Lumar představuje novou sekci GEO reportingu v platformě, která má být spuštěna 19. srpna 2025. Reportování je postaveno na třech pilířích — discovery, understanding a inclusion — a kombinuje data z log souborů, crawlu a analytics referralů, aby firmy mohly prokázat vedení konkrétní plán pro AI search. Webinář ukazuje, co přesně bude v platformě k dispozici, co je zatím ve fázi výzkumu a kde jsou limity současných nástrojů.
GEO reporting v Lumar je strukturován jako trychtýř: discovery (AI boti tě najdou a crawlují) → understanding (boti rozumí obsahu) → inclusion (obsah se reálně objevuje v AI výsledcích). Bez prvního kroku jsou ostatní irelevantní.
Konkrétní datové zdroje: bot hits z log souborů (přes partnera logs.io) potvrzují discovery; AI referral sessions z analytics potvrzují inclusion. Ostatní metriky jsou zatím více spekulativní — Lumar to otevřeně přiznává a záměrně nezahrnuje do reportů věci, které nemají prokázaný dopad.
Klíčový technický poznatek: AI boti ve většině případů nerendrují JavaScript — pracují pouze s raw HTML. Pokud jsou interní odkazy nebo obsah servírovány přes rendered HTML, boti je s vysokou pravděpodobností nenajdou.
Semantic relevance (aktuálně v beta programu): platforma používá embeddings k porovnání obsahu stránky s cílovými dotazy a identifikuje, jak dobře stránka sémanticky odpovídá záměru dotazu. Výsledky bety budou k dispozici za 6–10 týdnů.
V plánu (bez závazného termínu): citation tracking (pro jaké prompty se zobrazuješ ty vs. konkurence), chunking (rozdělení obsahu na logické celky pro LLM), content precision (LLM jako soudce hodnotí, jak úplně stránka pokrývá téma) a query fan-out (mapování celého prostoru otázek k danému tématu).
Praktický argument pro vedení: health scores v Lumar jsou navrženy tak, aby je pochopil i management bez technického zázemí — discovery, understanding, inclusion jsou srozumitelné kategorie, na kterých lze ukazovat progress v čase.
Historie chatu se neukládá. Po opuštění stránky bude smazána.
Lumar uspořádal webinář k uvedení nové GEO sekce v platformě, plánované na 19. srpna 2025. Přednášeli CEO Panos a head of product Matt. Obsah byl věcný, místy otevřeně přiznal limity toho, co dnes kdokoli o AI search opravdu ví — což je oproti většině obsahu v tomto prostoru osvěžující.
Panos na úvod pojmenoval tři kategorie problémů, které vidí u zákazníků. Za prvé viditelnost: AI search neposkytuje transparentní data jako Google Search Console, generativní výsledky zobrazují jen několik zdrojů (winner takes most), a AI může obsah zkreslit nebo chybně parafrázovat. Za druhé důvěra v data: není jasné, proč se některé zdroje v AI výsledcích objevují a jiné ne. Za třetí nové koncepty: neexistují standardizované best practices, strategie se mění a integrace GEO do stávajících SEO workflow vytváří konflikty v KPI.
Matt pak popsal, jak Lumar na tyto problémy odpovídá. Základem je tříúrovňový trychtýř. Discovery: AI bot musí stránky nejprve najít a crawlovat — pokud to nedělá, obsah v AI výsledcích jednoduše nebude. Understanding: bot čtoucí stránku není totéž co člověk; záleží na struktuře HTML, přítomnosti strukturovaných dat, jasných nadpisech. Inclusion: stránka se reálně dostane do AI výsledků, což lze ověřit přes AI referral sessions v analytics. Každý pilíř má vlastní dashboard se zdravotními skóre a konkrétními chybami.
Technicky důležitý bod: AI boti téměř výhradně pracují s raw HTML, JavaScript nerendrují. Pokud jsou interní linky dostupné jen po renderování, boti je nenajdou a stránky zůstanou mimo jejich radar. Lumar tuto diskrepanci bude reportovat jako rendered link mismatches. Součástí discovery dashboardu jsou i data z log souborů (přes logs.io), která dávají konkrétní přehled o tom, které AI boti crawlují jaké stránky — včetně common crawlu jako zdroje trénovacích dat.
Co je ve fázi výzkumu nebo bety: semantic relevance (embedding-based porovnání obsahu stránky s cílovými dotazy, výsledky bety za 6–10 týdnů), chunking (rozdělení stránky na tematické celky s jasnými hranicemi, aby LLM lépe zpracovaly obsah), content precision (LLM hodnotí, jak úplně stránka pokrývá téma) a citation tracking (pro jaké prompty se zobrazuješ ty a kde se zobrazuje konkurence). Všechny tyto oblasti Matt prezentoval jako směr, ne jako závazný roadmap.
Otevřené přiznání, které stojí za zaznamenání: Matt explicitně řekl, že na internetu koluje spousta článků hlásajících „10 věcí, které musíte udělat pro AI search" bez jakýchkoli důkazů. Lumar se snaží do reportů zahrnovat pouze věci, u nichž mají data potvrzující skutečný dopad. Průběžný výzkum, který to ověřuje, probíhá interně i přes professional services tým. Tato pozice je v současném GEO prostoru spíše výjimkou.