Baltijas uzņēmumu MI redzamības indekss 2026: katrs sestais no lielākajiem Baltijas uzņēmumiem MI atbildēs ir neredzams

Katru nedēļu pircēji Latvijā, Lietuvā un Igaunijā jautā ChatGPT un Google, kuru banku, kurjeru vai piegādātāju izvēlēties. MI atbild ar īsu nosaukumu sarakstu. Mēs gribējām uzzināt, kurš šajā sarakstā nonāk, tāpēc veicām pirmo publisko MI redzamības mērījumu visā reģionā.

Mēs uzdevām šiem MI rīkiem 2530 reālus pircēju jautājumus par katru no industrijām. Šajā pētījumā apskatīti 358 no lielākajiem uzņēmumiem Latvijā, Lietuvā un Igaunijā, angliski un katras valsts valodā, divreiz ar nedēļas starpību.

Pilnajā pētījuma pārskatā (PDF) ir aprakstītas metodes, statistika un visi ierobežojumi, bet uzņēmumu meklēšanas failā (Excel) ikviens pētījumā iekļautais uzņēmums var atrast sevi.

Pētījums pieejams arī angļu valodā.

Peļņās apjomi negarantē redzamību MI rīkos

Katrs punkts zemāk ir viens no pētītajiem uzņēmumiem. Jo tālāk pa labi, jo lielāks apgrozījums; jo augstāk, jo biežāk MI to nosauc. Ja uzņēmuma izmērs nodrošinātu redzamību, punkti kāptu no kreisās uz labo pusi. Tā nenotiek.

Tas nenozīmē, ka MI kļūdās. Mazāks specializēts uzņēmums bieži ir laba atbilde uz pircēja jautājumu. Tas nozīmē, ka tirgus daļa un balss daļa MI atbildēs vairs nesakrīt. Webglazer pēta un atklāj '' balss daļu", kuru uzņēmumi iegūst, kad jautājumi tiek uzdoti par viņu darbības nozari - cik bieži tie tiek iekļauti atbildē salīzinājumā ar pārējiem konkurentiem. Dominējošs uzņēmums ir tāds, kurš ir vienīgais pieminēts atbildē.

Tikai 32 no 355 lielajiem uzņēmumiem tika iekļauti atbildēs pērsniedzot 80% slieksni savā kategorijā. Vēl 59 tika nosaukti 50 līdz 80 procentu atbilžu. Lielākā grupa, 131 uzņēmums, bija robežās no 10% līdz 50%, bet 56 netika nosaukti ne reizi 160 mēģinājumos, pat ja kāds uzdot ļoti tiešu jautājumu ''piemēram, kura Banku izvēlēties Latvijā?''.

Apgrozījums gandrīz neprognozē, kurš tiks nosaukts. Vienas kategorijas ietvaros saikne starp lielumu un MI redzamību ir vāja (vidējā korelācija 0,19).

Dažās kategorijās ir izteikts līderis: Igaunijas metāllūžņu nozarē Cronimet Nordic tiek nosaukts 75% atbilžu, bet nākamais pētījumā iekļautais uzņēmums tikai 1,3%. Lielākajā daļā kategoriju sacensība ir sīva. Mediānā starpība starp pirmo un otro biežāk nosaukto uzņēmumu kategorijā ir 6,9 procentpunkti.

Pētījums īsumā

Kā izvēlējāmies uzņēmumus, kurus iekļaut pētījumā

Mēs sākām ar visu triju valstu oficiālajiem uzņēmumu reģistriem un katrā valstī paņēmām 100 lielākos uzņēmumus pēc FY2025 apgrozījuma. Bankas apgrozījuma vietā uzrāda ienākumus, tāpēc tās sarindojām pēc ienākumiem. Lai katrā nozarē vismaz vienā valstī būtu vismaz pieci dalībnieki, pievienojām 58 sekojošos uzņēmumus.

