Trendos CEO Gintare Rimolaityte 访谈：品牌如何优化在 LLM 中的可见度

Gintare Rimolaityte 是 Trendos 的 CEO 兼联合创始人。Trendos 是一个 AI 搜索可见度平台，帮助品牌了解并优化其在各类 LLM 中的呈现方式。她于 2020 年在 Oxylabs 获得早期经验，先是担任业务发展经理，随后担任商务负责人，期间为该公司的一个业务部门领导销售、业务发展、客户管理和客户成功团队。从 2022 年到 2025 年，她担任互动平台 JumpTask 的 CEO。在 2026 年联合创立 Trendos 之前，她曾在 Adment 短暂担任产品经理，专注于付费搜索和联盟计划的联盟欺诈防范。作为 Trendos 的 CEO，Gintare 管理多个团队并负责战略增长。她在维尔纽斯生活和工作。

Trendos 是一个 AI 搜索可见度平台，帮助品牌监测、衡量并优化其在各类 LLM 和 AI 搜索引擎中的呈现方式。借助 Trendos，品牌得以消除从 Google 搜索转向对话式 AI 所造成的主要盲区——这一转变使推荐过程对品牌而言几乎不可见。除了追踪整体可见度，Trendos 还让 AI 市场情报工具变得易用、直观且价格可负担，使品牌能够影响并优化其出现的时间和方式。其技术通过大规模抓取 LLM 会话，捕获 AI 环境中展示的真实回答和广告，然后进行分析，并以清晰的洞察形式交付结构化数据，既涉及品牌可见度，也涉及竞争对手活动。Trendos 于 2026 年 3 月在立陶宛维尔纽斯成立，并获得 Tesonet 的支持，后者是一家全球风险投资构建公司，旗下拥有 Nord Security、Surfshark 和 Hostinger 等公司。

你的职业经历涵盖在 Oxylabs 的商业领导工作、运营 JumpTask，以及在联合创立 Trendos 之前于 adment.ai 从事产品工作。你在消费者通过 AI 发现品牌的方式上看到了哪些变化，让你确信 Trendos 有其必要？你认为现有的 SEO 和 AI 可见度平台缺少了什么？

早在我定期与营销经理进行访谈时，我就一遍又一遍听到同样的话：AI 搜索即将到来，虽然市面上已经有一些工具，但没有人真正知道它们到底有多可靠。

我并不只是听信他们的话，因为我同时也在实时观察这一转变的发生。消费者正从在 Google 上滚动浏览链接，转向直接向 LLM 提问。后者对营销人员来说有点像黑箱。他们看不到自己是否被提及，更不用说他们的品牌相对于竞争对手是如何被描述或定位的。

我发现现有软件存在两个问题。第一，许多工具感觉像是 SEO 平台硬加了一个 AI 功能。第二，少数确实存在的专用工具只面向企业级定价。如果你不是一个有预算弄清自身 AI 可见度的大品牌，你就会被拒之门外，只能盲目飞行。这让我觉得不对劲。每个品牌都应该知道自己是怎样呈现的，而不只是那些每月能掏出五位数的品牌。通过 Trendos，我们致力于为任何规模的品牌提供一种准确且价格合理的方式，来理解和优化其 AI 可见度。

AI 生成的回答对营销人员来说可能像个黑箱。从 Trendos 正在收集的数据来看，似乎有哪些最重要的信号决定了品牌是否会被 ChatGPT、Gemini、Claude 和 Perplexity 等系统提及、引用或推荐？

就信号而言，关键在于在正确的地方以结构化的方式被足够多地提及。这与 SEO 不同——在 SEO 中，你需要一个 do-follow 链接才能传递权威性。而在 AI 搜索中，模型并不是在索引你的网站，而是在抓取它。链接变得多余。你只需要让你的品牌名称清晰且频繁地出现在这些模型已经抓取的页面上。

从我们的数据来看，有五大支柱为此提供支撑：你自己的网站、PR 和赢得媒体、Trustpilot 和 G2 等评测平台、联盟以及社交。每一支柱的重要程度因行业而异。服装和电商更依赖自有媒体，因为产品页面容易被模型提取。消费金融更依赖联盟比较网站。SaaS 和 B2B 品牌则大量被 G2 和 Capterra 等评测平台引用。没有放之四海而皆准的公式。你必须查看自己的引用情况，才能看出哪一支柱对你最重要。

