Viestinnän vaikuttavuuden osoittamiseen tarvitaan mitattavissa olevaa dataa. Tässä artikkelissa pohdimme, ovatko verkkosivuilla tapahtuvan viestinnän mittarit muuttuneet tekoälyn myötä ja vaatiiko löydettävyys nyt uudenlaista sisällön optimointia. Viestinnän tutkimuksessa arviointi nähdään vaiheena, jota edeltää mittaaminen ja seuranta ja jota seuraavat suunnittelu ja toiminta. (Juholin & Rydenfelt, 2022, 306.) Mittaaminen ja arviointi eivät ole sama asia. Kun mitattuja tuloksia käytetään onnistumisen arvioinnin pohjana, on hyvä ymmärtää, mitä tulokset sisältävät ja miten ne on saatu.
Pitkän aikaa tärkeintä on ollut löydettävyys
Jo noin kolmenkymmenen vuoden ajan hakukoneet ovat auttaneet verkon käyttäjiä löytämään tietoa (Seymour, Frantsvog & Kumar 2011). Yhtä kauan verkkosivujen tekijät ovat pyrkineet huomioimaan hakukoneiden toimintaa sivustojen ja sisältöjen suunnittelussa varmistaakseen, että omat sisällöt nousisivat hakukoneiden tuloksiin (Himari 2026; Baker 2021). Hakukoneoptimoinnilla (Search Engine Optimization, SEO) on tavoiteltu hakukoneen tulossivun kärkipaikkoja. Hyvä osuma hakutuloksissa on saanut hakijan klikkaamaan tuloslinkkiä ja vierailemaan kohdesivustolla sen sisältöjen äärellä.
Sivustojen ylläpitäjät, sisällöntuottajat ja viestijät ovat voineet seurata sivustojen liikennettä, käyttäjämääriä, katselukertoja, käyttäjien sitoutumista ja monia muita tietoja kävijätilastoista (Rikkola 2020). Tilastoista on saatu arvokasta tietoa omien sisältöjen kiinnostavuudesta, ja tiedolla on voitu osoittaa myös vaikuttavuutta. On voitu todeta, että sisältömme houkuttelee ja sille on käyttöä.
Pitkään verkkoviestinnän vaikuttavuuden mittariksi on riittänyt orgaaninen hakukonenäkyvyys, jota on tavoiteltu optimoimalla verkkosisällöt hakukoneelle hyvin löydettäviksi. Esimerkiksi viestintäkampanjoiden osalta on mitattu, kuinka paljon osumia on saatu, eli miten hyvin hauissa on noustu esiin ja kuinka usein käyttäjät ovat klikanneet hakutuloksen kautta varsinaisen hakuosuman sivulle.
Mikä on muuttunut tekoälyn vuoksi?
Kävijätilastointi on ollut suoraviivainen tapa arvioida verkkosivuston suoriutumista, asettaa tavoitteita ja seurata niiden toteutumista. Jos käyttäjä on etsinyt tietoa hakukoneesta, päätynyt sivustolle ja viettänyt sisällön parissa aikaa, on varmasti saavutettu jonkinlaista vaikuttavuutta. Jos näitä käyttäjiä on satoja, tuhansia tai vielä enemmän, on onnistuttu tekemään jotain oikein. Suuriin kielimalleihin (large language model, LLM) pohjautuvat tekoälypalvelut ovat muuttamassa tuttua logiikkaa.
Esimerkiksi ChatGPT-, Claude- ja Gemini-tekoälypalvelut perustuvat suuriin kielimalleihin. Suuri kielimalli on koulutettu miljardeja sanoja sisältävällä koulutusdatalla, jonka perusteella se osaa esimerkiksi tuottaa vastauksia sille esitettyihin kysymyksiin (Numminen 2026). Vastaukset perustuvat seuraavan sanan ennustamiseen koulutusdatasta opittujen todennäköisyyksien perusteella, ja verkkosivustojen sisällöt ovat kielimallien keskeinen koulutusdatan lähde (Coeckelbergh & Gunkel 2025, 31–40).
