Gintare Rimolaityte, Trendos की CEO और सह-संस्थापक — साक्षात्कार शृंखला

Gintare Rimolaityte, Trendos की CEO और सह-संस्थापक हैं। यह AI खोज में दृश्यता मापने वाला प्लेटफ़ॉर्म है, जो ब्रांडों को बड़े भाषा मॉडलों (LLM) में अपनी उपस्थिति समझने और बेहतर बनाने में मदद करता है। उन्होंने 2020 में Oxylabs में शुरुआती अनुभव हासिल किया—पहले व्यवसाय विकास प्रबंधक और फिर वाणिज्य प्रमुख के रूप में। वहाँ उन्होंने एक व्यावसायिक इकाई की बिक्री, व्यवसाय विकास, ग्राहक खाता प्रबंधन और ग्राहक सफलता टीमों का नेतृत्व किया। 2022 से 2025 तक वह उपयोगकर्ता सहभागिता प्लेटफ़ॉर्म JumpTask की CEO रहीं। 2026 में Trendos की सह-स्थापना से पहले उन्होंने कुछ समय Adment में उत्पाद प्रबंधक के रूप में काम किया, जहाँ उनका ध्यान भुगतान वाली खोज और सहयोगी कार्यक्रमों में अफ़िलिएट धोखाधड़ी रोकने पर था। Trendos की CEO के रूप में वह कई टीमों का प्रबंधन और रणनीतिक विकास की देखरेख करती हैं। वह विलनियस में रहती और काम करती हैं।

Trendos AI खोज में दृश्यता का प्लेटफ़ॉर्म है, जो ब्रांडों को LLM और AI खोज इंजनों में अपनी उपस्थिति की निगरानी, माप और सुधार करने में मदद करता है। Google खोज से संवादात्मक AI की ओर बदलाव ने ब्रांडों के लिए सिफ़ारिश की प्रक्रिया लगभग अदृश्य कर दी। Trendos इस बड़े सूचना-अंतर को दूर करता है। समग्र दृश्यता पर नज़र रखने के अलावा, यह AI बाज़ार-विश्लेषण के उपकरण सुलभ, सहज और किफ़ायती बनाता है, ताकि ब्रांड प्रभावित कर सकें और बेहतर बना सकें कि वे कब और कैसे दिखाई देते हैं। इसकी तकनीक बड़े पैमाने पर LLM सत्रों से डेटा निकालकर AI परिवेशों में दिखाए गए वास्तविक उत्तर और विज्ञापन जुटाती है। फिर संरचित डेटा का विश्लेषण करके ब्रांड की दृश्यता तथा प्रतिस्पर्धियों की गतिविधि पर स्पष्ट जानकारी देती है। Trendos की स्थापना मार्च 2026 में लिथुआनिया के विलनियस में हुई। इसे Tesonet का समर्थन मिला, जो Nord Security, Surfshark और Hostinger जैसी कंपनियों के पीछे मौजूद वैश्विक उद्यम-निर्माता है।

Trendos की सह-स्थापना से पहले आपने Oxylabs में वाणिज्यिक नेतृत्व किया, JumpTask का संचालन किया और adment.ai में उत्पाद पर काम किया। उपभोक्ता AI के ज़रिए ब्रांड कैसे खोजते हैं, इसमें आपने कौन-से बदलाव देखे जिन्होंने आपको Trendos की ज़रूरत का विश्वास दिलाया? मौजूदा SEO और AI दृश्यता प्लेटफ़ॉर्मों में आपको क्या कमी लगी?