结构也很重要。我们看到被引用最频繁的品牌会发布清晰、直接的内容，在前方就回答问题，通常采用 FAQ 形式。这便于模型提取。堆砌关键词的博客文章没有帮助。有效的方法是先回答问题，再补充细节。关于 AI 生成的内容，我们目前没有看到模型对其加以惩罚。被引用的是能很好回答问题的内容，无论作者是谁或是什么。

整个过程中也存在一些随机性。这些模型预测的是下一个词，而不是运行某个固定的排名算法。你可能做对了一切，却仍然会看到波动。在 Trendos，我们努力帮助品牌专注于他们能够控制的信号，不再追逐那些他们无法控制的信号。

与传统的 Google 排名不同，同一个问题被多次询问时，AI 的回答可能会发生变化。当底层模型具有概率性时，你如何可靠地衡量 AI 可见度？在品牌能够从数据中得出有意义的结论之前，需要进行多少采样？

这是当下行业内的热门话题。最近有一家公司在 LinkedIn 上主张，你需要每天抓取某个答案约 100 次并对结果取平均值，才能得到可靠的结果。一些较大的平台仍然认为每天一次就足够了。我认为双方都还没有用真实证据充分支撑自己的立场。

我们以实证的方式看待这个问题。我们有像 NordVPN 这样的客户，他们已经与我们合作监测了一段时间，我们可以在这段较长时期内看到他们可见度和排名的波动。它其实并没有那么大的起伏。更频繁地抓取或许能带来一点更高的精确度，但差距只是零点几个百分点，绝不是“隐形”与“排名第一”之间的差别。它可能把某个品牌从第 35 位挪到第 32 位，而这远比品牌真正可以采取行动的更大结构性事项次要得多。

我们的方法是长期持续监测，而不是追求极端的采样频率，并让品牌查看自己的趋势线，以判断其所在品类的稳定或波动程度。

围绕 SEO、答案引擎优化和生成式引擎优化存在相当多的争论。传统 SEO 中哪些原则在 AI 搜索中仍然重要？你认为营销人员在哪里犯了错——只是把现有的 SEO 打法直接套用到大型语言模型上？

许多 SEO 原则在 AI 搜索中仍然重要。以查询扇出为例，也就是 ChatGPT 在给出答案之前在后台运行的后续搜索。这些仍然源自真实的搜索行为，因此相关的排名仍然是一项 SEO 工作。你仍然在优化长尾关键词，只不过目标是模型所搜索的内容，而不是人们在 Google 中输入的内容。

许多营销人员错误地以为提及必须像反向链接那样起作用。在 SEO 中，你想要的是 do-follow 链接，因为权威性和域名评级正是通过这种方式传递的。在 AI 搜索中，模型并不是在索引你的网站。既然它们是在抓取你的网站，你根本不需要链接，只需要在模型已经信任的页面上有足够清晰的品牌提及。人们花大量时间追逐链接位置，而他们真正应该追逐的是提及本身。

另一个常见错误是沿用旧的 SEO 习惯。主要为命中关键词而写、把真正的答案埋在页面中段的内容，往往会被 AI 模型忽略。先清晰直接地回答问题，然后再补充细节。

我还想说，认定 SEO 已死并从零开始也是一种错误。SEO 并没有死！GEO 是 SEO 的延伸，再加上社交和联盟共同发挥作用。那些已经把 SEO 做得很好的品牌并没有白费功夫，但他们也不应假设旧规则可以一一照搬。

Trendos 追踪 AI 系统在回答品牌相关问题时引用的来源。关于 AI 引擎似乎最信任哪些类型的来源，你了解到了什么？在不试图钻系统空子的前提下，一家公司现实上能对这些引用施加多大影响？

信任并不是单一的层级结构。它取决于行业。在服装领域被引用最多的（自有媒体）并不是消费金融领域被引用最多的（联盟内容和应用）。没有任何一种来源类型能在所有地方胜出。你必须查看自己所在品类的引用情况，才能看出什么在被信任。

结构的重要性不亚于来源类型。权威的编辑类网站仍然有分量，但这并不是靠像域名评级那样的单一权威分数。我们看到的是，一致性更重要：一个品牌在一系列可信来源中被提及的频率有多高。而且，来自较小网站的一个清晰、结构良好的页面，可能胜过较大出版物的一篇长文，原因很简单：模型更容易提取和使用它。

