Gintare Rimolaityte, CEO en medeoprichter van Trendos – Interviewreeks

Gintare Rimolaityte is CEO en medeoprichter van Trendos, het platform voor zichtbaarheid in AI-zoekopdrachten dat merken helpt te begrijpen en te optimaliseren hoe ze in grote taalmodellen (LLM’s) verschijnen. Ze deed in 2020 haar eerste ervaring op bij Oxylabs, eerst als manager bedrijfsontwikkeling en daarna als commercieel directeur. Daar leidde ze voor een bedrijfsonderdeel de teams voor verkoop, bedrijfsontwikkeling, accountmanagement en klantsucces. Van 2022 tot 2025 was ze CEO van het engagementplatform JumpTask. Voordat ze in 2026 Trendos mede oprichtte, werkte ze korte tijd als productmanager bij Adment, gericht op het voorkomen van affiliatefraude bij betaald zoeken en affiliateprogramma’s. Als CEO van Trendos geeft Gintare leiding aan meerdere teams en houdt ze toezicht op de strategische groei. Ze woont en werkt in Vilnius.

Trendos is een platform voor zichtbaarheid in AI-zoekopdrachten waarmee merken kunnen volgen, meten en optimaliseren hoe ze in LLM’s en AI-zoekmachines verschijnen. Met Trendos nemen merken de grote blinde vlek weg die ontstond door de verschuiving van Google-zoekopdrachten naar conversationele AI, waardoor het aanbevelingsproces voor hen vrijwel onzichtbaar werd. Naast het volgen van de totale zichtbaarheid maakt Trendos hulpmiddelen voor AI-marktinformatie toegankelijk, intuïtief en betaalbaar, zodat merken kunnen beïnvloeden en optimaliseren wanneer en hoe ze verschijnen. De technologie legt de daadwerkelijke antwoorden en advertenties in AI-omgevingen vast door op grote schaal LLM-sessies uit te lezen. Vervolgens analyseert ze de gestructureerde gegevens en presenteert die als heldere inzichten in zowel merkzichtbaarheid als activiteiten van concurrenten. Trendos werd in maart 2026 opgericht in Vilnius, Litouwen, met steun van Tesonet, een wereldwijde ondernemingsbouwer achter bedrijven als Nord Security, Surfshark en Hostinger.

Uw loopbaan liep via commercieel leiderschap bij Oxylabs, de leiding van JumpTask en productwerk bij adment.ai naar het mede oprichten van Trendos. Welke veranderingen in de manier waarop consumenten merken via AI ontdekken overtuigden u van de behoefte aan Trendos? En wat ontbrak volgens u aan bestaande SEO- en AI-zichtbaarheidsplatforms?

Toen ik regelmatig marketingmanagers interviewde, hoorde ik steeds hetzelfde: AI-zoeken komt eraan, en hoewel er al enkele hulpmiddelen bestaan, weet niemand echt hoe betrouwbaar die zijn.

Ik hoefde niet alleen op hun woorden af te gaan, want ik zag de verschuiving zelf ook in realtime plaatsvinden. Consumenten gingen van het doorbladeren van links op Google naar het rechtstreeks stellen van vragen aan LLM’s. Dat laatste was voor marketeers een soort zwarte doos. Ze konden niet eens zien of ze werden genoemd, laat staan hoe hun merk werd beschreven of ten opzichte van concurrenten werd gepositioneerd.

Ik zag twee problemen met de bestaande software. Ten eerste voelden veel hulpmiddelen als SEO-platforms met een achteraf toegevoegde AI-functie. Ten tweede waren de weinige speciaal ontwikkelde oplossingen uitsluitend geprijsd voor grote ondernemingen. Wie geen groot merk was met het budget om zijn AI-zichtbaarheid te onderzoeken, werd buitengesloten en moest blind varen. Dat vond ik niet juist. Elk merk verdient het te weten hoe het wordt weergegeven, niet alleen merken die maandelijks vijfcijferige bedragen kunnen betalen. Met Trendos willen we merken van elke omvang een nauwkeurige en eerlijk geprijsde manier geven om hun AI-zichtbaarheid te begrijpen en te optimaliseren.

AI-antwoorden kunnen voor marketeers als een zwarte doos overkomen. Welke signalen lijken op basis van de gegevens die Trendos verzamelt het belangrijkst voor de vraag of een merk wordt genoemd, geciteerd of aanbevolen door systemen als ChatGPT, Gemini, Claude en Perplexity?

