Gintare Rimolaityte, administrerende direktør og medstifter af Trendos – Interviewserie

Gintare Rimolaityte er administrerende direktør og medstifter af Trendos, en platform for synlighed i AI-søgninger, der hjælper brands med at forstå og optimere deres fremtræden i store sprogmodeller (LLM’er). Hun fik tidlig erfaring hos Oxylabs i 2020, først som forretningsudviklingschef og derefter som kommerciel chef, hvor hun ledede teams inden for salg, forretningsudvikling, kundeansvar og kundesucces i en af virksomhedens forretningsenheder. Fra 2022 til 2025 var hun administrerende direktør for engagementplatformen JumpTask. Før hun var med til at stifte Trendos i 2026, arbejdede hun kortvarigt som produktchef hos Adment med fokus på at forebygge affiliatesvindel i betalte søgninger og affiliateprogrammer. Som direktør for Trendos leder Gintare flere teams og har ansvar for den strategiske vækst. Hun bor og arbejder i Vilnius.

Trendos er en platform for synlighed i AI-søgninger, der hjælper brands med at overvåge, måle og optimere, hvordan de optræder i sprogmodeller og AI-søgemaskiner. Med Trendos fjerner brands den store blinde vinkel, som skiftet fra Google-søgninger til samtalebaseret AI har skabt, og som gjorde anbefalingsprocessen næsten usynlig for dem. Ud over at følge den samlede synlighed gør Trendos værktøjer til markedsindsigt om AI tilgængelige, intuitive og prismæssigt overkommelige, så brands kan påvirke og optimere, hvornår og hvordan de optræder. Teknologien indsamler de faktiske svar og annoncer i AI-miljøer gennem omfattende udtræk fra sprogmodelsessioner. Derefter analyseres de strukturerede data og omsættes til klar indsigt i både brandsynlighed og konkurrentaktivitet. Trendos blev grundlagt i marts 2026 i Vilnius i Litauen med støtte fra Tesonet, en global virksomhedsbygger bag selskaber som Nord Security, Surfshark og Hostinger.

Din karriere har ført dig gennem kommerciel ledelse hos Oxylabs, ledelsen af JumpTask og produktarbejde hos adment.ai, før du var med til at stifte Trendos. Hvilke ændringer i den måde, forbrugere opdager brands gennem AI på, overbeviste dig om behovet for Trendos? Og hvad mente du, at eksisterende platforme for SEO og AI-synlighed manglede?

Da jeg jævnligt interviewede marketingchefer, hørte jeg det samme igen og igen: AI-søgning er på vej, og selv om der allerede findes nogle få værktøjer, ved ingen rigtig, hvor pålidelige de faktisk er.

Jeg behøvede ikke blot at tage deres ord for det, for jeg så også forandringen ske i realtid. Forbrugerne gik fra at bladre gennem links på Google til at spørge sprogmodeller direkte. Det sidste var lidt af en sort boks for marketingfolk. De kunne ikke se, om de overhovedet blev nævnt, og slet ikke hvordan deres brand blev beskrevet eller placeret i forhold til konkurrenterne.

Jeg så to problemer med den eksisterende software. For det første virkede mange værktøjer som SEO-platforme med en eftermonteret AI-funktion. For det andet var de få specialbyggede værktøjer prissat udelukkende til store virksomheder. Hvis man ikke var et stort brand med budget til at undersøge sin AI-synlighed, blev man holdt udenfor og måtte navigere i blinde. Det syntes jeg ikke var rimeligt. Alle brands fortjener at vide, hvordan de bliver vist, ikke kun dem, der kan betale femcifrede beløb hver måned. Med Trendos vil vi give brands af enhver størrelse en præcis og rimeligt prissat måde at forstå og optimere deres AI-synlighed på.

AI-genererede svar kan fremstå som en sort boks for marketingfolk. Hvilke signaler ser ud fra de data, Trendos indsamler, ud til at være vigtigst for, om et brand bliver nævnt, citeret eller anbefalet af systemer som ChatGPT, Gemini, Claude og Perplexity?

