When Long-Term Investments Finally Pay Off

There’s something deeply satisfying about watching seeds you planted a year ago finally break through the soil. Figuratively, even though I do enjoy growing my own Tomatoes. But I digress. Today, I want to share a few stories from Podscan—my podcast intelligence platform—about what happens when long-term investments start compounding. Some of these took eighteen months to materialize. Others became possible only because I embraced tools I never thought I’d touch.

Есть что-то глубоко приятное в том, чтобы наблюдать, как семена, посаженные год назад, наконец пробиваются сквозь почву. Образно говоря — хотя я и правда люблю выращивать собственные помидоры. Но я отвлёкся. Сегодня я хочу поделиться несколькими историями о Podscan — моей платформе подкаст-аналитики — о том, что происходит, когда долгосрочные инвестиции начинают приносить сложные проценты. Некоторым из них потребовалось восемнадцать месяцев, чтобы реализоваться. Другие стали возможны только потому, что я освоил инструменты, к которым, как мне казалось, никогда бы не притронулся.

This is a bit of a year in review, though delayed and probably incomplete. But I think there are lessons here that apply to any founder playing the long game.

Это своего рода итоги года, хотя и с опозданием и, вероятно, неполные. Но я думаю, что здесь есть уроки, применимые к любому основателю, который играет вдолгую.

The Compound Effect of Programmatic SEO

Сложный эффект программного SEO

Let me start with something that took real patience: our programmatic SEO efforts. For a solid year and a half, I wasn’t sure if they were working at all. Obviously, each new page—particularly if it comes with a .fm TLD like ours—has some work to do before it’s recognized as a trustworthy location.

Начну с того, что потребовало настоящего терпения: наших усилий по программному SEO. Целых полтора года я не был уверен, работает ли это вообще. Очевидно, каждой новой странице — особенно если она идёт с TLD .fm, как у нас — нужно проделать определённую работу, прежде чем её признают заслуживающим доверия местом.

But that seems to be happening now. More and more, people are linking to particular shows or particular episodes directly using the Podscan.fm link. And each of these backlinks from major newspapers like the Wall Street Journal, Forbes, and other places wherever a podcast is mentioned—each of these backlinks increases the quality of the domain. The domain rating goes up, and that obviously means better search result placements, higher trust value with anti-spam systems, and generally people picking our page to link to when they need to reference a podcast.

Но, похоже, сейчас это происходит. Всё чаще люди ссылаются напрямую на конкретные шоу или конкретные выпуски, используя ссылку Podscan.fm. И каждая из этих обратных ссылок от крупных изданий вроде Wall Street Journal, Forbes и других мест, где упоминается подкаст — каждая такая обратная ссылка повышает качество домена. Рейтинг домена растёт, а это, очевидно, означает лучшие позиции в поисковой выдаче, более высокое доверие со стороны антиспам-систем и в целом то, что люди выбирают именно нашу страницу для ссылки, когда им нужно сослаться на подкаст.

Here’s what I find particularly interesting: podcasters themselves are now putting links to their Podscan page in their show notes. Some of them have claimed their show on the platform. Others are just collecting links to every analytics service out there. Either way, the name has become almost synonymous with podcast analytics in certain circles.

Вот что мне кажется особенно интересным: сами подкастеры теперь размещают ссылки на свою страницу в Podscan в описаниях к выпускам. Некоторые из них заявили права на своё шоу на платформе. Другие просто собирают ссылки на все существующие аналитические сервисы. Так или иначе, в определённых кругах название стало почти синонимом подкаст-аналитики.

This has proved to be a very reliable lead generator. More and more prospects find their way through what is effectively user-generated content—the podcast transcripts themselves. We just host this content, we facilitate already pre-generated content on the platform. For that reason, it’s a very cheap way of generating unique content. And because it’s genuinely useful content, it’s found by people with vested interest in that particular topic. They discover Podscan, they explore other features, and ideally, they become customers.

Это оказалось очень надёжным генератором лидов. Всё больше потенциальных клиентов находят нас через то, что по сути является пользовательским контентом — сами транскрипты подкастов. Мы просто размещаем этот контент, мы предоставляем уже заранее сгенерированный контент на платформе. По этой причине это очень дешёвый способ генерации уникального контента. А поскольку это по-настоящему полезный контент, его находят люди, реально заинтересованные в конкретной теме. Они открывают для себя Podscan, изучают другие функции и, в идеале, становятся клиентами.

