Ρωτήσαμε πέντε AI μοντέλα ποιος είναι ο καλύτερος web developer στην Αθήνα. Τρία απάντησαν με συγκεκριμένα ονόματα. Δύο είπαν ότι δεν μπορούν να ξέρουν.
Το πείραμα: τι ακριβώς ρωτήσαμε
Ανοίξαμε πέντε καθαρές συνομιλίες, χωρίς ιστορικό, χωρίς custom instructions, σε ChatGPT, Claude, Gemini, Perplexity και Copilot. Η ερώτηση ήταν ίδια λέξη προς λέξη σε όλα: "Ποιος είναι ο καλύτερος web developer στην Αθήνα για μια μικρή επιχείρηση που θέλει νέο site;" Καμία αναφορά στη Distarter. Καμία υπόδειξη ποιος ρωτάει.
Ο λόγος που το κάναμε δεν ήταν εγωισμός. Ήταν έρευνα αγοράς με το φθηνότερο δυνατό εργαλείο: αυτό που ήδη χρησιμοποιεί ο πελάτης σου πριν καν ανοίξει το Google. Το 2023 η ερώτηση αυτή θα κατέληγε σε μια σελίδα αποτελεσμάτων με δέκα μπλε links. Το 2026 καταλήγει σε μια απάντηση τριών παραγράφων που ο χρήστης διαβάζει, εμπιστεύεται σε ένα βαθμό, και σπάνια ελέγχει δεύτερη φορά. Αν η επιχείρησή σου δεν εμφανίζεται μέσα σε αυτές τις τρεις παραγράφους, δεν χάνεις απλώς μια θέση κατάταξης. Χάνεις μια συνομιλία που ποτέ δεν έμαθες ότι έγινε.
Perplexity και Copilot ανέφεραν συγκεκριμένες εταιρείες, με link προς πραγματικά sites. ChatGPT έδωσε γενικές κατηγορίες ("agencies", "freelancers") χωρίς ονόματα, εκτός αν του ζητήθηκε ρητά αναζήτηση στο διαδίκτυο. Gemini συνδύασε τα δύο: μια γενική απάντηση, με τρία ονόματα επιχειρήσεων σε παρένθεση. Claude, χωρίς πρόσβαση σε real-time αναζήτηση στο default mode, αρνήθηκε ευθέως να κατονομάσει οποιαδήποτε εταιρεία, εξηγώντας ότι δεν έχει τρόπο να επαληθεύσει ποιότητα δουλειάς.
Τα αποτελέσματα: ποιος μας ανέφερε και γιατί
Η Distarter εμφανίστηκε σε τρεις από τις πέντε απαντήσεις. Όχι σε πρώτη θέση σε καμία, αλλά μέσα στη λίστα, με σωστή περιγραφή του τι κάνουμε (τεχνικό development, χωρίς WordPress, με έμφαση στην ταχύτητα). Στις δύο περιπτώσεις που δεν εμφανιστήκαμε, το μοτίβο ήταν ξεκάθαρο: και τα δύο μοντέλα βασίστηκαν σε παλαιότερα, πιο "θεσμικά" δεδομένα: καταχωρήσεις καταλόγων, παλιά directory sites, references από πριν δύο χρόνια. Δεν μας ανέφεραν όχι επειδή δεν είμαστε καλοί. Δεν μας ανέφεραν επειδή δεν υπήρχαμε ακόμα σε αυτά τα δεδομένα όταν έγινε το τελευταίο crawl.
Αυτό είναι το πρώτο πράγμα που μαθαίνεις από ένα τέτοιο πείραμα: τα AI μοντέλα δεν αξιολογούν ποιότητα δουλειάς. Αξιολογούν όγκο και συνέπεια αναφοράς. Μια εταιρεία που αναφέρεται σε δέκα σημεία στο διαδίκτυο (το site της, το Google Business Profile της, δύο-τρία δημοσιεύματα, ένα portfolio directory, ένα LinkedIn profile ενεργό) κερδίζει έναντι μιας εταιρείας που κάνει καλύτερη δουλειά αλλά υπάρχει μόνο στο δικό της site. Το ίδιο μοτίβο που ίσχυε στο παραδοσιακό SEO με τα backlinks, τώρα ισχύει με μεγαλύτερη ένταση στο πώς σε "βλέπει" ένα γλωσσικό μοντέλο.
