Kesäkuussa 2026 teimme lähtötasomittauksen yhdelle matkailu- ja majoitusalan asiakkaallemme. Kolmelle suurelle kielimallille esitettiin kuusi kysymystä yrityksestä nimeltä, ja jokaisesta vastauksesta tallennettiin koko lähdeluettelo. Asiakkaalla ei tuolloin ollut Trustmaryn AI-optimoitua profiilisivua, joten oletuksena oli, ettei Trustmary esiintyisi lähteissä lainkaan.

Oletus osoittautui vääräksi. Mallit viittasivat Trustmaryyn useassa vastauksessa, mutta osoitteet palauttivat virhekoodin 404. Sivuja ei ollut olemassa. Kielimallit olivat päätelleet, että tämänkaltaisesta yrityksestä pitäisi löytyä koottu arvostelusivu, ja muodostaneet osoitteen sen mukaisesti. Tämän ilmiön olemme tunnistaneet jo aiemmin ja kirjoittaneet siitä, miksi tekoäly pyrkii löytämään nimenomaan muita lähteitä kuin ainoastaan yrityksen omat nettisivut.

Profiilisivu julkaistiin 25. kesäkuuta, kaksi viikkoa lähtötasomittauksen jälkeen. Seurasimme kehitystä kuuden viikon ajan elokuun alkuun asti. Aineistoa kertyi yli 340 brändivastausta ja useita tuhansia yksittäisiä lähdeviittauksia. Tässä artikkelissa käydään läpi neljä havaintoa, jotka aineistosta nousivat. Luvut ovat yhdestä asiakkuudesta eivätkä sellaisenaan yleistettävissä, mutta havaitut ilmiöt ovat tunnistettavissa laajemminkin.

Brändihakujen merkitys on kaupallisesti erilainen kuin vertailuhakujen. Vertailuhaussa käyttäjä kartoittaa vaihtoehtoja eikä ole vielä sitoutunut mihinkään. Brändihaussa yritys on jo valintajoukossa, ja käyttäjä varmistaa viimeisen asian ennen yhteydenottoa tai ostoa. Tekoälyn vastaus on tällöin lähellä ostopäätöstä, ja sen sävyllä on suora vaikutus siihen, eteneekö asiakas vai palaako hän vaihtoehtojen pariin. Juuri tästä syystä brändihakujen lähteet ansaitsevat oman tarkastelunsa.

Mittausasetelma

Mittaus perustuu brändihakuihin eli kysymyksiin, joissa käyttäjä on itse nimennyt yrityksen. Tyypillisiä muotoiluja ovat "millainen yritys X on", "mitä mieltä asiakkaat ovat X:stä" ja "onko X luotettava". Brändihaku eroaa vertailuhausta olennaisesti: vertailuhaussa ratkaistaan, mainitaanko yritys lainkaan, kun taas brändihaussa ratkaistaan, millaisen kuvan tekoäly yrityksestä antaa.

Kuusi brändikysymystä ajettiin kolmella kielimallilla toistuvasti kahden kuukauden ajan. Lähteeksi laskettiin ainoastaan osoite, jonka malli itse ilmoittaa vastauksensa pohjaksi. Tekstissä mainittuja mutta lähdeluettelosta puuttuvia yrityksiä ei laskettu mukaan. Jokainen Trustmary-osoite tarkistettiin lisäksi käsin, sillä muutoin ensimmäinen havainto olisi jäänyt kokonaan huomaamatta.

Vertailuasetelma muodostuu lähtötasosta ennen profiilisivun julkaisua ja vakiintuneesta tasosta sen jälkeen. Aikaviitteet lasketaan julkaisupäivästä, ei lähtötasomittauksesta.

