Geoni mittaa miten kolme AI-mallia (ChatGPT, Claude, Gemini) vastaavat 51
kysymykseen suomalaisten markkinointitoimistojen kategoriasta. Yhteensä 153
vastausta. Mittari kertoo missä Dagmar mainitaan ja missä ei.
Dagmar on suomalaisten markkinointitoimistojen AI-näkyvyyden kärki yhdistetyssä jakaumassa.
Yhdistetyssä jakaumassa +13 mainintaa TBWA-perheeseen ja +17 Avidlyyn. Mallikohtaisesti Dagmar on kärjessä Claudessa ja Geminissä, ChatGPT:ssä Valve nousee kärkeen. Kuudesta AI-näkyvyyden kysymyksestä Dagmar mainitaan vain 1:ssä.
51 kysymystä · 3 mallia · 1 ajo · 153 vastaustaMittauspäivät 2026-05-04 + 2026-05-07
Mitä kysyimme: sivu 3 · Mitä saimme selville: sivut 4 ja 6 · Mitä tästä seuraa: sivu 7Sivu 1 / 8
Geoni · Dagmar · Sivu 2Yhden sivun yhteenveto
Yhteenveto
Yhden sivun yhteenveto
Tämä sivu vie kategorian tilanteen kolmeen blokkiin: mitä kysyttiin, mitä saatiin selville ja mitä tästä seuraa. Tarkemmat luvut sivuilta 4 ja 6, päätöspohjat sivulta 7.
Kysyimme
51 kysymystä
3 mallia, 153 vastausta.
50 brändineutraalia kysymystä ja 1 kontrolli
Aiheet: suomalaiset toimistot, ostaminen, mittaaminen, AI-näkyvyys, kohderyhmät
Täysi lista: 2-havainnot
Kts. s. 3 ja 2-havainnot
Saimme selville
26,2 / 100
Tasapainoindeksi, kolmen mallin näkyvyyspisteiden keskiarvo.
51 kysymystä seitsemästä kategoriasta ja yksi kontrollikysymys
Kysymykset rakennettiin Geonin paletinrakennusprosessilla. Sama paletti voidaan ajaa uudestaan ja verrata muutosta. Yksi kontrollikysymys (K1) varmistaa että mallit tunnistavat Dagmarin nimeltä.
Kat
Sisältö
Kysymyksiä
A
Käsite ja terminologia
5
B
Mittaaminen ja markkinoinnin mittarit
7
C
Optimointi, lähteet ja signaalit
7
D
Suomalaiset palveluntarjoajatpäämittarin kärki
10
E
Hankinta, hinnoittelu ja ostokriteerit
7
F
AI-näkyvyyden kysymyksetkehitysaukon kärki
6
G
Kohderyhmät, käyttötapaukset ja ROI
8
K
Kontrolli "Mikä on mainostoimisto Dagmar?"
1
Esimerkkikysymyksiä
D-kategoria · D1
"Mitkä ovat Suomen tunnetuimmat mainostoimistot?"
D-kategoria · D10
"Mitkä suomalaiset toimistot ovat erikoistuneet digitaaliseen markkinointiin?"
"Mitkä Suomen toimistot auttavat yrityksiä näkymään tekoälyhauissa kuten ChatGPT:ssä ja Geminissä?"
Koko 51 kysymyksen lista on tiedostossa 2-havainnot.html. Lista näyttää myös missä kysymyksissä Dagmar mainittiin ja missä on sisältöaukko, sekä avaa AI-vastaukset kysymystasolle.
I. KysymyksetSivu 3 / 8
Geoni · Dagmar · Sivu 4
II. Tulokset · Päämittari
AI-mainintanäkyvyys (tasapainoindeksi)
Pää-mittari rakentuu kolmen mallin näkyvyyspisteistä. Kullekin mallille
lasketaan oma näkyvyyspiste 42:n a- ja b-tyypin kysymyksen joukosta.
Tasapainoindeksi on näiden kolmen pisteen keskiarvo (1/3 painotus per malli).
Mallihajonta-luokka kuvaa kuinka tasaisesti pisteet jakautuvat mallien välillä.
Mallikohtaiset luvut ovat päätöksenteon pää-mittarit. Tasapainoindeksi on yhden luvun kokonaiskuva, ei arvio loppukäyttäjien kohtaamistodennäköisyydestä eikä markkinaosuuspainotettu mittari.
Mallit tunnistavat Dagmarin eri intensiteetillä. Indeksi 26,2/100 koostuu kolmen mallin pisteistä.