Qua signalen draait het vooral om vaak genoeg, op de juiste plekken en op een gestructureerde manier genoemd worden. Dat verschilt van SEO, waarbij een dofollow-link nodig is om autoriteit over te dragen. Bij AI-zoeken indexeren modellen uw website niet, maar lezen ze de inhoud uit. De link wordt overbodig. Uw merknaam moet simpelweg duidelijk en vaak voorkomen op pagina’s waaruit deze modellen al informatie halen.

Onze gegevens wijzen op vijf pijlers: de eigen website, PR en onbetaalde redactionele aandacht, beoordelingsplatforms als Trustpilot en G2, affiliates en sociale media. Het gewicht van elke pijler verschilt per sector. Kleding en e-commerce leunen op eigen media, omdat modellen productpagina’s gemakkelijk kunnen uitlezen. Financiële diensten voor consumenten leunen meer op vergelijkingssites met affiliateverwijzingen. SaaS- en B2B-merken worden vaak geciteerd via beoordelingsplatforms als G2 en Capterra. Er bestaat geen universele formule. U moet uw eigen bronverwijzingen bekijken om te bepalen welke pijler voor u het zwaarst weegt.

Structuur telt ook mee. De merken die we het vaakst geciteerd zien, publiceren heldere, directe inhoud die vragen meteen beantwoordt, vaak in een vraag-en-antwoordvorm. Dat kunnen modellen gemakkelijk uitlezen. Blogartikelen volgestopt met zoekwoorden helpen niet. Wat werkt, is eerst de vraag beantwoorden en daarna details toevoegen. Bij AI-gegenereerde inhoud zien we momenteel niet dat modellen die benadelen. Inhoud die de vraag goed beantwoordt, wordt geciteerd, ongeacht wie of wat die heeft geschreven.

Er zit ook een element van toeval in het geheel. Deze modellen voorspellen het volgende woord in plaats van één vast rangschikkingsalgoritme uit te voeren. U kunt alles goed doen en toch schommelingen zien. Bij Trendos helpen we merken zich te richten op signalen die ze kunnen beheersen en niet langer signalen na te jagen waarop ze geen invloed hebben.

Anders dan een traditionele Google-positie kan een AI-antwoord veranderen wanneer dezelfde vraag meerdere keren wordt gesteld. Hoe meet u AI-zichtbaarheid betrouwbaar als de onderliggende modellen probabilistisch zijn? En hoeveel steekproeven zijn nodig voordat een merk betekenisvolle conclusies uit de gegevens kan trekken?

Dit is momenteel een veelbesproken onderwerp in de sector. Een bedrijf betoogde onlangs op LinkedIn dat u een antwoord ongeveer 100 keer per dag moet ophalen en de resultaten moet middelen om iets betrouwbaars te krijgen. Sommige grotere platforms vinden eenmaal per dag nog steeds voldoende. Volgens mij heeft geen van beide kanten zijn standpunt volledig met echte bewijzen onderbouwd.

Wij onderzoeken het empirisch. Klanten als NordVPN gebruiken onze monitoring al enige tijd, waardoor we over die langere periode de schommelingen in hun zichtbaarheid en posities kunnen bekijken. Het beweegt simpelweg niet zo sterk. Vaker uitlezen levert waarschijnlijk iets meer precisie op, maar het verschil is een fractie van een procent en zeker niet het verschil tussen onzichtbaar zijn en op nummer één staan. Het kan iemand van plaats 35 naar plaats 32 verschuiven. Dat is veel minder belangrijk dan de grotere structurele factoren waaraan een merk daadwerkelijk iets kan doen.

Onze aanpak is om consequent over langere tijd te monitoren in plaats van een extreme steekproeffrequentie na te streven. Merken kunnen aan hun eigen trendlijn zien hoe stabiel of veranderlijk hun categorie is.

Er is veel discussie over SEO, optimalisatie voor antwoordmachines en optimalisatie voor generatieve zoekmachines. Welke principes van traditionele SEO blijven belangrijk bij AI-zoeken? En waar gaan marketeers volgens u de fout in als ze hun bestaande SEO-aanpak simpelweg op grote taalmodellen toepassen?

Een aantal SEO-principes blijft relevant bij AI-zoeken. Neem het vertakken van zoekvragen: de vervolgzoekopdrachten die ChatGPT achter de schermen uitvoert voordat het antwoordt. Die komen nog steeds voort uit echt zoekgedrag, waardoor de bijbehorende rangschikking een SEO-vraagstuk blijft. U optimaliseert nog steeds lange, specifieke zoektermen, maar richt zich op wat het model zoekt in plaats van wat iemand in Google typt.

