Gintare Rimolaityte, administrerende direktør og medgründer i Trendos – Intervjuserien

Gintare Rimolaityte er administrerende direktør og medgründer i Trendos, en plattform for synlighet i KI-søk som hjelper merkevarer med å forstå og optimalisere hvordan de vises i store språkmodeller (LLM-er). Hun fikk tidlig erfaring hos Oxylabs i 2020, først som forretningsutviklingssjef og deretter som kommersiell leder. Der ledet hun teamene for salg, forretningsutvikling, kundeansvar og kundeoppfølging i en av selskapets forretningsenheter. Fra 2022 til 2025 var hun administrerende direktør for engasjementsplattformen JumpTask. Før hun var med på å grunnlegge Trendos i 2026, arbeidet hun en kort periode som produktsjef hos Adment med forebygging av affiliatesvindel i betalte søk og partnerprogrammer. Som administrerende direktør i Trendos leder Gintare flere team og har ansvar for den strategiske veksten. Hun bor og arbeider i Vilnius.

Trendos er en plattform for synlighet i KI-søk som hjelper merkevarer med å overvåke, måle og optimalisere hvordan de vises i språkmodeller og KI-søkemotorer. Med Trendos fjerner merkevarer den store blindsonen som oppsto da søk flyttet fra Google til samtalebasert KI, og anbefalingsprosessen ble praktisk talt usynlig for dem. I tillegg til å følge den samlede synligheten gjør Trendos verktøy for markedsinnsikt om KI tilgjengelige, intuitive og rimelige, slik at merkevarer kan påvirke og optimalisere når og hvordan de vises. Teknologien samler inn de faktiske svarene og annonsene som vises i KI-miljøer, gjennom storskala uthenting av språkmodelløkter. Deretter analyseres de strukturerte dataene og presenteres som tydelig innsikt i både merkevaresynlighet og konkurrentaktivitet. Trendos ble grunnlagt i mars 2026 i Vilnius i Litauen, med støtte fra Tesonet, en global selskapsbygger bak selskaper som Nord Security, Surfshark og Hostinger.

Karrieren din har gått fra kommersiell ledelse hos Oxylabs til å lede JumpTask og arbeide med produkter hos adment.ai, før du var med på å grunnlegge Trendos. Hvilke endringer i hvordan forbrukere oppdager merkevarer gjennom KI overbeviste deg om at Trendos var nødvendig? Og hva mente du manglet i eksisterende plattformer for SEO og KI-synlighet?

Da jeg jevnlig intervjuet markedssjefer, hørte jeg det samme om og om igjen: KI-søk er på vei, og selv om det allerede finnes noen verktøy, vet ingen egentlig hvor pålitelige de er.

Jeg trengte ikke bare å stole på det de sa, for jeg så også endringen skje i sanntid. Forbrukere gikk fra å bla gjennom lenker på Google til å spørre språkmodeller direkte. Det siste var litt av en svart boks for markedsførere. De kunne ikke engang se om de ble nevnt, langt mindre hvordan merkevaren ble beskrevet eller posisjonert i forhold til konkurrentene.

Jeg så to problemer med den eksisterende programvaren. For det første føltes mange av verktøyene som SEO-plattformer med en påmontert KI-funksjon. For det andre var de få spesialutviklede verktøyene priset bare for store virksomheter. Hvis du ikke var en stor merkevare med budsjett til å kartlegge KI-synligheten din, ble du utestengt og måtte navigere i blinde. Det syntes jeg ikke var riktig. Alle merkevarer fortjener å vite hvordan de vises, ikke bare de som kan betale femsifrede beløp hver måned. Med Trendos vil vi gi merkevarer i alle størrelser en presis og rettferdig priset måte å forstå og optimalisere KI-synligheten på.

KI-genererte svar kan fremstå som en svart boks for markedsførere. Hvilke signaler ser, ut fra dataene Trendos samler inn, ut til å være viktigst for om en merkevare nevnes, siteres eller anbefales av systemer som ChatGPT, Gemini, Claude og Perplexity?