Kenen ääni brändihaussa kuuluu

Ennen muutokseen siirtymistä on syytä tarkastella lähtötilannetta kokonaisuutena. Kun kaikki brändivastauksissa siteeratut lähteet ryhmiteltiin, jakauma muodostui seuraavaksi:

  • Alue- ja toimialaorganisaatiot, noin viidennes kaikista lähteistä.
  • Konsernin muut verkkosivut, vajaa viidennes.
  • Arvostelu- ja varausalustat, noin kuudennes.
  • Yrityksen omat sivut, noin seitsemäsosa.
  • Loput jakautuvat sosiaaliseen mediaan, mediajulkaisuihin, blogeihin ja yritystietopalveluihin.

Yrityksen omat sivut muodostavat siis vain noin seitsemäsosan lähteistä. Loput sisällöstä on jonkun muun kirjoittamaa. Lähdepohja on myös hajanainen: tekoäly kokoaa kuvan yrityksestä keskimäärin lähes kolmesta eri kolmannen osapuolen lähteestä vastausta kohti, ei yhdestä auktoriteetista.

Jakauma kertoo myös siitä, kuinka vähän lähteistä on yrityksen omassa hallinnassa. Alueorganisaatioiden sivut, toimialaportaalit ja kolmansien osapuolten listaukset muodostavat yhdessä selvästi suuremman osuuden kuin yrityksen oma viestintä, eikä niiden sisältöön yleensä pääse suoraan vaikuttamaan. Erikseen huomionarvoista on, että konsernin muut verkkosivut muodostivat lähteistä vajaan viidenneksen eli enemmän kuin yrityksen omat sivut. Kyse on sisällöstä, joka on organisaation hallinnassa mutta ei kuvaa juuri kysyttyä toimipaikkaa. Monibrändisessä konsernissa tämä on oma huolehdittavansa: tekoäly ei erottele brändejä yhtä tarkasti kuin yritys itse.

Havainnolla on suora seuraus sille, miten yksittäisen sisällön vaikutusta tulisi arvioida. Yksikään toimija ei omista brändihaun vastausta. Kysymys on siitä, montako paikkaa lähdejoukossa yritys kykenee täyttämään hallitulla ja ajantasaisella tiedolla.

Havainto 1: tekoäly etsi lähdettä, jota ei ollut olemassa

Lähtötasomittauksessa noin viidesosa brändivastauksista sisälsi Trustmary-osoitteen, joka ei johtanut mihinkään. Mallit kokeilivat useaa eri muotoa: erilaisia kielipolkuja, vaihtelevia termejä arvostelusivun kohdalla ja yrityksen nimeä useassa kirjoitusasussa. Yksikään osoite ei osunut oikeaan, koska sivua ei ollut vielä julkaistu.

Ilmiötä kutsutaan yleensä hallusinaatioksi, ja teknisesti kyse on juuri siitä. Markkinoinnin näkökulmasta kyse on kuitenkin myös kysyntäsignaalista. Kielimalli ei muodosta osoitteita satunnaisesti, vaan täydentää koulutusdatastaan oppimaansa kuviota. Kun malli olettaa yrityksestä löytyvän kootun arvostelusivun, se kertoo, että tämänkaltainen lähde kuuluu sen käsitykseen olemassa olevasta ja arvioidusta yrityksestä.

Sisällölle oli siis kysyntää ennen kuin sitä oli tarjolla. Lähteiden joukossa oli valmis aukko, jonka malli pyrki täyttämään päättelemällä.

Seurauksilla on myös käytännön merkitys. Mallin antamaa linkkiä klikkaava käyttäjä päätyy virhesivulle, mikä on yrityksen kannalta heikompi lopputulos kuin linkin puuttuminen kokonaan. Yritys ei myöskään havaitse tilannetta omista analytiikoistaan, koska virhesivulle päätyvä liikenne ei kirjaudu sen omiin järjestelmiin. Ilmiön havaitseminen edellyttää mallien antamien lähteiden systemaattista läpikäyntiä.

Huomionarvoista on myös se, kenen osoitetta malli päätyi arvaamaan. Kyseessä ei ollut satunnainen arvostelusivusto vaan sellainen, jonka malli yhdistää suomalaisiin yrityksiin ja asiakaspalautteeseen. Tunnettuus koulutusdatassa ratkaisee sen, kenen puoleen malli kääntyy myös silloin, kun varmaa tietoa ei ole.