जब मैं नियमित रूप से मार्केटिंग प्रबंधकों के साक्षात्कार लेती थी, तो बार-बार एक ही बात सुनती थी: AI खोज आ रही है, और कुछ उपकरण पहले से मौजूद भी हैं, लेकिन किसी को ठीक से नहीं पता कि वे वास्तव में कितने भरोसेमंद हैं।

मुझे केवल उनकी बात पर भरोसा नहीं करना पड़ा, क्योंकि मैं स्वयं यह बदलाव होते देख रही थी। उपभोक्ता Google पर लिंक स्क्रॉल करने के बजाय सीधे LLM से सवाल पूछने लगे थे। दूसरा तरीका मार्केटिंग करने वालों के लिए एक तरह का ब्लैक बॉक्स था। वे यह भी नहीं देख सकते थे कि उनका ज़िक्र हो रहा है या नहीं, ब्रांड का वर्णन कैसे हो रहा है या प्रतिस्पर्धियों के मुकाबले उसे कहाँ रखा जा रहा है, यह जानना तो दूर की बात थी।

मौजूदा सॉफ़्टवेयर में मुझे दो समस्याएँ दिखीं। पहली, कई उपकरण ऐसे लगते थे जैसे किसी SEO प्लेटफ़ॉर्म पर बाद में AI सुविधा जोड़ दी गई हो। दूसरी, इस काम के लिए विशेष रूप से बने कुछ उपकरणों की कीमत केवल बड़े उद्यमों के लिए उपयुक्त थी। यदि आप AI दृश्यता समझने का बजट रखने वाला विशाल ब्रांड नहीं थे, तो बाहर रह जाते और बिना जानकारी के आगे बढ़ते। मुझे यह सही नहीं लगा। हर ब्रांड को जानने का अधिकार है कि वह कैसे दिखाई देता है, केवल उन्हें नहीं जो हर महीने पाँच अंकों की रकम खर्च कर सकते हैं। Trendos के साथ हम हर आकार के ब्रांड को AI दृश्यता समझने और बेहतर बनाने का सटीक तथा उचित कीमत वाला तरीका देना चाहते हैं।

AI द्वारा बनाए गए उत्तर मार्केटिंग करने वालों को ब्लैक बॉक्स जैसे लग सकते हैं। Trendos जो डेटा जुटा रहा है, उसके अनुसार कौन-से प्रमुख संकेत यह तय करते दिखते हैं कि ChatGPT, Gemini, Claude और Perplexity जैसे सिस्टम किसी ब्रांड का उल्लेख, उद्धरण या सुझाव देंगे?

संकेतों की बात करें तो मुख्य बात सही जगहों पर पर्याप्त बार और संरचित रूप में उल्लेख होना है। यह SEO से अलग है, जहाँ प्रामाणिकता का लाभ पहुँचाने के लिए do-follow लिंक चाहिए। AI खोज में मॉडल आपकी साइट को इंडेक्स नहीं करते, वे उसका डेटा निकालते हैं। लिंक अनावश्यक हो जाता है। बस उन पन्नों पर आपके ब्रांड का नाम स्पष्ट और बार-बार आना चाहिए, जहाँ से मॉडल पहले ही जानकारी लेते हैं।

हमारे डेटा के अनुसार इसमें पाँच स्तंभ हैं: आपकी अपनी वेबसाइट, PR और स्वतः मिली मीडिया कवरेज, Trustpilot और G2 जैसे समीक्षा प्लेटफ़ॉर्म, अफ़िलिएट साझेदार और सोशल मीडिया। हर स्तंभ का महत्व उद्योग के अनुसार बदलता है। परिधान और ई-कॉमर्स अपने मीडिया पर अधिक निर्भर हैं, क्योंकि उत्पाद पन्नों से जानकारी निकालना मॉडलों के लिए आसान है। उपभोक्ता वित्त अफ़िलिएट तुलना साइटों पर अधिक निर्भर है। SaaS और B2B ब्रांडों के लिए G2 तथा Capterra जैसे समीक्षा प्लेटफ़ॉर्मों से बहुत उद्धरण आते हैं। कोई सार्वभौमिक सूत्र नहीं है। आपको अपने उद्धरण देखने होंगे कि कौन-सा स्तंभ सबसे महत्वपूर्ण है।

