Gintare Rimolaityte, prezeska i współzałożycielka Trendos – Cykl wywiadów

Gintare Rimolaityte jest prezeską i współzałożycielką Trendos, platformy widoczności w wyszukiwaniu opartym na AI, która pomaga markom zrozumieć i optymalizować sposób, w jaki pojawiają się w dużych modelach językowych. Pierwsze doświadczenia zdobywała w Oxylabs w 2020 roku, początkowo jako menedżerka ds. rozwoju biznesu, a następnie dyrektorka handlowa, kierując zespołami sprzedaży, rozwoju biznesu, zarządzania klientami i obsługi posprzedażowej w jednej z jednostek biznesowych firmy. W latach 2022–2025 była prezeską platformy angażowania użytkowników JumpTask. Przed współzałożeniem Trendos w 2026 roku krótko pracowała jako menedżerka produktu w Adment, zajmując się zapobieganiem oszustwom afiliacyjnym w płatnym wyszukiwaniu i programach partnerskich. Jako prezeska Trendos Gintare zarządza wieloma zespołami i nadzoruje strategiczny rozwój. Mieszka i pracuje w Wilnie.

Trendos to platforma widoczności w wyszukiwaniu opartym na AI, która pomaga markom monitorować, mierzyć i optymalizować ich obecność w dużych modelach językowych i wyszukiwarkach AI. Dzięki Trendos marki eliminują istotny obszar niewiedzy powstały wraz z przejściem od wyszukiwarki Google do konwersacyjnej AI, które uczyniło proces rekomendacji praktycznie niewidocznym dla firm. Poza śledzeniem ogólnej widoczności Trendos zapewnia dostępne, intuicyjne i przystępne cenowo narzędzia analizy rynku AI, pozwalające markom wpływać na to, kiedy i jak się pojawiają, oraz optymalizować tę obecność. Technologia firmy rejestruje rzeczywiste odpowiedzi i reklamy wyświetlane w środowiskach AI poprzez masowe pobieranie danych z sesji modeli językowych, a następnie analizuje i przedstawia uporządkowane dane jako przejrzyste wnioski dotyczące zarówno widoczności marki, jak i działań konkurencji. Trendos powstało w marcu 2026 roku w Wilnie na Litwie, przy wsparciu Tesonet, globalnej organizacji rozwijającej przedsięwzięcia technologiczne, stojącej za takimi firmami jak Nord Security, Surfshark i Hostinger.

Przed współzałożeniem Trendos zajmowałaś stanowiska kierownicze w obszarze handlowym w Oxylabs, prowadziłaś JumpTask i pracowałaś nad produktem w adment.ai. Jakie zmiany w sposobie odkrywania marek przez konsumentów za pomocą AI przekonały cię, że potrzebne jest Trendos, i czego twoim zdaniem brakowało dotychczasowym platformom SEO i widoczności w AI?

Kiedy regularnie przeprowadzałam rozmowy z menedżerami marketingu, wciąż słyszałam to samo: nadchodzi wyszukiwanie oparte na AI, a chociaż istnieje już kilka narzędzi, nikt tak naprawdę nie wie, na ile można im ufać.

Nie musiałam polegać wyłącznie na ich słowach, bo sama obserwowałam tę zmianę na bieżąco. Konsumenci przechodzili od przewijania linków w Google do zadawania pytań bezpośrednio dużym modelom językowym. Dla marketerów to drugie rozwiązanie było swego rodzaju czarną skrzynką. Nie widzieli nawet, czy ich marka jest wspominana, a tym bardziej, jak jest opisywana lub pozycjonowana względem konkurentów.

