ChatGPT ve Gemini’de Markanız Öneriliyor mu? Yapay Zeka Görünürlüğü Nasıl Ölçülür?

ChatGPT’nin ya da Gemini’nin markanızı önerip önermediğini tek bir soruyla anlayamazsınız; aynı soru her seferinde farklı cevap alabilir. Güvenilir ölçüm için markanızın adını içermeyen bir soru seti kurun, her soruyu birden çok modelde ve birden çok kez sorun, cevapları “bahsedildi mi, ilk öneri mi, kaynak olarak sitemiz gösterildi mi” diye ayrı ayrı kaydedin. Buna sunucu erişim loglarında yapay zeka botlarının sitenize gerçekten girip giremediğinin kontrolünü ekleyin.

Yapay zeka asistanları ürün, hizmet ve ajans önerisi için giderek daha sık kullanılıyor ve markalar doğal olarak şunu merak ediyor: biz bu cevapların içinde miyiz? Bu yazı görünürlüğü nasıl artıracağınızı değil, nasıl ölçeceğinizi anlatıyor. Strateji tarafını yapay zeka arama optimizasyonu rehberimizde ele aldık. Glowy, İstanbul merkezli bir dijital pazarlama ajansı; kendi markamız için de bu tür yoklamaları düzenli olarak yapıyoruz ve aşağıdaki yöntem bu çalışmadan çıkan pratik notlara dayanıyor. Bot davranışıyla ilgili bilgileri OpenAI, Anthropic, Perplexity ve Google’ın kendi dokümanlarından aldık; kaynaklar yazının sonunda.

ChatGPT markamı öneriyor mu, nasıl anlarım?

En yaygın yöntem, ChatGPT’yi açıp “İstanbul’daki en iyi X firmaları hangileri?” diye sormak ve cevaba bakmaktır. Bu bir başlangıç, ama ölçüm değil. Üç sebebi var.

Birincisi, dil modelleri aynı soruya her seferinde aynı cevabı vermez. Bir denemede listede olup bir sonrakinde olmamanız sıradan bir durumdur. İkincisi, cevabı etkileyen çok sayıda değişken vardır: hangi model ve sürümün kullanıldığı, web aramasının açık olup olmadığı, sohbet geçmişi, hesabın dili ve konumu. Üçüncüsü, tek soru markanızın göründüğü soru türlerinden yalnızca birini temsil eder.

Güvenilir bir cevap için ölçümü bir deney gibi kurmak gerekir: sabit bir soru seti, sabit modeller, her soru için birden çok tekrar ve her cevabın aynı ölçütlerle kaydı. Böylece “bizi öneriyor mu” sorusunun cevabı evet ya da hayır değil, bir oran olur ve zaman içinde karşılaştırılabilir.

Yapay zeka görünürlüğü klasik SEO ölçümünden neden farklı?

Arama motorunda bir sayfanın sırası vardır ve bu sıra Search Console gibi araçlarla izlenebilir. Sohbet asistanlarında ise sabit bir sıra yoktur; cevap her istekte yeniden üretilir. Ölçtüğümüz şey bir konum değil, bir olasılıktır: bu soruyu soran kişilerin yüzde kaçı cevapta markanızı görür?

İkinci fark, bilginin kaynağıdır. Bir asistan cevabı iki yoldan üretebilir: modelin eğitim sırasında öğrendiği bilgiden ya da o anda yaptığı web aramasından. Web araması açık olduğunda cevap güncel sayfalara dayanır ve genellikle kaynak bağlantısı gösterilir. Kapalı olduğunda model, eğitim verisinde markanız hakkında gördüklerine göre konuşur. İki durum farklı çalışmalar gerektirir ve ölçümde ayrı tutulmalıdır.