संरचना भी महत्वपूर्ण है। जिन ब्रांडों को हम सबसे अधिक उद्धृत होते देखते हैं, वे स्पष्ट, सीधी सामग्री प्रकाशित करते हैं, जो शुरुआत में ही सवालों के जवाब देती है, अक्सर FAQ शैली में। मॉडल आसानी से ऐसी जानकारी निकाल सकते हैं। कीवर्ड से भरी ब्लॉग पोस्ट मदद नहीं करतीं। पहले उत्तर देना और फिर विवरण जोड़ना कारगर है। AI-निर्मित सामग्री के मामले में फिलहाल हमें नहीं दिखता कि मॉडल उसे दंडित करते हैं। जो सामग्री सवाल का अच्छा जवाब देती है, उसे उद्धृत किया जाता है, चाहे उसे किसी व्यक्ति ने लिखा हो या किसी प्रणाली ने।

पूरी प्रक्रिया में कुछ अनिश्चितता भी है। ये मॉडल एक निश्चित रैंकिंग एल्गोरिदम चलाने के बजाय अगला शब्द अनुमानित करते हैं। आप सब कुछ सही करके भी उतार-चढ़ाव देख सकते हैं। Trendos में हम ब्रांडों को उन संकेतों पर ध्यान देने में मदद करते हैं जिन्हें वे नियंत्रित कर सकते हैं, और उन संकेतों का पीछा छोड़ने में भी जिन्हें नहीं कर सकते।

पारंपरिक Google रैंकिंग के विपरीत, एक ही सवाल कई बार पूछने पर AI का जवाब बदल सकता है। मूल मॉडल संभाव्य होने पर आप AI दृश्यता को भरोसेमंद ढंग से कैसे मापते हैं? डेटा से सार्थक निष्कर्ष निकालने से पहले ब्रांड को कितने नमूने चाहिए?

अभी उद्योग में इस पर खूब चर्चा है। हाल ही में एक कंपनी ने LinkedIn पर कहा कि भरोसेमंद परिणाम के लिए एक उत्तर को दिन में लगभग 100 बार जुटाकर औसत निकालना चाहिए। कुछ बड़े प्लेटफ़ॉर्म अभी भी दिन में एक बार को पर्याप्त मानते हैं। मुझे नहीं लगता कि किसी पक्ष ने अपने तर्क को वास्तविक साक्ष्य से पूरी तरह साबित किया है।

हम इसे अनुभवजन्य ढंग से देखते हैं। NordVPN जैसे ग्राहक कुछ समय से हमारे साथ निगरानी कर रहे हैं, और हम उस लंबे अंतराल में उनकी दृश्यता व रैंकिंग का उतार-चढ़ाव देख सकते हैं। वे उतने अधिक बदलते ही नहीं। अधिक बार डेटा लेने से शायद थोड़ी सटीकता बढ़े, लेकिन अंतर एक प्रतिशत के छोटे हिस्से जितना है, निश्चित रूप से अदृश्य होने और पहले स्थान पर होने जितना नहीं। इससे कोई 35वें से 32वें स्थान पर आ सकता है, जो उन बड़े संरचनात्मक मुद्दों की तुलना में बहुत कम महत्वपूर्ण है जिन पर ब्रांड वास्तव में कार्रवाई कर सकता है।

हमारा तरीका अत्यधिक नमूना-आवृत्ति के पीछे भागने के बजाय समय के साथ लगातार निगरानी करना है, ताकि ब्रांड अपनी प्रवृत्ति-रेखा देखकर तय कर सकें कि उनकी श्रेणी कितनी स्थिर या अस्थिर है।

SEO, उत्तर इंजन अनुकूलन और जनरेटिव इंजन अनुकूलन को लेकर बहुत बहस है। पारंपरिक SEO के कौन-से सिद्धांत AI खोज में भी महत्वपूर्ण हैं, और मौजूदा SEO तरीकों को सीधे बड़े भाषा मॉडलों पर लागू करते हुए मार्केटिंग करने वाले कहाँ गलती करते हैं?