Havainto 2: kuukausi julkaisusta riitti

Profiilisivu julkaistiin 25. kesäkuuta. Ensimmäinen siteeraus mitattiin seuraavana aamuna, alle vuorokausi julkaisun jälkeen. Yksittäisiä osumia tuli tämän jälkeen epäsäännöllisesti parin viikon ajan, minkä jälkeen käyrä lähti nousuun ja vakiintui korkealle tasolle.

Profiilisivun osuus lähteenä brändivastauksissa, laskettuna julkaisupäivästä:

  • Ennen julkaisua: 0 %.
  • Kolme viikkoa julkaisusta: 20 %.
  • Neljä viikkoa julkaisusta: 35 %.
  • Viisi viikkoa julkaisusta: 41 %.
  • Kuusi viikkoa julkaisusta: 47 %.

Kuukausi julkaisusta profiilisivu oli siis lähteenä jo runsaassa kolmanneksessa brändivastauksista, ja kuudessa viikossa lähes puolessa. Kielimallien lähteet päivittyvät hakuindeksien ja välimuistien kautta, joten välitöntä vaikutusta ei ollut odotettavissa. Neljän viikon aikajänne on tähän nähden nopea.

Nousu ei kuitenkaan ollut tasainen vaan portaittainen. Ensimmäisiä osumia seurasi hiljainen jakso, jonka jälkeen taso nousi ja pysyi ylhäällä. Yksittäinen mittaus voi osua kumpaan tahansa vaiheeseen ja antaa harhaanjohtavan kuvan, minkä vuoksi toistuva mittaus on käytännössä välttämätön.

Mallien välillä oli myös ajallisia eroja. Ensimmäisen siteerauksen tuotti reaaliaikaiseen verkkohakuun nojaava malli, joka löysi sivun käytännössä heti sen julkaisun jälkeen. Hakuindeksiin tukeutuvat mallit seurasivat perässä vasta viikkojen viiveellä. Ero selittää portaittaisen nousun: kyse ei ollut yhdestä käännekohdasta vaan siitä, että mallit löysivät sivun eri aikaan.

Sivun osuus vaihteli myös kysymystyypeittäin. Kysymyksessä asiakkaiden mielipiteistä osuus oli 67 prosenttia ja luotettavuutta koskevassa kysymyksessä 27 prosenttia, kun taas palveluvalikoimaa koskevissa kysymyksissä osuus jäi selvästi matalammaksi. Jälkimmäisiin vastataan yrityksen omilta sivuilta. Havainto vastaa laajempaa kuvaa: brändihaku on luottamuskysymys, ja tekoäly hakee luottamuksen vahvistuksen muualta kuin yrityksen omasta viestinnästä.

Havainto 3: kaksi mittaustapaa antavat eri tuloksen

Lähdeosuuksia voidaan laskea kahdella tavalla, jotka mittaavat eri asioita. Molempia tarvitaan kokonaiskuvan muodostamiseen.

Kattavuus kertoo, kuinka monessa vastauksessa lähde ylipäätään esiintyy. Kun kaikki vastauksissa esiintyneet arvostelu- ja varausalustat laskettiin yhteen ja summa normalisoitiin sataan prosenttiin, profiilisivun osuus nousi nollasta 12,7 prosenttiin. Se oli viidenneksi yleisin alusta.

Intensiteetti kertoo, kuinka monta kertaa lähteeseen viitataan, kun kaikki yksittäiset lähdeviittaukset lasketaan. Tällä mittarilla osuus nousi nollasta 20,5 prosenttiin, mikä teki profiilisivusta toiseksi käytetyimmän arvostelulähteen koko aineistossa.

Lukujen välinen ero on itsessään tulos. Löydettyään profiilisivun malli palaa siihen keskimäärin 4,2 kertaa saman vastauksen sisällä. Suurella kansainvälisellä varausalustalla vastaava luku oli 2,3. Sivu tarjoaa siis enemmän poimittavaa: tähtiarvosanan ohella tyytyväisyyden jakauman, palautteen määrän, tuoreuden ja yrityksen perustiedot.