Google tarafında durum biraz farklı. Google, Yapay Zeka Bakışı ve Yapay Zeka Modu’nda görünen sitelerin Search Console’daki genel arama trafiğine dahil edildiğini ve Performans raporunda “Web” arama türü altında raporlandığını söylüyor. Yani Search Console bu özelliklerden gelen gösterim ve tıklamaları ayrı bir rapor olarak sunmuyor; ChatGPT, Claude ve Perplexity için ise elinizde hiç arama konsolu yok. Bu yüzden yapay zeka görünürlüğü büyük ölçüde sizin kurduğunuz yoklamalarla ölçülür.

Ölçüm için soru seti nasıl kurulur?

Soru seti ölçümün temelidir ve en sık yapılan hata, yalnızca markanın adını içeren sorular sormaktır. “X markası nedir” sorusu markanın tanınıp tanınmadığını ölçer, önerilip önerilmediğini ölçmez. Asıl değerli sorular, potansiyel müşterinin markanızı henüz bilmeden sorduğu sorulardır.

Aşağıdaki tablo, dengeli bir set için soru türlerini ve her birinin neyi ölçtüğünü gösteriyor:

Soruları gerçek müşteri dilinden çıkarın: satış görüşmelerinde duyduğunuz sorular, Search Console’daki uzun sorgular, müşteri e-postaları. Her soru türünden birkaç örnek, markalı sorulardan ise az sayıda soru yeterlidir. Türkiye’de çalışıyorsanız Türkçe ve İngilizce soruları ayrı tutun; iki dilde sonuçlar belirgin biçimde farklı çıkabilir.

Setin boyutu için kesin bir sayı yok, ama başlangıç için birkaç düzine soru, tek tek sorulamayacak kadar çok ve anlamlı oran çıkaracak kadar fazla bir aralıktır. Önemli olan, set bir kez oluştuktan sonra değiştirilmemesidir. Her ay farklı sorular soruluyorsa aylar arası karşılaştırma yapılamaz. Yeni soru eklemek gerekiyorsa ayrı bir grup olarak ekleyin.

Hangi modeller ve sürümler karşılaştırılmalı?

Müşterilerinizin kullandığı asistanlar ölçülmelidir. Türkiye’de ve dünyada en yaygın olanlar ChatGPT, Gemini, Claude ve Perplexity; bunlara Google aramasındaki Yapay Zeka Bakışı ve Yapay Zeka Modu da eklenmelidir, çünkü arama yapan herkes bir sohbet uygulaması açmaz.

Her asistan içinde de farklılık vardır. Ücretsiz ve ücretli sürümler farklı modeller kullanabilir, web araması bazı durumlarda otomatik açılır, bazı durumlarda açılmaz. Google da Yapay Zeka Modu ile Yapay Zeka Bakışı’nın farklı modeller ve teknikler kullanabildiğini, bu yüzden gösterdikleri cevap ve bağlantıların değişeceğini açıkça belirtiyor.

Pratik öneri şu: her ölçümde model adını, sürümünü, web aramasının açık olup olmadığını ve tarihi kaydedin. Modeller sık güncellendiği için üç ay önceki bir sonuçla bugünkü sonuç arasındaki fark, sizin çalışmanızdan değil modelin değişmesinden kaynaklanabilir. Kayıt tutulmazsa bu iki etkiyi ayırmak imkânsız hale gelir.

API üzerinden otomatik ölçüm yapmak ölçeklenebilir bir yöntemdir, ama API’deki model davranışının tüketici uygulamasıyla aynı olmayabileceğini unutmayın. Tüketici arayüzü kişisel bağlam, konum ve hafıza gibi ek sinyaller kullanabilir. En sağlıklısı, otomatik ölçümü düzenli olarak birkaç elle yapılmış kontrolle doğrulamaktır.

Aynı soruyu kaç kez sormak gerekir?

Dil modelleri olasılıksal çalışır: aynı soruya verilen cevap her seferinde yeniden üretilir ve küçük farklarla değişir. Liste türündeki cevaplarda bu fark, markanın listeye girip girmemesi kadar büyük olabilir. Bu yüzden her soru birden çok kez sorulmalı ve sonuç bir oran olarak raporlanmalıdır.

