· Case study · AI social media SaaS · Next.js · ⚡ Najszybszy gain

getmepost.com — score 68 → 96 (+28 pkt) w 2 iteracjach + backend bug fix

Trzeci dogfood case z największym gainem ever po selpio.com (70→94, 3 iter) i webcomp.pl (92→95, 3 iter + backend). Landing getmepost.com (Next.js, AI social media SaaS) naprawiony w ~25 minut, 2 iteracjach + bonus backend FAQ parser fix w analyzerze Selpio (3-level escalation). Iter 1 batch deploy z gotowym playbookiem (15 min) dał +27 pkt. Iter 2 (FAQPage Schema + UL features + copy konkrety) ujawnił bug w parserze accordion structures → naprawiony w llm-seo-analyzer → final score 96/100.

Wzrost score +28 pkt 68 → 96 / 100 (najwiekszy gain ever)
Dimensions na max 6 z 7 structure, schema, llm_access, seo, authority + jeszcze 1 dzięki backend FAQ fix
Czas pracy ~15 min 1 iteracja, 1 deploy, 1 commit (5d2f50e)
LLM koszt 0 zł tylko per-issue templates Selpio + Claude Code

Stan początkowy: 68/100 needs-improvement (kwiecień 2026)

GetMePost to Next.js 15 landing dla AI social media SaaS — paste text/URL → AI generuje posty dla LinkedIn/Twitter/Facebook/Instagram + one-click publishing. Strona miała baseline 69/100 w kwietniu 2026 (dwa pomiary), w maju fresh crawl dał 68/100 — stabilny baseline w "needs-improvement" tier.

Krytyczne braki widoczne natychmiast po crawlu:

DetectedStack baseline pokazywał "astro" jako false positive (analizator misclassified asset paths). Po deploy z proper Next.js artifacts → poprawnie wykryty "nextjs".

Strategia: zero iter critical/warning/info — jeden batch deploy

W poprzednich dogfood case studies (selpio + webcomp) używaliśmy iteracyjnego podejścia: iter 1 critical, re-crawl, iter 2 warning, re-crawl, iter 3 info, re-crawl. Każda iteracja = osobny commit + deploy + ~15 min. Łącznie 30-45 min.

Dla getmepost zastosowaliśmy accelerating returns playbook — wiemy z lessons learned co dokładnie naprawi krytyczne + warnings techniczne. Wykonaliśmy je wszystkie w jednym deployu:

Build Next.js zielony (6 routes static + SSG). bash deploy.sh → rsync na MyDevil, smoke HTTP 200. Re-crawl iter 1: SCORE 68 → 95 (+27 pkt). Schema 0 → 25 max. SEO 16 → 20 max. llm_access 22 → 25 max. Authority 22 → 25 max.

Iter 2: copy fixes + FAQPage Schema + UL (15 dodatkowych minut)

Score 95 zostawił 3 warnings (SHALLOW_CONTENT/AMBIGUOUS_CLAIMS/MISSING_DEFINITIONS) i 3 info (NO_LISTS/NO_FAQ_PATTERN/NO_QA_STRUCTURE). Iter 2 zaadresował wszystkie info + 1 warning:

Drugi bash deploy.sh. Re-crawl iter 2: SCORE 95 → 94 (-1) — counter-intuitive trade-off. Rozszerzona treść copy = analyzer semantyki miał więcej materiału do oceny = nowe subjective warnings (INCOMPLETE_SENTENCES). ALE info issues znikły, FAQ Schema obecny, structure semantyczna ✓. Pozostał problem: schema 23/25 zamiast 25 — analyzer flagował FAQ_SCHEMA_MISMATCH mimo że JSON-LD FAQPage był poprawny. Ten bug stał się triggerem iter 3.

Iter 3 (bonus): backend FAQ parser fix → schema 25 max

Dogfood ujawnił że parser FAQ w analyzerze Selpio nie radził sobie z accordion structures. Szukał <p> jako bezpośredni sibling <h3>, ale w getmepost FAQ.tsx: 

<button>
  <h3>Question?</h3>
  <svg class="icon"/>  ← parser zatrzymywał się tu
</button>
<div class="answer-wrapper">
  <p>Answer</p>  ← niedosiężny
</div>

Fix w llm-seo-analyzer (commit 6057d4a): 3-level escalation algorytm w findAnswerForHeading:

  1. Level 1: sibling pattern — markdown/prose (h3 + następny p)
  2. Level 2: accordion — parent.next() (h3 w button, p w wrapper div)
  3. Level 3: deeper nested — grandparent.next() (h3 → button → div.trigger → div.faq-item)

+6 testów accordion patterns (suite 1502 → 1508). Re-crawl getmepost po backend deploy: SCORE 94 → 96 (+2), schema 23 → 25 MAX, FAQ_SCHEMA_MISMATCH znikło. Bonus: webcomp.pl (z analogicznym accordion patternem) też dostał +1 score. Każdy dogfood loop = backend improvement = korzyść dla wszystkich klientów Selpio.

Porównanie dimensions baseline → 3 iteracje

Wymiar Baseline Iter 1 Iter 2 + Backend fix Δ total Max
structure 20 25 25 25 MAX ✓ +5 25
schema 0 25 23 25 MAX ✓ +25 +25 25
semantics 19 18 18 18 −1 25
llm_access 22 25 25 25 MAX ✓ +3 25
seo 16 20 20 20 MAX ✓ +4 20
authority 22 25 25 25 MAX ✓ +3 25
technical_seo 12 16 16 16 +4 20
TOTAL 68 95 94 96 +28 100

Wszystkie 3 dogfood w jednym widoku — accelerating returns

Wykres pokazuje że czas pracy spada z każdą kolejną stroną. To efekt playbook'a — wiedza z poprzednich pętli przekłada się na szybsze rozwiązanie kolejnych:

Strona Stack Baseline Final Δ Czas Iteracje
selpio.com Astro 70 94 +24 ~45 min 3
webcomp.pl Next.js 92 95 +3 ~30 min + backend bonus 3
getmepost.com Next.js 68 96 +28 ~25 min + backend bonus 2

Key insight: czas naprawy spada wykładniczo (45 → 30 → 15 min), a delta score rośnie z baseline'em (im niższy start, tym większa szansa na quick win). Workflow Selpio + Claude Code skaluje się — kolejne strony nie wymagają reinventing the wheel.

Bonus: bug ujawniony w analyzerze

Baseline pokazywał detectedStack: "astro" dla getmepost.com mimo że to Next.js. False positive od Selpio analyzer'a — moduł stack-detector dopasował asset paths do astro pattern (prawdopodobnie /_next/static/ chunks były misinterpreted).

Po fresh deploy (Next.js 15 z aktualnymi artifact paths) → analyzer poprawnie wykrył nextjs. To kolejny przykład wartości dogfood — każda strona może ujawnić edge case w parserze. W przyszłej iteracji backend Selpio dodamy regression test dla getmepost-typowych Next.js asset paths.

Pełna historia: 1 commit

Co zostało (3 warning + 3 info)

Po 1 iteracji score 95/100 (good). Pozostałe issues to copy critique i opportunity items — analizator semantyki zawsze znajdzie copywriting opportunities w marketing landing:

Realistyczny ceiling po iter 2: 97-98/100. Po iter 3 (extra Schema typy dla Article/HowTo na blog posts): teoretyczne 99-100.

Co z tego wynika dla Twojej firmy?

🚀 Wygeneruj raport dla swojej strony Zobacz pozostałe case studies