Gintare Rimolaityte，Trendos 首席执行官兼联合创始人——访谈系列

Gintare Rimolaityte 是 Trendos 的首席执行官兼联合创始人。这家人工智能搜索可见度平台帮助品牌了解并优化自己在大语言模型（LLM）中的呈现方式。她于 2020 年在 Oxylabs 积累了早期经验，先担任业务拓展经理，后任商务负责人，领导其中一个业务部门的销售、业务拓展、客户管理和客户成功团队。2022 年至 2025 年，她担任用户互动平台 JumpTask 的首席执行官。在 2026 年联合创立 Trendos 之前，她曾短暂担任 Adment 的产品经理，专注于付费搜索和联盟营销计划中的联盟欺诈防范。作为 Trendos 的首席执行官，Gintare 管理多个团队，并负责公司的战略增长。她在维尔纽斯生活和工作。

Trendos 是一个人工智能搜索可见度平台，帮助品牌监测、衡量并优化自己在大语言模型和人工智能搜索引擎中的呈现方式。从 Google 搜索转向对话式人工智能后，推荐过程对品牌而言几乎变得不可见；Trendos 帮助品牌消除这一重大盲区。除了追踪整体可见度，Trendos 还让人工智能市场情报工具变得易于获取、直观且价格合理，使品牌能够影响并优化自己何时出现、如何出现。其技术通过大规模抓取大语言模型会话，收集人工智能环境中实际展示的回答和广告，再分析结构化数据，将其转化为关于品牌可见度及竞争对手活动的清晰洞察。Trendos 于 2026 年 3 月在立陶宛维尔纽斯成立，获得了全球创业孵化机构 Tesonet 的支持；Tesonet 也是 Nord Security、Surfshark 和 Hostinger 等公司背后的支持者。

在联合创立 Trendos 之前，您曾在 Oxylabs 担任商务领导职务、管理 JumpTask，并在 adment.ai 从事产品工作。消费者通过人工智能发现品牌的方式出现了哪些变化，让您确信市场需要 Trendos？您认为现有的 SEO 和人工智能可见度平台缺少什么？

当时我经常采访营销经理，反复听到同样的说法：人工智能搜索正在到来，虽然市面上已经有一些工具，但没人真正知道它们到底有多可靠。

我并不只是听他们这样说，因为我也在实时观察这一变化。消费者不再逐个浏览 Google 上的链接，而是直接向大语言模型提问。对营销人员来说，后者有点像黑箱。他们甚至不知道自己是否被提及，更不用说品牌被如何描述，或相对于竞争对手处于什么位置。

我发现现有软件有两个问题。第一，很多工具像是在 SEO 平台上临时加装了一项人工智能功能。第二，少数真正为此设计的工具，其定价只面向大型企业。如果你不是拥有充足预算、能够研究自身人工智能可见度的大品牌，就会被排除在外，只能盲目摸索。我觉得这不合理。每个品牌都应该知道自己如何被呈现，而不只是那些每月能支付五位数费用的品牌。我们希望通过 Trendos，为各种规模的品牌提供准确、价格公平的方式，帮助它们理解并优化人工智能可见度。

人工智能生成的回答对营销人员而言可能像一个黑箱。根据 Trendos 收集的数据，哪些关键信号似乎决定了一个品牌是否会被 ChatGPT、Gemini、Claude 和 Perplexity 等系统提及、引用或推荐？

从信号来看，关键是在正确的地方，以结构化的方式获得足够多的提及。这不同于 SEO：SEO 需要 dofollow 链接来传递权威性。在人工智能搜索中，模型不是在为你的网站建立索引，而是在抓取其内容。链接本身变得多余。你只需要让品牌名称清晰、频繁地出现在这些模型已经会读取的页面上。

我们的数据表明，这涉及五大支柱：自有网站、公关和自然媒体报道、Trustpilot 和 G2 等评价平台、联盟营销伙伴，以及社交媒体。每个支柱的重要程度因行业而异。服装和电子商务更依赖自有媒体，因为模型很容易从产品页面提取信息。面向消费者的金融服务更依赖联盟比较网站。SaaS 和 B2B 品牌则大量通过 G2、Capterra 等评价平台被引用。没有通用公式。你必须查看自己的引用来源，才能知道哪个支柱最重要。

