GEO platforma: monitorování viditelnosti v 9 AI s Claude

Vývoj GEO platformy pro optimalizaci viditelnosti v generativní AI s Claude Code

Jeden vývojář vytvořil komplexní GEO platformu (Generative Engine Optimization) pro analýzu a zvýšení viditelnosti značek v odpovědích 9 neuronových sítí. Systém denně sbírá data, zpracovává odpovědi LLM, počítá metriky konkurenceschopnosti a generuje doporučení. Celý vývoj probíhal prostřednictvím sezení Claude Code s využitím Agent Team a MCP nástrojů.

Platforma automatizuje monitoring viditelnosti značky, odhaluje mezery ve srovnání s konkurenty a vytváří týdenní reporty s dynamikou změn. Náklady na 4 měsíce vývoje na Max plánu Claude — 800$, API výdaje — 128$ + 4800 rublů za YandexGPT.

Vývojový pipeline na Claude Code

Vývoj je organizován v cyklu: RESEARCH → PLAN → IMPLEMENT → MANUAL REVIEW → CODE REVIEW. Hlavní sezení — několik paralelních záložek Claude Code. Při problémech dochází k iteraci zpět do implementace.

Agent Team nahradil manuální orchestraci subagentů. Příklad: QA-agent testuje, UI-fixer opravuje, iterují do přijatelného výsledku.

Klíčové MCP pro přístup k infrastruktuře:

• Supabase MCP: migrace, zpracování dat, kontrola odpovědí neuronových sítí.
• Trigger.dev MCP: spouštění úloh na pozadí, kontrola dokončení.
• Next.js DevTools MCP: aktualizace na Next.js 16.
• Exa MCP: vyhledávání dokumentace a standardů.
• Sentry MCP: opravy reálných chyb.

MAIN SESSION (několik záložek)
    │
    ▼
RESEARCH ──► PLAN ──► IMPLEMENT ──► MANUAL REVIEW ──► CODE REVIEW
                          ▲              ▼                 │
                          └──── problémy nalezeny ◄─────────┘

Architektura ekosystému

                      Uživatel
                      ┌────┴────┐
                      │         │
               ┌──────▼──────┐  ┌──────▼──────┐
               │  Dashboard  │  │  Telegram   │
               │  Next.js 16 │  │  Bot grammY │
               └──┬──────┬───┘  └──────┬──────┘
                  │      │             │
      spuštění    │  ┌───▼─────────────▼───┐
      úloh        │  │  Self-hosted        │
                  │  │  Supabase           │
                  │  └───▲─────────▲───────┘
                  │      │         │
            ┌─────▼──────┴──┐ ┌───┴──────────────┐
            │  Trigger.dev  ├─► Mastra           │
            │  úlohy na     │ │ reporty + briefy +│
            │  pozadí       │ │ generace článků  │
            └──────┬────────┘ └──────────────────┘
                   │
          ┌────────▼─────────────┐
          │  9 AI poskytovatelů  │
          │  ChatGPT · Claude ·  │
          │  Gemini · Grok ·     │
          │  Perplexity ·        │
          │  DeepSeek ·          │
          │  Google AI Mode ·    │
          │  Google AI Overview ·│
          │  YandexGPT           │
          └──────────────────────┘

Frontend na Next.js 16 s shadcn, metriky počítány PostgreSQL funkcemi přes Supabase SDK, cache — TanStack Query. Deploy přes Dokploy s GitHub.

Pipeline monitoringu a zpracování dat

Při onboardingu se generují clustery (4–6 tematických sad) a prompty (4–7 na cluster). Denně Trigger.dev posílá prompty do 9 poskytovatelů, zpracovává odpovědi.

Specifika poskytovatelů:

• DeepSeek: bez API webového vyhledávání.
• Google AI Mode/Overview: pouze scraping.
• Google AI Overview: může neodpovídat.

Zpracování odpovědí — postprocessing LLM: extrakce značek, tonalita (pozitivní/neutrální/negativní), doporučení, pozice, přítomnost odkazu. GEO skóre (0–100) agreguje body.

Klíčové metriky GEO

• Pokrytí odpovědí: % odpovědí se zmínkou o značce.
• Share of Voice (SoV): zmínky_značky / (zmínky_značky + konkurenti) × 100.
• Citace domény: % odpovědí s doménou značky.
• Share of Citation: SoV pro domény.

Vizualizace: grafy pokrytí, trychtýře viditelnosti, top konkurenti podle SoV, Head-to-Head srovnání, konkurenční mezery, analýza zdrojů.

Cena zpracování odpovědi: $0.0016, YandexGPT — 5 rublů/volání.

Sekce dashboardu

• Konkurenční průzkum: top podle SoV, Head-to-Head.
• Konkurenční mezery: prompty, kde značka zaostává.
• Zdroje: záložky s daty o zdrojích citací.

Řídící centrum generuje doporučení na základě mezer, hodnotí dopad.

Co je důležité:

• GEO platforma monitoruje 9 AI poskytovatelů, počítá SoV a další metriky pro značky.
• Vývoj na Claude Code s Agent Team a MCP snížil náklady na 800$ za 4 měsíce.
• Denní pipeline: generace promptů, scraping/API, LLM zpracování odpovědí.
• Metriky na PostgreSQL, frontend Next.js 16 + shadcn, cache TanStack Query.
• Doporučení a reporty automatizovány přes Mastra.

— Editorial Team