Tā ieguvām 358 aktīvus uzņēmumus: 128 Lietuvā, 121 Igaunijā un 117 Latvijā. Katrs tika iedalīts vienā no 49 vienkāršām nozaru kategorijām, piemēram, bankas, pārtikas mazumtirdzniecība, sūtījumu piegāde vai autopārvadājumi, un katru iedalījumu pārbaudīja cilvēks. Uzņēmums vienmēr tiek salīdzināts tikai ar citiem savas kategorijas uzņēmumiem, tāpēc banka tiek mērīta pret bankām un kurjers pret kurjeriem.

Katrai kategorijai uzrakstījām desmit jautājumus, ko uzdotu reāls pircējs, nenosaucot nevienu zīmolu, un dzimtās valodas runātāji tos iztulkoja latviešu, lietuviešu un igauņu valodā. Eksporta nozarēm sagatavojām jautājumus angliski no ārvalstu pircēja skatpunkta, jo tieši šajā sarunā šie uzņēmumi iegūst vai zaudē klientus.

Atbildes tika ievāktas no ChatGPT, Google AI atbilžu un Perplexity ar ieslēgtu meklēšanu, īpašu uzmanību pievērsām, lai jautājumi nebūtu iegūti mašīn-veidā izmantojot API savienujumu, jo dati būtu ierobežoti un neatspoguļoti īsto klientu atbildi. Katrs jautājums tika uzdots no jaunas cilnes, no reālām patērētājiem pieejamām versijām, izmant0jot speciālus neitrālus kontus. Mūsu testos caur API ieģūtās atbildes nosauca aptuveni uz pusi mazāk konkurentu nekā lietotnes, ko cilvēki patiešām izmanto, tāpēc patērētāju lietotnes bija godīgākā izvēle. Nosaukumu atpazīšanu pārbaudījām pret manuāli marķētām izlasēm, un tā bija pareiza 96% gadījumu.

MI vidēji izvēlas trīs uzņēmumus ko ieteikt

Tipiskā MI atbildē uz patērētāja jautājumu vidēji tiek pieminēti vien trīs uzņēmumi. 15,3% atbilžu netiek nosaukts neviens uzņēmums. Lielākā atšķirība ir starp MI rīkiem: ChatGPT vidēji nosauc 4,4 uzņēmumus, bet Google AI atbilde nosauc 1,9 un bieži tikai vienu.

Aiz šiem īsajiem sarakstiem slēpjas milzīgs kandidātu loks. 20 200 pirkuma atbildēs MI rīki nosauca 11 136 dažādus uzņēmumus, un 5433 no tiem parādījās tieši vienu reizi. Desmit biežāk nosauktie zīmoli (Circle K, Rimi, Neste, Bolt, Swedbank, Maxima, Enefit, Lidl, Tele2 un Alexela) kopā aizņēma tikai 6,4% no visām vietām sarakstos.

Angļu valoda apsteidz vietējās valodas

Vietējie uzņēmumi tika nosaukti par 4,4 procentpunktiem biežāk, ja jautājums tika uzdots angliski, nevis latviski, lietuviski vai igauniski. Tā notika visās trijās valstīs, un 58% uzņēmumu individuāli ieguva augstāku rezultātu angļu valodā.

Iemeslu atklāj pašu MI rīku fona meklējumi(angliski ''Fan-out queries''). Pat ja jautājums bija vietējā valodā, 43% ChatGPT un 34% Gemini meklējumu tika veikti angliski. Visvairāk meklēšanas angļu valodā izraisīja jautājumi igauņu valodā. Tātad informācija par jūsu uzņēmumu angļu valodā tiek atrasta biežāk neatkarīgi no tā, kādā valodā raksta pircējs.

Runa ir par to, vai jūs atrod, nevis par to, vai jūs apraksta pareizi, kaut gan vietējā valodā sagatavotie apraksti bija nedaudz precīzāki nekā angliskie.

