PagePilot AI — EXPLAINER

Concept

PagePilot AI is a B2B SaaS Conversion Rate Optimisation (CRO) platform. Marketers add a single JS snippet to their site; the backend analyses the page, calls an LLM to generate 2–3 copy variants, runs a stateless A/B test, and surfaces winner data in a real-time dashboard — no dev involvement required.

---

Architecture

Browser (client site)
  └─ JS snippet (async, non-blocking)
       ├─ GET  /api/public/experiment/{siteKey}   → ExperimentConfig
       └─ POST /api/public/track                  → TrackingEvent

Marketing User (browser / API client)
  └─ Bearer JWT
       ├─ POST /api/auth/register|login
       ├─ POST /api/websites          → register site + trigger async DOM analysis
       ├─ GET  /api/websites/{id}/snippet
       ├─ POST /api/experiments       → creates experiment + AI variants (sync)
       ├─ POST /api/experiments/{id}/start|pause
       ├─ POST /api/experiments/{id}/winner/{variantId}
       └─ GET  /api/dashboard         → per-experiment conversion metrics

Spring Boot 4 (Java 25)
  ├─ VirtualThreadConfig  → Tomcat uses virtual threads per request
  ├─ SecurityConfig       → stateless JWT, public /api/public/**
  ├─ FeignConfig          → @EnableFeignClients → LlmClient (OpenAI-compatible)
  ├─ JacksonConfig        → tools.jackson.databind.json.JsonMapper (pre-written)
  └─ H2 (dev) / PostgreSQL (prod)
       └─ users / websites / experiments / variants / conversion_events

Layer map

Layer	Classes
model	%%INLINE0%%, %%INLINE1%%, %%INLINE2%%, %%INLINE3%%, ConversionEvent
repository	Spring Data JPA interfaces, derived-query methods
service	%%INLINE5%%, %%INLINE6%%, %%INLINE7%%, %%INLINE8%%, %%INLINE9%%, %%INLINE10%%, SnippetService
controller	%%INLINE12%%, %%INLINE13%%, %%INLINE14%%, %%INLINE15%%, DashboardController
security	%%INLINE17%%, %%INLINE18%%, UserDetailsServiceImpl
config	%%INLINE20%%, %%INLINE21%%, %%INLINE22%%, %%INLINE23%%
client	%%INLINE24%% (Feign), %%INLINE25%%, LlmResponse

---

Endpoints

Auth (public)

Method	Path	Body	Returns
POST	%%INLINE27%%	%%INLINE28%%	AuthResponse
POST	%%INLINE30%%	%%INLINE31%%	AuthResponse

Websites (JWT required)

Method	Path	Returns
POST	%%INLINE33%%	%%INLINE34%%
GET	%%INLINE35%%	%%INLINE36%%
GET	%%INLINE37%%	%%INLINE38%%
GET	%%INLINE39%%	%%INLINE40%%

Experiments (JWT required)

Method	Path	Returns
POST	%%INLINE41%%	%%INLINE42%%
GET	%%INLINE43%%	%%INLINE44%%
GET	%%INLINE45%%	%%INLINE46%%
POST	%%INLINE47%%	%%INLINE48%%
POST	%%INLINE49%%	%%INLINE50%%
POST	%%INLINE51%%	%%INLINE52%%

Dashboard (JWT required)

Method	Path	Returns
GET	%%INLINE53%%	%%INLINE54%%

Public (no auth — called by JS snippet)

Method	Path	Returns
GET	%%INLINE55%%	%%INLINE56%%
POST	%%INLINE57%%	%%INLINE58%%

---

JS Snippet Integration

1. Retrieve snippet from GET /api/websites/{id}/snippet.
2. Paste the %%INLINE60%% block into the %%INLINE61%% of any page.
3. On load, the snippet:

- Assigns/retrieves a persistent anonymous visitorId (localStorage). - Fetches the active experiment variants. - Hashes visitorId to deterministically assign one variant per visitor. - Rewrites <h1> and button copy for non-control variants. - Fires %%INLINE65%% immediately; %%INLINE66%% on CTA click (deduped per visitor).