Når det gjelder signaler, handler det først og fremst om å bli nevnt ofte nok på de riktige stedene og på en strukturert måte. Det er annerledes enn SEO, der en dofollow-lenke er nødvendig for å overføre autoritet. I KI-søk indekserer ikke modellene nettstedet ditt; de henter ut innholdet. Lenken blir overflødig. Merkevarenavnet trenger bare å dukke opp tydelig og ofte på sidene som modellene allerede henter informasjon fra.

Dataene våre viser fem søyler: eget nettsted, PR og redaksjonell omtale man ikke betaler for, vurderingsplattformer som Trustpilot og G2, affiliatepartnere og sosiale medier. Betydningen av hver søyle varierer mellom bransjer. Klær og netthandel støtter seg på egne medier, fordi produktinformasjon er lett for modellene å hente ut. Finansielle tjenester for forbrukere støtter seg mer på sammenligningssider med affiliateinnhold. SaaS- og B2B-merkevarer siteres ofte fra vurderingsplattformer som G2 og Capterra. Det finnes ingen universell formel. Du må undersøke dine egne kildehenvisninger for å se hvilken søyle som betyr mest.

Struktur betyr også noe. Merkevarene vi ser sitert oftest, publiserer tydelig og direkte innhold som besvarer spørsmål med en gang, ofte i et format med vanlige spørsmål og svar. Det er lett for modellene å hente ut. Blogginnlegg overlesset med søkeord hjelper ikke. Det som fungerer, er å svare på spørsmålet først og legge til detaljer etterpå. Når det gjelder KI-generert innhold, ser vi foreløpig ikke at modellene straffer det. Innhold som svarer godt på spørsmålet, blir sitert, uavhengig av hvem eller hva som skrev det.

Det er også et element av tilfeldighet i det hele. Modellene forutsier det neste ordet i stedet for å kjøre én fast rangeringsalgoritme. Du kan gjøre alt riktig og likevel se svingninger. Hos Trendos prøver vi å hjelpe merkevarer med å konsentrere seg om signalene de kan kontrollere, og slutte å jage dem de ikke kan påvirke.

I motsetning til en tradisjonell Google-rangering kan et KI-svar endre seg når det samme spørsmålet stilles flere ganger. Hvordan måler dere KI-synlighet pålitelig når modellene bygger på sannsynlighet, og hvor mye prøvetaking er nødvendig før en merkevare kan trekke meningsfulle slutninger fra dataene?

Dette diskuteres mye i bransjen nå. Et selskap hevdet nylig på LinkedIn at man må hente ut et svar omtrent 100 ganger daglig og beregne gjennomsnittet for å få pålitelige resultater. Noen av de større plattformene mener fortsatt at én gang om dagen er nok. Jeg synes ikke noen av sidene har underbygget standpunktet sitt fullt ut med reelle beviser.

Vi undersøker det empirisk. Kunder som NordVPN har brukt overvåkingen vår en stund, og vi kan se svingningene i synligheten og rangeringene deres over denne lengre perioden. Det varierer rett og slett ikke så mye. Hyppigere innhenting gir trolig litt større presisjon, men forskjellen er en brøkdel av en prosent og absolutt ikke forskjellen mellom å være usynlig og å være nummer én. Det kan flytte noen fra 35. til 32. plass, noe som betyr langt mindre enn de større strukturelle faktorene en merkevare faktisk kan gjøre noe med.

Vår tilnærming er å overvåke konsekvent over tid i stedet for å jage ekstrem prøvetakingsfrekvens, og la merkevarene se på sin egen trendlinje for å vurdere hvor stabil eller ustabil kategorien deres er.

Det er mye debatt om SEO, optimalisering for svarmotorer og optimalisering for generative motorer. Hvilke prinsipper fra tradisjonell SEO er fortsatt viktige i KI-søk? Og hvor mener du markedsførere gjør feil når de ganske enkelt bruker sine eksisterende SEO-metoder på store språkmodeller?

Flere SEO-prinsipper er fortsatt viktige i KI-søk. Ta for eksempel forgrening av søk, altså oppfølgingssøkene ChatGPT utfører i bakgrunnen før det gir et svar. De bygger fortsatt på faktisk søkeatferd, så den tilhørende rangeringen er fremdeles en SEO-oppgave. Du optimaliserer fortsatt for lange, spesifikke søkeuttrykk, men rettet mot det modellen søker etter, ikke det en person skriver inn i Google.

