跳至正文
Get Ranked On Top示意性案例研究Content Engine 方案

虚构的企业。数据为模拟情景,并非客户的实际结果。

← cd ../case-studiesGet Ranked On Top · SEO 案例研究 · 亚太地区

merlintide — 案例研究 — zsh — 96×40

上次登录:模拟会话,ttys011 · 新加坡

mt case-study merlintide

客户Merlintide

业务面向开发者的文档 OCR API · 新加坡

行业科技与 SaaS · 11 个月

一款 OCR API 如何靠工程师真心收藏的教程,赢下开发者搜索

# 核心数据

+305% 自然搜索带来的 API 密钥注册量

迷你走势图 · 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

挑战

Merlintide 的 API 比对手更快、更便宜,可开发者搜索“extract table from pdf python”时,只能找到云巨头的文档。

从纸面上看,这款产品早已胜出:延迟更低、单页价格更便宜、JSON 更干净。可工程师不会去搜“OCR 供应商”。他们搜的是眼前的任务,用的是手头正在写的那门语言,而且往往是在冲刺做到一半的时候。Merlintide 没有一个页面能回答其中任何一个任务,它的文档对爬虫来说也几乎是隐形的。

与此同时,越来越多这类问题被先拿去问 AI 助手,而助手引用的,是谁给出了最清晰、能直接运行的答案。那从来都不是 Merlintide。

# 查询 → 谁给出了答案(M00)
"extract table from pdf python"
  → 云巨头文档             #1
  → 问答论坛              #2
  → merlintide.example #41

# AI 助手引用次数:0

mt audit docs.merlintide.example

诊断

我们抓取了文档、日志和 312 个开发者查询,并按搜索引擎和 AI 助手的视角逐项打分。共七项发现,其中三项是阻断性问题。

  1. [FAIL] 01

    渲染: 文档是客户端渲染的 SPA:214 个代码示例,初始 HTML 里一个都没有。

    修复: 对所有文档和教程路由做静态预渲染;代码块以真实文本输出。

  2. [FAIL] 02

    内容: 意图最强的 40 个任务型查询(“extract table from pdf python”“ocr invoice node”)没有任何对应页面。

    修复: 建立以任务为先的教程库,与这些查询一一对应。

  3. [FAIL] 03

    schema: 整个文档里找不到任何 TechArticle、HowTo 或 SoftwareSourceCode 标记。

    修复: 每篇教程都加上代码示例 schema,并关联到 API 参考文档实体。

  4. [WARN] 04

    重复: /v1、/v2 和 /latest 的参考页面同时被收录,且没有 canonical。

    修复: 每个端点只保留一个 canonical;旧版本设为 noindex,并相互链接。

  5. [WARN] 05

    答案: 教程开头全是营销文案;没有任何一段能让 AI 助手直接拿来引用。

    修复: 每个页面最前面先放一段约 40 词的答案和一段可运行的代码片段。

  6. [WARN] 06

    速度: 移动端文档 LCP 为 4.1 秒(语法高亮阻塞了主线程)。

    修复: 高亮改在构建时完成;LCP 模拟值降至 1.3 秒。

  7. [PASS] 07

    产品: 在公开基准测试中,中位延迟和单页价格都胜过云巨头的 API。

    修复: 附带可复现 notebook 的基准测试页面,成了赢得外链的核心资产。

3 项失败,3 项警告,1 项通过,用时 4.2 秒

cat plan.yml

策略

plan: Content Engine
duration: 11 # 个月
goal: "成为工程师先粘贴、再收藏的那个答案"
tactics:
  • - name: "开发者教程"

    flag: --tutorials=48

    四十八篇以任务为单位的教程(一个查询,一个结果),覆盖 Python、Node、Go 和 cURL,每篇都以一段带免费密钥的代码片段收尾,第一次粘贴就能跑通。

  • - name: "代码示例 schema"

