When Long-Term Investments Finally Pay Off

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.

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.

Сложный эффект программного SEO

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.

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.

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.

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.

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.

Лучшие данные через открытые стандарты

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.

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.

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.

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.

Язык запросов, к которому я бы никогда не притронулся

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

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.

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.

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.

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

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.

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.

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.

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.

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

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

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.

Модель автоматизации 10-80-10

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.

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.

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.

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.

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.

Сложный эффект

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.

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.

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

Опубликовано 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