Katrs MI rīks atbild citādi

Google AI un Gemini atbildes iekļāva mūsu lielos vietējos uzņēmumus visbiežāk, aptuveni 34% gadījumu. ChatGPT rādītājs bija 30,5%. Perplexity tos nosauca daudz retāk, 17,9% gadījumu. Iemesls nav īsākas atbildes. Perplexity nosauc citus uzņēmumus, biežāk tādus, kas nav mūsu lielāko uzņēmumu sarakstā.

MI rīki nav vienisprātis arī par to, kurus uzņēmumus nosaukt. Pat tuvākajam pārim, ChatGPT un Google AI, kopīgi ir tikai 0,62 no nosaukumiem. Vienam jautājumam, kas uzdots tajā pašā dienā, pārklāšanās samazinās līdz 0,14 līdz 0,23, un, salīdzinot Google AI ar Perplexity, 60% jautājumu saraksti nesaturēja nevienu kopīgu nosaukumu. Jūsu pozīcija ir atkarīga no tā, kuru lietotni atver jūsu klients.

Līderi paliek, pārējie mainās

Mērot daudzās atbildēs, uzņēmuma rezultāts ir ļoti stabils: pirmās un otrās nedēļas rezultātu korelācija ir 0,992. Atsevišķas atbildes tādas nav. Uzņēmums, kas tika nosaukts pirmajā nedēļā, tam pašam jautājumam tajā pašā MI rīkā atkārtoti tika nosaukts 82,6% gadījumu.

Šis skaitlis ir atkarīgs no uzņēmuma pozīcijas. Redzamākā kvartile savu vietu saglabāja 90,2% gadījumu. Vismazāk redzamā kvartile to saglabāja tikai 38,7% gadījumu, retāk nekā monētas mešanā. Kategorijas līderi saglabā stabilu pozīciju, bet pārējais īsais saraksts tiek sastādīts no jauna. Viena atbilde ir viens kauliņa metiens, tāpēc vienreizēja vaicājuma pārbaude pasaka ļoti maz.

No kurienes MI iegūst informāciju

Pirkuma atbildēs MI rīki citēja 176 673 avotus no 19 615 dažādām vietnēm. Tikai 8,8% no citētajiem avotiem bija paša uzņēmuma vietne. Desmit visbiežāk citētās vietnes veidoja 13,6% no visiem citētajiem avotiem, bet pārējais ir ļoti gara aste.

Pēc pašas Google rezultātu lapām visbiežāk citētā vietne bija Reddit ar 3,3%. Tālāk sekoja uzņēmumu reģistri (ssb.ee un rekvizitai.vz.lt, katrs aptuveni 1%) un B2B katalogi, piemēram, ensun.io un clutch.co. ChatGPT citēja visvairāk avotu, 12,6 vienā atbildē, bet Gemini vispār kaut ko citēja tikai 43,9% savu atbilžu. Jūsu pašu vietne ir svarīga, taču lielākā daļa informācijas, ko MI par jums izmanto, atrodas citu vietnēs.

Kāpēc avoti ir svarīgāki par pozīciju meklētājā? Mūsu turpinājuma pētījums par to, vai SEO ir miris, un meklēšanas S-līkni (angliski) rāda, ka MI atbildes balstās uz klasisko meklēšanu, tāpēc labi ranžētas lapas joprojām ietekmē, ko MI citē.

Cik precīzs ir MI

Mēs arī tieši jautājām katram MI rīkam par katru uzņēmumu: ar ko tas nodarbojas, vai tam var uzticēties un kā tas izskatās salīdzinājumā ar galveno konkurentu. Cilvēka pārbaudītā izlasē 72,2% aprakstu bija pilnībā pareizi, 17,8% bija nelielas kļūdas, bet 5,3% bija būtiska kļūda, kas maldinātu pircēju. 4,7% gadījumu MI rīks uzņēmumu nepazina.