Mange markedsførere antar feilaktig at en omtale må fungere som en tilbakekobling. I SEO ønsker du en dofollow-lenke fordi det er slik autoritet og domenevurdering overføres. I KI-søk indekserer ikke modellene nettstedet ditt. Siden de henter ut innholdet, trenger du ingen lenke i det hele tatt, bare tydelige nok merkevareomtaler på en side modellen allerede stoler på. Folk bruker mye tid på å jakte lenkeplasseringer, når det de burde jakte på, er selve omtalen.

En annen vanlig feil er å videreføre gamle SEO-vaner. Innhold som hovedsakelig er skrevet for å få med søkeord, med det faktiske svaret gjemt halvveis ned på siden, blir ofte oversett av KI-modeller. Svar på spørsmålet først, tydelig og direkte, og legg så til detaljene.

Jeg vil også si at det er feil å erklære SEO dødt og begynne på nytt. SEO er ikke dødt! GEO er en utvidelse av SEO, sammen med sosiale medier og affiliatepartnere som virker i fellesskap. Merkevarer som allerede gjør SEO godt, har ikke gjort alt arbeidet forgjeves, men de bør heller ikke anta at de gamle reglene gjelder helt uendret.

Trendos følger kildene KI-systemer siterer når de svarer på spørsmål om merkevarer. Hva har dere lært om hvilke typer kilder KI-motorer ser ut til å stole mest på, og hvor stor innflytelse kan et selskap realistisk ha over disse henvisningene uten å prøve å manipulere systemet?

Tillit følger ikke ett enkelt hierarki. Det avhenger av bransjen. Det som siteres mest innen klær, egne medier, er ikke det samme som innen forbrukerfinans, der affiliateinnhold og apper er viktigst. Ingen kildetype vinner overalt. Du må se på kildehenvisningene i din egen kategori for å finne ut hva som anses som troverdig.

Struktur er like viktig som kildetype. Autoritative redaksjonelle nettsteder har fortsatt tyngde, men det handler ikke om én autoritetsscore som domenevurdering. Vi ser at kontinuitet betyr mer: hvor ofte en merkevare omtales i en blanding av pålitelige kilder. En tydelig og godt strukturert side fra et mindre nettsted kan slå en lang artikkel fra en større publikasjon, ganske enkelt fordi den er lettere for modellen å hente ut og bruke.

Når det gjelder innflytelse uten manipulasjon, ville jeg skilt dette helt fra SEO-tankegangen. Du forsøker ikke å manipulere et lenkenettverk. Du prøver å gjøre deg fortjent til ekte omtale på tvers av de fem søylene: eget nettsted, PR-omtale, vurderingsplattformer som Trustpilot og G2, affiliateforhold og tilstedeværelse i sosiale medier. Deretter strukturerer du alt slik at det er lett for modellen å lese. Det er ikke så forskjellig fra god merkevarebygging. De mest synlige merkevarene fokuserer mindre på å lure systemet og mer på å være til stede på en etterprøvbar måte der modellene allerede har tillit.

Trendos lanserte en indeks som følger de 1 000 merkevarene med størst KI-synlighet på tvers av markeder. Hvilke mønstre eller overraskelser har kommet frem i datasettet, og hva skiller merkevarene som stadig dukker opp i KI-genererte anbefalinger, fra konkurrenter som forblir nesten usynlige?

Den første overraskelsen er hvor forskjellig motorene oppfører seg. I samme marked har ChatGPT og Google AI Overviews bare omtrent to tredeler av landets 100 fremste merkevarer til felles i anbefalingene sine. AI Overviews favoriserer daglig detaljhandel. Trader Joe’s er nummer 35 der i USA, men nummer 567 på ChatGPT. ChatGPT favoriserer B2B- og bedriftsmerkevarer som Gartner, ServiceNow og Databricks, som AI Overviews i stor grad overser.

Den andre overraskelsen er hvor lokalt dette er. Sytti prosent av merkevarene i indeksen vår vises bare i ett land, og i Tyskland er nesten en tredel av de 100 fremste merkevarene helt fraværende fra listene i Storbritannia og USA.