Tekrar sayısı için de sabit bir kural yok. Birkaç tekrar, markanın “hiç görünmüyor”, “bazen görünüyor” ve “hemen hep görünüyor” gruplarından hangisinde olduğunu ayırmaya genellikle yeter. Daha ince farkları, örneğin yüzde 30 ile yüzde 40 arasındaki bir değişimi, güvenle görmek için hem daha çok tekrar hem daha çok soru gerekir.

Her tekrar temiz bir oturumda yapılmalıdır. Aynı sohbet penceresinde arka arkaya sorulan sorular birbirini etkiler; model önceki cevabı tekrarlamaya ya da ondan kaçınmaya eğilim gösterebilir. Hafızası olan hesaplarda, markanızla ilgili önceki konuşmaların cevabı etkilememesi için hafızası kapalı ya da yeni bir hesap kullanılmalıdır. Aksi halde “ChatGPT bizi öneriyor” sonucu, yalnızca sizin hesabınızın sizi tanımasından kaynaklanabilir.

Hangi metrikler raporlanmalı?

Ham cevaplar tek başına okunamaz; her cevabın aynı ölçütlerle kodlanması gerekir. Aşağıdaki metrikler çoğu marka için yeterli bir çerçeve sunar:

Bu metrikler soru türüne ve modele göre ayrı ayrı raporlanmalıdır. Markalı sorularda yüksek, markasız sorularda sıfıra yakın bir bahsedilme oranı, markanın tanındığını ama kategoriyle ilişkilendirilmediğini gösterir. Bu ayrım toplam tek bir oranda kaybolur.

Bahsedilme, ilk sıra ve kaynak gösterilme neden ayrı sayılır?

Üç metrik farklı şeyleri ölçer ve farklı çalışmalarla değişir. Bir marka adıyla anılıp kaynak olarak hiç gösterilmeyebilir: model markayı eğitim verisinden tanıyordur, ama o anki aramada sitenizin içeriği seçilmemiştir. Tersi de olur: bir blog yazınız kaynak olarak gösterilir, ama cevabın önerdiği markalar arasında adınız geçmez. Bu durumda içeriğiniz bilgi kaynağı olarak işe yarıyor, ama marka olarak öneriye dönüşmüyor demektir.

İlk sıra ise ayrıca değerlidir, çünkü kullanıcıların uzun listelerin tamamını okuduğunu varsaymak için bir sebep yok. Bir listenin sekizinci maddesi olmak ile tek öneri olmak aynı “bahsedilme” sayılsa da etkisi çok farklıdır.

Bu yüzden rapor, “bahsediliyor musunuz” sorusunu üçe böler: adınız geçiyor mu, öne çıkıyor musunuz ve içeriğiniz kaynak olarak kullanılıyor mu? Hangisinin zayıf olduğu, hangi çalışmanın öncelikli olduğunu da gösterir.

Marka yanlış tanımlanıyorsa nasıl anlaşılır?

Görünürlük ölçümünün çoğu zaman atlanan tarafı, markanın doğru tanımlanıp tanımlanmadığıdır. Özellikle genel bir kelimeyle aynı adı taşıyan markalarda model, markayı başka bir şeyle karıştırabilir. Kendi adımız da bu riski taşıyor: “glowy” kelimesi makyaj bağlamında da kullanıldığı için yoklamalarımızda “Glowy nedir” sorusunun bir ajans yerine bir makyaj tarzı olarak cevaplandığını gördük.

