Lewati ke konten
← Studi Kasus · SaaS / Teknologi B2B Hasil terverifikasi

SaaS B2B: produk bagus, dokumentasi tidak terbaca Google maupun AI

Startup SaaS dengan docs dan changelog yang tidak terindeks. CTO fokus fondasi teknis — llms.txt, schema, CWV — supaya mesin bisa memahami produk.

Pertanyaan yang dijawab cerita ini Produk kami solid — kenapa developer yang riset di Google dan AI tidak menemukan kami?

Inti cerita

SaaS kalah discovery bukan karena produk jelek — sering karena docs dan entity tidak terbaca mesin. Fondasi teknis adalah marketing untuk CTO.

SaaS / Teknologi B2B — studi kasus

SaaS / Teknologi B2B

Klien anonim

“Engineering build cepat. Marketing bilang 'SEO nanti'. Calon user tanya ChatGPT soal alternatif kategori kami — nama kami tidak muncul.”

Cerita lengkap

Sprint planning: SEO masuk backlog — lagi

CTO menutup board Jira. Di kolom “Marketing requests”, tiket SEO sudah menunggu 4 sprint — selalu kalah prioritas sama bug fix dan feature release.

Head of growth datang dengan screenshot: prompt ChatGPT “Software HR untuk tim remote di Indonesia, alternatif apa saja?” — lima nama muncul. Produk mereka tidak ada.

“Bukan masalah fitur. Developer yang riset tidak menemukan kita.”

POV CTO: mesin harus bisa membaca produk kami

Sebagai co-founder technical, frustrasinya spesifik: kami build docs yang bagus untuk user, tapi docs itu di Notion lalu pindah subdomain yang di-block robots.txt. Engineering membuat API reference — tidak terhubung ke entity produk di marketing site. Landing page WordPress dan app React adalah dua dunia.

Ini bukan masalah “kurang blog”. Ini masalah infrastructure discoverability — sama seperti kami tidak akan ship API tanpa dokumentasi. Tapi kami ship produk tanpa dokumentasi untuk mesin pencari.

Yang sudah dicoba (dari sudut engineering)

Docs di Notion public — tidak terindeks. Marketing site pakai plugin SEO — docs subdomain tidak disentuh. Enam artikel blog generic — tidak link ke fitur atau docs. Changelog di Twitter — tidak structured.

Growth minta budget ads. CTO minta fondasi dulu. Deadlock — sampai co-founder lihat bahwa competitor dengan docs terindeks dan llms.txt mulai muncul di jawaban AI untuk kategori yang sama.

Temuan audit: robots.txt memblokir aset terbaik kami

Begitu audit jalan, temuan untuk SaaS early-stage familiar:

140 halaman docs di-block — robots.txt dari setup lama melindungi “staging paths” yang sudah jadi production docs.

Entity split — marketing site bilang “Acme HR”, docs bilang “Acme Platform”, schema Organization generic tanpa SoftwareApplication.

LCP 5,1 detik di pricing — hero image tidak dioptimasi, blocking script dari analytics stack.

Tidak ada llms.txt — di era AI search, mesin tidak punya peta resmi fitur, pricing, dan batasan produk. Competitor punya.

Keputusan CTO: sprint 2 minggu fondasi SEO sebelum feature berikutnya. Engineering awalnya resisten — “bukan core product.” Counter: docs yang tidak terindeks = support ticket yang tidak perlu + discovery nol.

Apa yang kami jalankan (Oura Starter — lensa teknis)

Starter untuk SaaS bukan artikel marketing:

  1. Robots & sitemap — buka indeks docs prioritas, exclude internal API admin.
  2. CWV — LCP pricing, lazy load, critical CSS path.
  3. llms.txt — peta fitur, pricing, FAQ, changelog URL untuk AI crawler.
  4. Schema — SoftwareApplication + Organization + FAQPage pricing.
  5. Entity merge — satu nama produk, sameAs, konsisten di marketing/docs/changelog.
  6. GA4 AI-referral — developer dari chatgpt.com/perplexity terpisah dari paid.

Setiap perubahan production lewat dry-run — CTO tidak mau SEO break deploy pipeline.