Det som skiller de jevnt synlige merkevarene, er bredde. En typisk topp-ti-merkevare dukker opp i mer enn 90 produktkategorier, mens en merkevare i den nederste halvdelen av rangeringen vises i omtrent fem. De blir ikke bare omtalt oftere; de er relevante for langt flere spørsmål. Og listene endres raskt: helt på toppen er det knapt endringer fra måned til måned, men rundt 13 % av merkevarene faller ut av hver liste i løpet av én måned. Synlighet er ikke noe du vinner én gang; du må fortsette å gjøre deg fortjent til den.

Trendos’ Ad Radar følger sponsede plasseringer ved siden av ChatGPT-samtaler. Hva viser de første dataene om hvilke bransjer og annonsører som beveger seg raskest? Og hvordan bør markedsførere skille betalt synlighet fra merkevarer som den underliggende KI-modellen omtaler eller anbefaler organisk?

ChatGPT-annonser er sterkt konsentrert om detaljhandel og B2C, som utgjør omtrent 50 til 70 % av det vi følger. Resten er B2B, for det meste selskaper og byråer som annonserer egne tjenester. Det gir mening, siden ChatGPTs brukerbase hovedsakelig består av forbrukere, men også har en reell B2B-tilstedeværelse.

OpenAIs annonseplattform er fortsatt i en tidlig fase. Nye formater og funksjoner kommer stadig, og utrullingen er ujevn: sist jeg sjekket, var annonsene verken aktive eller fakturerbare i flere europeiske markeder, selv etter at OpenAI hadde kunngjort ekspansjonen dit. En vurdering av de raskeste bransjene er derfor mer et øyeblikksbilde av hvem som er villige til å teste noe nytt, enn av hvem som fortsatt vil annonsere om seks måneder.

Det er også her annonsørenes informasjonsmangler ligger. OpenAI viser ikke hvilke ledetekster annonsene dine dukker opp ved, eller hva konkurrentene gjør. Med Trendos’ Ad Radar kan merkevarer se nøyaktig hvilke ledetekster som utløser annonsene deres, og følge andre annonsører i kategorien: hvor mange annonser de kjører, hvor de leder, og hvilke overskrifter og beskrivelser de bruker.

Foreløpig er betalte og organiske omtaler lette å skille. ChatGPT merker sponsede plasseringer tydelig og viser dem nederst i svaret, slik at ingenting blandes inn i selve svarteksten. En organisk anbefaling betyr at modellen velger deg som svar; en betalt plassering betyr at du leier en plass under det.

Jeg forventer ærlig talt at dette vil bli vanskeligere med tiden. Jo mer en annonse ser ut og oppleves som en naturlig del av svaret, desto bedre fungerer den vanligvis. Det har vært tilfellet hos Google og Meta, og ChatGPT vil trolig gå i samme retning. Nettopp derfor må merkevarer følge både betalt og organisk synlighet side om side.

En utfordring med optimalisering for generative motorer er å skille korrelasjon fra årsakssammenheng. Når en merkevare får bedre KI-synlighet, hvordan kan markedsføringsteamet finne ut hvilket tiltak som faktisk førte til forbedringen – digital PR, tredjepartsomtale, bedre eget innhold, vurderinger, tekniske endringer eller noe annet?

Attribusjon er et av de vanskeligste spørsmålene innen GEO, og ingen kan ennå trekke en perfekt linje fra hvert tiltak til hvert resultat. Men merkevarer er langt fra henvist til gjetting. Med Trendos kan du se nøyaktig hvilke kilder KI-motorer siterer når de omtaler deg og konkurrentene, og det sier mye om hva som fungerer.

Den mest pålitelige tilnærmingen er å knytte et bestemt tiltak til en bestemt kilde. Hvis du får omtale på et nettsted som allerede siteres i kategorien din, kan du følge med på om denne kilden begynner å dukke opp i svar på relevante ledetekster, og om merkevaren følger med. Det samme gjelder vurderinger, affiliateplasseringer og nytt innhold på eget nettsted. Du venter ikke på at totalscoren skal flytte seg og lurer på hvorfor; du ser hvilke kilder modellene faktisk bruker.