Mallikohtainen näkyvyyspiste on Dagmar-osumien osuus kunkin mallin 42:sta a- ja b-kysymyksestä. ChatGPT 4/42 = 9,5/100, Claude 12/42 = 28,6/100, Gemini 17/42 = 40,5/100. Tasapainoindeksi (9,5 + 28,6 + 40,5) / 3 = 26,2/100.
Mallikohtaiset pisteet ovat pää-mittareita päätöksenteossa. Tasapainoindeksi on lippumittari joka kuvaa kokonaiskäsitystä mutta ei korvaa mallikohtaista lukua. Mallihajonta-luokka kohtalainen tarkoittaa että mallit eivät tunnista Dagmaria yhdenmukaisesti.
Yhden mittausjakson tulos. Sama asetelma on toistettavissa 3 tai 6 kuukauden välein vertailupisteen rakentamiseksi. Toistomittauksessa raportoidaan kolme mallikohtaista aikasarjaa erikseen.
Maininta vai suositus
Geoni laskee maininnaksi kaikki Dagmar-tunnistetut esiintymät vastauksessa, sekä neutraalit listaukset että suositukset. Maininta- ja suositus-tason laadullinen erottelu jätetään tekemättä, koska luokittelu vaatisi LLM-pohjaisen subjektiivisuusarvion joka heikentäisi mittauksen toistettavuutta. Mallikohtaiset pisteet ja tasapainoindeksi kattavat sekä neutraalit listaukset että suositukset samalla painolla.
F1 / 128,3 %AI-aikakauden kysymykset (kehitysaukko)
G2 / 248,3 %Kohderyhmät, käyttötapaukset, ROI ja johto
A3 / 933,3 %Käsitteet ja terminologia
B3 / 1520,0 %Mittaaminen ja seuranta
C2 / 1513,3 %Optimointi, lähteet ja signaalit
Yhteensä 33 mainintaa 126:sta. Kategorian nimittäjä koostuu sen a- ja b-tyypin kysymyksistä kolmen mallin yli.
Lähde-suositus-konversio
89,5 %
17 / 19
vastauksista joissa dagmar.fi on lähteenä, mainitsee myös Dagmarin tekstissä
51,5 %
17 / 33
Dagmar-mainintojen taustalla on dagmar.fi lähteenä
Laskettu kategoriavertailun 126 vastauksen joukosta. Sama nimittäjä kuin päämittarissa.
Esimerkki konversioketjusta
Lähdedagmar.fi/palvelut/digitaalinen-markkinointi/→VastausGemini D10→Maininta"Dagmar tarjoaa asiantuntijapalveluita kaikilla sosiaalisen median kanavilla, digitaalisen mainonnan suunnittelussa ja toteutuksessa sekä vaikuttajamarkkinoinnissa."
Konkreettinen esimerkki yhdestä A-luokan vastauksesta: dagmar.fi:n digitaalisen markkinoinnin sivu nousee Geminin lähteeksi D10-kysymyksessä. Sama vastaus mainitsee Dagmarin tekstissä. Looginen ketju voidaan rekonstruoida raakadasta.
Tukimittarit: 14,0 % lähdetarkistus · 3/3 brändituntemusPää-indeksin laskenta ja sen rajoite: liite-mittausliite.html
II. Tulokset, päämittariSivu 4 / 8
Geoni · Dagmar · Sivu 5
II. Tulokset · Kilpailutilanne
Kilpailutilanne kärki-asema
Yhdistetyssä jakaumassa Dagmar on kärjessä. Maininta-ero kärkeen on +13
vastausta TBWA-perheeseen ja +17 Avidlyyn. Mukaan on laskettu kaikki 153
vastausta saman tekstihaun perusteella. Mallikohtainen jakauma on
epätasainen, ks. mallikohtaiset kuvaajat alla.
Kilpailutilanne lasketaan kaikkien 51 kysymyksen ja kolmen mallin yhteensä 153 vastauksen pohjalta. Mainintaluvut (Dagmar 36, TBWA 23, Avidly 19) tarkoittavat kuinka monessa näistä 153 vastauksesta toimisto mainittiin nimeltä.
Mallikohtainen jakauma on epätasainen. Claudessa Dagmar on kärjessä (13/51), Geminissä Dagmar on kärjessä (18/51), ChatGPT:ssä Valve Group nousee kärkeen (8/51) ja Dagmar on toiseksi (5/51). Geminin lähdehaku nostaa Dagmarin useimmin esiin, ChatGPT harvimmin.