Γιατί τα μοντέλα διαφωνούν μεταξύ τους
Η συνηθισμένη υπόθεση είναι ότι όλα τα AI μοντέλα "ξέρουν" τα ίδια πράγματα, απλά με διαφορετικό ύφος απάντησης. Λάθος. Κάθε μοντέλο έχει διαφορετική πηγή αλήθειας. Το Perplexity κάνει live αναζήτηση σε κάθε ερώτηση: η απάντησή του είναι ουσιαστικά μια σύνοψη αυτού που θα έβρισκες σήμερα στο Google, φιλτραρισμένη μέσα από τη δική του κρίση σχετικά με το ποιες πηγές αξίζει να εμπιστευτεί. Το ChatGPT, στο default mode, απαντά από ένα "παγωμένο" σύνολο δεδομένων εκπαίδευσης εκτός αν ενεργοποιηθεί ρητά η αναζήτηση, που σημαίνει ότι μπορεί να σου δώσει μια εικόνα της αγοράς παλιά κατά μήνες ή και χρόνια. Το Claude δίνει προτεραιότητα στην ακρίβεια έναντι της πληρότητας: προτιμά να μην απαντήσει παρά να δώσει λάθος όνομα.
Το συμπέρασμα δεν είναι "ποιο μοντέλο είναι καλύτερο". Είναι ότι χρειάζεσαι παρουσία που να αντέχει και στα τέσσερα διαφορετικά μοντέλα ανάκτησης πληροφορίας ταυτόχρονα: live search, εκπαιδευμένη γνώση, citation-first σύνθεση, και conservative fallback. Αυτό δεν είναι ένα SEO trick. Είναι υποδομή. Αν θέλεις να καταλάβεις πώς διαφέρει αυτό από το κλασικό SEO, δες την ανάλυση AEO vs SEO. Η σύντομη εκδοχή είναι ότι το SEO βελτιστοποιεί για μια σελίδα αποτελεσμάτων, το AEO βελτιστοποιεί για μια απάντηση που δεν βλέπεις ποτέ να χτίζεται.
Το κοινό νήμα των εταιρειών που αναφέρθηκαν
Ελέγξαμε τις έξι εταιρείες που αναφέρθηκαν συνολικά στις πέντε απαντήσεις (συμπεριλαμβανομένης της δικής μας). Πέντε από τις έξι είχαν ένα κοινό χαρακτηριστικό: ξεκάθαρο, ονομαστικό reference στο ίδιο τους το site για το τι ακριβώς κάνουν, όχι γενικόλογο "δημιουργούμε ψηφιακές λύσεις", αλλά συγκεκριμένη πρόταση ("χτίζουμε sites σε Next.js, χωρίς WordPress, με τεχνικό SEO ενσωματωμένο"). Οι AI μηχανές δεν μαντεύουν το value proposition σου. Το αντιγράφουν, σχεδόν κατά λέξη, από το πιο ξεκάθαρο σημείο που το βρίσκουν.
Το δεύτερο κοινό χαρακτηριστικό ήταν η ύπαρξη structured data: schema markup που δηλώνει ρητά τον τύπο επιχείρησης, την τοποθεσία, τις υπηρεσίες. Οι τέσσερις από τις έξι είχαν πλήρες Organization και LocalBusiness schema. Οι δύο που δεν είχαν, εμφανίστηκαν μόνο στο Perplexity, το μοντέλο που κάνει live αναζήτηση και άρα δεν εξαρτάται τόσο από structured metadata όσο τα υπόλοιπα. Αν θες να δεις πώς χτίζεται σωστά αυτό το θεμέλιο, υπάρχει πλήρης οδηγός στο structured data για AI crawlers.
Ο μύθος του "καλύτερου": γιατί η ερώτηση είναι λάθος
Εδώ είναι το σημείο που η συνηθισμένη λογική αστοχεί εντελώς. Οι επιχειρήσεις υποθέτουν ότι ο στόχος είναι να πείσουν ένα AI μοντέλο ότι είναι "οι καλύτεροι". Αλλά κανένα μοντέλο δεν αξιολογεί ποιότητα με τον τρόπο που νομίζεις: δεν δοκιμάζει το site σου, δεν βλέπει το πορτφόλιό σου με κριτικό μάτι, δεν συγκρίνει τιμές. Αξιολογεί σαφήνεια. Ποιος εξήγησε πιο καθαρά, σε πιο πολλά σημεία, με πιο συνεπή τρόπο, τι ακριβώς κάνει και για ποιον.