SEO के कई सिद्धांत AI खोज में भी महत्वपूर्ण हैं। उदाहरण के लिए क्वेरी विस्तार, यानी उत्तर देने से पहले ChatGPT द्वारा पृष्ठभूमि में की जाने वाली अतिरिक्त खोजें। वे अब भी वास्तविक खोज-व्यवहार से आती हैं, इसलिए उनसे जुड़ी रैंकिंग सुधारना SEO का काम है। आप अब भी विशिष्ट, लंबे कीवर्ड अनुकूलित करते हैं, लेकिन लक्ष्य व्यक्ति के Google में टाइप करने के बजाय मॉडल द्वारा खोजी जाने वाली चीज़ होती है।

कई मार्केटर गलती से मानते हैं कि उल्लेख को बैकलिंक जैसा काम करना चाहिए। SEO में do-follow लिंक चाहिए, क्योंकि उसी से प्रामाणिकता और डोमेन रेटिंग का लाभ मिलता है। AI खोज में मॉडल साइट को इंडेक्स नहीं करते। चूँकि वे सामग्री निकालते हैं, इसलिए लिंक की ज़रूरत ही नहीं है; मॉडल जिस पन्ने पर पहले से भरोसा करता है, वहाँ पर्याप्त स्पष्ट ब्रांड उल्लेख चाहिए। लोग लिंक लगवाने में बहुत समय खर्च करते हैं, जबकि उन्हें उल्लेख हासिल करने पर ध्यान देना चाहिए।

एक और सामान्य गलती पुरानी SEO आदतें साथ ले आना है। मुख्यतः कीवर्ड शामिल करने के लिए लिखी सामग्री, जिसमें वास्तविक उत्तर पन्ने के बीच छिपा हो, अक्सर AI मॉडलों की नज़र से छूट जाती है। पहले सवाल का स्पष्ट और सीधा जवाब दें, फिर विवरण जोड़ें।

मैं यह भी कहूँगी कि SEO खत्म हो गया है मानकर शून्य से शुरुआत करना गलत है। SEO खत्म नहीं हुआ! GEO, SEO का विस्तार है, जिसमें सोशल और अफ़िलिएट भी साथ काम करते हैं। जो ब्रांड पहले से अच्छा SEO करते हैं, उनकी मेहनत बेकार नहीं हुई, लेकिन उन्हें यह भी नहीं मानना चाहिए कि पुराने नियम बिल्कुल उसी तरह लागू होंगे।

Trendos उन स्रोतों को ट्रैक करता है जिन्हें AI सिस्टम ब्रांडों के बारे में जवाब देते समय उद्धृत करते हैं। आपको उन स्रोतों के प्रकारों के बारे में क्या पता चला जिन पर AI इंजन सबसे अधिक भरोसा करते दिखते हैं? सिस्टम को छलने की कोशिश किए बिना कोई कंपनी इन उद्धरणों पर वास्तव में कितना प्रभाव डाल सकती है?

भरोसे का कोई एक पदानुक्रम नहीं है। यह उद्योग पर निर्भर है। परिधान में सबसे अधिक उद्धृत होने वाला अपना मीडिया, उपभोक्ता वित्त में सबसे अधिक उद्धृत अफ़िलिएट सामग्री और ऐप्स से अलग है। एक ही स्रोत-प्रकार हर जगह नहीं जीतता। भरोसा किस पर है, यह जानने के लिए अपनी श्रेणी के उद्धरण देखने होंगे।