Tipiskā nopietnā kļūda ir uzņēmumu sajaukšana: koncerna fakti tiek piedēvēti tā vietējam uzņēmumam. Neste Eesti tika piedēvēts tās Somijas mātesuzņēmuma degvielas uzpildes staciju tīkls, un viens apriņķa kooperatīvs tika aprakstīts kā viss Coop Eesti. Visā pētījumā atradām vismaz vienu būtisku kļūdu 23 uzņēmumiem; meklēšanas failā norādīts, kuriem un kurā MI rīkā.

Kļūdu īpatsvars ir atkarīgs arī no tā, kā skaita. Stingrs vērtētājs, kas jebkuru neapstiprinātu apgalvojumu uzskata par kļūdu, atrod 15,3% būtisku kļūdu, bet tāds, kas skaita tikai pretrunas, atrod 4,4%. Jebkuram MI atbilžu precizitātes rādītājam jānorāda, kuru definīciju tas izmanto.

Neviena valsts nav priekšā

Ja salīdzina līdzīgo ar līdzīgo, katru kategoriju atsevišķi, nevienai valstij nav redzamības priekšrocības. Latvija, Lietuva un Igaunija visas iekļaujas pētījuma statistiskā trokšņa robežās (koriģētā p = 0,88 katram pārim), tāpēc nacionālu reitingu mēs nepublicējam.

Vienīgā reālā atšķirība starp valstīm ir tajā, ko modeļi atceras bez meklēšanas. Ar izslēgtu tīmekļa meklēšanu abi MI rīki labāk pazina Igaunijas uzņēmumus nekā Latvijas: ChatGPT 81,5% pret 65,2%, Gemini 71,4% pret 52,7%. Abos gadījumos Latvija bija pēdējā. Tiklīdz MI rīki meklē tīmeklī, šī atšķirība ieteikumos izzūd.

Ar izslēgtu meklēšanu ChatGPT mēdza atzīt, ka nav pārliecināts. Mazais Gemini modelis biežāk aprakstīja pavisam citu uzņēmumu (19,3% gadījumu), dažkārt aizstājot to ar mitoloģisku vai izdomātu vārdabrāli.

Uzņēmumi, kurus MI nenosauc nekad

56 no 355 vērtētajiem uzņēmumiem netika nosaukti nevienā no 160 savas kategorijas atbildēm. Šo sarakstu vērts lasīt uzmanīgi. Daži no tiem ir reģistros iekļauti uzņēmumi, par kuriem klients MI nejautātu, piemēram, mazumtirgotāja iepirkumu struktūra, komunālo pakalpojumu uzņēmuma elektroenerģijas ražošanas meitasuzņēmums, franšīzes operatori un kuģu būvētavas.

Mārketinga komandām jāuztraucas par 13 uzņēmumiem, kurus modeļi gan nepazīst, gan nekad neiesaka. No 56 uzņēmumiem 43 pazīst vismaz viens MI rīks, tāpēc lielākajai daļai neredzamība nav zināšanu problēma. MI zina, kas viņi ir, tikai neiedomājas par viņiem, kad jautā pircējs.

Katra uzņēmuma rezultāts ir atrodams uzņēmumu meklēšanas failā: tā redzamības statuss, vieta kategorijā, rādītāji pa MI rīkiem un valodām, kā arī tas, vai atradām būtisku kļūdu tajā, kā MI uzņēmumu apraksta.

Kas jādara mārketinga komandām

Pārbaudiet savu uzņēmumu

Sāciet ar uzņēmumu meklēšanas failu. Ja jūsu uzņēmums bija iekļauts pētījumā, tajā redzams jūsu redzamības statuss, vieta jūsu kategorijā un tas, vai atradām būtisku kļūdu tajā, kā MI jūs apraksta.