Når det gælder signaler, handler det især om at blive nævnt tilstrækkeligt ofte de rigtige steder og på en struktureret måde. Det adskiller sig fra SEO, hvor et dofollow-link er nødvendigt for at overføre autoritet. I AI-søgning indekserer modellerne ikke dit website; de udtrækker indholdet. Linket bliver overflødigt. Brandnavnet skal blot optræde tydeligt og ofte på de sider, som modellerne allerede henter oplysninger fra.

Vores data peger på fem søjler: eget website, PR og ubetalt redaktionel omtale, anmeldelsesplatforme som Trustpilot og G2, affiliatepartnere og sociale medier. Vægten af hver søjle varierer mellem brancher. Beklædning og e-handel støtter sig især til egne medier, fordi modellerne let kan udtrække produktinformation. Finansielle tjenester til forbrugere læner sig mere op ad sammenligningssider med affiliateindhold. SaaS- og B2B-brands citeres i høj grad fra anmeldelsesplatforme som G2 og Capterra. Der findes ingen universel formel. Man må undersøge sine egne kildehenvisninger for at se, hvilken søjle der er vigtigst.

Strukturen betyder også noget. De brands, vi oftest ser citeret, offentliggør klart og direkte indhold, som besvarer spørgsmål med det samme, ofte i et format med ofte stillede spørgsmål. Det er let for modellerne at udtrække. Blogindlæg fyldt med søgeord hjælper ikke. Det virker at besvare spørgsmålet først og tilføje detaljerne bagefter. Hvad angår AI-genereret indhold, ser vi i øjeblikket ikke, at modellerne straffer det. Det indhold, der bliver citeret, besvarer spørgsmålet godt, uanset hvem eller hvad der har skrevet det.

Der er også en vis tilfældighed i det hele. Modellerne forudsiger det næste ord i stedet for at køre én fast rangeringsalgoritme. Man kan gøre alt rigtigt og stadig opleve udsving. Hos Trendos forsøger vi at hjælpe brands med at fokusere på de signaler, de kan kontrollere, og holde op med at jagte dem, de ikke kan påvirke.

I modsætning til en traditionel Google-placering kan et AI-svar ændre sig, når det samme spørgsmål stilles flere gange. Hvordan måler I AI-synlighed pålideligt, når de underliggende modeller er sandsynlighedsbaserede? Og hvor meget stikprøvetagning kræves, før et brand kan drage meningsfulde konklusioner af dataene?

Det er et varmt emne i branchen lige nu. En virksomhed argumenterede for nylig på LinkedIn for, at man skal indsamle et svar omkring 100 gange om dagen og beregne gennemsnittet for at få noget pålideligt. Nogle af de større platforme mener stadig, at én gang dagligt er nok. Jeg synes ikke, at nogen af parterne fuldt ud har underbygget deres synspunkt med konkrete beviser.

Vi undersøger det empirisk. Vi har kunder som NordVPN, der har brugt vores overvågning i et stykke tid, og vi kan se udsvingene i deres synlighed og placeringer over denne længere periode. Det varierer ganske enkelt ikke så meget. Hyppigere indsamling giver sandsynligvis lidt større præcision, men forskellen er en brøkdel af en procent og bestemt ikke forskellen mellem at være usynlig og nummer ét. Det kan flytte nogen fra 35.- til 32.-pladsen, hvilket er langt mindre vigtigt end de større strukturelle forhold, som et brand faktisk kan gøre noget ved.

Vores tilgang er at overvåge konsekvent over tid frem for at jagte en ekstrem stikprøvefrekvens og lade brands se på deres egen tendenslinje for at vurdere, hvor stabil eller svingende deres kategori er.

Der er stor debat om SEO, optimering til svarmotorer og optimering til generative motorer. Hvilke principper fra traditionel SEO er stadig vigtige i AI-søgning? Og hvor mener du, marketingfolk begår fejl ved blot at anvende deres eksisterende SEO-metoder på store sprogmodeller?

Flere SEO-principper er stadig relevante i AI-søgning. Tag eksempelvis forgrening af søgeforespørgsler, altså de opfølgende søgninger, ChatGPT udfører i baggrunden, før det svarer. De bygger stadig på reel søgeadfærd, så den tilhørende placering er fortsat en SEO-opgave. Man optimerer stadig lange, specifikke søgeudtryk, men rettet mod det, modellen søger efter, frem for det, en person skriver på Google.