W istniejącym oprogramowaniu dostrzegałam dwa problemy. Po pierwsze, wiele narzędzi przypominało platformy SEO z doczepioną funkcją AI. Po drugie, nieliczne narzędzia zbudowane specjalnie do tego celu miały ceny dostępne wyłącznie dla dużych przedsiębiorstw. Jeśli nie było się ogromną marką z budżetem na analizę widoczności w AI, pozostawało się poza systemem i działało po omacku. Nie podobało mi się to. Każda marka zasługuje na wiedzę o swojej obecności, nie tylko te, które mogą wydawać pięciocyfrowe kwoty miesięcznie. W Trendos chcemy zapewnić markom każdej wielkości dokładny i uczciwie wyceniony sposób rozumienia oraz optymalizowania widoczności w AI.

Odpowiedzi generowane przez AI mogą wydawać się marketerom czarną skrzynką. Jakie najważniejsze sygnały, według danych gromadzonych przez Trendos, zdają się decydować o tym, czy systemy takie jak ChatGPT, Gemini, Claude i Perplexity wspomną, zacytują lub zarekomendują daną markę?

Jeśli chodzi o sygnały, kluczowe jest pojawianie się wystarczająco często we właściwych miejscach i w uporządkowany sposób. To różni się od SEO, gdzie do przekazania autorytetu potrzebny jest link do-follow. W wyszukiwaniu AI modele nie indeksują twojej witryny, lecz pobierają z niej treści. Link staje się zbędny. Wystarczy, by nazwa marki pojawiała się wyraźnie i często na stronach, z których te modele już korzystają.

Nasze dane wskazują pięć filarów: własna witryna, PR i niezależne publikacje medialne, platformy opinii takie jak Trustpilot i G2, partnerzy afiliacyjni oraz media społecznościowe. Znaczenie każdego z nich zależy od branży. Odzież i handel elektroniczny opierają się na własnych kanałach, ponieważ modele łatwo pobierają dane ze stron produktów. Finanse konsumenckie bardziej polegają na afiliacyjnych porównywarkach. Marki SaaS i B2B są często cytowane na podstawie platform opinii takich jak G2 i Capterra. Nie ma uniwersalnej recepty. Trzeba przeanalizować własne cytowania, by zobaczyć, który filar ma największe znaczenie.

Ważna jest też struktura. Marki, które według naszych obserwacji są cytowane najczęściej, publikują jasne, bezpośrednie treści odpowiadające na pytania od razu, często w formie FAQ. Modelom łatwo je wyodrębnić. Wpisy blogowe przeładowane słowami kluczowymi nie pomagają. Sprawdza się udzielenie odpowiedzi najpierw, a dopiero później dodanie szczegółów. Obecnie nie widzimy, by modele karały treści generowane przez AI. Cytowane są treści, które dobrze odpowiadają na pytanie, niezależnie od tego, kto lub co je napisało.

W tym wszystkim jest też pewna losowość. Modele przewidują kolejne słowo, zamiast stosować jeden stały algorytm rankingowy. Można zrobić wszystko poprawnie, a mimo to obserwować wahania. W Trendos staramy się pomagać markom skupiać na sygnałach, na które mają wpływ, i przestać gonić za tymi, których nie mogą kontrolować.

W odróżnieniu od tradycyjnej pozycji w Google odpowiedź AI może się zmieniać przy wielokrotnym zadaniu tego samego pytania. Jak wiarygodnie mierzyć widoczność w AI, skoro modele są probabilistyczne, i jak duża próba jest potrzebna, zanim marka będzie mogła wyciągnąć z danych miarodajne wnioski?

To obecnie gorący temat w branży. Niedawno pewna firma przekonywała na LinkedIn, że aby uzyskać wiarygodny wynik, trzeba pobierać odpowiedź około 100 razy dziennie i uśredniać rezultaty. Niektóre większe platformy nadal uważają, że wystarczy raz dziennie. Nie sądzę, by którakolwiek ze stron w pełni poparła swoje stanowisko rzeczywistymi dowodami.

