Lumora überwacht die Marken sichtbarkeit in der Ära der Künstlichen Intelligenz und sucht nach Finanzierungen.
KI wird zur neuen Markenfront
Wenn Benutzer beginnen, Markenempfehlungen, Produktvergleiche und Dienstleistungsauswahlen an KI-Antworten zu delegieren, ändert sich auch das Wettbewerbsszenario für Marken. In der Vergangenheit konnten Marken anhand des SEO-Rankings, des Social-Media-Geräuschs, der Public-Opinion-Daten und der Werbekonversion beurteilen, ob sie von Benutzern gesehen wurden. In KI-Such- und Large-Language-Model-Fragen-Antwort-Szenarien erhalten Benutzer jedoch oft direkt die von KI zusammengefassten und gefilterten Ergebnisse. Für Marken wird die neue Frage: Weiß die KI von dieser Marke, versteht sie sie richtig und empfiehlt sie sie, wenn der Benutzer den Kaufwunsch äußert?
Genau in diesem Kontext setzt Lumora an. Es positioniert sich als KI-basiertes Monitoring-Platform für Marken- und Marketingagenturen. Durch die Simulation echter Benutzerfragen misst es, wie oft eine Marke in den Antworten von großen Mainstream-Modellen wie Doubao, DeepSeek, Qianwen und Wenxin erwähnt, verstanden, empfohlen und zitiert wird, und erstellt einen KI-Kognitionseingabebericht, der zur Diagnose und Handlungsplanung verwendet werden kann.
Derzeit ist Lumora online und befindet sich in der Testphase mit Anmelde- und Einladungssystem. Das Team validiert derzeit den Produktwert und die kommerzielle Nachfrage anhand echter Markenberichte. Das Projekt plant, eine Pre-Seed/Angel-Runde zu starten und 3 bis 5 Millionen Yuan zu finanzieren. Es wird etwa 10% der Anteile angeboten. Die genauen Bedingungen können je nach Ressourcen der Investoren, Transaktionsstruktur und zukünftiger Kooperationsweise weiter ausgehandelt werden.
Das Kapital dieser Runde wird hauptsächlich für die frühe kommerzielle Validierung und die Produktsicherheit verwendet. Lumora plant, etwa 60% des Kapitals in die Kundenakquise und die Validierung zahlender Marken zu investieren, um reale Branchenbeispiele zu sammeln und die Zahlungsbereitschaft unterschiedlicher Kundensegmente zu testen. Der Rest wird für API-Aufrufe, Parallelverarbeitung von Modellen, zukünftige Entwicklung, Aufbau einer Beispielbasis, Ergänzung eines kleinen Teams, Einstellung von Technologieberatern oder -partnern sowie für Markenschutz, Compliance und grundlegende Markenförderung eingesetzt. Der Gründer hofft, mit diesem Kapital einen reproduzierbaren Lieferprozess zu etablieren und eine erste Branchenreferenzdatenbank zu erstellen.
Laut dem 57. "Statistischen Bericht über die Entwicklung des Internet in China" der CNNIC erreichte die Anzahl der Nutzer von generativer KI in China bis Dezember 2025 602 Millionen, was einer Penetrationsrate von 42,8% entspricht. Gartner hat auch vorhergesagt, dass der Suchvolumen traditioneller Suchmaschinen bis 2026 um 25% sinken wird. Diese Veränderungen bedeuten nicht, dass die traditionelle Suche sofort verschwindet, aber Fragen mit hohem Kaufwunsch wandern: Im Zeitalter des SEO war das Ziel, "vom Benutzer gefunden zu werden", im Zeitalter der KI-Fragen-Antwort wird es zum Ziel, "von der KI empfohlen zu werden".
Der gängigste Maßstab in der GEO-Branche ist derzeit die "Erwähnungsrate", d. h., ob eine Marke in KI-Antworten erwähnt wird. Lumora ist der Meinung, dass die Erwähnungsrate nur die Frage beantworten kann, "ob die KI dich erwähnt hat", aber nicht den Prozess von der Erwähnung bis zum Verständnis, zur Empfehlung und zur Konversion abdeckt. Dass eine Marke von der KI erwähnt wird, bedeutet nicht, dass sie im richtigen Kontext platziert wird, noch dass sie bei der Kaufentscheidung des Benutzers empfohlen wird.
Deshalb versteht Lumora GEO nicht einfach als "SEO im Zeitalter der KI", sondern zerlegt es in die Empfehlungsqualifikation einer Marke in KI-Antworten. Die Kernmethodik umfasst die dreistufige KI-Kognition und die zweidimensionale Bewertung: Die erste bewertet, ob die KI "an dich denkt, dir vertraut und dich empfiehlt", die zweite, ob die Marke auf dem gesamten Markt gesehen wird oder in den Schlüsselkontexten der Zielkunden empfohlen wird.