Mange marketingfolk antager fejlagtigt, at en omtale skal fungere som et backlink. I SEO ønsker man et dofollow-link, fordi det er sådan, autoritet og domænevurdering overføres. I AI-søgning indekserer modellerne ikke dit website. Da de udtrækker indholdet, behøver du slet ikke et link, kun tilstrækkeligt tydelige brandomtaler på en side, modellen allerede stoler på. Folk bruger meget tid på at jagte linkplaceringer, selv om det er selve omtalen, de burde gå efter.

En anden almindelig fejl er at videreføre gamle SEO-vaner. Indhold, der primært er skrevet for at få søgeord med, og hvor det egentlige svar er gemt halvvejs nede på siden, bliver ofte overset af AI-modeller. Besvar spørgsmålet først, klart og direkte, og tilføj derefter detaljerne.

Jeg vil også sige, at det er en fejl at erklære SEO dødt og begynde forfra. SEO er ikke dødt! GEO er en udvidelse af SEO sammen med sociale medier og affiliatepartnere, der spiller sammen. Brands, som allerede gør SEO godt, har ikke udført alt det arbejde forgæves, men de skal heller ikke antage, at de gamle regler gælder uændret.

Trendos følger de kilder, AI-systemer citerer, når de besvarer spørgsmål om brands. Hvad har I lært om de kildetyper, AI-motorer tilsyneladende stoler mest på? Og hvor stor indflydelse kan en virksomhed realistisk få på disse henvisninger uden at forsøge at manipulere systemet?

Tillid følger ikke ét fælles hierarki. Det afhænger af branchen. Det, der citeres mest inden for beklædning, egne medier, er ikke det samme som inden for forbrugerfinans, hvor affiliateindhold og apps fylder mest. Ingen kildetype vinder overalt. Man må se på sin egen kategoris henvisninger for at forstå, hvad der bliver anset for troværdigt.

Strukturen er lige så vigtig som kildetypen. Autoritative redaktionelle websites har stadig vægt, men det handler ikke om én autoritetsscore såsom domænevurdering. Vi ser, at kontinuitet betyder mere: hvor ofte et brand bliver nævnt i en blanding af pålidelige kilder. En klar, velstruktureret side fra et mindre website kan klare sig bedre end en lang artikel fra en større publikation, ganske enkelt fordi den er lettere for modellen at udtrække og bruge.

Når det handler om indflydelse uden manipulation, ville jeg skille det helt fra SEO-tankegangen. Man forsøger ikke at manipulere et linknetværk. Man prøver at gøre sig fortjent til ægte omtale på tværs af de fem søjler: eget website, PR-omtale, anmeldelsesplatforme som Trustpilot og G2, affiliaterelationer og tilstedeværelse på sociale medier. Derefter strukturerer man det hele, så modellen nemt kan læse det. Det er ikke så forskelligt fra god brandopbygning. De mest synlige brands fokuserer mindre på at snyde systemet og mere på at være til stede på en efterprøvbar måde de steder, modellerne allerede stoler på.

Trendos har lanceret et indeks over de 1.000 brands med størst AI-synlighed på tværs af markeder. Hvilke mønstre eller overraskelser er kommet frem i dataene? Og hvad adskiller brands, der konsekvent dukker op i AI-genererede anbefalinger, fra konkurrenter, der forbliver stort set usynlige?

Den første overraskelse er, hvor forskelligt motorerne opfører sig. På samme marked har ChatGPT og Google AI Overviews kun omkring to tredjedele af landets 100 førende brands til fælles i deres anbefalinger. AI Overviews hælder stærkt mod hverdagens detailhandel. Trader Joe’s ligger dér på 35.-pladsen i USA, men på 567.-pladsen i ChatGPT. ChatGPT foretrækker B2B- og virksomhedsbrands som Gartner, ServiceNow og Databricks, som AI Overviews stort set ignorerer.

Den anden overraskelse er, hvor lokalt det er. Halvfjerds procent af brands i vores indeks optræder kun i ét land. I Tyskland består næsten en tredjedel af top 100 af brands, som slet ikke findes på de britiske eller amerikanske lister.