Competitors in this field have understood this too and have similarly high-rated domains, just from all the links they’ve been able to collect over a longer time than Podscan has been around. That comes with the territory of being a newcomer. But the compound effects are real, and they extend beyond just search rankings. Domain age helps with email deliverability scores too. The reputation builds in multiple dimensions simultaneously.

Конкуренты в этой сфере тоже это поняли и обладают столь же высоко оценёнными доменами — просто за счёт всех ссылок, которые им удалось собрать за более долгий срок, чем существует Podscan. Это неизбежная участь новичка. Но сложные эффекты реальны, и они выходят за пределы одних только поисковых позиций. Возраст домена помогает и с показателями доставляемости писем. Репутация выстраивается сразу в нескольких измерениях одновременно.

Better Data Through Open Standards

Лучшие данные через открытые стандарты

Another investment that’s been paying off is our integration with OP3—an open standard for transparent podcast analytics. The idea behind OP3 is simple: it can be used as a prefix for the URL to each file that’s being downloaded by a podcast client. Then OP3 collects metrics about how often people download episodes, how many of those people are bots versus real users, where they come from, when they download, how much of the file is downloaded—all this information.

Ещё одна инвестиция, которая начала окупаться, — наша интеграция с OP3, открытым стандартом для прозрачной подкаст-аналитики. Идея OP3 проста: его можно использовать как префикс к URL каждого файла, скачиваемого подкаст-клиентом. После этого OP3 собирает метрики о том, как часто люди скачивают выпуски, сколько из них боты, а сколько реальные пользователи, откуда они приходят, когда скачивают, какую часть файла скачивают — всю эту информацию.

We’ve built an integration that synchronizes OP3 data with our existing database. Relatively few podcasts actually use OP3, but the ones that do obviously benefit from us showing their real tracked analytics on their Podscan page.

Мы построили интеграцию, которая синхронизирует данные OP3 с нашей существующей базой данных. Относительно немногие подкасты действительно используют OP3, но те, кто использует, очевидно, выигрывают от того, что мы показываем их реальную отслеживаемую аналитику на их странице в Podscan.

But here’s where it gets interesting. We’ve been collecting so much data through OP3 that we’ve started feeding this data into all the machine learning and estimation models we use for audience sizes and download numbers. So for podcasts that may not have as easily traceable information, our estimates are now more accurate because they’re calibrated against real data.

Но вот где становится интересно. Мы собрали через OP3 столько данных, что начали подавать их во все модели машинного обучения и оценки, которые используем для определения размеров аудитории и числа загрузок. Так что для подкастов, информацию о которых не так легко отследить, наши оценки теперь точнее, потому что они откалиброваны по реальным данным.

This integration benefits the user—they see real data for real podcasts—and it benefits the platform’s data fidelity overall. It helps stabilize our estimates across the board. That kind of improvement takes time to materialize, but once it does, it compounds.

Эта интеграция приносит пользу пользователю — он видит реальные данные по реальным подкастам — и приносит пользу достоверности данных платформы в целом. Она помогает стабилизировать наши оценки по всем направлениям. Такого рода улучшение требует времени, чтобы проявиться, но как только это происходит, оно даёт сложный эффект.

The Query Language I Never Would Have Touched

Язык запросов, к которому я бы никогда не притронулся

Now here’s a story that really captures something about how my work has changed over the past year.

А вот история, которая по-настоящему отражает то, как изменилась моя работа за прошедший год.

About six months ago, we migrated our search system. We moved from a setup that included a lot of hand-crafted Laravel code and Meilisearch—which, I should say, is still a very great search engine for full-text search—to an OpenSearch cluster maintained and scaled autonomously on AWS.

Около полугода назад мы мигрировали нашу поисковую систему. Мы перешли от конфигурации, включавшей много рукописного Laravel-кода и Meilisearch — который, надо сказать, по-прежнему отличный поисковый движок для полнотекстового поиска — к кластеру OpenSearch, который автономно обслуживается и масштабируется на AWS.

This migration had a tradeoff. Meilisearch was incredibly fast. We’d sometimes get results back in under three-digit milliseconds—a fraction of a second. OpenSearch is still very fast, definitely sub-second, but not quite as lightning-quick.

У этой миграции был компромисс. Meilisearch был невероятно быстрым. Иногда мы получали результаты меньше чем за трёхзначное число миллисекунд — доля секунды. OpenSearch всё ещё очень быстрый, определённо менее секунды, но не настолько молниеносный.