In Zukunft hofft Lumora, den "Lumora-Index" zu etablieren, um das reale GEO-Niveau einer Marke in KI-Empfehlungsszenarien zu messen. Im Vergleich zur einfachen Erwähnungsrate legt dieser Index mehr Wert darauf, ob die Marke richtig verstanden wird, ob sie in Szenarien mit hohem Kaufwunsch empfohlen wird und ob es Raum für kontinuierliche Reproduktion und Optimierung gibt. Das Team fasst auch das langfristige Ziel von Lumora als "Google Analytics im Zeitalter des KI-Marketings" zusammen.
Von der Fragenerstellung bis zur Diagnosealgorithmus: Aufbau eines reproduzierbaren Monitoringsystems
Beim Produktprozess generiert Lumora rund 50 reale Benutzerfragen zu einer Marke, und mehrere große Mainstream-Modelle beantworten diese parallel. Das System analysiert dann die Antworten, erfasst die Erwähnung, den Rang, die Stimmung, die Zitierquellen und die fehlgeschlagenen Szenarien der Marke und ihrer Konkurrenten und erstellt einen Bericht.
Im Gegensatz zu Anzeigetafeln, die nur Punkte oder Ränge anzeigen, versucht Lumora, den Bericht in eine dreistufige Struktur aus "Messung, Diagnose, Vorschlag" zu gliedern. Die Messungsschicht beantwortet die Frage, ob die Marke von der KI gesehen wird; die Diagnoseschicht analysiert, warum die Konkurrenten empfohlen werden, in welchen Szenarien die Marke fehlt und ob die KI eine kognitive Verzerrung aufweist; die Vorschlagsschicht gibt einen Inhaltsbrief aus, der die Marke darauf hinweist, welche Inhaltsressourcen ergänzt, welche Informationen korrigiert und wie die nächste Runde der Reproduktion durchgeführt werden soll.
Die technische Fähigkeit von Lumora zeigt sich zunächst in der Fragenerstellung. Das KI-basierte Monitoring der Markensichtbarkeit ist nicht einfach, einige Dutzend Fragen zu stellen. Ob die Fragen der realen Benutzerumgebung nahekommen und die Kategorien Kognition, Vergleich, Entscheidung und Risiko abdecken, bestimmt direkt den Wert des Berichts. Lumora organisiert die Fragen nach verschiedenen Kognitionseingängen und Benutzerabsichten, um zu unterscheiden, ob der Benutzer die Marke allgemein kennenlernt, mehrere Marken vergleicht oder sich vor der Kaufentscheidung befindet.
Zweitens sind es die Tagging-Dimensionen und die Analysealgorithmen. Jede Frage wird mit verschiedenen Kognitionsebenen, Auslösungsstärken und Sichtbarkeitstypen versehen, um zu bestimmen, ob die Marke "passiv erwähnt wird" oder in die KI-Empfehlungen kommt, wenn der Benutzer nicht explizit nach ihr fragt. Das System zerlegt auch die Indikatoren wie Entscheidungsdurchdringung, Kognitionseingangslücke, Konkurrentenersatzlücke und Auslösungsempfindlichkeit, um zu bestimmen, ob das Problem auf mangelnde Inhaltsressourcen, unklare Positionierung, Konkurrentenvorherrschaft oder fehlende hochwertige Informationen zurückzuführen ist, die von der KI zitiert werden können.
In einem anonymisierten Testbericht zerlegt Lumora die Gründe für die niedrigen Punktzahlen in die Dimensionen Inhaltslücke, Positionierungsabweichung, Konkurrentenbeziehung und Risikoresistenz, um nicht nur eine Punktzahl zu geben. Der Gründer ist der Meinung, dass das Konzept und die Seite des GEO-Monitorings nachgeahmt werden können, aber die Fragenerstellung, das Tagging-System, die Bewertungslogik, die Fehlerursachenanalyse und der Inhaltsvorschlag müssen wirklich miteinander verbunden werden, was kontinuierliche Optimierung und Kalibrierung anhand realer Beispiele erfordert. Vor allem in der Phase der schnellen Veränderung von KI-Modellen kann die derzeitige Ein-Personen-Organisation von Lumora neue Einschätzungen schneller in das Produkt und den Bericht umsetzen.
