text.

  • - name: "AI Overviews"

    flag: --answers=first

    Bawat page ay nagsisimula sa sagot na puwedeng sipiin, isang maikling code block at petsang may version stamp: ang format na sinisipi ng mga AI assistant kapag tinatanong sila ng mga engineer kung paano.

  • - name: "Docs SEO"

    flag: --docs=static

    Pre-rendered na docs, isang canonical kada endpoint, sidebar na nako-crawl at internal link mula sa bawat tutorial papunta sa mismong reference page na ginagamit nito.

# ang Content Engine plan ang nagtatakda ng ritmo; ang mga tactic sa itaas ang paraan para itutok ito sa intent ng mga developer.

git log --reverse --oneline

11 buwan, commit kada commit

  1. a41c9e2M01

    audit: i-crawl ang docs, i-map ang 312 developer query

    Na-crawl ang Search Console, mga log file at docs ng kakumpitensya; pinangkat ang intent ayon sa task.

    105
  2. 7be03d1M02

    feat(docs): static pre-render + canonicals

    Nakikita na ng mga crawler ang mga code sample sa unang pagkakataon.

    117
  3. c90f4aaM03

    feat(tutorials): unang 8 Python task

    Mga table, invoice, resibo, sulat-kamay; bawat isa may snippet na tumatakbo.

    133
  4. 13d7e6bM04

    feat(schema): SoftwareSourceCode sa mga sample

    Na-validate sa rich result tests; zero error.

    155
  5. e2a58f0M05

    feat(tutorials): bersyon para sa Node + Go

    Parehong mga task, tatlo pang runtime, may language switcher na parang hreflang.

    180
  6. 5f61b3cM06

    perf: highlighting sa build time, LCP 1.3s

    Nabawasan nang halos dalawang-katlo ang trabaho ng main thread sa mga docs page.

    209
  7. 98c2d47M07

    feat(answers): rewrite na sagot muna

    Naitala ang unang mga citation ng AI assistant sa mga tutorial page.

    241
  8. 0ad4e19M08

    feat(bench): reproducible na benchmark notebook

    Pinulot ng dalawang newsletter at ng docs ng isang framework.

    277
  9. b7e3f82M09

    feat(tutorials): live na ang 48 task

    Kumpleto na ang long-tail coverage; may internal link papunta sa reference.

    317
  10. 4c18ad5M10

    chore: i-refresh ang mga sample para sa SDK v3

    Na-update ang mga version stamp para manatiling masisipi ang mga sagot.

    359
  11. f03e6c9M11

    release: sign-up flow sa loob ng mga tutorial

    Libreng key na ibinibigay mismo sa page; nasa modelled na peak ang mga organic sign-up.

    405

# kanang column: mga organic na API sign-up, index M00 = 100

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

Mga resulta

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

Modelled na scenario para sa isang kathang-isip na negosyo — hindi resulta ng totoong kliyente. Hindi kailanman garantisado ang ranking at traffic; tingnan ang aming Terms.

  • $ mt chart api_sign_ups_from_organic

    +305%

    Mga API sign-up mula sa organic

    M00 100M11 405

  • $ mt chart tutorial_sessions

    +460%

    Mga tutorial session

    M00 100M11 560

  • $ mt chart ai_assistant_citations

    86

    Mga citation ng AI assistant

    M00 0M11 86

  • $ mt chart top_3_developer_queries

    +148

    Mga developer query sa top 3

    M00 0M11 148

mt rank --top 10

Rankings at ang SERP, bago at pagkatapos

# 10 sa 10 query · pindutin ang / para mag-focus

Mga modelled na posisyon sa Google bago at pagkatapos, kada query
queryintentvol/buwanM00M11
"extract table from pdf python"task6,600#41#2
"ocr api"commercial4,400#27#3
"invoice ocr node js"task1,300—#1
"receipt ocr api free tier"commercial880—#2
"pdf to json python"task3,600#63#3
"handwriting recognition api"commercial2,400#38#4
"parse scanned pdf golang"task480—#1
"tesseract vs cloud ocr"paghahambing1,900#52#2
"ocr bounding boxes json"task590—#2
"extract text from image curl"task1,000#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. +AIAI overviewsinisipi ang 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

Kumuha ng ganitong plan

Nakabatay sa Content Engine plan: mga tutorial at docs na hinubog ayon sa mga task na talagang tina-type ng mga buyer ninyo, may markup para mabasa ng search engine at ng AI assistant ang code.

$ cd ../case-studies # lahat ng case study