Veel marketeers denken ten onrechte dat een vermelding als een backlink moet werken. Bij SEO wilt u een dofollow-link, omdat zo autoriteit en domeinwaardering worden overgedragen. Bij AI-zoeken indexeren modellen uw website niet. Omdat ze de inhoud uitlezen, hebt u helemaal geen link nodig, alleen voldoende duidelijke merkvermeldingen op een pagina die het model al vertrouwt. Mensen besteden veel tijd aan het verkrijgen van linkplaatsingen, terwijl ze de vermelding zelf zouden moeten nastreven.

Een andere veelgemaakte fout is het voortzetten van oude SEO-gewoonten. Inhoud die vooral is geschreven om zoekwoorden te verwerken, met het echte antwoord halverwege de pagina verstopt, wordt door AI-modellen vaak overgeslagen. Beantwoord de vraag eerst helder en direct en voeg daarna de details toe.

Ik zou ook zeggen dat het een fout is om SEO dood te verklaren en opnieuw te beginnen. SEO is niet dood! GEO is een uitbreiding van SEO, waarbij sociale media en affiliates samenwerken. Merken die SEO al goed aanpakken, hebben al dat werk niet voor niets gedaan. Maar ze moeten ook niet aannemen dat de oude regels één op één blijven gelden.

Trendos volgt de bronnen die AI-systemen citeren wanneer ze vragen over merken beantwoorden. Wat hebt u geleerd over de soorten bronnen die AI-zoekmachines het meest lijken te vertrouwen? En hoeveel invloed kan een bedrijf realistisch op die verwijzingen uitoefenen zonder het systeem te proberen te manipuleren?

Vertrouwen volgt geen enkele vaste hiërarchie. Het hangt af van de sector. Wat bij kleding het vaakst wordt geciteerd, eigen media, is niet hetzelfde als bij financiële diensten voor consumenten, waar affiliate-inhoud en apps belangrijk zijn. Geen enkel brontype wint overal. U moet de verwijzingen in uw eigen categorie bekijken om te zien welke bronnen vertrouwen krijgen.

Structuur is even belangrijk als het soort bron. Gezaghebbende redactionele websites tellen nog steeds mee, maar het draait niet om één autoriteitsscore zoals domeinwaardering. We zien dat consistentie belangrijker is: hoe vaak een merk in een mix van betrouwbare bronnen wordt genoemd. Een heldere, goed gestructureerde pagina op een kleinere website kan een lang artikel van een grotere publicatie overtreffen, simpelweg doordat het model de inhoud gemakkelijker kan uitlezen en gebruiken.

Invloed zonder manipulatie zou ik volledig loskoppelen van de SEO-mentaliteit. U probeert geen netwerk van links te manipuleren. U probeert oprecht vermeldingen te verdienen binnen die vijf pijlers: uw eigen website, PR-publicaties, beoordelingsplatforms als Trustpilot en G2, affiliaterelaties en aanwezigheid op sociale media. Vervolgens structureert u alles zodat een model het gemakkelijk kan lezen. Dat verschilt niet veel van goede merkopbouw. De zichtbaarste merken richten zich minder op het bespelen van het systeem en meer op aantoonbare aanwezigheid op plekken die de modellen al vertrouwen.

Trendos lanceerde een index van de 1.000 merken met de grootste AI-zichtbaarheid in verschillende markten. Welke patronen of verrassingen kwamen uit deze gegevens naar voren? En wat onderscheidt merken die steeds in AI-aanbevelingen verschijnen van concurrenten die grotendeels onzichtbaar blijven?

De eerste verrassing is hoe verschillend de systemen zich gedragen. In dezelfde markt hebben ChatGPT en Google AI Overviews in hun aanbevelingen slechts ongeveer twee derde van de honderd leidende merken van het land gemeen. AI Overviews geeft sterk de voorkeur aan alledaagse detailhandel. Trader Joe’s staat daar in de VS op plaats 35, maar bij ChatGPT op plaats 567. ChatGPT neigt naar B2B- en zakelijke merken als Gartner, ServiceNow en Databricks, die AI Overviews grotendeels negeert.

De tweede verrassing is hoe lokaal het is. Zeventig procent van de merken in onze index verschijnt slechts in één land. In Duitsland bestaat bijna een derde van de top honderd uit merken die helemaal niet op de Britse of Amerikaanse lijsten staan.