Einsatz als unabhängige Prüfungsinstanz: Dienstleistung für Marken und Agenturen
Das aktuelle Geschäftsmodell von Lumora basiert auf KI-basierten Sichtbarkeitsprüfberichten. Die Preisstrategie gliedert sich in drei Kategorien: Einmalige Prüfung für direkte Unternehmenskunden, periodische Reproduktion für die kontinuierliche Optimierung und mehrmarkiges Monitoring für Marketingagenturen und Vermittlungsfirmen. Die Idee ist, zunächst die Entscheidungsbarriere durch einmalige Berichte zu senken und dann durch die Reproduktion eine langfristige Abonnementbeziehung aufzubauen.
Die Zielkunden von Lumora sind hauptsächlich Markenmarketingabteilungen, Public-Opinion-Teams, digitale Marketingteams, Markenberatungsfirmen sowie SEO/GEO-Agenturen. Für Marken bietet es eine neue externe Perspektive; für Agenturen kann Lumora ein unabhängiges Messinstrument vor und nach der Abgabe von GEO-Strategien an die Kunden werden.
Derzeit hat Lumora bereits über 10 reale Marken getestet, darunter Elektromobile, Spirituosen, Konsumelektronik und lokale Dienstleistungen. Das Team öffnet die kostenpflichtige Testphase über ein Anmelde- und Einladungssystem. Laut Angaben des Teams haben zwei Institutionen nach dem Lesen der Testberichte die Absicht zur Zusammenarbeit bestätigt. Eine lokale Bildungsagentur in Chengdu hat bereits einen Pilotvertrag für den Austausch von Dienstleistungen mit Lumora geschlossen. Die Agentur tauscht Kurse gegen KI-basiertes Monitoring der Markensichtbarkeit aus, um die Sichtbarkeit und die Bedürfnisse zur Inhaltsoptimierung von lokalen Dienstleistungsmarken zu validieren. Eine andere Agentur für die Fremdvermarktung von Cross-Border-E-Commerce beschließt die kostenpflichtige Zusammenarbeit.
Das Team von Lumora wurde von dem unabhängigen Gründer Yinhe gegründet. Yinhe hat einen Hintergrund in UI/UX-Design und hat in der Benutzererfahrungsdesigngruppe von Tencent gearbeitet. Später war er lange Zeit an der Digitaltransformation traditioneller Unternehmen und an Start-up-Projekten in der industriellen KI beteiligt und hat insgesamt etwa 14 Jahre Erfahrung in der Benutzererfahrungsdesign. Sein Vorteil liegt nicht nur im visuellen Design, sondern auch in der Informationsarchitektur komplexer B2B-Systeme, der Analyse von Geschäftsprozessen und der Fähigkeit, die Benutzer zu verstehen. Für Lumora ist es wichtig, die komplexen, schwankenden und mit Rauschen behafteten KI-Antworten in einen Bericht zu transformieren, den Marken verstehen, beurteilen und umsetzen können.
Zu Beginn des Projekts wird ein Modell von Ein-Personen-Gründer + KI-Kooperation eingesetzt, und es werden Inhaltsstrategie- und Konversionsberater hinzugefügt, um die Erfahrung in der Inhaltsökosystem, der Kommerzialisierung und der Kundenkonversion zu ergänzen. Später plant Lumora, Technologieberater oder -partner einzuziehen, um die Produktgröße zu erweitern, die Systemstabilität zu verbessern und die Aufbau einer Beispielbasis für mehrere Marken und Branchen zu unterstützen.
Beim Wettbewerbsstrategie betont Lumora, dass es sich als unabhängiges Monitoring hält und nicht in die Inhaltsverteilung und die Fremdvermarktung einsteigt. Der Gründer ist der Meinung, dass, wenn das Monitoringtool gleichzeitig die KPI für die Inhaltserstellung und -verteilung übernimmt, die Berichtsergebnisse eher den Lieferanforderungen als der objektiven Diagnose dienen. Das Hauptaugenmerk von Lumora liegt auf der Verbesserung der Genauigkeit des Monitorings, der Zuverlässigkeit der Vorschläge und der Reproduzierbarkeit der Ergebnisse. Das System wird kontinuierlich anhand realer Beispiele kalibriert.
Im nächsten Schritt plant Lumora, innerhalb von 12 Monaten die Validierung von etwa 50 zahlenden Marken abzuschließen und schrittweise eine Branchenreferenzdatenbank für 5 Kategorien aufzubauen. Für ein Produkt, das bereits online ist, aber sich noch in der frühen kommerziellen Validierungsphase befindet, muss Lumora nicht nur validieren, ob das KI-basierte Monitoring der Markensichtbarkeit funktioniert, sondern auch, ob Marken bereit sind, kontinuierlich für "wie die KI mich empfiehlt" zu bezahlen.