Podchodzimy do tego empirycznie. Mamy klientów takich jak NordVPN, którzy monitorują swoją obecność z nami już od pewnego czasu, więc widzimy wahania ich widoczności i pozycji w dłuższym okresie. Po prostu nie zmieniają się one aż tak bardzo. Częstsze pobieranie danych prawdopodobnie daje nieco większą precyzję, ale różnica wynosi ułamek procenta i z pewnością nie oddziela niewidoczności od pierwszego miejsca. Może przesunąć kogoś z pozycji 35. na 32., co ma znacznie mniejsze znaczenie niż większe kwestie strukturalne, na które marka faktycznie może wpływać.

Nasze podejście polega na konsekwentnym monitorowaniu w czasie zamiast dążenia do skrajnie wysokiej częstotliwości próbkowania. Pozwalamy markom przyglądać się własnej linii trendu i oceniać stabilność lub zmienność ich kategorii.

Wiele dyskusji dotyczy SEO, optymalizacji pod kątem silników odpowiedzi i optymalizacji pod kątem silników generatywnych. Które zasady tradycyjnego SEO nadal mają znaczenie w wyszukiwaniu AI, a gdzie marketerzy popełniają błąd, po prostu przenosząc dotychczasowe metody SEO na duże modele językowe?

Wiele zasad SEO nadal ma znaczenie w wyszukiwaniu AI. Weźmy choćby rozwijanie zapytań, czyli dodatkowe wyszukiwania wykonywane przez ChatGPT w tle przed udzieleniem odpowiedzi. Nadal wynikają one z rzeczywistych zachowań związanych z wyszukiwaniem, więc uzyskanie pozycji dla tych zapytań pozostaje zadaniem SEO. Wciąż optymalizujesz frazy długiego ogona, tylko pod kątem tego, czego szuka model, a nie tego, co człowiek wpisuje w Google.

Wielu marketerów błędnie zakłada, że wzmianka musi działać jak link zwrotny. W SEO zależy ci na linku do-follow, bo właśnie w ten sposób przekazywany jest autorytet i ocena domeny. W wyszukiwaniu AI modele nie indeksują witryny. Ponieważ pobierają z niej treści, link nie jest w ogóle potrzebny — wystarczą dostatecznie wyraźne wzmianki o marce na stronie, której model już ufa. Ludzie poświęcają mnóstwo czasu na zdobywanie linków, choć powinni zabiegać o samą wzmiankę.

Innym częstym błędem jest przenoszenie dawnych nawyków SEO. Modele AI zwykle pomijają treści pisane głównie pod słowa kluczowe, w których właściwa odpowiedź ukryta jest w połowie strony. Najpierw odpowiedz jasno i bezpośrednio na pytanie, a następnie dodaj szczegóły.

Powiedziałabym też, że błędem jest uznanie SEO za martwe i zaczynanie od zera. SEO nie umarło! GEO to rozszerzenie SEO, połączone z mediami społecznościowymi i afiliacją. Marki, które już dobrze radzą sobie z SEO, nie wykonały całej tej pracy na próżno, ale nie powinny też zakładać, że stare zasady stosuje się jeden do jednego.

Trendos śledzi źródła cytowane przez systemy AI w odpowiedziach na pytania o marki. Czego dowiedzieliście się o rodzajach źródeł, którym wyszukiwarki AI wydają się ufać najbardziej, i jaki realny wpływ firma może wywierać na te cytowania bez prób manipulowania systemem?

Zaufanie nie tworzy jednej hierarchii. Zależy od branży. To, co jest najczęściej cytowane w odzieży — własne kanały — nie jest tym samym, co w finansach konsumenckich, gdzie dominują treści afiliacyjne i aplikacje. Żaden rodzaj źródła nie wygrywa wszędzie. Trzeba przejrzeć cytowania we własnej kategorii, by zobaczyć, czemu ufa się w jej obrębie.