Googlen hakukone on tarjonnut suomalaisille käyttäjille tekoälytiivistelmiä hakutulosten yhteydessä toukokuusta 2025 lähtien (Vehkoo 2025). Tiivistelmät tuottaa muokattu versio Googlen Gemini-tekoälymallista yhdistelemällä useilta verkkosivustoilta haettuja tietoja (Reid 2024). Tekoälytiivistelmät ovat vähentäneet verkkosivujen liikennettä, koska käyttäjän ei enää tarvitse siirtyä hakukoneesta sivustolle, jolta alkuperäinen tieto on haettu. (Vehkoo 2025). On arvioitu, että Google-haun parhaan hakutuloksen klikkausosuus (click through rate, CTR) on pudonnut 58 prosenttia tekoälytiivistelmien myötä (Law 2026).
Tekoälypalvelujen käyttö tiedon etsimisessä ylipäänsä on aiheuttanut pudotusta verkkosivujen käyttäjämääriin ja tehnyt suurelta osin näkymättömäksi sen, millaisissa yhteyksissä sisältöjä käytetään palvelun käyttäjilleen antamissa vastauksissa. Tekoäly vastaa käyttäjille suoraan hakuympäristössä, jolloin käyttäjä ei välttämättä klikkaa itseään ulos tekoälyalustalta ulkoiselle verkkosivuille. Tiedonhakutoiminnot ovat muuttuneet nollaklikkihauiksi (Fishkin 2024). Näin suuri osa siitä, mitä aiemmin saatoimme todentaa vaikuttavuutena, jää nyt näkymättömiin.
Perinteisen hakukoneoptimoinnin rinnalle onkin noussut uusia kysymyksiä. Kuinka varmistamme, että hakukoneiden lisäksi myös tekoälypalvelut löytävät sisältömme ja pystyvät hyödyntämään niitä tarjotessaan vastauksia käyttäjiensä kysymyksiin? Kuinka varmistamme, että sivustomme näkyy tekoälytiivistemissä tiedonlähteenä?
Miten tekoälyvastauksiin pääsee näkyville?
Vuonna 2024 Aggarwal (et al.) raportoivat, että suuret kielimallit loivat haasteen verkkosivustojen sisällöntuottajille, koska näille ei enää jäänyt entisenlaista kontrollia hakukoneiden toimintaan. Tämän haasteen ratkaisemiseksi tutkijat esittelivät tekoälyoptimoinnin (Generative Engine Optimization, GEO), jonka tarkoitus on auttaa sisällöntuottajia parantamaan sisältönsä näkyvyyttä tekoälyä hyödyntävien hakukoneiden vastauksissa.
Tekoälyajassa viestijän on hyvä ainakin jollain tasolla ymmärtää, mitä tekoälyn käyttöliittymän takana tapahtuu. Mistä esimerkiksi ChatGPT hakee tietoja? GEO-asiantuntija Tomek Rudzkin (2026) mukaan ChatGPT:llä on oma indeksihakemisto, joka hakee tietoa verkosta esimerkiksi verkkosivuilta, PDF-tiedostoista, YouTubesta ja Wikipediasta. Myös Google-haulla ja Microsoftin Bing-hakukoneella on yhä väliä, koska ChatGPT hyödyntää niiden hakutuloksia. “Koska ChatGPT:n omaa indeksointijärjestelmää rakennetaan yhä, kaikki tästä kehitystyöstä raportoitu vanhenee viikko viikolta, syyskuussa 2026 kirjoitettuun nähden nykyisellä lukuhetkellä kaikki voi olla toisin”, Rudzkin muistuttaa.