Top 10 toimistoa mainintojen määrällä
Kuinka monessa AI-vastauksessa toimisto mainittiin 153:sta. Sananrajat-haku, false positives -filteri sovellettu.
ChatGPT, top 10
Claude, top 10
Gemini, top 10
Kunkin mallin top 10 -kilpailijajakauma 51 vastauksen perusteella. ChatGPT:ssä Valve nousee kärkeen, Claudessa ja Geminissä Dagmar on kärjessä. Datat täsmäävät mittausliitteen mallikohtaisten kolumnien kanssa.
Näkyvyys malli × kategoria
Dagmarin osumat per kysymys per malli per kategoria (a- ja b-tyypin kysymykset). Anthropicilla ja Geminillä huomattava ero OpenAI:hin, erityisesti E-kategoriassa.
OpenAI on Dagmarille heikoin malli kategoriasta riippumatta (5/51 mainintaa yhteensä), kun taas Gemini nostaa Dagmarin vahvimmin esiin D-, E- ja G-kategorioissa (18/51). Anthropic asettuu näiden välille. AI-näkyvyyden kysymykset (F-kategoria) ovat aukko kaikilla kolmella mallilla.
Esimerkki Anthropicin vastauksesta D8-kysymyksessä
"Kolmen suurimman toimiston joukossa ovat Miltton, Dagmar ja Tulos Helsinki."
Anthropic Haiku · D8 · ks. 2-havainnot.html#d8-anthropic
Esimerkki Geminin vastauksesta D1-kysymyksessä
"Dagmar: Selvinnyt usein kolmen suurimman joukkoon liikevaihdolla mitattuna."
Google Gemini · D1 · ks. 2-havainnot.html#d1-google
AI-näkyvyyden kysymyksissä Dagmar mainitaan vain 1 / 6 kysymyksessä
Kuudessa kysymyksessä Dagmar mainitaan vain yhdessä, Anthropicin vastauksessa.
F-kategorian kuusi AI-näkyvyyden kysymystä kysyttiin kolmelta AI-mallilta (yksi vastaus per kysymys × malli = 18 vastausta). Dagmar mainittiin yhdessä kysymyksessä kuudesta ja vain Anthropic-mallissa.
AI-näkyvyyden kysymykset koskevat tekoälyä markkinoinnissa, generatiivista hakukoneoptimointia ja ChatGPT-näkyvyyttä. Dagmar mainitaan vain F7:ssä ja vain Anthropicin vastauksessa. Näissä kysymyksissä nousevat erikoistuneet AI-näkyvyys-toimijat: Hopkins kahdessa kysymyksessä, Kallio AI kahdessa, sekä MEOM, Wuohi, Hakea, Datavoima, Growth Ahoy ja eLuotsi yhdessä kysymyksessä. Suomen tunnetut isot mainostoimistot (Avidly, Miltton, TBWA) eivät nouse näissä kysymyksissä kertaakaan.
F-kategorian jakauma, 6 kysymystä
Kuinka monta mallia kolmesta mainitsi Dagmarin per F-kysymys. F7 on F-kategorian ainoa Dagmar-maininta.
F-aukko mallikohtaisesti
F-kategorian a- ja b-tyypin kysymykset (4 per malli, P71-vastausjoukko). Kuusi F-kysymystä yhteensä, joista 4 on a/b-tyyppisiä.
F-aukko on universaali kaikilla kolmella mallilla, ei mallikohtainen heikkous. Vain Claude tunnistaa Dagmarin yhdessä F-kysymyksessä, ChatGPT ja Gemini eivät kummassakaan.
F1
"Miten tekoäly muuttaa markkinointialaa?"
Ei mainintaa
F3
"Mitä on generatiivinen hakukoneoptimointi (GEO)?"
Ei mainintaa
F4
"Mitkä Suomen toimistot auttavat yrityksiä näkymään tekoälyhauissa kuten ChatGPT:ssä ja Geminissä?"
Ei mainintaa
F5
"Mitkä toimistot Suomessa auttavat sekä Googlen hakunäkyvyydessä että näkyvyydessä tekoälyvastauksissa?"
"Miten markkinointitoimistot Suomessa hyödyntävät tekoälyä?"
Maininta vain Anthropicilla
AI-näkyvyyden kysymysten täydet tekstit ja mallikohtainen jakauma 2-havainnoissa.
Esimerkki Anthropicin vastauksesta F7-kysymyksessä (ainoa F-kategorian Dagmar-maininta)
"Suomalaiset markkinointitoimistot kuten Dagmar ja VMH Productions tarjoavat asiakkailleen tekoälypalveluja, joilla saavutetaan parempi ROI pienemmällä budjetilla ja kohdennetummin."