结构同样重要。我们看到，那些最常被引用的品牌会发布清晰、直接的内容，一开始就回答问题，而且往往采用常见问题解答的形式。这便于模型提取信息。堆砌关键词的博客文章没有帮助。有效的做法是先回答问题，再补充细节。对于人工智能生成的内容，我们目前没有看到模型会因此降低其待遇。能被引用的是那些很好地回答问题的内容，无论是谁或什么工具写的。

整个过程也有一定随机性。这些模型是在预测下一个词，而不是运行某个固定的排名算法。即使你做对了所有事情，仍可能看到波动。在 Trendos，我们努力帮助品牌专注于自己能够控制的信号，而不再追逐无法控制的信号。

与传统的 Google 排名不同，同一个问题问多次，人工智能的回答可能发生变化。当底层模型具有概率性时，如何可靠地衡量人工智能可见度？品牌需要进行多大规模的采样，才能从数据中得出有意义的结论？

这是行业当前热议的话题。最近有家公司在 LinkedIn 上提出，每天需要抓取同一个回答约 100 次，再对结果求平均，才能得到可靠的数据。一些较大的平台仍认为每天一次就够了。我觉得双方都还没有用真正的证据充分支持自己的观点。

我们采取实证方法。像 NordVPN 这样的客户已经使用我们的监测服务一段时间，因此我们能够观察较长时期内它们的可见度和排名波动。实际上，变化没有那么大。更频繁的抓取可能带来一点精度提升，但差异只是一个百分点的一小部分，绝不是从完全不可见变成第一名的区别。它可能让某个品牌从第 35 名变成第 32 名，而这远不如品牌能够实际改善的重大结构性因素重要。

我们的做法是长期持续监测，而不是追求极端的采样频率，让品牌通过自身的趋势线判断所在类别有多稳定或多容易波动。

关于 SEO、答案引擎优化和生成式引擎优化，目前有很多讨论。传统 SEO 的哪些原则在人工智能搜索中仍然重要？营销人员如果直接将现有 SEO 方法套用到大语言模型上，您认为容易在哪些方面犯错？

一些 SEO 原则在人工智能搜索中仍然适用。例如查询扩展，也就是 ChatGPT 在给出回答之前于后台执行的后续搜索。这些搜索仍来自真实的搜索行为，因此相关排名仍然属于 SEO 工作。你依旧在优化长尾关键词，只是目标变成模型搜索的内容，而不是人们在 Google 中输入的内容。

很多营销人员误以为，一次品牌提及必须像反向链接那样发挥作用。在 SEO 中，你需要 dofollow 链接，因为权威性和域名评级通过它传递。在人工智能搜索中，模型并不为你的网站建立索引。它们抓取内容，因此根本不需要链接，只需要品牌在模型已经信任的页面上得到足够清晰的提及。很多人花大量时间争取链接位置，而他们真正应该争取的是品牌提及本身。

另一个常见错误是延续旧的 SEO 习惯。主要为覆盖关键词而写、把真正答案埋在页面中部的内容，往往会被人工智能模型忽略。应先清晰、直接地回答问题，然后再补充细节。

我认为，断言 SEO 已死并从头开始同样是错误的。SEO 没有死！GEO 是 SEO 的延伸，再加上社交媒体和联盟伙伴的协同作用。那些已经擅长 SEO 的品牌并没有白费此前的努力，但也不应认为旧规则可以原封不动地套用。

Trendos 会追踪人工智能系统在回答品牌相关问题时引用的来源。对于人工智能引擎似乎最信任的来源类型，您有哪些发现？在不试图操纵系统的前提下，企业实际上能对这些引用产生多大影响？

信任并不遵循一个统一的等级体系，而是取决于行业。服装领域最常被引用的是自有媒体，而消费者金融领域最常被引用的是联盟内容和应用程序。没有哪一种来源能在所有领域胜出。必须查看自己类别中的引用，才能知道哪些来源获得了信任。

