Lumora offiziell gelauncht: Überwachung der Markensichtbarkeit im KI-Zeitalter auf der Suche nach Finanzierung

KI wird zur neuen Markenfront

Wenn Benutzer beginnen, Markenempfehlungen, Produktvergleiche und Dienstleistungsauswahlen an KI geben zu lassen, ändern sich auch die Wettbewerbsszenarien für Marken. In der Vergangenheit konnten Marken anhand ihrer SEO-Rangfolge, ihrer Präsenz in den sozialen Medien, ihrer Public-Opinion-Daten und ihrer Werbekonversionen beurteilen, ob sie von den Benutzern gesehen wurden. In der Welt der KI-Suche und der Antworten von Large Language Models (LLMs) erhalten die Benutzer jedoch oft direkt die von der KI zusammengefassten und gefilterten Ergebnisse. Für Marken wird die neue Frage: Kennt die KI diese Marke, versteht sie sie richtig und empfiehlt sie sie, wenn der Benutzer den Kaufwunsch äußert?

Genau in diesem Kontext setzt Lumora ein. Es positioniert sich als KI-basiertes Monitoring- und Bewertungsplattform für die Markenpräsenz und -empfehlung, die an Marken und Marketingagenturen gerichtet ist. Durch die Simulation echter Benutzerfragen misst es, wie oft eine Marke in den Antworten von führenden LLMs wie Doubao, DeepSeek, Qianwen und Wenxin erwähnt, verstanden, empfohlen und zitiert wird, und erstellt einen KI-Kognitionseingabebericht, der zur Diagnose und zur Planung von Maßnahmen genutzt werden kann.

Lumora ist jetzt offiziell online. Benutzer können sich selbst registrieren, Produkte kaufen, Überprüfungen starten, Berichte einsehen und exportieren und die Entwicklung der Markenpräsenz und -empfehlung in der KI über wiederholte Überprüfungen verfolgen. Das Projekt plant eine Pre-Seed- oder Angel-Runde und sucht nach Investoren, die 3 bis 5 Millionen Yuan in das Unternehmen investieren möchten. Dabei wird ein Anteil von ca. 10 % des Unternehmens angeboten. Die genauen Konditionen können in Abhängigkeit von den Ressourcen der Investoren, der Transaktionsstruktur und der zukünftigen Partnerschaft weiter ausgehandelt werden.

Das Kapital dieser Runde wird hauptsächlich für die frühe Geschäftsvalidierung und die Stabilisierung des Produkts eingesetzt. Lumora plant, ca. 60 % des Kapitals in die Akquise von Kunden und die Validierung von zahlenden Marken zu investieren, um reale Branchenbeispiele zu sammeln und die Zahlungsbereitschaft unterschiedlicher Kundensegmente zu testen. Der Rest wird für die API-Aufrufe, die parallele Verarbeitung der Modelle, die Weiterentwicklung, die Aufbau der Stichprobenbank, die Erweiterung des kleinen Teams, die Einstellung von Technologieberatern oder -partnern sowie für Markenschutz, Compliance und die Grundausstattung der Markenkommunikation verwendet. Der Gründer hofft, mit diesem Kapital einen wiederholbaren Lieferprozess für das Produkt zu etablieren und eine erste Branchenreferenzdatenbank aufzubauen.

Nach dem 57. „Statistischen Bericht über die Entwicklung des Internets in China“ der CNNIC betrug 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 in herkömmlichen Suchmaschinen bis 2026 um 25 % sinken wird. Diese Veränderungen bedeuten nicht, dass die herkömmliche Suche sofort verschwindet, aber die Fragen mit hohem Kaufwunsch werden zunehmend an KI weitergeleitet. Im Zeitalter der SEO handelte es sich um die Frage, ob die Nutzer die Marke finden können. Im Zeitalter der KI-Antworten geht es darum, ob die KI die Marke empfehlen will.