Cara membaca angka di bawah

Angka untuk profil SaaS B2B serupa. Pola Starter serupa:

  • Indeks docs biasanya bergerak 2–4 minggu setelah robots fix + sitemap submit.
  • Kutipan AI untuk kategori butuh llms.txt + FAQ + halaman comparison — bulan 2–3.
  • AI-referral developer sering lebih awal terlihat daripada ranking keyword kompetitif.

Setelah fondasi, Oura Content untuk comparison pages + Growth untuk OAVF — di atas docs yang sudah terbaca mesin.

Sebelum Oura

Yang sudah dicoba

  • Dokumentasi di Notion public — tidak terindeks, robots block by default
  • Landing page WordPress terpisah dari app — dua entity, NAP produk tidak konsisten
  • Blog 6 artikel generic "tips produktivitas" — tidak terhubung ke docs atau fitur
  • Install plugin SEO di marketing site — docs subdomain tidak disentuh

Titik balik

Temuan audit yang mengubah arah

  • docs.domain.com di-block robots.txt — 140 halaman bantuan tidak terindeks
  • Landing pakai WordPress, app pakai React — LCP 5,1 detik di halaman pricing
  • Tidak ada llms.txt — mesin AI tidak punya peta resmi fitur & pricing
  • Schema Product/SoftwareApplication tidak ada — hanya Organization generic

Sebelum & sesudah

Apa yang berubah ketika strategi dijalankan.

Sebelum

  • 140 halaman docs tidak terindeks (robots block)
  • LCP 5,1 detik di pricing · PageSpeed mobile 58
  • 0 kutipan AI untuk kategori produk
  • 100% user dari outbound/referral

Setelah Oura Starter (target)

  • Docs prioritas terindeks · llms.txt live
  • LCP < 2,5 detik · PageSpeed mobile 88
  • Muncul di jawaban AI untuk 2 query kategori
  • Organic + AI-referral terukur di GA4

Tantangan

Tantangan

Startup SaaS HR-tech dengan 800+ paying users, semuanya dari outbound dan referral. Website marketing ada, docs di subdomain terpisah — tapi 140 halaman dokumentasi di-block robots.txt dan tidak terindeks. Landing page LCP 5,1 detik. Ketika developer riset "alternatif [kategori] untuk tim remote Indonesia" di ChatGPT atau Google, produk ini tidak pernah muncul. Tim engineering fokus product-market fit; SEO selalu "nanti sprint berikutnya".

Pendekatan

Pendekatan

  1. 01

    Audit teknis full-stack: robots, sitemap, CWV di marketing + docs, entity split.

  2. 02

    Buka indeks docs terkontrol — halaman bantuan prioritas, changelog, pricing FAQ.

  3. 03

    llms.txt + entity SoftwareApplication, Organization, FAQPage — peta resmi untuk AI.

  4. 04

    Merge sinyal entity antara marketing site dan docs — sameAs, konsisten naming.

  5. 05

    Perbaikan LCP pricing & docs landing — target hijau sebelum konten scale.

  6. 06

    GA4 segment AI-referral dari hari pertama — pisahkan developer discovery channel.

Fase eksekusi

Bagaimana pekerjaan berjalan bulan demi bulan.

  1. Minggu 1–3

    Audit & robots/CWV

    Robots, sitemap, CWV marketing + docs. Quick win: buka indeks halaman bantuan prioritas tanpa expose internal API docs.

  2. Bulan 2

    Entity & llms.txt

    SoftwareApplication schema, llms.txt, FAQ pricing. Samakan naming produk di marketing, docs, dan changelog.

  3. Bulan 3

    Ukur & handoff Growth

    GA4 AI-referral baseline. Atlas laporan bulanan. Jalur ke Content/Growth setelah fondasi terbukti.

Oura Atlas

Setiap langkah lewat loop yang aman dan teraudit.

Data dari GSC & GA4 jadi brief, eksekusi lewat dry-run dan backup, dampak diverifikasi — bukan perubahan liar di production.

Lihat cara kerja Atlas →

Relate?

Apakah ini cerita kamu?