Wat de consequent zichtbare merken onderscheidt, is breedte. Een typisch top-tienmerk verschijnt in meer dan 90 productcategorieën; een merk in de onderste helft van de ranglijst verschijnt in ongeveer vijf. Ze worden niet alleen vaker genoemd, maar zijn relevant voor veel meer vragen. En de lijsten veranderen snel: helemaal bovenaan verandert er van maand tot maand nauwelijks iets, maar ongeveer 13% van de merken verdwijnt binnen één maand uit elke lijst. Zichtbaarheid is niet iets wat u één keer wint; u moet die blijven verdienen.

Ad Radar van Trendos volgt gesponsorde plaatsingen naast ChatGPT-gesprekken. Wat laten de eerste gegevens zien over de sectoren en adverteerders die het snelst bewegen? En hoe moeten marketeers betaalde zichtbaarheid onderscheiden van merken die het onderliggende AI-model organisch noemt of aanbeveelt?

ChatGPT-advertenties zijn sterk geconcentreerd in detailhandel en B2C, samen ongeveer 50 tot 70% van wat we volgen. De rest is B2B, vooral bedrijven en bureaus die hun eigen diensten adverteren. Dat is logisch, omdat de gebruikers van ChatGPT hoofdzakelijk consumenten zijn, hoewel B2B ook duidelijk aanwezig is.

Het advertentieplatform van OpenAI bevindt zich nog in een vroege fase. Er komen voortdurend formats en functies bij, en de uitrol verloopt ongelijkmatig: toen ik voor het laatst keek, waren advertenties in meerdere Europese markten nog niet actief of factureerbaar, zelfs nadat OpenAI de uitbreiding naar die markten had aangekondigd. Elke beoordeling van de snelste sectoren is daarom eerder een momentopname van wie iets nieuws wil testen dan een beeld van wie over zes maanden nog adverteert.

Daar zitten ook de informatietekorten voor adverteerders. OpenAI laat niet zien bij welke prompts uw advertenties verschijnen en evenmin wat uw concurrenten doen. Met Ad Radar van Trendos kunnen merken precies zien welke prompts hun advertenties activeren en andere adverteerders in hun categorie bekijken: hoeveel advertenties ze draaien, waar die naartoe leiden en welke koppen en beschrijvingen ze gebruiken.

Voorlopig zijn betaalde en organische vermeldingen gemakkelijk te onderscheiden. ChatGPT markeert gesponsorde plaatsingen duidelijk en toont ze onder aan het antwoord, zodat niets in de antwoordtekst zelf wordt gemengd. Een organische aanbeveling betekent dat het model u als antwoord kiest; een betaalde plaatsing betekent dat u eronder een plek huurt.

Mijn eerlijke verwachting is dat dit met de tijd moeilijker wordt. Hoe meer een advertentie eruitziet en aanvoelt als een echt onderdeel van het antwoord, hoe beter die doorgaans presteert. Dat gold voor Google en Meta, en ChatGPT zal waarschijnlijk dezelfde kant opgaan. Juist daarom moeten merken hun betaalde en organische zichtbaarheid naast elkaar volgen.

Een uitdaging bij optimalisatie voor generatieve zoekmachines is correlatie van causaliteit onderscheiden. Wanneer de AI-zichtbaarheid van een merk verbetert, hoe kan een marketingteam bepalen welke actie die verbetering echt heeft veroorzaakt: digitale PR, publiciteit door derden, sterkere eigen inhoud, beoordelingen, technische aanpassingen of iets anders?

Attributie is een van de moeilijkste vraagstukken binnen GEO. Niemand kan nog elke actie perfect aan elk resultaat koppelen. Maar merken hoeven zeker niet alleen te gokken. Met Trendos ziet u precies welke bronnen AI-zoekmachines citeren wanneer ze u en uw concurrenten noemen, en dat vertelt veel over wat werkt.

De betrouwbaarste aanpak is een specifieke actie aan een specifieke bron koppelen. Als u aandacht krijgt op een website die al in uw categorie wordt geciteerd, kunt u volgen of die bron verschijnt in antwoorden op relevante prompts en of uw merk meekomt. Hetzelfde geldt voor beoordelingen, affiliateplaatsingen of nieuwe inhoud op uw eigen website. U wacht niet af tot de totaalscore verandert en vraagt zich af waarom; u ziet welke bronnen de modellen werkelijk gebruiken.

Bij betaalde advertenties is het nog duidelijker. Met ChatGPT-advertenties kunt u de directe impact volgen zoals bij elk ander betaald kanaal, met UTM-parameters om verkeer en conversies te meten.