Derzeit ist die am häufigsten verwendete Metrik in der GEO-Branche die „Erwähnungsrate“, d. h. ob eine Marke in den KI-Antworten erwähnt wird. Lumora ist der Meinung, dass die Erwähnungsrate nur die Frage beantworten kann, ob die KI die Marke erwähnt hat, aber nicht den Prozess von der Erwähnung bis zum Verständnis, zur Empfehlung und zur Konversion abdeckt. Wenn eine Marke von der KI erwähnt wird, bedeutet das nicht, dass sie im richtigen Kontext erwähnt wird, noch dass sie bei der Kaufentscheidung des Nutzers 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 drei Ebenen der KI-Kognition und die zweidimensionale Bewertung: Die erste Ebene beurteilt, ob die KI die Marke „erinnert, vertraut und empfehlen will“, die zweite Ebene beurteilt, ob die Marke auf dem gesamten Markt sichtbar ist oder in den Schlüsselkontexten der Zielkunden empfohlen wird.

In Zukunft hofft Lumora, den „Lumora-Index“ zu entwickeln, 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 wiederholte Überprüfungen und Verbesserungen gibt. Das Team hat sich auch das langfristige Ziel gesetzt, „das Google Analytics für das Zeitalter des KI-Marketings“ zu werden.

Von der Fragenerstellung bis zur Diagnosealgorithmus: Aufbau eines wiederholbaren Überwachungssystems

Beim Produktprozess generiert Lumora für eine Marke über 50 echte Benutzerfragen, die von mehreren führenden LLMs parallel beantwortet werden. Das System analysiert dann die Antworten, erfasst die Erwähnungen, die Empfehlungsraten, die Empfehlungsshares, die Erkennungsgenauigkeit, die Stimmung, die Zitierquellen und die Fehlerszenarien von Marke und Konkurrenten und erstellt einen Bericht.

Im Gegensatz zu Dashboards, die nur Punkte oder Ränge anzeigen, versucht Lumora, den Bericht in eine dreistufige Struktur aus „Messung, Diagnose, Vorschlag“ zu gliedern. Die Messungsebene beantwortet die Frage, ob die Marke von der KI gesehen wurde; die Diagnoseebene analysiert, warum die Konkurrenten empfohlen werden, in welchen Szenarien die Marke fehlt und ob die KI Vorurteile hat; die Vorschlagebene gibt einen Inhaltsbrief, der die Marke darauf hinweist, welche Inhaltsressourcen ergänzt werden müssen, welche Informationsquellen korrigiert werden müssen und wie die nächste Überprüfung durchgeführt werden soll.

Die technische Fähigkeit von Lumora zeigt sich zunächst in der Fragenerstellung. Die Überwachung der Markenpräsenz in KI ist nicht einfach darum, ein paar Dutzend Fragen zu stellen. Die Qualität der Fragen, ob sie der realen Benutzerumgebung nahekommen und ob sie die Kognition, den Vergleich, die Entscheidung und das Risiko abdecken, bestimmt direkt den Wert des Berichts. Lumora organisiert die Fragen nach verschiedenen Kognitionseingängen und Benutzerabsichten und unterscheidet, ob der Benutzer die Marke allgemein kennenlernt, mehrere Marken vergleicht oder sich in der Kaufentscheidung befindet.

Zweitens gibt es die Tagging-Dimensionen und die Analysealgorithmen. Jede Frage wird mit verschiedenen Kognitionsebenen, Triggerintensitäten und Sichtbarkeitstypen markiert, um zu bestimmen, ob die Marke „passiv erwähnt“ wird oder in die KI-Empfehlungen einfließt, wenn der Benutzer keine explizite Anfrage stellt. Das System zerlegt auch die Indikatoren wie Entscheidungsdurchdringung, Kognitionseingangslücke, Konkurrentenersatzlücke und Triggerempfindlichkeit, um zu bestimmen, ob das Problem auf fehlende Inhaltsressourcen, unklare Positionierung, Konkurrentenpräsenz oder fehlende hochwertige Informationsquellen zurückzuführen ist.

In einem anonymisierten Testbericht zerlegt Lumora die Gründe für niedrige Punktzahlen in Dimensionen wie Inhaltslücke, Positionierungsabweichung, Konkurrenzbeziehung und Risikoresistenz, um nicht nur eine Punktzahl anzuzeigen. Der Gründer ist der Meinung, dass das Konzept und die Oberfläche der GEO-Überwachung nachgeahmt werden können, aber die Fragenerstellung, das Tagging-System, die Bewertungslogik, die Fehlerursachenanalyse und die Inhaltsvorschläge müssen wirklich miteinander verbunden werden, was kontinuierliche Optimierung und Kalibrierung mit realen Beispielen erfordert. Vor allem in der Phase der schnellen Veränderung der KI-Modelle kann die aktuelle Ein-Mann-Firma von Lumora die neuen Erkenntnisse schneller in das Produkt und den Bericht umsetzen.