Entäpä esimerkiksi ”reranker”, uudelleenarvioija? Yesilyurt (2026) kuvailee, että suuri kielimalli vastaa kysymykseen hakemalla ensin kymmeniä tai satoja tekstiote-ehdokkaita verkosta. Tämän jälkeen uudelleenlajittelija (reranker), pienempi, sisällön relevanttiuteen erikoistunut malli, lukee jokaisen otteen ja pisteyttää oleellisuuden vertaamalla eri vaihtoehtoja kysymykseen. Vahvimmat ehdokkaat siirtyvät kielimallin vastauksen sisällöksi. Lajittelija toimii portinvartijana, joka päättää, mistä verkon sisällöstä tulee kielimallin vastaukseen ”noudettu” (retrieved) ja ”lainattu” (cited).
Tekoälyn toiminta ja kapasiteetti voivat ällistyttää, mutta hyvä uutinen viestijöille on se, että esimerkiksi Googlen tekoälytiivistelmien osalta sisällöntuottajan ei tarvitse muuttaa toimintaansa oikeastaan ollenkaan, jos hakukoneoptimoitu ja saavutettava sisällöntuotanto on tuttua. Tärkeintä on tarjota uusia, ainutlaatuisia näkökulmia, syvää tietoa, joka ei ole ”käyttötavaraa”, sisältöä, joka on jäsennelty käyttäjäystävällisesti ja joka kiinnostaa. Myös laadukkaiden kuvien ja videoiden hyödyntäminen on suotavaa. (Google for Developers 2026.)
GEO ei ole kokonaan uusi ajattelutapa, joka muuttaisi olennaisesti sen, kuinka verkkosisältöjä kannattaisi tuottaa ja julkaista. Noin 80 prosenttia GEO-menetelmistä on tuttua SEO-maailmasta, joten yhä edelleen olennaista on asiantunteva, laadukas ja hyvin jäsennelty sisältö. Aidosti uudet GEO-menetelmät toteutuvat pitkälti sellaisella teknisellä tasolla, joka ei ole tavallisen sisällöntuottajan tai viestijän käsissä. (Guaglione 2026.)
Rohkeasti kokeillen kohti verkkonäkyvyyden uutta aikaa
Tarve kertoa maailmalle asioita, tiedottaa ja julkaista uutta tietoa on jatkuva, ja tekoäly on jo muuttanut tapaa, jolla ihmiset tietoa etsivät. On tärkeää saada oma viesti näkyviin myös tekoälyn tarjoamiin vastauksiin, ja ensimmäinen askel tähän on tuottaa uutta ja laadukasta tietoa.
Verkkosivujen analytiikasta on yhä hyötyä, se antaa tietoa sivujen käytöstä ja sivuston eri sivujen suhteellisista käyttäjämääristä. Kävijätilastosta voidaan todeta, mitkä sisällöt kiinnostavat ja mille tiedolle on käyttöä. Analytiikasta voi myös todeta, käyvätkö tekoälypalvelut hakemassa sivustolta tietoa, tai jos käyttäjä on päätynyt sivustolle tekoälyn tarjoaman vastauksen ja lähdeviittauksen kautta.
Viestijän kannattaa käyttää tekoälypalveluja, kysyä ja keskustella niiden kanssa esimerkiksi oman verkkosivuston aiheista. Asettumalla ulkopuolisen tiedonhakijan asemaan voi oppia, ovatko omat sisällöt mukana, kun tekoäly käsittelee aihepiiriä.
Tekoäly muuttaa tapoja, joilla verkkosisältöjä etsitään ja käytetään, joten tekoälyoptimointiin on hyvä tutustua ja seurata kehityksen etenemistä. Ainakin toistaiseksi löydettävyyden avaintekijät ovat kuitenkin suurelta osin samat kuin ennenkin. Tekoäly näyttäytyy aiempaa tärkeämpänä, koska se esittää verkosta poimitut sisällöt loppukäyttäjälle siten, että käyttäjä ei aina päädy alkuperäisen tiedon lähteelle. Uskomme kuitenkin, että jatkossakin kannattaa panostaa laadukkaan ja saavutettavan sisällön tuottamiseen, ja suunnata se ensisijaisesti ihmiselle.
Lähteet
Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K. & Deshpande, A. 2024. GEO: Generative Engine Optimization. KDD ’24: Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, 5-16.