Struktura ma takie samo znaczenie jak rodzaj źródła. Renomowane serwisy redakcyjne nadal mają wagę, ale nie chodzi o pojedynczy wskaźnik autorytetu, taki jak ocena domeny. Z naszych obserwacji wynika, że ważniejsza jest konsekwentna obecność: jak często marka pojawia się w różnych zaufanych źródłach. Jasna, dobrze uporządkowana strona mniejszego serwisu może wyprzedzić długi artykuł dużej publikacji, po prostu dlatego, że modelowi łatwiej wyodrębnić i wykorzystać jej treść.

Jeśli chodzi o wpływ bez manipulacji, całkowicie oddzieliłabym go od myślenia w kategoriach SEO. Nie próbujesz manipulować grafem linków. Starasz się zdobywać autentyczne wzmianki w ramach tych pięciu filarów: własnej witryny, publikacji PR, platform opinii takich jak Trustpilot i G2, relacji afiliacyjnych oraz obecności społecznościowej. Następnie porządkujesz wszystko tak, by model mógł łatwo to odczytać. Niewiele różni się to od dobrego budowania marki. Najbardziej widoczne marki mniej skupiają się na przechytrzaniu systemu, a bardziej na weryfikowalnej obecności tam, gdzie modele już mają zaufanie do źródeł.

Trendos uruchomiło indeks śledzący 1000 marek o największej widoczności w AI na różnych rynkach. Jakie prawidłowości lub niespodzianki ujawnił ten zbiór danych i co odróżnia marki regularnie pojawiające się w rekomendacjach AI od konkurentów, którzy pozostają w dużej mierze niewidoczni?

Pierwszą niespodzianką jest to, jak odmiennie zachowują się poszczególne silniki. Na tym samym rynku tylko około dwóch trzecich ze 100 czołowych marek danego kraju pokrywa się w rekomendacjach ChatGPT i Google AI Overviews. AI Overviews mocno skłania się ku codziennym zakupom detalicznym. Trader Joe’s zajmuje tam w USA 35. miejsce, ale w ChatGPT dopiero 567. ChatGPT preferuje marki B2B i obsługujące duże przedsiębiorstwa, takie jak Gartner, ServiceNow i Databricks, które AI Overviews w dużej mierze pomija.

Drugą jest lokalny charakter wyników. Siedemdziesiąt procent marek z naszego indeksu pojawia się tylko w jednym kraju, a w Niemczech prawie jedną trzecią pierwszej setki stanowią marki nieobecne na listach brytyjskiej i amerykańskiej.

Marki utrzymujące widoczność wyróżnia szeroki zakres obecności. Typowa marka z pierwszej dziesiątki pojawia się w ponad 90 kategoriach produktów, a marka z dolnej połowy rankingu — w około pięciu. Nie tylko częściej się o nich wspomina; są istotne dla znacznie większej liczby pytań. Listy szybko się zmieniają: ścisła czołówka niemal nie zmienia się z miesiąca na miesiąc, ale około 13% marek wypada z każdej listy w ciągu jednego miesiąca. Widoczności nie zdobywa się raz na zawsze; trzeba stale na nią pracować.

Ad Radar firmy Trendos śledzi sponsorowane treści pojawiające się obok rozmów z ChatGPT. Co mówią pierwsze dane o branżach i reklamodawcach działających najszybciej oraz jak marketerzy powinni odróżniać płatną widoczność od organicznych wzmianek i rekomendacji generowanych przez sam model AI?

W reklamach ChatGPT zdecydowanie dominują handel detaliczny i B2C, stanowiące około 50–70% tego, co śledzimy. Reszta to B2B, przede wszystkim firmy i agencje reklamujące własne usługi. To logiczne, ponieważ użytkownikami ChatGPT są głównie konsumenci, choć segment B2B też jest wyraźnie obecny.