结构与来源类型同样重要。权威的编辑出版网站仍有分量，但这不是由域名评级之类的单一权威性分数决定的。我们观察到，一致性更重要：品牌在多种可信来源中被提及的频率有多高。较小网站上一页清晰、结构良好的内容，可能胜过大型出版机构的一篇长文，仅仅因为模型更容易提取和使用前者。

至于如何施加影响而不操纵系统，我会把它与 SEO 思维完全分开。你不是要操纵链接网络，而是要在上述五大支柱中赢得真实提及：自有网站、公关报道、Trustpilot 和 G2 等评价平台、联盟合作关系，以及社交媒体上的存在感。然后，把所有内容组织成模型易于读取的形式。这与良好的品牌建设并没有太大区别。最具可见度的品牌较少关注钻系统空子，而是更注重在模型已经信任的地方留下可核实的存在。

Trendos 推出了一个追踪 1,000 个品牌的指数，涵盖不同市场中人工智能可见度最高的品牌。这些数据揭示了哪些模式或意外发现？持续出现在人工智能推荐中的品牌，与仍然基本不可见的竞争对手之间有何差别？

第一个意外是，各个引擎的表现差异很大。在同一市场，ChatGPT 和 Google AI Overviews 推荐的该国前 100 个品牌中，只有约三分之二是共同的。AI Overviews 明显偏向日常零售。Trader Joe’s 在美国的 AI Overviews 中排名第 35，但在 ChatGPT 中排名第 567。ChatGPT 更偏向 Gartner、ServiceNow 和 Databricks 等 B2B 与企业服务品牌，而 AI Overviews 基本忽略了这些品牌。

第二个发现是其强烈的本地性。我们指数中有 70% 的品牌只出现在一个国家；在德国，前 100 名中将近三分之一的品牌完全不在英国或美国的榜单中。

持续可见的品牌胜在覆盖面广。一个典型的前十名品牌会出现在超过 90 个产品类别中，而排名后半段的品牌大约只出现在五个类别中。它们不仅被提及得更多，而且与更多问题相关。榜单变化也很快：最顶端的排名每个月几乎不变，但一个月内每份榜单大约有 13% 的品牌退出。可见度不是赢得一次就永远拥有的东西，你必须不断争取。

Trendos 的 Ad Radar 会追踪 ChatGPT 对话旁出现的赞助广告位。初期数据表明，哪些行业和广告主行动最快？营销人员应如何区分付费可见度与底层人工智能模型自然提及或推荐的品牌？

ChatGPT 广告明显集中在零售和 B2C，约占我们追踪内容的 50% 至 70%。其余为 B2B，主要是宣传自身服务的公司和机构。这很合理，因为 ChatGPT 的用户主要是消费者，但也确实存在 B2B 用户。

OpenAI 的广告平台仍处于早期阶段，不断增加新格式和功能，推出进度也不均衡：我上次查看时，在几个欧洲市场，广告尚未上线或无法计费，即使 OpenAI 已经宣布扩展至这些市场。因此，对哪些行业行动最快的判断，更像是反映谁愿意尝试新事物的快照，而不是说明谁在六个月后仍会投放广告。

广告主的信息缺口也在这里。OpenAI 不会告诉你广告出现在哪些提示词下，也不会展示竞争对手在做什么。通过 Trendos 的 Ad Radar，品牌可以准确看到哪些提示词触发自己的广告，还能观察同类别的其他广告主：他们投放多少条广告，广告通向哪里，以及使用哪些标题和描述。

目前，付费提及与自然提及很容易区分。ChatGPT 会明确标注赞助广告位，并将它们放在回答底部，因此不会混入回答本身。自然推荐意味着模型选择你作为答案；付费广告位则意味着你租下了答案下方的位置。

坦率地说，我预计这种区分会随时间推移变得更难。广告越像回答中自然的一部分，通常效果就越好。Google 和 Meta 已经出现过这种情况，ChatGPT 很可能也会朝同一方向发展。这正是品牌需要同时追踪付费和自然可见度的原因。