至于在不钻空子的情况下施加影响，我会把这与 SEO 思维彻底区分开。你不是在试图操纵链接图。你是在努力在五大支柱上赢得真实的提及：你自己的网站、公关投放、Trustpilot 和 G2 等评测平台、联盟关系以及社交存在。然后把一切组织好，让模型容易阅读。这与良好的品牌建设并没有太大不同。最显眼的品牌较少关注钻系统空子，更多关注在模型已经信任的地方可验证地存在。

Trendos 推出了一个指数，追踪在不同市场中 AI 可见度最高的 1,000 个品牌。从这个数据集中浮现出了哪些模式或意外发现？那些始终出现在 AI 生成推荐中的品牌，与那些基本不可见的竞争对手之间，区别是什么？

第一个意外发现是各引擎的行为差异有多大。在同一个市场，ChatGPT 和 Google AI Overviews 在该国前 100 个品牌的推荐中只有约三分之二重合。AI Overviews 严重偏向日常零售。Trader Joe’s 在美国那里排名第 35，但在 ChatGPT 上排名第 567。ChatGPT 偏向 B2B 和企业品牌，如 Gartner、ServiceNow 和 Databricks，而 AI Overviews 基本忽略这些。

第二个是它有多本地化。我们指数中 70% 的品牌只出现在一个国家，而在德国，前 100 名中近三分之一是你在英国或美国榜单上根本找不到的品牌。

始终可见的品牌，其区别在于广度。一个典型的前 10 品牌出现在 90 多个产品类别中；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频繁，而且与多得多的问题相关。而且榜单变化很快：最顶尖的部分逐月几乎不变，但每个榜单中约有 13% 的品牌会在一个月内掉出。可见度不是你赢一次就一劳永逸的东西；你必须持续赢得它。

Trendos 的 Ad Radar 追踪出现在 ChatGPT 对话旁边的赞助投放。从早期数据中，你看到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 AI 模型对品牌的自然提及或推荐？

ChatGPT 广告严重偏向零售和 B2C，约占我们所追踪内容的 50% 到 70%。其余是 B2B，主要是公司和代理机构为自家服务投放广告。这很合理，因为 ChatGPT 的用户群以消费者为主，但也有真实的 B2B 存在。

对 OpenAI 的广告平台来说，现在仍处于早期阶段。它不断添加新格式和新功能，而且推广并不均衡：我上次查看时，广告在几个欧洲市场尚未上线或无法计费，即便 OpenAI 已宣布在那里扩张。因此，对变化最快行业的任何解读，更像是谁愿意尝试新事物的快照，而不是六个月后谁仍会投放广告的图景。

这也正是广告主面临的空白之处。OpenAI 不会向你展示你的广告出现在哪些提示词上，也不会展示你的竞争对手在做什么。借助 Trendos 的 Ad Radar，品牌可以确切看到哪些提示词触发了自己的广告，并看到同类别中的其他广告主：他们投放了多少广告、落在哪里，以及使用了哪些标题和描述。

目前，付费提及和自然提及很容易区分。ChatGPT 会清楚标注赞助投放，并将其展示在回答底部，因此没有任何内容被混入回答本身。自然推荐是模型选择你作为答案；付费投放则是你在答案下方租用一个位置。

我的真实预期是，随着时间推移，这会变得更难。广告越像答案的真实组成部分，表现往往越好。这在 Google 和 Meta 上一直如此，ChatGPT 很可能也会朝同一方向发展。这正是品牌需要并排追踪付费和自然可见度的原因。

生成式引擎优化的一大挑战是区分相关性与因果关系。当品牌提升其 AI 可见度时，营销团队如何确定究竟是哪项行动真正带来了提升——是数字公关、第三方报道、更强的一手内容、评论、技术改动，还是其他什么？

归因是 GEO 中最难的问题之一，目前还没有人能画出从每项行动到每项结果的完美连线。但品牌远不是在猜测。借助 Trendos，你可以确切看到 AI 引擎在提及你和竞争对手时引用了哪些来源，这能告诉你很多关于什么在起作用的信息。