What we gained, though, was reliability and capability. OpenSearch is such a well-tested, well-established system. It can handle a lot of data really well. And because it has the Elasticsearch query DSL—the domain-specific language for expressing search queries—it’s highly configurable. We can get exactly the right results in exactly the right order for any possible request.

Зато мы получили надёжность и возможности. OpenSearch — настолько хорошо протестированная, хорошо зарекомендовавшая себя система. Она прекрасно справляется с большими объёмами данных. И поскольку в ней есть Elasticsearch query DSL — предметно-ориентированный язык для выражения поисковых запросов — она крайне гибко настраивается. Мы можем получить именно нужные результаты в именно нужном порядке для любого возможного запроса.

Here’s the thing, though. Two years ago, I would never have touched this.

Но вот в чём дело. Два года назад я бы никогда к этому не притронулся.

I was burned by the complexity of Elasticsearch a decade ago. It always freaked me out—such a complex, hard-to-compose way of querying a database. That’s actually one of the reasons I initially went with Meilisearch. It had more of an HTTP-parameter style of search instead of deep, nested JSON objects.

Десять лет назад я обжёгся на сложности Elasticsearch. Он всегда меня пугал — такой сложный, плохо компонуемый способ запросов к базе данных. Собственно, это одна из причин, по которой я изначально выбрал Meilisearch. У него был скорее стиль поиска через HTTP-параметры, а не глубокие вложенные JSON-объекты.

But what I found was that now we have very capable agentic coding agents. I can just tell the agent what I want the query to do, what I want the results to look like. And the agent—having been trained on millions of documents containing Elasticsearch and OpenSearch queries, understanding what they do and what the results look like—is so much more capable than I am of crafting not just the right query, but the logic that would compose such a query reliably and testably.

Но я обнаружил, что теперь у нас есть очень способные агентные программирующие агенты. Я могу просто сказать агенту, что я хочу, чтобы делал запрос, как должны выглядеть результаты. И агент — обученный на миллионах документов, содержащих запросы Elasticsearch и OpenSearch, понимающий, что они делают и как выглядят результаты — гораздо способнее меня в составлении не только правильного запроса, но и логики, которая надёжно и тестируемо такой запрос компонует.

This has been a game-changer. I’ve been a big fan of agentic coding—just listen to the last thirty or forty episodes of this podcast if you want evidence of that. But the quality of these systems isn’t just in the code they write. It’s also in the code I don’t have to write. And maybe more importantly, their actual value is in the code I would never have written, or could never have written, or never would have wanted to write.

Это стало переломным моментом. Я большой поклонник агентного программирования — просто послушайте последние тридцать-сорок выпусков этого подкаста, если вам нужны доказательства. Но качество этих систем не только в коде, который они пишут. Оно ещё и в коде, который мне не приходится писать. И, может быть, что важнее, их подлинная ценность — в коде, который я никогда бы не написал, или не смог бы написать, или никогда бы не захотел писать.

That particular hindrance of mine—where I wouldn’t even have touched Elasticsearch—would have kept me from building a system that now runs extremely smoothly, extremely reliably, and is highly customizable. It powers not only search but also internal reporting and analysis across the platform.

То самое моё препятствие — когда я даже не притронулся бы к Elasticsearch — помешало бы мне построить систему, которая теперь работает чрезвычайно гладко, чрезвычайно надёжно и очень гибко настраивается. Она обеспечивает не только поиск, но и внутреннюю отчётность и анализ по всей платформе.

I just wouldn’t have done it if I hadn’t been able to tell the agent to do it for me.

Я бы просто не сделал этого, если бы не мог поручить агенту сделать это за меня.

Big, big margin improvement over what the years before would have been possible.

Огромное, огромное улучшение маржи по сравнению с тем, что было бы возможно в предыдущие годы.

The migration also gave me a reason to rework the filter and search interface, which has been received very positively. It’s more of a professional tool now than a quick lookup tool. If I ever want to build a simpler quick-lookup experience, I can layer that on top with simple queries and a solid caching system. Very nice.

Миграция также дала мне повод переработать интерфейс фильтров и поиска, который был встречен очень положительно. Теперь это скорее профессиональный инструмент, чем средство быстрого поиска. Если я когда-нибудь захочу сделать более простой опыт быстрого поиска, я смогу надстроить его поверх с помощью простых запросов и надёжной системы кеширования. Очень приятно.

