EchoEngine – měření viditelnosti značky v AI vyhledávačích

Výchozí situace

Lidé se stále častěji neptají Googlu, ale AI asistentů: „Jaký e-shop s kávou doporučíš?“, „Který účetní program je nejlepší pro živnostníka?“ Firmy přitom nemají jak zjistit, zda se v těchto odpovědích objevují, v jakém světle a kde místo nich AI doporučuje konkurenci. Klasické SEO nástroje na to nejsou stavěné a zahraniční nástroje pro GEO (Generative Engine Optimization) nezvládají češtinu, slovenštinu ani polštinu včetně skloňování názvů.

Zadáním bylo vytvořit dedikovanou GEO platformu pro trh CZ/SK/PL – od prvního konceptu až po produkt, který lze prodávat a provozovat.

Co jsme postavili

Auditní jádro. Pro každé měření (jedna adresa webu a její nastavení: hledaný název, jeho další podoby, země a jazyk) aplikace vygeneruje sadu otázek, které by reálně kladli zákazníci. Může přitom čerpat z Google Search Console, Bing Webmaster Tools, DataForSEO nebo Marketing Mineru. Každý týden otázky položí všem čtyřem AI platformám se zapnutým vyhledáváním na webu a doslovné odpovědi uloží jako důkaz. Z každé odpovědi pak druhý model vytěží fakta – zmínku, pořadí, sentiment, citace, konkurenty – a teprve z nich náš kód spočítá osm metrik a souhrnné skóre GHS (GEO Health Score, 0–100). Skóre je díky tomu ověřitelné a stabilní, ne odhad od oka.

Konkurence a zdroje. Platforma sama objevuje konkurenty, které AI zmiňuje ve stejných odpovědích, a sleduje jejich pozice v čase. Z citací sestavuje žebříček webů, ze kterých AI o daném oboru čerpá, a upozorní na mezery – zdroje, které AI čte, ale značku na nich nenachází.

Uzavřená smyčka doporučení → dopad. Po každém auditu vznikají personalizovaná doporučení opřená o znalostní bázi ověřených GEO postupů. Zákazník označí, co zavedl, a aplikace po dalších auditech vyhodnotí, zda změna skutečně pomohla – porovnává zasažené otázky se zbytkem, aby odfiltrovala obecný vývoj trhu. K vhodným doporučením umí AI rovnou vygenerovat hotový výstup: strukturovaná data JSON-LD, FAQ, meta tagy, llms.txt, článek nebo text stránky.

Echo – asistent v aplikaci. Konverzační asistent, který přes sadu read-only nástrojů vidí pouze data přihlášeného uživatele. Vysvětlí každé číslo i doporučení a navrhne akce, například spuštění auditu – každou ale musí uživatel sám potvrdit. Je součástí všech tarifů včetně bezplatného.

Reporting a upozornění. PDF reporty s logem zákazníka, e-mailové i in-app notifikace na propad skóre nebo ztrátu první pozice, vše lokalizované do čtyř jazyků.

Kompletní SaaS obálka. Přihlášení bez hesel (Google, Apple, jednorázový kód e-mailem), předplatné přes Stripe ve třech měnách (CZK/EUR/PLN) s měsíčními i ročními tarify, doplňky, jednorázovými nákupy a 3D Secure, freemium s prvním auditem zdarma. Administrace s rolemi (admin, obchodník, podpora, redaktor), správou uživatelů a ceníku, znalostní bází, přehledem nákladů na AI modely a CMS pro blog. Veřejný web s lokalizovanými adresami ve čtyřech jazycích.

Jak jsme postupovali

• Produkt nejdřív na papíře. Produktovou specifikaci, metodiku měření, datový model i platební logiku jsme sepsali jako závaznou dokumentaci dřív, než vznikl kód, a udržujeme ji jako živou paměť projektu. Každé klíčové rozhodnutí má zapsané odůvodnění.
• Oddělené služby v jednom monorepu. Webová aplikace (Nuxt 4 + Nitro API), worker fronty (BullMQ) a plánovač běží jako samostatné služby na Railway. Audity trvající desítky minut tak nikdy neblokují aplikaci, lze je opakovat a škálovat přidáním workerů. Databázi, LLM klienty, e-maily a PDF sdílejí společné balíčky.
• Náklady na AI pod kontrolou. Silné modely jen tam, kde tvoří hodnotu pro zákazníka (odpovědi a doporučení); extrakce faktů, překlady a pomocné úlohy běží na levných modelech. Každé volání se účtuje do denní statistiky a model pro každou úlohu lze přepnout přímo v administraci, bez nasazení.
• Bezpečnost a kvalita. Vlastnictví dat vynucuje server u každého požadavku, crawler je chráněný proti SSRF, platby i fronty jsou idempotentní, citlivé endpointy mají rate limity. Testy ve dvou úrovních: rychlé unit testy čisté logiky (metriky, GHS) a integrační testy proti skutečnému PostgreSQL a Redisu (oddělení dat mezi účty, idempotence). Chyby ze všech služeb sbírá Sentry.
• Design systém. Jednotný vizuální jazyk postavený na Nuxt UI se sémantickými tokeny, sdílenými komponentami a plným tmavým režimem. Aplikace je konzistentní a nové obrazovky vznikají rychle.

Výsledek

Za necelého půl roku vznikla z nápadu produkční platforma: veřejný web a onboarding, automatizovaná auditní pipeline nad čtyřmi AI platformami, doporučení s měřením dopadu, AI asistent, platby ve třech měnách a kompletní administrace. Běží v produkci, provádí automatické týdenní audity a je navržená s ohledem na růst na tisíce měření.