Αυτό είναι καλά νέα, όχι κακά. Σημαίνει ότι δεν χρειάζεσαι το μεγαλύτερο portfolio ή τον μεγαλύτερο προϋπολογισμό μάρκετινγκ για να εμφανιστείς. Χρειάζεσαι μόνο να σταματήσεις να μιλάς σαν κάθε άλλη εταιρεία στον κλάδο σου. Η πιο κοινή αιτία που μια καλή επιχείρηση μένει αόρατη σε AI αναζητήσεις δεν είναι έλλειψη ποιότητας. Είναι ασάφεια: ένα site γεμάτο με "καινοτόμες λύσεις" και "ολιστική προσέγγιση" που δεν λέει σε κανέναν, ανθρώπινο ή μηχανικό reader, τι ακριβώς παραδίδεις.
Πώς χτίζεις παρουσία που τα AI μοντέλα εμπιστεύονται
Το πείραμα μας έδωσε μια πρακτική λίστα, όχι θεωρία. Αυτά είναι τα βήματα με τη σειρά που τα εφαρμόσαμε στο δικό μας site μετά την ανάλυση:
Πρώτο βήμα: γράψε μία πρόταση, στην αρχική σελίδα, που να απαντά ξεκάθαρα στο "τι κάνεις, για ποιον, και τι σε διαφοροποιεί", χωρίς επίθετα χωρίς νόημα. Δεύτερο βήμα: πρόσθεσε Organization και LocalBusiness schema markup με πλήρη στοιχεία τοποθεσίας, υπηρεσιών και επικοινωνίας. Τρίτο βήμα: δημιούργησε ένα llms.txt αρχείο που δίνει στα AI μοντέλα μια δομημένη περίληψη του ποιος είσαι, χωρίς να χρειάζεται να "μαντέψουν" διαβάζοντας μενού πλοήγησης. Δες τι είναι το llms.txt για την πλήρη εξήγηση. Τέταρτο βήμα: βεβαιώσου ότι η ίδια περιγραφή της επιχείρησής σου εμφανίζεται με συνέπεια σε τουλάχιστον πέντε σημεία εκτός του site σου: Google Business Profile, LinkedIn, industry directories, δημοσιεύματα. Πέμπτο βήμα: έλεγξε αν το ίδιο το AI μπορεί καν να "διαβάσει" το site σου τεχνικά: πολλά sites με βαριά JavaScript rendering παραμένουν κενά για crawlers που δεν εκτελούν πλήρες JS. Το ελέγξαμε ρητά σε δέκα επιχειρήσεις της Αθήνας στο Μπορεί το ChatGPT να δει το site σας, και το αποτέλεσμα ήταν ανησυχητικό για τους μισούς.
Έκτο βήμα, το πιο συχνά παραλειπόμενο: επανέλαβε το πείραμα κάθε τρίμηνο. Οι απαντήσεις των AI μοντέλων δεν είναι στατικές.
Τι αλλάζει κάθε μήνα: το πείραμα δεν έχει τέλος
Η πιο επικίνδυνη παρανόηση σε αυτό το θέμα είναι ότι μπορείς να "κάνεις AEO" μία φορά και να το ξεχάσεις. Το Perplexity ανανεώνει τα δεδομένα του σχεδόν σε πραγματικό χρόνο. Το ChatGPT και το Gemini ενημερώνουν το training τους σε κύκλους μηνών, όχι ημερών, αλλά ενεργοποιούν όλο και περισσότερο live search ως default συμπεριφορά. Αυτό σημαίνει ότι η εικόνα που σχηματίζει ένα AI μοντέλο για την επιχείρησή σου είναι κινούμενος στόχος: αλλάζει κάθε φορά που αλλάζει κάτι στο site σου, στο Google Business Profile σου, ή στο πόσο συχνά αναφέρεσαι αλλού.