Lai pārbaudītu paši, uzdodiet pirkuma jautājumus, ko uzdotu jūsu klienti, nenosaucot savu zīmolu, rīkos ChatGPT, Gemini, Perplexity un Google. Jautājiet angliski un savā valodā, un atkārtojiet tos pašus jautājumus vairāku nedēļu garumā. Kā rāda iepriekš minētie rezultāti, viena atbilde vienā dienā pasaka ļoti maz.

Lai šo manuālo pārbaudi atvieglotu, mums ir bezmaksas WebGlazer Chrome paplašinājums, kas soli pa solim izved jūs cauri procesam, ieskaitot meklējumus, ko MI veic fonā. Tas vēl nav pieejams Chrome Web Store, tāpēc rakstiet mūsu komandai, un mēs to jums nosūtīsim.

Ja nevēlaties to darīt manuāli, izmēģiniet WebGlazer platformu. Tā katru nedēļu uzdod jūsu pircēju jautājumus visos galvenajos MI rīkos un atjauno datus par jūsu redzamību, konkurentiem un avotiem, ko MI citē.

Lejupielādējiet pārskatu un datus

📄 Pilns pētījuma pārskats (PDF, 24 lappuses)

Metodes, visi rezultāti, ierobežojumi, kategoriju līderi katrā valstī un pilns saraksts ar uzņēmumiem, kas netika nosaukti ne reizi.

📊 Uzņēmumu meklēšanas fails (Excel) · CSV versija

Katram uzņēmumam viena rinda: redzamības statuss, vieta kategorijā, rezultāti pa MI rīkiem, valodām un nedēļām, MI precizitāte un tas, vai konstatēta būtiska problēma. Sīkāku informāciju par kļūdainajiem apgalvojumiem uzņēmums var saņemt, rakstot uz support@webglazer.com.

Šis ir 2026. gada augusta momentuzņēmums, un pētījums tiks atkārtots katru gadu. Zems rezultāts parāda, kā MI atspoguļo uzņēmumu, nevis to, cik labs ir pats uzņēmums.

Kā citēt: WebGlazer Research (2026). Baltijas MI redzamības indekss 2026.

Metodes un atsauces

🗓️ Dati savākti no 2026. gada 5. līdz 14. augustam; analīze noslēgta 2026. gada 3. septembrī. Četri MI rīki: ChatGPT, Google AI atbildes, Gemini un Perplexity. Bija plānots iekļaut arī Claude, taču to neizdevās laikus izmērīt.

📐 Proporcijām norādīti Wilson 95% ticamības intervāli, bet uzņēmumu rādītājiem izmantots bootstrap pa uzņēmumiem. Valstu salīdzinājumi standartizēti pa kategorijām un koriģēti ar Benjamini-Hochberg metodi. Angļu un vietējās valodas salīdzinājumā izmantots pāru Wilcoxon tests; MI rīku saskaņotība mērīta ar Jaccard indeksu. Pilns ierobežojumu apraksts ir pārskata 5. sadaļā.

Uzņēmumu datu avoti

Uzņēmumu reģistrs (Latvija, ar data.gov.lv starpniecību); Registrų centras (Lietuva, ar rekvizitai.vz.lt starpniecību); Äriregister (Igaunija).

Statistikas atsauces

Wilson, E. B. (1927). Probable inference, the law of succession, and statistical inference. Journal of the American Statistical Association.

Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate. Journal of the Royal Statistical Society, Series B.

Efron, B., & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. Chapman & Hall.

Jaccard, P. (1912). The distribution of the flora in the alpine zone. New Phytologist.

Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. JASA.

Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger. Annals of Mathematical Statistics.

Wilcoxon, F. (1945). Individual comparisons by ranking methods. Biometrics Bulletin.

Finansējums un interešu atklāšana

Pētījumu finansēja WebGlazer, kas pārdod MI redzamības programmatūru. Datu faili ir publiski pieejami, lai ikviens varētu pārbaudīt rezultātus. Kļūdainie apgalvojumi, ko MI rīks izteicis par konkrētu uzņēmumu, tiek kopīgoti tikai anonīmi vai ar atļauju.