最可靠的方法是将具体行动与具体来源联系起来。如果你在一个已被你所在类别引用的网站上获得报道，你可以观察该来源是否开始出现在相关提示词的答案中，以及你的品牌是否随之出现。评论、联盟投放或你自己网站上的新内容也是如此。你不是在等待总体分数变化并纳闷原因；你是在看到模型实际使用了哪些来源。

付费则更清晰。对于 ChatGPT 广告，你可以像对待任何其他付费渠道一样追踪直接影响，使用 UTM 来衡量流量和转化。

仍然值得观察数周的趋势，而不是对单日变化做出反应，因为 AI 答案自然会有所波动。我们还在构建 Key Insights，它会自动呈现这些关联，这样团队就不必自己翻遍每一张图表。GEO 中仍有一些不确定性，但品牌现在已有工具清楚看到什么为他们带来了最大价值。

Trendos 最近推出了一项 MCP 集成，允许 AI 智能体直接查询可见度、竞争对手、引用和广告数据。你认为 AI 可见度管理最终会从营销人员研究仪表盘，转向由智能体持续识别差距并代表他们推荐或执行变更吗？

我确实认为这就是发展方向，而且我们已经在朝这个方向构建。即使不考虑智能体，Trendos 也正朝着为品牌做事的方向发展，而不仅仅是向他们展示仪表盘。我们最近发现一家小型生产商，其网站因一个基础技术问题而完全被 AI 机器人屏蔽，而他们团队中没有人知道要检查这个问题。我们把这个问告知了该品牌，但我们的目标是能够替他们修复它，而不需要他们那边先有人去解读图表。

智能体是这一方向的自然延伸。如果一个系统已经能够读取 Trendos 背后的数据，那么它接着标记缺失的引用并采取相应行动，应该不会是一个巨大的飞跃。我认为仪表盘不会完全消失。我们更技术型的用户仍然想要原始数据，尤其是确切的查询扇出和实际的答案文本。但对于大多数品牌——那 90% 不想成为数据分析师的品牌——我确实认为终点是一个智能体在后台默默管理这一切，只在需要人类决策时才呈现出来。

随着 AI 助手日益从回答问题转向推荐产品、比较供应商，并最终通过智能体完成交易，你预计“搜索可见度”这一概念将如何演变，你认为品牌最终最关心的指标会是哪些？

我认为“搜索可见度”作为一个概念，将成为更大图景的一部分，即当智能体代表某人行事时，它是否会选择你的品牌。在答案中被提及是一回事。成为智能体实际选择、给予有利比较并与之完成交易的品牌，则是另一个高得多的门槛。我们已经通过智能体商务看到了这一点的开端。

一旦智能体商务起飞，仅有可见度是不够的。情感的重要性将飙升。一个代表你比较三家供应商的智能体，不仅会权衡谁被提及，还会权衡谁被描述为值得信赖、评价良好、性价比高。推荐率——即在被考虑的品牌中你被选中的频率——将是一个比原始提及次数有意义得多的数字。

我预计会变得更重要的另一点是结构和机器可读性。现在重点是编写 FAQ 风格的内容，以便模型可以轻松提取。一旦智能体代表你进行交易，重点将变成你的定价、库存、条款是否以智能体能够实际读取并直接采取行动（而不仅仅是描述）的方式结构化。

一个重要提醒：现在还为时过早。我宁愿直说这一点，也不愿假装我们已经完全摸清了。我确信的是，在智能体大规模进行交易之前就关注这一转变的品牌，将拥有真正的先发优势，这与早期 SEO 品牌在 Google 上的情况非常相似。

感谢这次精彩的采访，希望了解更多信息的读者应访问 Trendos。

Antoine Tardif，Unite.AI 首席执行官兼创始人

Antoine是一位富有远见的领导者，也是Unite.AI的创始合伙人，他怀着坚定不移的热情，致力于塑造和推动AI与机器人技术的未来。作为一名连续创业者，他相信AI对社会的颠覆性将不亚于电力，人们常常看到他热情洋溢地谈论颠覆性技术和AGI的潜力。

作为一名未来学家，他致力于探索这些创新将如何塑造我们的世界。此外，他还是Securities.io的创始人，这是一个专注于投资前沿技术的平台，这些技术正在重新定义未来并重塑整个行业。

了解更多

mvp-article-cont