Anthropic Haiku · F7 · ks. 2-havainnot.html#f7-anthropic
Esimerkki Geminin vastauksesta F4-kysymyksessä (Dagmaria ei mainita, erikoistunut toimisto nousee)
"Hopkins: Yksi Suomen suurimmista digitaalisen markkinoinnin toimistoista, joka keskittyy AI- ja hakukoneoptimointiin."
Google Gemini · F4 · ks. 2-havainnot.html#f4-google
Toinen aukko: digitaaliseen markkinointiin erikoistuneet. Digitaaliseen markkinointiin erikoistuneissa kysymyksissä Dagmar nousee vain Geminin vastauksessa, ei OpenAI:lla eikä Anthropicilla. Aineistossa näkyy mallikohtainen ero, joka voi olla yksi selittävä tekijä lähdesignaalin epätasaiselle painottumiselle.
II. Tulokset, aukkoSivu 6 / 8
Geoni · Dagmar · Sivu 7III. Päätöspohjat
III. Mitä tästä seuraa
Mitä mittauksesta seuraa lukijan pohdittavaksi
Raportti ei sisällä toteutusta. Alla olevat kolme päätöspohjaa voi viedä asiakkaan sisältö-, SEO- tai strategiakeskusteluun, tai käyttää Dagmarin sisäisen päätöksenteon perustaksi. Jokainen päätöspohja sisältää havainnon, päätettävän kysymyksen, mitattavan muutoksen ja mahdollisen testikuvion.
Päätöspohja 1 · Relevanssi: korkea
Havainto
Kuudesta AI-näkyvyyden kysymyksestä Dagmar nousee 1:ssä (vain Anthropicilla F7:ssä). Vastauksissa nousevat erikoistuneet AI-näkyvyys-toimijat (Hopkins 2/6, Kallio AI 2/6, sekä MEOM, Wuohi, Hakea, Datavoima, Growth Ahoy ja eLuotsi yhdessä kysymyksessä), eivät isot mainostoimistot. Avidlyä ja Milttonia ei aineistossa nouse näissä kysymyksissä.
Päätettävää
Onko AI-näkyvyyden markkina-aukko Dagmarille mahdollisuus asemoitua erikoistuneen tarjonnan rinnalle, vai jätetäänkö kategoria erikoistuneille toimijoille kuten Avidly ja Miltton tekevät?
Mitattava muutos
Jos Dagmar asemoituu AI-näkyvyyden tarjontaan, F-kategorian maininnat (nyt 1/6) nousisivat tasoille jotka vastaavat erikoistuneita toimijoita (esim. Hopkins 2/6 viime mittauksessa). Jos kategoria jätetään erikoistuneille, F-kategorian luku pysyy vakiona ja muutoksia ei odoteta.
Mahdollinen testikuvio
Julkaista yksi AI-näkyvyys-palvelusivu seuraavan 30 päivän aikana ja mitata F-kategorian luvut toistomittauksessa 3 kuukauden päästä.
Päätöspohja 2 · Relevanssi: keskitaso
Havainto
Digitaaliseen markkinointiin erikoistuneissa kysymyksissä Dagmar nousee vain Geminillä, ei OpenAI:lla eikä Anthropicilla.
Päätettävää
Halutaanko asemoitua myös digitaaliseen markkinointiin vai hyväksytäänkö rajaus isoon luovaan bränditaloon?
Mitattava muutos
Jos digitaaliseen markkinointiin asemoidutaan, D-kategorian digitaalisen markkinoinnin osuuksissa (esim. D10 "Mitkä suomalaiset toimistot ovat erikoistuneet digitaaliseen markkinointiin?") Dagmar mainittaisiin myös OpenAI:lla ja Anthropicilla, ei vain Geminillä. Jos rajaus säilyy, jakauma pysyy nykyisenä.
Mahdollinen testikuvio
Vahvistaa tai luoda dagmar.fi-laskeutumissivu joka käsittelee digitaalista markkinointia ostajan käyttämin termein. Sen jälkeen mitata D10:n sekä siihen liittyvien digitaalisen markkinoinnin kysymysten luvut OpenAI:lla ja Anthropicilla toistomittauksessa 3 kuukauden päästä.