Eingang über die unabhängige Prüfung: Dienstleistung für Marken und Agenturen

Lumora hat derzeit ein Geschäftsmodell, das auf kontinuierliche Überwachung basiert: Die Unternehmensversion etabliert eine Überwachungsbasislinie für feste Marken oder Geschäftsbereiche und führt kontinuierliche Wiederholprüfungen durch; die Agenturversion hat keine Beschränkungen bezüglich der Überwachungsziele und eignet sich für Agenturen, die die Überprüfungsanzahl flexibel zwischen verschiedenen Kundenprojekten verteilen möchten.

Die Zielkunden von Lumora sind hauptsächlich Markenmarketingabteilungen, Public-Opinion-Teams, digitale Marketingteams, Markenberatungsfirmen sowie SEO- oder GEO-Agenturen. Für Marken bietet es eine neue externe Perspektive; für Agenturen kann Lumora ein unabhängiges Messinstrument sein, das vor und nach der Umsetzung einer GEO-Strategie für die Kunden verwendet werden kann.

Bisher hat Lumora über 10 reale Marken getestet, darunter Elektromobile, Weine, Konsumelektronik und lokale Dienstleistungen. Das Produkt ist jetzt offiziell für die Registrierung und den Kauf geöffnet. Das Team verifiziert die kommerzielle Nachfrage weiterhin durch die kontinuierliche Nutzung durch reale Marken. Laut Angaben des Teams haben zwei Agenturen nach der Prüfung der Testberichte die Absicht bestätigt, zusammenzuarbeiten. Eine lokale Bildungsagentur aus Chengdu hat mit Lumora einen Dienstleistungsaustauschpilotprojekt vereinbart, bei dem die Agentur Kurse gegen die Überwachung der Markenpräsenz in KI austauscht, um die Sichtbarkeit und die Bedürfnisse zur Inhaltsoptimierung von lokalen Dienstleistungsmarken zu testen; eine andere Cross-Border-E-Commerce-Agentur ist dabei, eine bezahlte Zusammenarbeit zu vereinbaren.

Das Team von Lumora wurde von dem unabhängigen Gründer Yinhe gegründet. Yinhe hat einen Hintergrund in UI/UX-Design und hat in der User Experience Design-Team von Tencent gearbeitet. Anschließend hat er sich lange Zeit an der Digitalisierung von traditionellen Unternehmen und an IndustriekI-Projekten beteiligt und hat insgesamt etwa 14 Jahre Erfahrung in der User Experience Design. Sein Vorteil liegt nicht nur im visuellen Design, sondern auch in der Informationsarchitektur komplexer B2B-Systeme, der Analyse von Geschäftsprozessen und der Verständnis der Benutzer. Für Lumora ist es wichtig, die komplexen, schwankenden und verrauschten KI-Antworten in eine Berichtsstruktur zu transformieren, die Marken verstehen, beurteilen und umsetzen können.

Im frühen Stadium des Projekts wird ein Modell von Einzelgründer und 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 Stichprobenbank für mehrere Marken und Branchen aufzubauen.

Beim Wettbewerbsstrategie betont Lumora, dass es sich auf die unabhängige Überwachung konzentriert und nicht in den Bereich der Inhaltsverteilung und der Betriebsvertretung einsteigt. Der Gründer ist der Meinung, dass, wenn ein Überwachungstool auch 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 Überwachungsgenauigkeit, der Zuverlässigkeit der Empfehlungen und der Wiederholbarkeit der Prüfung, und es kalibriert das System kontinuierlich mit realen Beispielen.

In den nächsten 12 Monaten plant Lumora, etwa 50 zahlende Marken zu validieren und schrittweise eine Branchenreferenzdatenbank für 5 Kategorien aufzubauen. Für ein Produkt, das zwar online ist, aber sich noch in der frühen Phase der kommerziellen Validierung befindet, muss Lumora nicht nur überprüfen, ob die Überwachung der Markenpräsenz in KI funktioniert, sondern auch, ob Marken bereit sind, kontinuierlich für die Frage „Wie empfiehlt die KI mich“ zu zahlen.