Επαναλάβαμε το ίδιο πείραμα έξι εβδομάδες μετά τις πρώτες διορθώσεις. Τα αποτελέσματα άλλαξαν: εμφανιστήκαμε πλέον σε τέσσερις από τις πέντε απαντήσεις, όχι τρεις. Η μία αλλαγή που πιστεύουμε ότι έκανε τη διαφορά ήταν το πιο συνεπές schema markup σε συνδυασμό με ένα ενημερωμένο llms.txt. Δεν είναι απόδειξη αιτιότητας σε ένα δείγμα ενός πειράματος, αλλά είναι το είδος του σήματος που αξίζει να παρακολουθείς, όχι να αγνοείς.
Τι σημαίνει αυτό για μια μικρή επιχείρηση της Αθήνας
Αν είσαι μικρή επιχείρηση (όχι μόνο web development, οποιοσδήποτε τοπικός κλάδος), το πείραμα αυτό είναι μια πρόσκληση να κάνεις το ίδιο τεστ για τον δικό σου κλάδο. Άνοιξε πέντε καθαρές συνομιλίες. Ρώτησε "ποιος είναι ο καλύτερος [ο κλάδος σου] στην Αθήνα". Δες αν εμφανίζεσαι. Αν όχι, δεν χρειάζεται πανικός: χρειάζεται ακρίβεια. Η ίδια δουλειά που κάναμε στο δικό μας site μπορεί να εφαρμοστεί σε οποιαδήποτε επιχείρηση μέσα σε λίγες εβδομάδες, χωρίς redesign, χωρίς νέο προϋπολογισμό μάρκετινγκ, μόνο με πιο σαφή δομή στο υπάρχον web development θεμέλιο που ήδη έχεις.
Η ένσταση: "Αυτό δεν είναι απλά gaming του AI;"
Η πιο συχνή αντίρρηση που ακούμε όταν εξηγούμε αυτό το πείραμα σε πελάτες είναι εύλογη: "Αν βελτιστοποιείς ειδικά για να σε αναφέρει ένα AI μοντέλο, δεν παίζεις το σύστημα αντί να χτίζεις πραγματική αξία;" Η ένσταση θα ήταν σωστή αν η βελτιστοποίηση σήμαινε ψέματα: τεχνητά reviews, ψεύτικες μαρτυρίες, υπερβολικές διεκδικήσεις. Αλλά δεν είναι αυτό που περιγράψαμε παραπάνω. Το schema markup δεν λέει ψέματα, δηλώνει με ακρίβεια τι ήδη υπάρχει. Το llms.txt δεν διαφημίζει, συνοψίζει. Η ξεκάθαρη πρόταση αξίας στην αρχική σελίδα δεν είναι spin, είναι η αφαίρεση της αοριστίας που ήδη υπήρχε.
Η αναλογία που χρησιμοποιούμε είναι απλή: μια βιτρίνα καταστήματος με καθαρή πινακίδα δεν "παίζει το σύστημα" της όρασης των περαστικών. Απλώς σέβεται το γεγονός ότι κανείς δεν έχει χρόνο να μπει μέσα και να ψάξει. Το ίδιο ισχύει και για ένα γλωσσικό μοντέλο που διαβάζει χιλιάδες sites μέσα σε δευτερόλεπτα. Η σαφήνεια δεν είναι χειραγώγηση. Είναι ευγένεια προς τον αναγνώστη, ανθρώπινο ή μηχανικό.
Πόσο κοστίζει και πόσο χρόνο παίρνει αυτή η δουλειά
Το ρεαλιστικό ερώτημα μετά από όλα αυτά είναι πρακτικό: πόσος χρόνος και προϋπολογισμός χρειάζεται για να περάσει μια επιχείρηση από "αόρατη σε AI αναζητήσεις" σε "συνεπώς αναφερόμενη"; Στη δική μας περίπτωση, η πλήρης αναθεώρηση (schema markup, llms.txt, ξεκάθαρη πρόταση αξίας, έλεγχος τεχνικής προσβασιμότητας σε crawlers) πήρε κάτω από δύο εβδομάδες δουλειάς ενός ανθρώπου, χωρίς κανένα νέο κομμάτι σχεδιασμού ή περιεχομένου. Δεν είναι redesign project. Είναι ένα στρώμα υποδομής πάνω σε ό,τι ήδη υπάρχει.
