این سناریو از پروژه‌های واقعی است؛ نام‌ها تغییر کرده‌اند.

وضعیت شروع: یک مجموعه‌ی خدمات ساختمانی با وبلاگ فعال. تصمیم گرفتند تحقیق کلمات کلیدی را «مدرن» انجام دهند. نتیجه، فایلی با ۱۵۰ کلمه بود؛ همه از یک چت‌بات، همراه با حجم جستجوی ساختگی. شش ماه بعد، تقریباً هیچ‌کدام از آن مقالات ترافیک نگرفته بود.

تشخیص: دو مشکل داشتند. فهرست، بر اساس حجم‌های ساختگی اولویت‌بندی شده بود و نیمی از کلمه‌ها اصلاً در ادبیات مشتریانشان وجود نداشت.

کاری که انجام شد:

1. به‌جای موضوع، از داده‌ی خودشان شروع کردند؛ گزارش جستجو ۳۵۰ عبارت واقعی بیرون داد.

2. همان فایل را به هوش مصنوعی دادند تا خوشه‌بندی و نیت‌ها را مشخص کند.

3. برای خوشه‌های اولویت‌دار، پنج صفحه‌ی اول را دادند و شکاف مفهومی گرفتند.

4. حجم و سختی را از ابزار گرفتند و شش خوشه‌ی غیرقابل‌برد را کنار گذاشتند.

5. به‌جای افزودن مقاله‌ی جدید، مقاله‌های موجود را بازچینی کردند.

نتیجه‌ی صادقانه: ترافیک ارگانیک در سه ماه بالا رفت، اما نه از مقاله‌های جدید؛ بیشتر از دو صفحه‌ای آمد که بازچینی شدند و موضوع را کامل‌تر پوشش دادند. شش خوشه‌ی کنارگذاشته هم ضرری نداشت، فقط وقت آزاد کرد.

درس اصلی: مسئله ابزار نبود؛ شروع از داده‌ی واقعی به‌جای حدس بود.