---

Business Analysis

Tier	Visitors/month	Price/mo	Target segment
Basic	up to 50k	$49	Indie hackers, small e-comm
Pro	up to 250k	$149	SMB SaaS teams
Scale	up to 1M	$499	Growth teams, agencies

Why this wins:

• CRO is universal (e-comm, SaaS, lead-gen) — large TAM.
• Time-to-value is minutes vs. weeks for traditional A/B tools.
• AI copy generation eliminates the designer/copywriter bottleneck.
• Conversion impact is directly measurable → easy ROI story → shorter sales cycle.

---

Statistical Significance

The simplified winner algorithm (MVP) requires:

• ≥ 100 total conversions across all variants.
• Top variant has ≥ 10% conversion-rate lift over the second-best.

Production roadmap: replace with a proper z-test / Bayesian posterior calculation.

---

How to Run

Prerequisites

• Java 25 JDK
• Maven 3.9+

Dev (H2 in-memory)

cd solutions/2026-05-18-pagepilot-ai
mvn spring-boot:run

H2 console: http://localhost:8080/h2-console JDBC URL: jdbc:h2:mem:testdb

With real LLM

export LLM_API_KEY=sk-...
mvn spring-boot:run -Dllm.api.key=${LLM_API_KEY}

Production (PostgreSQL)

mvn spring-boot:run \
  -Dspring.datasource.url=jdbc:postgresql://host:5432/pagepilot \
  -Dspring.datasource.username=pp \
  -Dspring.datasource.password=secret \
  -Dspring.jpa.hibernate.ddl-auto=validate \
  -Dapp.jwt.secret=<256-bit-secret> \
  -Dllm.api.key=sk-...

Quick smoke test

# Register
curl -s -X POST http://localhost:8080/api/auth/register \
  -H 'Content-Type: application/json' \
  -d '{"name":"Alice","email":"alice@example.com","password":"secret123"}' | jq .

# Login
TOKEN=$(curl -s -X POST http://localhost:8080/api/auth/login \
  -H 'Content-Type: application/json' \
  -d '{"email":"alice@example.com","password":"secret123"}' | jq -r .token)

# Add website
SITE=$(curl -s -X POST http://localhost:8080/api/websites \
  -H "Authorization: Bearer $TOKEN" \
  -H 'Content-Type: application/json' \
  -d '{"name":"My Store","url":"https://example.com"}' | jq .)
echo $SITE | jq .

SITE_ID=$(echo $SITE | jq -r .id)

# Create experiment (auto-generates AI variants)
curl -s -X POST http://localhost:8080/api/experiments \
  -H "Authorization: Bearer $TOKEN" \
  -H 'Content-Type: application/json' \
  -d "{\"name\":\"Homepage H1 test\",\"websiteId\":\"$SITE_ID\"}" | jq .

# Dashboard
curl -s http://localhost:8080/api/dashboard \
  -H "Authorization: Bearer $TOKEN" | jq .

---

References

• Sherpa — YC Company Page
• Spring Boot 4.0 Reference
• Spring Security 7.x
• jjwt 0.12.x Guide
• Spring Cloud OpenFeign
• Java 25 Virtual Threads (JEP 444)

---

FinOps Analysis

Estimación de Costos Operativos Mensuales

Para PagePilot AI, los costos operativos en fase MVP se han estimado en aproximadamente $102 al mes. Este desglose incluye:

• LLM (Large Language Model) API: ~$10/mes

* Basado en un uso estimado de ~1 millón de tokens al mes, utilizando un modelo como Claude 3 Sonnet (que ofrece un buen equilibrio entre calidad y costo para la generación de texto y análisis).