Det, der adskiller de konsekvent synlige brands, er bredden. Et typisk top-ti-brand optræder i mere end 90 produktkategorier, mens et brand i den nederste halvdel af ranglisten optræder i omkring fem. De bliver ikke bare nævnt oftere; de er relevante for langt flere spørgsmål. Og listerne ændrer sig hurtigt: helt i toppen sker der næsten ingen ændringer fra måned til måned, men omkring 13 % af brands falder ud af hver liste på en enkelt måned. Synlighed er ikke noget, man vinder én gang; man skal blive ved med at gøre sig fortjent til den.

Trendos’ Ad Radar følger sponsorerede placeringer ved siden af ChatGPT-samtaler. Hvad viser de tidlige data om, hvilke brancher og annoncører der bevæger sig hurtigst? Og hvordan bør marketingfolk skelne betalt synlighed fra brands, som den underliggende AI-model nævner eller anbefaler organisk?

ChatGPT-annoncer er stærkt koncentreret om detailhandel og B2C, som udgør omkring 50 til 70 % af det, vi følger. Resten er B2B, hovedsageligt virksomheder og bureauer, der annoncerer for deres egne tjenester. Det giver mening, fordi ChatGPTs brugerbase primært består af forbrugere, men også har en reel B2B-tilstedeværelse.

OpenAIs annonceplatform er stadig i en tidlig fase. Der kommer løbende nye formater og funktioner, og udrulningen er ujævn: Sidst jeg undersøgte det, var annoncer hverken aktive eller mulige at fakturere i flere europæiske markeder, selv efter at OpenAI havde annonceret sin udvidelse dertil. Enhver vurdering af de hurtigste brancher er derfor snarere et øjebliksbillede af, hvem der vil afprøve noget nyt, end et billede af, hvem der stadig annoncerer om seks måneder.

Det er også her, informationshullerne for annoncører ligger. OpenAI viser ikke, ved hvilke prompts dine annoncer optræder, eller hvad konkurrenterne gør. Med Trendos’ Ad Radar kan brands se præcis, hvilke prompts der udløser deres annoncer, og følge andre annoncører i kategorien: hvor mange annoncer de kører, hvor de fører hen, og hvilke overskrifter og beskrivelser de bruger.

For øjeblikket er betalte og organiske omtaler lette at skelne. ChatGPT markerer sponsorerede placeringer tydeligt og viser dem nederst i svaret, så de ikke blandes ind i selve svarteksten. En organisk anbefaling er, at modellen vælger dig som svar; en betalt placering er, at du lejer en plads nedenunder.

Jeg forventer ærligt talt, at det bliver sværere med tiden. Jo mere en annonce ligner og føles som en naturlig del af svaret, desto bedre fungerer den typisk. Det har været tilfældet på Google og Meta, og ChatGPT vil sandsynligvis bevæge sig i samme retning. Netop derfor skal brands følge deres betalte og organiske synlighed side om side.

En af udfordringerne ved optimering til generative motorer er at skelne korrelation fra årsagssammenhæng. Når et brand forbedrer sin AI-synlighed, hvordan kan marketingteamet afgøre, hvilket tiltag der faktisk skabte forbedringen – digital PR, tredjepartsomtale, bedre eget indhold, anmeldelser, tekniske ændringer eller noget andet?

Attribuering er et af de vanskeligste spørgsmål inden for GEO, og ingen kan endnu forbinde hver handling perfekt med hvert resultat. Men brands er langt fra overladt til at gætte. Med Trendos kan man se præcis, hvilke kilder AI-motorer citerer, når de nævner en selv og konkurrenterne, og det fortæller meget om, hvad der virker.

Den mest pålidelige tilgang er at forbinde et bestemt tiltag med en bestemt kilde. Hvis man får omtale på et website, der allerede citeres i ens kategori, kan man følge, om kilden begynder at optræde i svar på relevante prompts, og om ens brand følger med. Det samme gælder anmeldelser, affiliateplaceringer eller nyt indhold på eget website. Man venter ikke på, at den samlede score ændrer sig, og spekulerer på hvorfor; man ser, hvilke kilder modellerne faktisk bruger.