Platforma reklamowa OpenAI jest wciąż na wczesnym etapie. Nieustannie dodaje nowe formaty i funkcje, a wdrożenie jest nierównomierne: gdy sprawdzałam to ostatnio, reklamy nie były jeszcze aktywne ani objęte rozliczeniami na kilku rynkach europejskich, mimo ogłoszenia przez OpenAI ekspansji na te rynki. Dlatego każda ocena branż działających najszybciej pokazuje raczej, kto jest gotów przetestować coś nowego, niż kto nadal będzie się reklamował za pół roku.

Tu właśnie występują luki informacyjne dla reklamodawców. OpenAI nie pokazuje, przy jakich poleceniach pojawiają się twoje reklamy, ani co robi konkurencja. Dzięki Ad Radar firmy Trendos marki mogą zobaczyć dokładnie, które polecenia uruchamiają ich reklamy, oraz poznać innych reklamodawców w swojej kategorii: ile reklam emitują, dokąd one prowadzą oraz jakich nagłówków i opisów używają.

Na razie łatwo odróżnić płatne wzmianki od organicznych. ChatGPT wyraźnie oznacza sponsorowane pozycje i pokazuje je pod odpowiedzią, więc nic nie jest wplecione w samą jej treść. Organiczna rekomendacja oznacza, że model wybiera cię jako odpowiedź; płatna pozycja oznacza wynajęcie miejsca poniżej.

Szczerze oczekuję, że z czasem stanie się to trudniejsze. Im bardziej reklama wygląda i brzmi jak autentyczna część odpowiedzi, tym zwykle jest skuteczniejsza. Tak było w Google i Meta, a ChatGPT prawdopodobnie pójdzie w tym samym kierunku. Właśnie dlatego marki muszą równolegle śledzić widoczność płatną i organiczną.

Jednym z wyzwań optymalizacji pod kątem silników generatywnych jest odróżnienie korelacji od związku przyczynowego. Gdy widoczność marki w AI rośnie, jak zespół marketingu może ustalić, które działanie rzeczywiście przyniosło poprawę: cyfrowy PR, publikacje podmiotów trzecich, lepsze własne treści, opinie, zmiany techniczne czy coś innego?

Przypisywanie efektów konkretnym działaniom to jedno z najtrudniejszych zagadnień GEO i nikt nie potrafi jeszcze idealnie połączyć każdego działania z każdym wynikiem. Marki są jednak dalekie od zgadywania. W Trendos widać dokładnie, jakie źródła cytują silniki AI, wspominając o tobie i konkurentach, a to wiele mówi o skutecznych działaniach.

Najbardziej wiarygodne podejście polega na połączeniu konkretnego działania z konkretnym źródłem. Jeśli zdobędziesz publikację w serwisie już cytowanym w twojej kategorii, możesz obserwować, czy to źródło zaczyna pojawiać się w odpowiedziach na odpowiednie polecenia i czy wraz z nim pojawia się twoja marka. To samo dotyczy opinii, publikacji afiliacyjnych czy nowych treści we własnej witrynie. Nie czekasz na zmianę ogólnego wyniku, zastanawiając się nad przyczyną; widzisz, z jakich źródeł modele rzeczywiście korzystają.

W przypadku płatnych działań jest jeszcze jaśniej. W reklamach ChatGPT można śledzić bezpośredni wpływ tak samo jak w każdym innym płatnym kanale, wykorzystując parametry UTM do pomiaru ruchu i konwersji.

Nadal warto patrzeć na trendy z kilku tygodni zamiast reagować na jeden dzień, ponieważ odpowiedzi AI naturalnie się zmieniają. Budujemy też Key Insights, które automatycznie pokazuje te powiązania, aby zespoły nie musiały samodzielnie analizować każdego wykresu. W GEO nadal jest pewna niepewność, ale marki mają już narzędzia pozwalające wyraźnie zobaczyć, co daje im największą wartość.

Trendos niedawno wprowadziło integrację MCP, pozwalającą agentom AI bezpośrednio odpytywać dane o widoczności, konkurentach, cytowaniach i reklamach. Czy zarządzanie widocznością w AI ostatecznie przejdzie od marketerów analizujących panele do agentów stale identyfikujących luki i zalecających lub wykonujących zmiany w ich imieniu?