संरचना स्रोत के प्रकार जितनी ही महत्वपूर्ण है। प्रतिष्ठित संपादकीय साइटों का महत्व अब भी है, लेकिन बात डोमेन रेटिंग जैसे एक अकेले प्रामाणिकता स्कोर की नहीं है। हम देखते हैं कि निरंतरता अधिक महत्वपूर्ण है: भरोसेमंद स्रोतों के मिश्रण में ब्रांड का उल्लेख कितनी बार होता है। और किसी छोटी साइट का स्पष्ट, सुव्यवस्थित पन्ना बड़े प्रकाशन के लंबे लेख से बेहतर कर सकता है, सिर्फ़ इसलिए कि मॉडल के लिए उसकी जानकारी निकालना और उपयोग करना आसान है।

बिना चालबाज़ी प्रभाव डालने को मैं SEO मानसिकता से पूरी तरह अलग रखूँगी। आप लिंक ग्राफ़ में हेरफेर नहीं कर रहे। आप पाँच स्तंभों पर वास्तविक उल्लेख कमाने की कोशिश कर रहे हैं: अपनी साइट, PR कवरेज, Trustpilot और G2 जैसे समीक्षा प्लेटफ़ॉर्म, अफ़िलिएट संबंध और सोशल उपस्थिति। फिर सब कुछ ऐसे व्यवस्थित करें कि मॉडल आसानी से पढ़ सके। यह अच्छे ब्रांड निर्माण से बहुत अलग नहीं है। सबसे दिखाई देने वाले ब्रांड सिस्टम को मात देने के बजाय उन जगहों पर सत्यापनीय उपस्थिति पर ध्यान देते हैं जिन पर मॉडल पहले से भरोसा करते हैं।

Trendos ने विभिन्न बाज़ारों में सर्वाधिक AI दृश्यता वाले 1,000 ब्रांडों को ट्रैक करने वाला सूचकांक शुरू किया है। इस डेटा से कौन-से पैटर्न या आश्चर्य सामने आए? AI सिफ़ारिशों में लगातार आने वाले ब्रांडों को लगभग अदृश्य रहने वाले प्रतिस्पर्धियों से क्या अलग करता है?

पहला आश्चर्य इंजनों का बहुत अलग व्यवहार है। एक ही बाज़ार में ChatGPT और Google AI Overviews की सिफ़ारिशों में देश के शीर्ष 100 ब्रांडों में से लगभग दो-तिहाई ही समान हैं। AI Overviews रोज़मर्रा के खुदरा कारोबार की ओर बहुत झुकता है। अमेरिका में Trader Joe’s वहाँ 35वें स्थान पर है, लेकिन ChatGPT पर 567वें पर। ChatGPT का झुकाव Gartner, ServiceNow और Databricks जैसे B2B तथा बड़े उद्यमों को सेवा देने वाले ब्रांडों की ओर है, जिन्हें AI Overviews अधिकांशतः नज़रअंदाज़ करता है।

दूसरा आश्चर्य इसकी स्थानीय प्रकृति है। हमारे सूचकांक के 70 प्रतिशत ब्रांड केवल एक देश में आते हैं, और जर्मनी के शीर्ष 100 में लगभग एक-तिहाई ऐसे हैं जो ब्रिटेन या अमेरिका की सूचियों में बिल्कुल नहीं मिलते।

निरंतर दिखाई देने वाले ब्रांडों का अंतर उनका व्यापक दायरा है। शीर्ष दस का एक सामान्य ब्रांड 90 से अधिक उत्पाद श्रेणियों में आता है; निचले आधे का ब्रांड लगभग पाँच में। उनका केवल ज़िक्र अधिक नहीं होता, वे कहीं अधिक सवालों के लिए प्रासंगिक होते हैं। सूचियाँ तेज़ी से बदलती हैं: सबसे ऊपरी स्थान महीने-दर-महीने लगभग स्थिर रहते हैं, लेकिन हर सूची के करीब 13% ब्रांड एक महीने में बाहर हो जाते हैं। दृश्यता एक बार जीत लेने वाली चीज़ नहीं; इसे लगातार कमाना पड़ता है।

Trendos का Ad Radar, ChatGPT बातचीत के साथ दिखाई देने वाले प्रायोजित विज्ञापन स्थान ट्रैक करता है। शुरुआती डेटा में कौन-से उद्योग और विज्ञापनदाता सबसे तेज़ बढ़ रहे हैं? मार्केटर भुगतान वाली दृश्यता और मूल AI मॉडल द्वारा स्वाभाविक उल्लेख या सिफ़ारिश के बीच अंतर कैसे करें?