    flag: --schema=SoftwareSourceCode

    TechArticle + SoftwareSourceCode 标记,带有语言、运行时和依赖字段,让搜索引擎把示例当作代码来读,而不是当作普通文字。

  • - name: "AI 概览"

    flag: --answers=first

    每个页面都以一段可引用的答案、一个最小代码块和带版本号的日期开头:工程师问 AI 助手“怎么做”时,助手引用的正是这种格式。

  • - name: "文档 SEO"

    flag: --docs=static

    预渲染的文档、每个端点一个 canonical、可抓取的侧边栏,以及从每篇教程指向其所用参考页面的内部链接。

# Content Engine 方案决定节奏;上面这些战术,是把它对准开发者意图的具体做法。

git log --reverse --oneline

11 个月,一次一个提交

  1. a41c9e2M01

    audit: 抓取文档,梳理 312 个开发者查询

    抓取了 Search Console、日志文件和竞品文档;按任务对搜索意图分组。

    105
  2. 7be03d1M02

    feat(docs): 静态预渲染 + canonical

    代码示例首次对爬虫可见。

    117
  3. c90f4aaM03

    feat(tutorials): 首批 8 个 Python 任务

    表格、发票、收据、手写体;每个都附带可运行的代码片段。

    133
  4. 13d7e6bM04

    feat(schema): 为示例加上 SoftwareSourceCode

    已通过富媒体搜索结果测试;零错误。

    155
  5. e2a58f0M05

    feat(tutorials): 移植到 Node + Go

    同样的任务,再加三种运行时,配上类似 hreflang 的语言切换器。

    180
  6. 5f61b3cM06

    perf: 构建时高亮,LCP 1.3s

    文档页面的主线程工作量减少约三分之二。

    209
  7. 98c2d47M07

    feat(answers): 改写为答案优先

    首次记录到 AI 助手引用教程页面。

    241
  8. 0ad4e19M08

    feat(bench): 可复现的基准测试 notebook

    被两份技术通讯和一个框架的官方文档引用。

    277
  9. b7e3f82M09

    feat(tutorials): 48 个任务全部上线

    长尾覆盖完成;内部链接指向参考文档。

    317
  10. 4c18ad5M10

    chore: 为 SDK v3 更新示例

    更新版本标记,让答案始终值得引用。

    359
  11. f03e6c9M11

    release: 教程内嵌注册流程

    在页面内直接发放免费密钥;自然注册量达到模拟峰值。

    405

# 右列:自然搜索带来的 API 注册量,指数 M00 = 100

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

成果

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

这是为虚构企业建模的情景,并非真实客户成果。排名和流量从无保证;详见我们的条款。

  • $ mt chart api_sign_ups_from_organic

    +305%

    自然搜索带来的 API 注册量

    M00 100M11 405

  • $ mt chart tutorial_sessions

    +460%

    教程会话数

    M00 100M11 560

  • $ mt chart ai_assistant_citations

    86

    AI 助手引用次数

    M00 0M11 86

  • $ mt chart top_3_developer_queries

    +148

    进入前三的开发者查询

    M00 0M11 148

mt rank --top 10

排名与 SERP:前后对比

# 共 10 个查询,显示 10 个 · 按 / 聚焦搜索框

按查询列出的 Google 排名模拟值(前后对比)
查询意图月搜索量M00M11
"extract table from pdf python"任务6,600#41#2
"ocr api"商业4,400#27#3
"invoice ocr node js"任务1,300—#1
"receipt ocr api free tier"商业880—#2
"pdf to json python"任务3,600#63#3
"handwriting recognition api"商业2,400#38#4
"parse scanned pdf golang"任务480—#1
"tesseract vs cloud ocr"对比1,900#52#2
"ocr bounding boxes json"任务590—#2
"extract text from image curl"任务1,000#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 概览引用 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

获取同款方案

基于 Content Engine 方案:围绕买家真正会输入的任务来打造教程和文档,并加上结构化标记,让搜索引擎和 AI 助手读得懂代码。

$ cd ../case-studies # 全部案例研究