The 10-80-10 Automation Model

Модель автоматизации 10-80-10

Outside of search, I’ve been building a lot of what I call semi-automated systems. I’ve talked about this kind of automation before: the first 10% is me, then there’s 80% AI, and then the last 10% is me as well.

Помимо поиска, я строю много того, что я называю полуавтоматическими системами. Я уже рассказывал о такого рода автоматизации: первые 10% — это я, потом 80% — ИИ, а затем последние 10% — снова я.

These systems are part of my preparation for being less hands-on in the day-to-day operations. You know how it is—every founder wants to be able to focus on things that take their full attention, not just write emails or sift through databases and records.

Эти системы — часть моей подготовки к тому, чтобы меньше участвовать в повседневных операциях. Вы знаете, как это бывает — каждый основатель хочет иметь возможность сосредоточиться на вещах, требующих его полного внимания, а не просто писать письма или копаться в базах данных и записях.

The most helpful one so far has been a targeted mid-trial AI-drafted outreach email. It combines data about what the user has already accomplished in the application—the things they’ve seen and tried—and kind of congratulates them on having done this, plus gives them the highest-impact next step to take. It’s been quite useful for giving people insight into the full platform capabilities.

Самой полезной на сегодня оказалась адресная рассылка-обращение, составленная ИИ в середине пробного периода. Она объединяет данные о том, чего пользователь уже достиг в приложении — что он посмотрел и попробовал — и как бы поздравляет его с этим, а также подсказывает следующий шаг с наибольшей отдачей. Это оказалось весьма полезным, чтобы дать людям представление о полных возможностях платформы.

I’m building a lot of similar systems: AI-assisted scraping, data lookup, validation, confirmation. The GPT systems have gotten so good that they can do a reliable 80% of the work I used to do when it comes to data acquisition and verification.

Я строю много похожих систем: ИИ-ассистированный скрейпинг, поиск данных, валидация, подтверждение. GPT-системы стали настолько хороши, что могут надёжно выполнять 80% работы, которую я раньше делал сам, когда речь идёт о сборе и проверке данных.

If you’re interested in hearing more about which of these systems have worked and which way, I can dive into the details in a future episode. Just let me know.

Если вам интересно услышать больше о том, какие из этих систем сработали и каким образом, я могу углубиться в детали в одном из будущих выпусков. Просто дайте знать.

The Compound Effect

Сложный эффект

So that’s the picture. Long-term investments in SEO are compounding. Data quality is improving through integrations like OP3 and AI-assisted validation. Agentic coding has unlocked capabilities I never would have attempted on my own. And semi-automated systems are freeing up my time for higher-leverage work.

Вот такая картина. Долгосрочные инвестиции в SEO дают сложный эффект. Качество данных улучшается благодаря интеграциям вроде OP3 и ИИ-ассистированной валидации. Агентное программирование открыло возможности, за которые я сам никогда бы не взялся. А полуавтоматические системы высвобождают моё время для более результативной работы.

It’s been a good year for Podscan’s growth and data fidelity. What strikes me most is how these improvements feed into each other. Better data makes better search results. Better search results make happier users. Happier users create more backlinks. More backlinks improve domain authority. And the cycle continues.

Это был хороший год для роста Podscan и достоверности данных. Больше всего меня поражает то, как эти улучшения подпитывают друг друга. Лучшие данные дают лучшие результаты поиска. Лучшие результаты поиска делают пользователей счастливее. Более счастливые пользователи создают больше обратных ссылок. Больше обратных ссылок повышает авторитет домена. И цикл продолжается.

Patience, it turns out, is a competitive advantage. So is being willing to embrace tools that let you build things you never thought you could.

Терпение, как выясняется, — это конкурентное преимущество. Как и готовность осваивать инструменты, которые позволяют строить то, что, как вам казалось, вы никогда не сможете.

Published by Arvid Kahl

Опубликовано Arvid Kahl

I write about bootstrapping, audience-building, and building in public at The Bootstrapped Founder. Formerly FeedbackPanda (exit/2019) Wrote Zero to Sold, The Embedded Entrepreneur, and made Find your Following. View all posts by Arvid Kahl

Я пишу о бутстрэппинге, построении аудитории и публичной разработке в The Bootstrapped Founder. В прошлом FeedbackPanda (выход/2019). Написал Zero to Sold, The Embedded Entrepreneur и создал Find your Following. Посмотреть все публикации Arvid Kahl