ChatGPT विज्ञापनों का झुकाव खुदरा और B2C की ओर बहुत अधिक है; ये हमारे ट्रैक किए जा रहे विज्ञापनों के लगभग 50 से 70% हैं। बाकी B2B है, मुख्यतः अपनी सेवाओं का विज्ञापन करने वाली कंपनियाँ और एजेंसियाँ। यह स्वाभाविक है, क्योंकि ChatGPT के उपयोगकर्ता मुख्यतः उपभोक्ता हैं, हालांकि B2B की भी वास्तविक उपस्थिति है।

OpenAI का विज्ञापन प्लेटफ़ॉर्म अभी शुरुआती दौर में है। वह लगातार नए प्रारूप और सुविधाएँ जोड़ रहा है, और विस्तार असमान है: पिछली बार मैंने देखा तो कई यूरोपीय बाज़ारों में विज्ञापन सक्रिय नहीं थे या उनके लिए बिलिंग शुरू नहीं हुई थी, जबकि OpenAI वहाँ विस्तार घोषित कर चुका था। इसलिए सबसे तेज़ उद्योगों का आकलन इस समय कौन नया प्रयोग करना चाहता है, उसकी तस्वीर अधिक है; छह महीने बाद कौन विज्ञापन देगा, उसकी नहीं।

यहीं विज्ञापनदाताओं के लिए जानकारी की कमी भी है। OpenAI यह नहीं दिखाता कि किन प्रॉम्प्ट पर विज्ञापन आते हैं, न ही प्रतिस्पर्धियों की गतिविधि दिखाता है। Trendos के Ad Radar से ब्रांड ठीक-ठीक देख सकते हैं कि कौन-से प्रॉम्प्ट उनके विज्ञापन सक्रिय करते हैं, और अपनी श्रेणी के दूसरे विज्ञापनदाताओं के बारे में भी: वे कितने विज्ञापन चला रहे हैं, वे कहाँ ले जाते हैं और कौन-से शीर्षक व विवरण इस्तेमाल करते हैं।

फ़िलहाल भुगतान और स्वाभाविक उल्लेखों का अंतर समझना आसान है। ChatGPT प्रायोजित स्थान स्पष्ट रूप से चिह्नित करके उत्तर के नीचे दिखाता है, इसलिए कुछ भी उत्तर में घुला नहीं होता। स्वाभाविक सिफ़ारिश का मतलब मॉडल आपको उत्तर के रूप में चुन रहा है; भुगतान वाला स्थान मतलब आप उसके नीचे जगह किराए पर ले रहे हैं।

मुझे ईमानदारी से लगता है कि समय के साथ यह कठिन होगा। विज्ञापन जितना उत्तर का वास्तविक हिस्सा दिखता और महसूस होता है, सामान्यतः उतना बेहतर प्रदर्शन करता है। Google और Meta पर ऐसा हुआ है, और ChatGPT भी शायद उसी दिशा में जाएगा। इसीलिए ब्रांडों को भुगतान और स्वाभाविक दृश्यता दोनों साथ ट्रैक करनी चाहिए।

जनरेटिव इंजन अनुकूलन की एक चुनौती सहसंबंध और कारण को अलग करना है। ब्रांड की AI दृश्यता सुधरने पर मार्केटिंग टीम कैसे तय करे कि वास्तविक कारण कौन-सी कार्रवाई थी—डिजिटल PR, तीसरे पक्ष की कवरेज, अपनी बेहतर सामग्री, समीक्षाएँ, तकनीकी बदलाव या कुछ और?