Αυτό είναι το μέρος που εκπλήσσει τους περισσότερους: το κόστος δεν είναι στο "νέο περιεχόμενο". Είναι στην ακρίβεια του υπάρχοντος. Οι περισσότερες μικρές επιχειρήσεις της Αθήνας δεν χρειάζονται νέο site για να γίνουν ορατές σε AI αναζητήσεις. Χρειάζονται μια μέρα δουλειάς πάνω στη σαφήνεια αυτού που ήδη έχουν χτίσει.
Τα λάθη που είδαμε σε sites που δεν εμφανίστηκαν πουθενά
Πριν κλείσουμε, αξίζει να καταγράψουμε τι είδαμε στα sites των εταιρειών που δεν εμφανίστηκαν σε καμία από τις πέντε απαντήσεις, όχι με σκοπό να τις εκθέσουμε, αλλά επειδή τα λάθη επαναλαμβάνονται με τόση συνέπεια που αξίζουν λίστα. Το πρώτο και πιο συχνό: αρχική σελίδα που ανοίγει με ένα μεγάλο hero βίντεο ή εικόνα και μηδέν κείμενο πάνω από το fold. Όμορφο για άνθρωπο με γρήγορη σύνδεση. Κενό για ένα μοντέλο που διαβάζει HTML.
Το δεύτερο λάθος: το "About us" κείμενο γραμμένο σε τρίτο πρόσωπο με τόσο γενικές διατυπώσεις που θα μπορούσε να ανήκει σε οποιαδήποτε εταιρεία σε οποιαδήποτε χώρα: "με πάθος για την ποιότητα, χτίζουμε σχέσεις εμπιστοσύνης". Ούτε ένα μοντέλο ούτε ένας άνθρωπος μπορεί να εξάγει από αυτή την πρόταση τι ακριβώς κάνει η εταιρεία. Το τρίτο λάθος, πιο τεχνικό: sites όπου η πλοήγηση και το βασικό περιεχόμενο φορτώνουν αποκλειστικά μέσω client-side JavaScript χωρίς server-side rendering ή έστω static fallback: αν ένας crawler δεν εκτελεί πλήρες JS, βλέπει μια κενή σελίδα. Το φαινόμενο αυτό, και πώς το διορθώνεις χωρίς να αλλάξεις stack, το αναλύουμε στο Next.js vs WordPress ταχύτητα. Η επιλογή τεχνολογίας δεν είναι μόνο θέμα ταχύτητας φόρτωσης, είναι θέμα του αν το περιεχόμενό σου υπάρχει καν για μια μηχανή που δεν κάνει click σε τίποτα.
Το τέταρτο λάθος, ίσως το πιο ανθρώπινο: καμία ενημέρωση στο site εδώ και δεκαοκτώ μήνες ή περισσότερο. Ένα AI μοντέλο δεν έχει τρόπο να ξέρει αν μια εταιρεία με τελευταία ενημέρωση το 2024 λειτουργεί ακόμα κανονικά, έχει κλείσει, ή έχει απλά σταματήσει να επενδύει στο site της. Στην αμφιβολία, προτιμά να μην την αναφέρει καθόλου παρά να προτείνει κάτι που ίσως δεν υπάρχει πια.
Τι θα δούμε αν επαναλάβουμε το πείραμα σε άλλες πόλεις και κλάδους
Το πείραμα αυτό δεν έχει νόημα μόνο για web developers στην Αθήνα. Η ίδια δυναμική ισχύει για δικηγόρους στη Θεσσαλονίκη, εστιατόρια στο Ηράκλειο, ξενοδοχεία στη Σαντορίνη. Όποιος ρωτήσει ένα AI μοντέλο "ποιο είναι το καλύτερο [κλάδος] στο [πόλη]" θα πάρει μια απάντηση διαμορφωμένη από τα ίδια τρία κριτήρια που περιγράψαμε: σαφήνεια πρότασης αξίας, συνέπεια αναφοράς σε πολλαπλά σημεία, και τεχνική προσβασιμότητα του site σε crawlers. Δοκιμάσαμε ανεπίσημα την ίδια ερώτηση για τον κλάδο της φιλοξενίας, αντικαθιστώντας "web developer" με "boutique ξενοδοχείο", και το μοτίβο επαναλήφθηκε: οι επιχειρήσεις με ενεργό Google Business Profile, σταθερά reviews, και ξεκάθαρη περιγραφή τοποθεσίας και εμπειρίας εμφανίζονταν σταθερά σε τρία από τα πέντε μοντέλα. Οι υπόλοιπες, ανεξάρτητα από την ποιότητα του καταλύματος, δεν εμφανίζονταν πουθενά.