Betalt annoncering er endnu tydeligere. Med ChatGPT-annoncer kan man følge den direkte effekt som i enhver anden betalt kanal ved at bruge UTM-parametre til at måle trafik og konverteringer.

Det er stadig værd at se på tendenser over flere uger frem for at reagere på en enkelt dag, fordi AI-svar naturligt varierer. Vi udvikler også Key Insights, som automatisk viser disse sammenhænge, så teams ikke selv skal grave sig gennem hver eneste graf. Der er stadig usikkerhed i GEO, men brands har nu værktøjerne til klart at se, hvad der giver dem størst værdi.

Trendos har for nylig introduceret en MCP-integration, der lader AI-agenter forespørge direkte på data om synlighed, konkurrenter, kildehenvisninger og annoncering. Tror du, at håndteringen af AI-synlighed med tiden flytter sig fra marketingfolk, der studerer dashboards, til agenter, der løbende finder huller og anbefaler eller udfører ændringer på deres vegne?

Jeg tror, det er den retning, vi bevæger os i, og vi bygger allerede hen imod det. Også uden agenter bevæger Trendos sig mod at gøre ting for brands frem for blot at vise dem et dashboard. Vi fandt for nylig en lille producent, hvis website var helt blokeret for AI-bots på grund af et simpelt teknisk problem, som ingen i teamet vidste, at de burde undersøge. Vi fortalte brandet om problemet, men vores ambition er at kunne løse det, uden at nogen på deres side først skal fortolke en graf.

Agenter er en naturlig forlængelse af det. Hvis et system allerede kan læse dataene bag Trendos, bør det ikke være et stort spring at opdage en manglende kildehenvisning og handle derefter. Jeg tror ikke, dashboards forsvinder helt. Vores mere tekniske brugere ønsker stadig rådata, især de præcise forgreninger af søgeforespørgsler og den faktiske svartekst. Men for de fleste brands – de 90 %, der ikke ønsker at være dataanalytikere – tror jeg, slutmålet er en agent, der diskret håndterer dette i baggrunden og kun gør opmærksom på det, når en menneskelig beslutning er nødvendig.

Når AI-assistenter i stigende grad går fra at besvare spørgsmål til at anbefale produkter, sammenligne leverandører og til sidst gennemføre transaktioner via agenter, hvordan forventer du så, at begrebet »søgesynlighed« udvikler sig? Og hvilke måltal vil i sidste ende være vigtigst for brands?

Jeg tror, at »søgesynlighed« bliver en del af et større billede: om en agent vælger dit brand, når den handler på en persons vegne. At blive nævnt i et svar er én ting. At være det brand, en agent faktisk vælger, vurderer positivt i sammenligningen og gennemfører en transaktion med, er noget andet og en langt højere tærskel. Vi ser allerede begyndelsen med agentbaseret handel.

Når agentbaseret handel tager fart, er synlighed alene ikke nok. Omtalens tone vil få langt større betydning. En agent, der sammenligner tre leverandører på dine vegne, vil ikke blot se på, hvem der nævnes, men hvem der beskrives som pålidelig, godt anmeldt og god værdi for pengene. Anbefalingsraten – altså hvor ofte du bliver valgt blandt de brands, der overvejes – vil være langt mere meningsfuld end det rå antal omtaler.

Jeg forventer også, at struktur og maskinlæsbarhed bliver vigtigere. Lige nu handler det om at skrive indhold som ofte stillede spørgsmål, så modellen let kan udtrække det. Når agenter gennemfører transaktioner på dine vegne, handler det om, hvorvidt priser, lagerbeholdning og vilkår er struktureret, så en agent faktisk kan læse dem og handle direkte ud fra dem, ikke blot beskrive dem.

Et vigtigt forbehold: Det er stadig tidligt. Jeg vil hellere sige det klart end foregive, at vi har kortlagt det hele. Men jeg er sikker på, at brands, der er opmærksomme på denne ændring, før agenter gennemfører transaktioner i stor skala, får et reelt forspring, ligesom de tidlige SEO-brands gjorde med Google.

Tak for et godt interview. Læsere, der vil vide mere, kan besøge Trendos.