परिणाम का श्रेय सही कार्रवाई को देना GEO के सबसे कठिन प्रश्नों में है, और अभी कोई हर कार्रवाई को हर परिणाम से पूर्णतः नहीं जोड़ सकता। लेकिन ब्रांड केवल अनुमान लगाने से बहुत आगे हैं। Trendos में आप ठीक देखते हैं कि आपके और प्रतिस्पर्धियों के उल्लेख में AI इंजन किन स्रोतों को उद्धृत करते हैं, जिससे पता चलता है कि क्या काम कर रहा है।

सबसे भरोसेमंद तरीका किसी विशिष्ट कार्रवाई को विशिष्ट स्रोत से जोड़ना है। यदि आपको उस साइट पर कवरेज मिलती है जो श्रेणी में पहले से उद्धृत होती है, तो देखें कि संबंधित प्रॉम्प्ट के उत्तरों में वह स्रोत आने लगता है या नहीं, और आपका ब्रांड उसके साथ आता है या नहीं। समीक्षाओं, अफ़िलिएट स्थानों और अपनी साइट की नई सामग्री पर भी यही लागू होता है। आप समग्र स्कोर बदलने का इंतज़ार करके कारण नहीं सोच रहे; आप देख रहे हैं कि मॉडल वास्तव में कौन-से स्रोत इस्तेमाल करते हैं।

भुगतान वाले माध्यम में यह और स्पष्ट है। ChatGPT विज्ञापनों में दूसरे भुगतान चैनलों की तरह UTM का उपयोग करके ट्रैफ़िक और कन्वर्ज़न मापते हुए सीधा प्रभाव ट्रैक कर सकते हैं।

एक दिन पर प्रतिक्रिया देने के बजाय कई सप्ताह की प्रवृत्तियाँ देखना फिर भी उपयोगी है, क्योंकि AI उत्तर स्वाभाविक रूप से बदलते हैं। हम Key Insights भी बना रहे हैं, जो ये संबंध अपने-आप सामने लाएगा, ताकि टीमों को हर ग्राफ़ स्वयं न खँगालना पड़े। GEO में अब भी कुछ अनिश्चितता है, लेकिन ब्रांडों के पास अब स्पष्ट रूप से देखने के उपकरण हैं कि सबसे अधिक मूल्य कहाँ से मिलता है।

Trendos ने हाल में MCP एकीकरण शुरू किया, जिससे AI एजेंट दृश्यता, प्रतिस्पर्धियों, उद्धरणों और विज्ञापनों का डेटा सीधे पूछ सकते हैं। क्या आप मानती हैं कि AI दृश्यता प्रबंधन डैशबोर्ड पढ़ने वाले मार्केटरों से ऐसे एजेंटों की ओर जाएगा जो लगातार कमियाँ पहचानें और उनकी ओर से बदलाव सुझाएँ या लागू करें?

मुझे लगता है कि दिशा यही है, और हम पहले से इस ओर काम कर रहे हैं। एजेंटों के बिना भी Trendos केवल डैशबोर्ड दिखाने के बजाय ब्रांडों के लिए काम करने की ओर बढ़ रहा है। हाल में हमें एक छोटा निर्माता मिला जिसकी वेबसाइट एक बुनियादी तकनीकी समस्या के कारण AI बॉट्स के लिए पूरी तरह बंद थी। उसकी टीम में किसी को पता नहीं था कि इसकी जाँच करनी चाहिए। हमने ब्रांड को बताया, लेकिन हमारा लक्ष्य उनकी ओर से इसे ठीक करना है, बिना इस ज़रूरत के कि पहले कोई ग्राफ़ समझे।