Αυτό επιβεβαιώνει κάτι που πιστεύουμε βαθιά στη Distarter: το AEO δεν είναι ένα ειδικό, νησιωτικό κομμάτι μάρκετινγκ για τεχνολογικές εταιρείες. Είναι η νέα βασική υποδομή κάθε τοπικής επιχείρησης, με τον ίδιο τρόπο που το Google Business Profile έγινε απαραίτητο πριν δέκα χρόνια χωρίς κανείς να το αποκαλεί "high-tech marketing", απλώς έγινε ο τρόπος που δουλεύει η αναζήτηση.
Πώς αυτό συνδέεται με τη γενικότερη μετάβαση από SEO σε AEO
Αξίζει να τοποθετήσουμε το πείραμα μέσα στο ευρύτερο πλαίσιο. Για δεκαπέντε χρόνια, η επιτυχία online μετριόταν με μια απλή ερώτηση: "πού κατατάσσεσαι στο Google;" Το ερώτημα αυτό δεν εξαφανίζεται. Η πλειοψηφία της κίνησης ενός site εξακολουθεί να έρχεται από παραδοσιακή αναζήτηση. Αλλά δίπλα του εμφανίστηκε ένα δεύτερο ερώτημα, εξίσου σημαντικό: "τι λέει ένα AI μοντέλο για σένα όταν κάποιος το ρωτήσει;" Αυτά τα δύο ερωτήματα απαντιούνται εν μέρει από τα ίδια θεμέλια (καλή τεχνική δομή, καθαρό περιεχόμενο, σαφή σήματα εμπιστοσύνης), αλλά όχι πλήρως. Μπορείς να κατατάσσεσαι στην πρώτη σελίδα του Google και ταυτόχρονα να είσαι αόρατος σε μια απάντηση ChatGPT, γιατί τα δύο συστήματα αξιολογούν με διαφορετικά κριτήρια βάρους: το Google δίνει έμφαση σε backlinks και behavioral signals, ένα γλωσσικό μοντέλο δίνει έμφαση σε σαφήνεια εξήγησης και συνέπεια αναφοράς.
Το πρακτικό συμπέρασμα για μια μικρή επιχείρηση δεν είναι να εγκαταλείψει το κλασικό SEO: θα ήταν λάθος, καθώς παραμένει η μεγαλύτερη πηγή οργανικής κίνησης σήμερα. Είναι να προσθέσει ένα δεύτερο στρώμα δουλειάς πάνω από αυτό, φθηνό σε σχέση με το πρώτο, που διασφαλίζει ότι η ίδια σαφήνεια που χτίζεις για ανθρώπινους αναγνώστες μεταφράζεται και σε μορφή που ένα AI μοντέλο μπορεί να αναπαράγει με ακρίβεια. Αυτό είναι, τελικά, το σημείο ολόκληρου αυτού του πειράματος: όχι να αποδείξουμε ποιος είναι "ο καλύτερος", αλλά να δείξουμε, με πραγματικά δεδομένα από πραγματικά μοντέλα, ότι η ορατότητα σε αυτόν τον νέο κόσμο κερδίζεται με τους ίδιους κανόνες τιμιότητας και σαφήνειας που πάντα ανταμείβονταν, απλά με νέο κριτή.
Το σημείο
Δεν υπάρχει "καλύτερος web developer στην Αθήνα". Υπάρχει ο developer που το AI μοντέλο μπόρεσε να καταλάβει πρώτος, πιο καθαρά, σε περισσότερα σημεία. Αυτό δεν είναι άδικο σύστημα. Είναι απλώς ένα διαφορετικό σύστημα από αυτό που ξέραμε. Και όπως κάθε νέο σύστημα, ανταμείβει όχι τους μεγαλύτερους παίκτες, αλλά αυτούς που κατάλαβαν πρώτοι τους κανόνες.