Het blijft verstandig om trends over meerdere weken te bekijken in plaats van op één dag te reageren, omdat AI-antwoorden van nature variëren. We ontwikkelen ook Key Insights, dat deze verbanden automatisch zichtbaar maakt, zodat teams niet zelf elke grafiek hoeven door te spitten. Er blijft enige onzekerheid binnen GEO, maar merken hebben nu de hulpmiddelen om duidelijk te zien wat de meeste waarde oplevert.

Trendos introduceerde onlangs een MCP-integratie waarmee AI-agenten rechtstreeks gegevens over zichtbaarheid, concurrenten, bronverwijzingen en advertenties kunnen opvragen. Verwacht u dat het beheer van AI-zichtbaarheid uiteindelijk verschuift van marketeers die dashboards bestuderen naar agenten die voortdurend hiaten opsporen en namens hen veranderingen aanbevelen of uitvoeren?

Ik denk dat we die kant opgaan, en we bouwen daar al aan. Ook zonder agenten beweegt Trendos richting daadwerkelijk werk uitvoeren voor merken in plaats van alleen een dashboard tonen. Onlangs vonden we een kleine producent wiens website volledig geblokkeerd was voor AI-bots door een eenvoudig technisch probleem waarvan niemand in het team wist dat het gecontroleerd moest worden. We vertelden het merk over het probleem, maar onze ambitie is het voor hen te kunnen oplossen zonder dat iemand aan hun kant eerst een grafiek hoeft te interpreteren.

Agenten zijn daar een natuurlijk vervolg op. Als een systeem de gegevens achter Trendos al kan lezen, zou het geen enorme stap moeten zijn om een ontbrekende bronverwijzing te signaleren en daarnaar te handelen. Ik denk niet dat dashboards helemaal verdwijnen. Onze meer technische gebruikers willen nog steeds ruwe gegevens, vooral de precieze vertakkingen van zoekvragen en de daadwerkelijke antwoordtekst. Maar voor de meeste merken, de 90% die geen data-analist wil zijn, zie ik als eindpunt een agent die dit stil op de achtergrond beheert en alleen aandacht vraagt wanneer een menselijke beslissing nodig is.

AI-assistenten gaan steeds verder dan vragen beantwoorden: ze bevelen producten aan, vergelijken leveranciers en zullen uiteindelijk via agenten transacties afronden. Hoe verwacht u dat het begrip ‘zoekzichtbaarheid’ zich ontwikkelt, en welke meetwaarden zullen voor merken uiteindelijk het belangrijkst zijn?

Ik denk dat ‘zoekzichtbaarheid’ onderdeel wordt van een groter geheel: kiest een agent uw merk wanneer hij namens iemand handelt? In een antwoord worden genoemd is één ding. Het merk zijn dat een agent daadwerkelijk selecteert, gunstig vergelijkt en waarmee hij een transactie afrondt, is iets anders en stelt veel hogere eisen. We zien hiervan al het begin bij handel via agenten.

Zodra die handel op gang komt, is zichtbaarheid alleen niet voldoende. Het sentiment zal enorm aan belang winnen. Een agent die namens u drie leveranciers vergelijkt, weegt niet alleen mee wie wordt genoemd, maar ook wie wordt beschreven als betrouwbaar, goed beoordeeld en waar voor zijn geld. Het aanbevelingspercentage, oftewel hoe vaak u wordt geselecteerd uit de overwogen merken, wordt veel betekenisvoller dan het kale aantal vermeldingen.

Ook structuur en machineleesbaarheid zullen volgens mij belangrijker worden. Nu gaat het om inhoud in vraag-en-antwoordvorm, zodat een model die gemakkelijk kan uitlezen. Zodra agenten namens u transacties uitvoeren, gaat het erom of prijzen, voorraad en voorwaarden zo zijn gestructureerd dat een agent ze daadwerkelijk kan lezen en er rechtstreeks naar kan handelen, in plaats van ze alleen te beschrijven.

Een belangrijke kanttekening: het is nog vroeg. Ik zeg dat liever openlijk dan te doen alsof we dit al volledig in kaart hebben. Wel ben ik ervan overtuigd dat merken die op deze verschuiving letten voordat agenten op grote schaal transacties uitvoeren, een echte voorsprong krijgen, net zoals vroege SEO-merken die bij Google kregen.

Dank voor het interessante interview. Lezers die meer willen weten, kunnen Trendos bezoeken.