Intensiteetillä on merkitystä siksi, että se heijastuu vastaustekstiin. Lähde, johon malli palaa useita kertoja, muodostaa suuremman osan vastauksen sisällöstä kuin lähde, joka mainitaan kertaalleen. Käytännössä kyse on siitä, kuinka moni vastauksen väitteistä on peräisin kyseisestä lähteestä. Pelkkä läsnäolo lähdeluettelossa ei siis kerro vaikutuksesta yhtä paljon kuin viittausten määrä.

Suhteellinen osuus on myös absoluuttista näkyvyyslukua luotettavampi mittari ajassa. Mittausjakson aikana kielimallit alkoivat yleisesti hyödyntää rakenteista arvosteludataa aiempaa enemmän: erään suuren karttapohjaisen palvelun osuus lähes kolminkertaistui samalla ajanjaksolla ilman että kukaan teki asian eteen mitään. Absoluuttista lukua tarkastelemalla osa kasvusta laskettaisiin virheellisesti oman tekemisen ansioksi.

Havainto 4: profiilisivu täydensi lähteitä, ei korvannut niitä

Asiakas esitti mittauksen alussa perustellun epäilyn: jos toimialalla toimii jo suuria kansainvälisiä arvostelu- ja varausalustoja, joilla on huomattava auktoriteetti, mitä hyötyä on olla yksi lähde lisää niiden joukossa.

Aineisto antaa tähän melko yksiselitteisen vastauksen. Vastauksia, joissa profiilisivu oli lähteenä, verrattiin vastauksiin, joissa se ei ollut:

  • Suurin kansainvälinen arvostelualusta esiintyi 79 %:ssa vastauksista, joissa profiilisivu oli mukana, ja 24 %:ssa niistä, joissa se ei ollut.
  • Suuri karttapohjainen arvostelupalvelu: 69 % vastaan 29 %.
  • Suurin kansainvälinen varausalusta: 67 % vastaan 37 %.

Profiilisivu ei siis ottanut tilaa suurilta toimijoilta, vaan esiintyi nimenomaan niissä vastauksissa, joihin tekoäly oli koonnut laajimman lähdepohjan. Käytettyjen kolmannen osapuolen alustojen keskimäärä nousi mittausjakson aikana 2,44:stä 2,92:een vastausta kohti.

Menetetty osuus kohdistui pienempiin toimijoihin: yksittäisiin hakupalveluihin, hintavertailusivustoihin ja yhteen ravintola-arviopalveluun, jonka osuus laski mittausjakson aikana lähes nollaan. Tekoäly ei siis kasvattanut lähteiden määrää rajattomasti, vaan korvasi heikompia lähteitä paremmilla.

Havainnolla on seurauksia sille, miten AI-näkyvyyttä kannattaa ajatella. Kilpailuasetelma ei ole se, että yksi lähde voittaisi toisen. Tekoäly rakentaa vastauksensa useasta lähteestä ja suosii vastauksia, joita useampi riippumaton lähde tukee. Yritykselle olennainen kysymys ei siten ole, syrjäyttääkö oma sisältö suuret alustat, vaan tuoko se lähdejoukkoon jotain sellaista, mitä muissa ei ole.

Tulokseen liittyy yksi varaus. Kyseessä on korrelaatio, ei osoitettu syy-seuraussuhde. Osa yhteydestä selittyy sillä, että perusteellisemmassa haussa löytyy enemmän kaikkia lähteitä. Olennaista on, ettei syrjäyttämisestä ole havaittavissa merkkejä, sillä juuri sitä epäiltiin.