For betalt annonsering er det enda tydeligere. Med ChatGPT-annonser kan du følge den direkte effekten som i andre betalte kanaler, ved å bruke UTM-parametere til å måle trafikk og konverteringer.

Det er likevel verdt å se på trender over flere uker i stedet for å reagere på én dag, fordi KI-svar naturlig varierer. Vi utvikler også Key Insights, som automatisk synliggjør disse sammenhengene, slik at teamene ikke må gå gjennom hver eneste graf selv. Det finnes fortsatt usikkerhet i GEO, men merkevarer har nå verktøy til å se tydelig hva som gir dem mest verdi.

Trendos introduserte nylig en MCP-integrasjon som lar KI-agenter spørre direkte etter data om synlighet, konkurrenter, kildehenvisninger og annonsering. Tror du håndtering av KI-synlighet etter hvert vil gå fra markedsførere som studerer dashbord, til agenter som kontinuerlig finner mangler og anbefaler eller utfører endringer på deres vegne?

Jeg tror det er dit vi er på vei, og vi bygger allerede i den retningen. Selv uten agenter beveger Trendos seg mot å gjøre ting for merkevarer, ikke bare vise dem et dashbord. Nylig fant vi en liten produsent der nettstedet var fullstendig sperret for KI-roboter på grunn av et enkelt teknisk problem som ingen i teamet visste at de burde undersøke. Vi fortalte merkevaren om problemet, men ambisjonen er å kunne løse det uten at noen hos dem først må tolke en graf.

Agenter er en naturlig forlengelse av dette. Hvis et system allerede kan lese dataene bak Trendos, bør det ikke være et stort sprang å oppdage en manglende kildehenvisning og handle deretter. Jeg tror ikke dashbord vil forsvinne helt. De mer tekniske brukerne våre ønsker fortsatt rådata, særlig de nøyaktige søkeforgreningene og selve svarteksten. Men for de fleste merkevarer – de 90 % som ikke ønsker å være dataanalytikere – tror jeg sluttpunktet er en agent som håndterer dette stille i bakgrunnen og bare varsler når en menneskelig beslutning trengs.

Når KI-assistenter går fra å svare på spørsmål til å anbefale produkter, sammenligne leverandører og til slutt gjennomføre transaksjoner via agenter, hvordan tror du begrepet «søkesynlighet» vil utvikle seg? Og hvilke måltall vil til slutt bety mest for merkevarer?

Jeg tror «søkesynlighet» vil bli én del av et større bilde: om en agent velger merkevaren din når den handler på vegne av noen. Å bli nevnt i et svar er én ting. Å være merkevaren som agenten faktisk velger, vurderer positivt i sammenligningen og gjennomfører en transaksjon med, er noe annet og en langt høyere terskel. Vi ser allerede begynnelsen på dette med agentbasert handel.

Når agentbasert handel skyter fart, vil synlighet alene ikke være nok. Omtalens tone vil få enormt mye større betydning. En agent som sammenligner tre leverandører på dine vegne, vil ikke bare vurdere hvem som nevnes, men hvem som beskrives som pålitelig, godt vurdert og god verdi for pengene. Anbefalingsraten – altså hvor ofte du blir valgt blant merkevarene som vurderes – vil være langt mer meningsfull enn det rene antallet omtaler.

Jeg forventer også at struktur og maskinlesbarhet vil bli viktigere. Nå handler det om å skrive innhold som vanlige spørsmål og svar, slik at modellen enkelt kan hente det ut. Når agenter gjennomfører transaksjoner på dine vegne, vil det handle om hvorvidt priser, lagerbeholdning og vilkår er strukturert slik at en agent kan lese dem og handle direkte på grunnlag av dem, ikke bare beskrive dem.

Et viktig forbehold er at dette fortsatt er tidlig. Jeg vil heller si det rett ut enn late som om vi har kartlagt alt. Men jeg er sikker på at merkevarer som følger denne endringen før agenter gjennomfører transaksjoner i stor skala, vil få et reelt forsprang, omtrent slik de tidlige SEO-merkevarene fikk med Google.

Takk for et flott intervju. Lesere som ønsker å vite mer, kan besøke Trendos.