एजेंट इसका स्वाभाविक विस्तार हैं। यदि सिस्टम पहले से Trendos के पीछे का डेटा पढ़ सकता है, तो किसी गायब उद्धरण को चिन्हित करके कार्रवाई करना बहुत बड़ी छलाँग नहीं होना चाहिए। मुझे नहीं लगता कि डैशबोर्ड पूरी तरह खत्म होंगे। तकनीकी उपयोगकर्ता अब भी कच्चा डेटा चाहते हैं, खास तौर पर सटीक अतिरिक्त खोज क्वेरी और वास्तविक उत्तर-पाठ। लेकिन अधिकतर ब्रांडों—यानी डेटा विश्लेषक नहीं बनना चाहने वाले 90%—के लिए अंतिम स्थिति ऐसा एजेंट है जो चुपचाप पृष्ठभूमि में प्रबंधन करे और केवल मानवीय निर्णय की ज़रूरत पर बात सामने लाए।

AI सहायक सवालों के जवाब से आगे बढ़कर उत्पाद सुझा रहे हैं, विक्रेताओं की तुलना कर रहे हैं और अंततः एजेंटों के ज़रिए लेन-देन पूरा करेंगे। आपके अनुसार “खोज दृश्यता” की अवधारणा कैसे बदलेगी, और आखिरकार ब्रांड किन मापदंडों को सबसे अधिक महत्व देंगे?

मुझे लगता है कि “खोज दृश्यता” एक बड़ी तस्वीर का हिस्सा बनेगी: क्या एजेंट किसी की ओर से काम करते समय आपका ब्रांड चुनता है? उत्तर में उल्लेख होना एक बात है। वह ब्रांड बनना जिसे एजेंट वास्तव में चुने, तुलना में अच्छा माने और जिसके साथ लेन-देन पूरा करे, अलग और कहीं ऊँचा मानक है। एजेंट-आधारित वाणिज्य में हम इसकी शुरुआत देख रहे हैं।

एजेंट-आधारित वाणिज्य चल पड़ने पर केवल दृश्यता पर्याप्त नहीं होगी। सकारात्मक या नकारात्मक वर्णन का महत्व बहुत बढ़ेगा। आपकी ओर से तीन विक्रेताओं की तुलना करने वाला एजेंट केवल उल्लेख नहीं देखेगा, बल्कि यह भी कि किसे भरोसेमंद, अच्छी समीक्षाओं वाला और उचित मूल्य देने वाला बताया जाता है। सिफ़ारिश की दर—यानी विचार किए गए ब्रांडों में आपको कितनी बार चुना जाता है—सिर्फ़ उल्लेखों की संख्या से कहीं अधिक सार्थक होगी।

संरचना और मशीन द्वारा पढ़े जा सकने की क्षमता भी अधिक महत्वपूर्ण होंगी। अभी बात FAQ जैसी सामग्री लिखने की है ताकि मॉडल उसे आसानी से निकाल सके। जब एजेंट आपकी ओर से लेन-देन करेंगे, तब सवाल होगा कि कीमतें, उपलब्ध स्टॉक और शर्तें ऐसी संरचना में हैं या नहीं जिन्हें एजेंट वास्तव में पढ़कर सीधे कार्रवाई कर सके, केवल उनका वर्णन नहीं।

एक महत्वपूर्ण बात: अभी शुरुआती दौर है। मैं यह साफ़ कहना पसंद करूँगी, बजाय इसके कि हम सब कुछ पूरी तरह समझ चुके हैं। लेकिन मुझे विश्वास है कि एजेंटों के बड़े पैमाने पर लेन-देन से पहले इस बदलाव पर ध्यान देने वाले ब्रांड वास्तविक शुरुआती बढ़त हासिल करेंगे, ठीक वैसे ही जैसे शुरुआती SEO अपनाने वालों ने Google पर की थी।

इस बेहतरीन साक्षात्कार के लिए धन्यवाद। अधिक जानने के इच्छुक पाठक Trendos पर जा सकते हैं।