Myślę, że właśnie w tym kierunku zmierzamy, i już nad tym pracujemy. Nawet bez agentów Trendos dąży do wykonywania działań dla marek, zamiast jedynie pokazywać im panel. Niedawno znaleźliśmy niewielkiego producenta, którego witryna była całkowicie zablokowana dla botów AI z powodu podstawowego problemu technicznego, którego nikt w zespole nie wiedział, że powinien sprawdzić. Poinformowaliśmy markę o problemie, ale naszym celem jest móc naprawiać go za nią bez konieczności wcześniejszego interpretowania wykresu przez jej pracownika.

Agenci są naturalnym rozwinięciem tego podejścia. Jeśli system potrafi już odczytywać dane stojące za Trendos, wskazanie brakującego cytowania i podjęcie odpowiedniego działania nie powinno być wielkim krokiem. Nie sądzę, by panele całkowicie zniknęły. Bardziej techniczni użytkownicy nadal chcą surowych danych, zwłaszcza dokładnych dodatkowych zapytań i rzeczywistego tekstu odpowiedzi. Jednak dla większości marek — tych 90%, które nie chcą być analitykami danych — docelowym rozwiązaniem jest moim zdaniem agent dyskretnie zarządzający tym w tle i zwracający uwagę na sprawę tylko wtedy, gdy potrzebna jest decyzja człowieka.

Asystenci AI coraz częściej wychodzą poza odpowiadanie na pytania, rekomendując produkty, porównując dostawców, a docelowo dokonując transakcji za pośrednictwem agentów. Jak twoim zdaniem będzie ewoluować pojęcie „widoczności w wyszukiwaniu” i które wskaźniki ostatecznie będą dla marek najważniejsze?

Myślę, że „widoczność w wyszukiwaniu” stanie się częścią szerszego obrazu: tego, czy agent wybiera twoją markę, działając w czyimś imieniu. Wzmianka w odpowiedzi to jedno. Bycie marką, którą agent rzeczywiście wybierze, oceni korzystnie w porównaniu z innymi i z którą sfinalizuje transakcję, to znacznie wyższa poprzeczka. Początki tego zjawiska już widać w handlu prowadzonym przez agentów.

Gdy handel oparty na agentach się rozpowszechni, sama widoczność nie wystarczy. Wydźwięk opinii zyska ogromne znaczenie. Agent porównujący w twoim imieniu trzech dostawców będzie brał pod uwagę nie tylko to, kto jest wspominany, ale też kto jest opisywany jako godny zaufania, dobrze oceniany i oferujący korzystny stosunek jakości do ceny. Wskaźnik rekomendacji — czyli jak często wybierana jest twoja marka spośród rozważanych — będzie znacznie bardziej miarodajny niż sama liczba wzmianek.

Spodziewam się też wzrostu znaczenia struktury i czytelności maszynowej. Teraz chodzi o pisanie treści w stylu FAQ, które model może łatwo wyodrębnić. Gdy agenci będą dokonywać transakcji w twoim imieniu, istotne stanie się to, czy ceny, stany magazynowe i warunki są uporządkowane tak, by agent mógł je rzeczywiście odczytać i bezpośrednio na ich podstawie działać, a nie tylko je opisać.

Ważne zastrzeżenie: jesteśmy na wczesnym etapie. Wolę powiedzieć to wprost, niż udawać, że mamy już kompletną mapę tego zjawiska. Jestem natomiast pewna, że marki dostrzegające tę zmianę, zanim agenci zaczną realizować transakcje na dużą skalę, zyskają rzeczywistą przewagę na starcie, podobną do tej, jaką w Google zdobyły marki wcześnie inwestujące w SEO.

Dziękujemy za świetny wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Trendos.