Päätöspohja 3 · Relevanssi: korkea
Havainto
dagmar.fi nousee lähteeksi 21/150 vastauksessa (lähde-vastauksia). Näissä vastauksissa on yhteensä 36 dagmar.fi-linkkiä (lähde-rivejä, yksi vastaus voi sisältää useita linkkejä). Mallikohtainen jakauma OpenAI 3 / Anthropic 11 / Gemini 22 viittaa lähde-riveihin, ei lähde-vastauksiin.
Päätettävää
Onko dagmar.fi:n lähdesignaali OpenAI:lla ja Anthropicilla riittävä?
Mitattava muutos
Jos OpenAI:n ja Anthropicin lähde-osumat halutaan kasvuun, dagmar.fi-lähde-rivit OpenAI-vastauksissa nousisivat tasolta 3 ja Anthropic-vastauksissa tasolta 11. Jos riittäväksi katsotaan nykyinen taso, näiden lukujen muutosta ei odoteta.
Mahdollinen testikuvio
Muokata dagmar.fi-laskeutumissivua AI-haun kysymystyyppejä vastaavaksi ja mitata OpenAI- ja Anthropic-lähde-rivit toistomittauksessa.
Toistomittauksen aikasarjat (3 tai 6 kk)
Toistomittauksessa raportoidaan kolme mallikohtaista aikasarjaa erikseen, ei yhtenä aggregaattina. Tasapainoindeksi voi olla saman vakio vaikka mallien välinen jakauma muuttuisi merkittävästi, joten yksittäisten mallien kehityskäyrät pysyvät päätöksenteon ytimessä. Markkinaosuuspainotettua aggregaattia ei käytetä, koska se rikkoisi aikasarjan vertailukelpoisuuden.
Avoin strateginen kysymys: Pitäisikö Dagmarin asemoitua AI-näkyvyyden kärjeksi vai jättää AI-näkyvyys erikoistuneille toimijoille?
III. PäätöspohjatSivu 7 / 8
Geoni · Dagmar · Sivu 8Mistä tiedämme tämän
Mistä tiedämme tämän
Mittauksen perusta ja rekonstruktio raakadasta
Pää-raportin jokainen päämittari on laskettu raakadasta. Audit-skripti rekonstruoi samat luvut suoraan raakadasta, joko selaimessa tai Node-komennon kautta.
Mittausparametrit. 51 kysymystä × 3 mallia × 1 ajo = 153 vastausta. Mittauspäivät 2026-05-04 ja 2026-05-07. Mallit: OpenAI gpt-4o-mini, Anthropic Haiku 4.5, Gemini 2.5 Flash Lite.
Rekonstruktiotyökalut. Raakadata liite-raakadata.jsonl, selaimessa toimiva audit liite-tarkistus.html sekä Node-skripti liite-audit-skripti.js (Node 20+, ei riippuvuuksia).
Validointi. Audit-skripti rekonstruoi pää-raportin luvut raakadasta. Skripti palauttaa "Tarkistus onnistui" tai listan poikkeamia. Skripti tulostaa 15 OK-riviä yhteenvedossa, mukaan lukien kolme mallikohtaista pistemäärää, tasapainoindeksin ja mallihajonta-luokan.
Avoimet rajat. Yhden ajon mittaus, ei vakausväitteitä yksittäisistä luvuista. Toistettava mittaus 3 ajolla erillisenä tilauksena, kun halutaan tarkkuutta yksittäisten kysymysten tasolla.
Mitä tästä ei voi päätellä
Tämä ei ole markkinaosuus. Tasapainoindeksi 26,2/100 kuvaa AI-vastausten mainintatiheyden keskiarvoa kolmen mallin yli, ei Dagmarin osuutta markkinasta tai liikevaihdosta. Markkinaosuuspainotettua aggregaattia ei raportoida päätuotteessa, koska se rikkoisi aikasarjan vertailukelpoisuuden toistomittauksessa.
Tämä ei ennusta käyttäjien todellisia AI-keskusteluja. Mittaus antaa toistettavan rakenteellisen kuvan kategoriasta. Yksittäinen ostaja voi kysyä toisin muotoiltuja kysymyksiä, joiden tuloksia paletti ei kata.
Tämä ei korvaa ostopäätöksen analyysiä. Mittari kertoo missä rakenteellisissa ostotilanteissa Dagmar on mukana ja missä ei. Päätös sijoittumisesta tai kategoriavalinnasta vaatii lisäksi liiketoimintastrategista arviota.
Mittauksen kysymyspaletti, käytetyt mallit ja rekonstruktion ohje: liite-mittausliite.html. Audit-skriptin ajaminen samassa liitteessä.