Mitä tekoäly poimii profiilisivulta

Vastauksista eriteltiin kohdat, joissa mallit siteerasivat profiilisivua, ja tarkasteltiin mitä tietoa ne siitä hyödynsivät. Kuvio oli johdonmukainen. Vastauksiin päätyivät:

  • Tyytyväisyyden jakauma keskiarvon sijaan: positiivisten, neutraalien ja negatiivisten palautteiden prosenttiosuudet.
  • Arvostelujen määrä ja lähteiden lukumäärä, eli aineiston laajuus.
  • Tuoreus eli viimeisimmän palautteen ajankohta. Useassa vastauksessa malli mainitsi tämän erikseen luotettavuuden perusteena.
  • Yrityksen tunnistetiedot: virallinen nimi, y-tunnus ja toimintamuoto. Nämä korostuivat erityisesti luotettavuutta koskevissa vastauksissa.

Vertailun vuoksi suuret varaus- ja arvostelualustat tarjoavat kielimallille käytännössä yhden luvun, esimerkiksi arvosanan 9,2/10. Signaali on vahva mutta yksiulotteinen. Rakenteinen profiilisivu tarjoaa jakauman, tuoreuden ja identiteetin, ja juuri näihin malli tukeutuu perustellessaan vastaustaan.

Tässä kohden on syytä todeta myös tuotteen rajat. Profiilisivu ei kokoa kaikkien alustojen dataa yhteen paikkaan, eikä sen arvo perustu siihen. Suuret alustat tekoäly löytää itsekin. Arvo syntyy siitä, että sivu kertoo asiakaskokemuksesta jotain, mitä yksittäinen tähtiarvosana ei kerro.

Yhteenveto

Yhden asiakkuuden aineisto ei muodosta yleistä sääntöä, mutta se antaa suuntaviivoja siitä, mihin AI-näkyvyyden kehittämisessä kannattaa keskittyä.

  • Aukko lähteissä on olemassa ennen kuin se täytetään. Osoitteita arvaava kielimalli etsii tietoa, jota ei löydy. Selvempää signaalia sisällön tarpeesta on vaikea saada.
  • Kuukausi riittää ensimmäisiin tuloksiin. Neljä viikkoa julkaisusta profiilisivu oli lähteenä runsaassa kolmanneksessa brändivastauksista.
  • Suhteellinen osuus on absoluuttista näkyvyyslukua informatiivisempi. Kattavuus ja intensiteetti mittaavat eri asioita, ja jälkimmäinen osoittautui tässä tapauksessa puhuttelevammaksi.
  • Osoitteiden yhtenäisyys ratkaisee siteerauksia. Ääkköset, translitteroinnit ja osoiterakenteet ovat yksityiskohtia, joilla on mitattava vaikutus.
  • Palautteen tuoreus on nopein vaikutuskeino. Se oli tekijä, jonka mallit nostivat luotettavuuden perusteena esiin useimmin.

Aineisto muistuttaa myös mittaamisen rajoista. Yksi asiakkuus, kuusi kysymystä ja kolme mallia muodostavat pienen otoksen. Tuloksia kannattaa lukea suuntaa antavina. Ne ovat kuitenkin siinä mielessä vahvoja, että vertailuasetelma on selkeä: sama kysymysjoukko, samat mallit ja sama mittaustapa ennen ja jälkeen yhden muuttujan, profiilisivun julkaisun.

Keskeisin havainto on kuitenkin se, josta artikkeli alkoi. Tekoäly oli valmis viittaamaan koottuun arvostelusivuun ennen kuin sellaista oli olemassa. Kyse ei ole sattumasta eikä pelkästä teknisestä virheestä, vaan siitä, millaisen lähteen malli olettaa löytävänsä arvioidessaan yrityksen luotettavuutta. Kysymys ei ole siitä, tarvitseeko tekoäly tällaista lähdettä, vaan siitä, löytääkö se sen vai päätyykö arvaamaan.

Mikäli haluat selvittää, mihin lähteisiin tekoäly nojaa oman yrityksesi kohdalla, teemme lähtötasomittauksen. Se osoittaa, ketkä ovat äänessä nyt ja mistä aukoista kannattaa aloittaa. Aiheesta lisää myös artikkeleissa siitä, miten seuraamme AI-hakunäkyvyyttä ja miten arvostelut vaikuttavat näkyvyyteen AI-hauissa.