• Infraestructura Cloud (AWS): ~$43/mes

* Compute (EC2 t3.small): ~$18/mes (suficiente para la aplicación Spring Boot con Virtual Threads). * Base de Datos (RDS PostgreSQL db.t3.micro): ~$18/mes (para usuarios, sitios, experimentos y variantes). * CDN (CloudFront): ~$5/mes (para la distribución global del snippet de JavaScript y baja latencia). * Monitoring (CloudWatch/Stackdriver): ~$2/mes (para logs y métricas básicas).

• Otros Servicios: ~$49/mes

* Servicio de Email Transaccional: ~$15/mes (para registros de usuarios, notificaciones, etc.). * Comisiones de Procesamiento de Pagos (ej. Stripe): ~$34/mes (estimado al 2.9% + $0.30/transacción sobre los ingresos).

Estimación de Ingresos Mensuales

Adoptando un modelo de suscripción por niveles, se ha proyectado un ingreso inicial de ~$980 al mes.

• Modelo: SaaS con suscripción por niveles basado en el volumen de tráfico del cliente.
• Precio Inferencia: Se asume un plan básico de $49/mes para hasta 50k visitantes.
• Clientes MVP: 20 clientes iniciales suscritos al plan básico.

Margen de Beneficio

Con los ingresos y costos estimados, el margen de beneficio mensual proyectado para PagePilot AI en su fase MVP es del 90%.

Ingresos Totales: $980
Costos Totales:  $102
Beneficio:       $878
Margen de Beneficio: (($980 - $102) / $980) * 100 = 89.59% ≈ 90%

Este alto margen es típico de productos SaaS en etapas tempranas con costos operativos lean y un enfoque en la validación del mercado.

Optimizaciones FinOps Clave

Para mantener y mejorar este margen a medida que la startup escala, se recomiendan las siguientes estrategias de FinOps:

1. Optimización del Uso de LLM:

* Caching Inteligente: Implementar un caché para las respuestas del LLM, especialmente para prompts recurrentes o variantes de texto genéricas, reduciendo llamadas redundantes a la API. * Modelos Condicionales: Utilizar modelos LLM de menor costo (ej. gpt-4o-mini, Claude 3 Haiku) para tareas que no requieran la máxima calidad o complejidad, reservando los modelos más potentes (Claude 3 Sonnet, gpt-4o) para análisis críticos o generación de titulares de alto impacto. * Batch Processing: Agrupar múltiples solicitudes de generación de variantes o análisis de páginas en una sola llamada a la API del LLM cuando la latencia no sea un factor crítico, aprovechando las eficiencias de los modelos.

1. Optimización de Infraestructura Cloud:

* Serverless para Tracking: Migrar el endpoint de tracking de eventos de conversión a una función serverless (ej. AWS Lambda, Google Cloud Functions). Esto permite pagar solo por las ejecuciones, eliminando los costos de un servidor siempre activo para una tarea que puede ser intermitente. * Monitorización y Alertas de Costos: Configurar herramientas de monitoreo (ej. AWS Cost Explorer, CloudWatch Alarms) para detectar anomalías en los gastos y recibir alertas tempranas sobre posibles excesos. * Optimización de Base de Datos: Realizar revisiones periódicas del rendimiento de la base de datos y optimización de consultas. Un uso eficiente puede permitir el uso de instancias RDS más pequeñas o con menos IOPS, reduciendo costos.

1. Gestión General de Costos:

* Auditorías de Recursos: Realizar auditorías regulares de los recursos cloud para identificar y eliminar instancias, volúmenes o servicios no utilizados. * Automatización de Infraestructura (IaC): Utilizar herramientas como Terraform o CloudFormation para definir la infraestructura, asegurando la consistencia, previniendo el "resource sprawl" y facilitando la estimación y control de costos.

Al implementar estas estrategias de FinOps, PagePilot AI puede asegurar una gestión de costos eficiente, maximizando la rentabilidad y extendiendo la pista de aterrizaje financiera a medida que crece.