Cocok jika…

  • Startup tech dengan produk kuat tapi discovery lemah
  • CTO/tech lead yang mau fondasi benar sebelum scale marketing
  • Docs, changelog, atau API reference yang perlu terbaca mesin

Kurang cocok jika…

  • Butuh lead enterprise dalam 30 hari — Starter fondasi dulu
  • Tidak mau menyentuh infra docs (subdomain, robots, CWV)
  • Hanya mau konten blog tanpa perbaikan struktur teknis

“Saya tidak butuh 'konten marketing' dulu. Saya butuh docs dan pricing kami terbaca mesin — sama seperti kami peduli API readable untuk developer.”

— CTO & co-founder, anonim

“Setelah llms.txt dan docs terindeks, kami punya dasar untuk kampanye — bukan lagi landing page kosong yang tidak bisa dijawab AI.”

— Head of growth, anonim

Dampak terukur

Dampak

0 → 890

halaman docs terindeks

58 → 88

PageSpeed mobile

+35%

AI referral di GA4

  • Engineering dan marketing punya satu peta entity — bukan dua dunia terpisah.
  • Docs jadi aset discovery, bukan hanya cost center setelah launch.
  • Growth punya fondasi untuk konten comparison dan OAVF — bukan tebak di udara.

Squad

Tim di balik eksekusi

Managed service berarti orang nyata mengoperasikan Atlas — bukan sekadar software yang dijual.

01

Strategy & Atlas Lead

Menerjemahkan data jadi strategi dan mengoperasikan loop Oura Atlas.

02

Technical SEO Lead

Core Web Vitals, arsitektur, schema, dan kesehatan teknis website.

03

Content & Editorial

Konten answer-first yang dibaca Google dan dikutip mesin AI.

04

AI Visibility Specialist

Eksekusi OAVF, pemetaan query, dan pemantauan sitasi di mesin generatif.

Eksplorasi lainnya

Studi kasus terkait

Langkah pertama · gratis

Mau hasil seperti ini untuk brand kamu?

Mulai dari Mini Audit Gratis — kami petakan jalur tercepatmu.

  • Gratis
  • Tanpa komitmen
  • Hasil 48 jam

Menang di Google. Disebut di AI.

Mini Audit

Langkah 1 / 3

1. Tentang kamu

Lanjut →

SEO

3 prioritas

GEO

citation gap

AEO

schema check

FAQ — Studi Kasus

Apa tantangan utama di studi kasus SaaS / Teknologi B2B ini?

Startup SaaS HR-tech dengan 800+ paying users, semuanya dari outbound dan referral. Website marketing ada, docs di subdomain terpisah — tapi 140 halaman dokumentasi di-block robots.txt dan tidak terindeks. Landing page LCP 5,1 detik. Ketika developer riset "alternatif [kategori] untuk tim remote Indonesia" di ChatGPT atau Google, produk ini tidak pernah muncul. Tim engineering fokus product-market fit; SEO selalu "nanti sprint berikutnya". Cerita ini menunjukkan bagaimana squad Oura + Atlas menangani profil serupa lewat paket Oura Starter.

Paket Oura apa yang menjalankan proyek "SaaS B2B: produk bagus, dokumentasi tidak terbaca Google maupun AI"?

Proyek ini dijalankan dengan Oura Starter. Scope layanan disesuaikan industri SaaS / Teknologi B2B — detail eksekusi ada di timeline dan bagian pendekatan di halaman ini.

Apa pelajaran utama dari studi kasus ini?

SaaS kalah discovery bukan karena produk jelek — sering karena docs dan entity tidak terbaca mesin. Fondasi teknis adalah marketing untuk CTO. Angka di halaman ini berasal dari data klien nyata dengan izin publikasi.

Berapa lama biasanya sampai terlihat dampaknya?

Bergantung fondasi teknis dan kompetisi. Perbaikan teknis dan quick wins sering terlihat dalam 4–8 minggu; momentum organik dan AI referral biasanya membutuhkan beberapa bulan iterasi berkelanjutan.

Paket apa yang cocok untuk profil seperti ini?

Lihat ringkasan di sidebar — setiap studi kasus terhubung ke paket Oura yang menjalankannya. Mini Audit membantu memetakan tier yang realistis untuk konteks kamu.

WhatsApp