Baker, L. 2021. 20+ Years of SEO: A Brief History of Search Engine Optimization. Search Engine Journal (Alpha Brand Media). Julkaistu 27.2.2021. Haettu 9.11.2026.
Coeckelbergh, M. & Gunkel, D. J. 2025. Viestivä tekoäly: kriittinen johdanto suuriin kielimalleihin. Suomentanut Kimmo Pietiläinen. Helsinki: Terra Cognita.
Fishkin, R. 2024. Zero-Click Search Study: For every 1,000 EU Google Searches, only 374 clicks go to the Open Web. In the US, it’s 360. Blogikirjoitus 1.7.2024. SparkToro, LLC:n verkkosivu (sparktoro.com). Haettu 20.9.2026.
Google for Developers. 2026. Optimizing your website for generative AI features on Google Search. Päivitetty 7.10.2026. Haettu 14.10.2026.
Guaglione, S. 2026. GEO hype busted: How it differs (and how it doesn’t) from SEO. Blogikirjoitus, 10.3.2026. Digiday Median verkkosivu (digiday.com). Haettu 14.10.2026.
Himari, M. 2026. Hakukoneoptimoinnin historia: miten Yahoo mokasi, ja kuinka Googlesta kasvoi maailman tunnetuin hakukone? Blogikirjoitus, päivitetty 15.4.2026. Havulaavu Oy:n verkkosivu (seohub.fi). Haettu 9.11.2026.
Juholin, E. & Rydenfelt, H. 2021. Viestinnän mittaaminen ja strateginen viestintä. Tavoitteellisuutta, ketteryyttä vai hapuilua pimeässä? Hallinnon tutkimus 40(5), 304-325.
Law, R. 2026. Update: AI Overviews Reduce Clicks by 58%. Blogikirjoitus 4.2.2026. Ahrefs Pte. Ltd. verkkosivu (Ahrefs.com). Haettu 13.10.2026.
Numminen, L. 2026. Mitä on tekoäly? Generate More Oy:n verkkosivu (generatemore.ai). Päivitetty 10.9.2026. Haettu 29.10.2026.
Reid, E. 2024. Generative AI in Search: Let Google do the searching for you. Blogikirjoitus 14.5.2024. News from Google verkkosivu (blog.google). Haettu 29.10.2026.
Rikkola, J. 2020. Grow with Google -koulutus: verkkoanalytiikan perusteet. YouTube-video 1.11.2020. Google Suomi. Haettu 13.10.2026.
Rudzki, T. 2026. ChatGPT built its own search index. Blogikirjoitus 4.9.2026. Peec AI GmbH verkkosivu (Peec.ai.). Haettu 13.10.2026.
Seymour, T. Frantsvog, D. & Kumar, S. 2021. History Of Search Engines. International Journal of Management & Information Systems (IJMIS) 15(4), 47-58.
Vehkoo, J. 2025. Analyysi: Tekoäly muuttaa Google-hakua perustavanlaatuisella tavalla, ja ensiseuraukset näemme nyt. Uutinen 20.11.2025. Yleisradio Oy:n verkkosivu (yle.fi). Haettu 13.10.2026.
Yesilyurt, M. 2026. Rerankers for GEO/AEO: How AI search chooses passages and sources. Blogikirjoitus 6.8.2026. Peec AI GmbH verkkosivu (Peec.ai.) Haettu 10.11.2026.
Kirjoittajat
-
Jussi Linkola
Asiantuntija, Metropolia AmmattikorkeakouluVerkkoviestinnän ja julkaisemisen asiantuntija Metropolian Työelämäyhteistyö ja oppimisen innovaatiot -tiimissä.
Tutustu tekijään -
Milla Åman Kyyrö
Asiantuntija, Metropolia Ammattikorkeakoulu, Älykäs ja luova kaupunki -innovaatiokeskittymä.Viestinnän asiantuntijana Millalle on ilo tukea organisaation toiminnan vaikuttavuutta ja toteuttaa yleisöjen tarpeita palvelevaa hankeviestintää.
Tutustu tekijään