生成式引擎优化的一项挑战是区分相关性与因果关系。当品牌的人工智能可见度提高时，营销团队如何确定究竟是哪项行动促成了改善：数字公关、第三方报道、更优质的自有内容、评价、技术调整，还是其他因素？

归因是 GEO 中最难的问题之一，目前还没有人能将每项行动与每个结果完美对应。但品牌远不是只能靠猜测。使用 Trendos，你可以准确看到人工智能引擎提及自己和竞争对手时引用了哪些来源，这能充分说明哪些做法正在奏效。

最可靠的方法是把具体行动与具体来源联系起来。如果你在本类别已经被引用的网站上获得报道，就可以观察该来源是否开始出现在相关提示词的回答中，以及你的品牌是否随之出现。评价、联盟推广位置或自有网站上的新内容也一样。你不必等整体分数变化后再猜测原因，而是能看到模型实际使用了哪些来源。

付费渠道更清楚。对于 ChatGPT 广告，你可以像其他付费渠道一样，使用 UTM 参数衡量流量和转化，追踪直接影响。

不过，仍值得观察数周趋势，而不是对单日变化作出反应，因为人工智能回答本来就会变化。我们还在开发 Key Insights，自动呈现这些关联，让团队不必自己逐一研究每张图表。GEO 仍有一定不确定性，但品牌现在已经拥有工具，可以清楚地看出什么为它们带来了最大价值。

Trendos 最近推出了 MCP 集成，让人工智能智能体能够直接查询可见度、竞争对手、引用和广告数据。您是否认为，人工智能可见度管理最终会从营销人员研究仪表盘，转向由智能体持续发现缺口，并代为建议或执行调整？

我认为这正是发展方向，我们也已经在为此建设。即使暂不考虑智能体，Trendos 也在从只向品牌展示仪表盘，转向为品牌执行实际工作。最近，我们发现一家小型生产商的网站因为一个基础技术问题完全屏蔽了人工智能机器人，而他们团队中没人知道需要检查这一点。我们告知了该品牌，但我们的目标是能够直接替他们解决问题，不必让对方先找人解读图表。

智能体是这一方向的自然延伸。如果一个系统已经能读取 Trendos 背后的数据，那么进一步标记缺失的引用并采取相应行动，应该不算太大的跨越。我认为仪表盘不会完全消失。技术能力更强的用户仍然需要原始数据，尤其是确切的扩展查询和实际回答文本。但对于大多数品牌，也就是不想成为数据分析师的那 90%，我认为最终形态将是一个在后台安静管理这些工作的智能体，只有需要人类决策时才提醒他们。

随着人工智能助手逐渐超越回答问题，开始推荐产品、比较供应商，并最终通过智能体完成交易，您预计“搜索可见度”的概念将如何演变？哪些指标最终会成为品牌最关心的内容？

我认为，“搜索可见度”会成为更大图景中的一部分：当智能体代表某个人行动时，它是否选择你的品牌。在回答中被提及是一回事；成为智能体实际选择、比较后给予正面评价并完成交易的品牌，则是完全不同、门槛高得多的另一回事。智能体商务已经让我们看到了这种变化的开端。

一旦智能体商务发展起来，仅有可见度就不够了。品牌评价的情感倾向会变得极其重要。代表你比较三家供应商的智能体，不仅会考虑谁被提及，还会考虑谁被描述为值得信赖、评价良好、物有所值。推荐率，也就是在被考虑的品牌中你被选中的频率，会比单纯的提及次数有意义得多。

我预计另一个会更加重要的因素是结构和机器可读性。现在的重点是编写常见问题解答式内容，便于模型提取信息。当智能体开始代表你进行交易时，关键将是你的定价、库存和条款是否以一种智能体能够读取并直接据此行动的形式组织，而不只是让它描述这些信息。

需要强调一个重要前提：现在还很早。我宁愿坦率承认这一点，也不愿假装我们已经完全弄清了全貌。但我确信，在智能体开始大规模交易之前就关注这一变化的品牌，将获得真正的先发优势，就像早期在 Google 上开展 SEO 的品牌一样。

感谢这次精彩的访谈。希望了解更多信息的读者可以访问 Trendos。