Bunu yakalamak için markalı sorularda cevabın doğru kategoriyi, doğru şehri ve doğru hizmetleri söyleyip söylemediğini ayrı bir kolon olarak kodlayın. Yanlış tanım bir kez tespit edildiğinde çözüm tarafı optimizasyonun konusudur: sitede ve dış profillerde tutarlı bir tanım cümlesi, yapılandırılmış veri ile işaretlenmiş kurum bilgisi ve markayı kategoriyle birlikte anan bağımsız kaynaklar. Kurum sayfasında bu tür bir tanımın nasıl görünebileceğine hakkımızda sayfamızdaki kısa tanım bölümü bir örnek.

Yanlış tanım yalnızca isim karışıklığı değildir. Eski bir adres, artık verilmeyen bir hizmet ya da hatalı bir fiyat bilgisi de modelin cevabına girebilir. Markalı sorular bu tür eskimiş bilgileri yakalamanın en hızlı yoludur.

Alıntılanan kaynak domainleri nasıl çıkarılır?

Web aramasıyla çalışan cevaplarda asistanlar genellikle kaynak bağlantıları gösterir. Bu bağlantılar, markanızın neden önerildiğini ya da önerilmediğini anlamanın en somut ipucudur. Her cevaptaki bağlantıları kaydedin, alan adına indirgeyin ve sayın.

Çıkan listeyi türlerine göre gruplamak işe yarar: sektör liste ve rehber siteleri, rakiplerin kendi blog yazıları, haber ve basın siteleri, forum ve soru-cevap platformları, sizin kendi sayfalarınız. Ajans ve hizmet önerisi sorularında yoklamalarımızda kaynak olarak en sık ajans rehberleri ve liste siteleri göründü. Bu listelerin nasıl oluştuğunu ve neyi ölçtüğünü dijital ajans listeleri nasıl okunur yazısında anlattık.

Bu analizin pratik çıktısı bir hedef listesidir: cevaplarda en sık görünen ve sizin henüz yer almadığınız kaynaklar. Rakiplerin kendi yazdığı “en iyi firmalar” içeriklerinin kaynak olarak kullanıldığını görürseniz, bunun bir tarafsızlık sorunu olduğunu ve kullanıcının bunu her zaman fark etmeyeceğini de not edin.

ChatGPT ve Gemini ürün veya ajans önerirken hangi kaynakları kullanıyor?

Asistanların hangi sayfaları hangi ağırlıkla kullandığı kamuya açık değil. Ama şirketlerin kendi dokümanları, hangi tarayıcıların hangi amaçla çalıştığını söylüyor ve bu, kaynakların nereden geldiğini anlamaya yardımcı oluyor.

OpenAI, ChatGPT’nin arama özelliklerinde siteleri göstermek için OAI-SearchBot’u kullandığını söylüyor. Dokümana göre OAI-SearchBot’u engelleyen siteler ChatGPT arama cevaplarında gösterilmiyor, yalnızca gezinme bağlantısı olarak görünebiliyor. GPTBot ise temel modellerin eğitiminde kullanılabilecek içeriği tarıyor ve iki ayar birbirinden bağımsız.

Google, Yapay Zeka Bakışı ve Yapay Zeka Modu’nun cevap oluştururken alt konular ve veri kaynakları arasında birden çok ilişkili arama yapabildiğini (“query fan-out”) anlatıyor. Bu özelliklerde destekleyici bağlantı olarak gösterilmek için sayfanın dizine eklenmiş ve Google Arama’da snippet ile gösterilmeye uygun olması gerekiyor; Google ek bir teknik koşul olmadığını belirtiyor.

Perplexity, PerplexityBot’un sitelerini arama sonuçlarında göstermek ve bağlantı vermek için kullanıldığını, temel modellerin eğitimi için içerik taramadığını söylüyor. Anthropic ise Claude-SearchBot’un arama sonuçlarının kalitesini artırmak için web’i dolaştığını ve engellenmesinin kullanıcı aramalarında görünürlüğü azaltabileceğini belirtiyor.

Bu bilgilerden çıkan pratik sonuç şu: web aramalı cevaplarda görünmenin ön koşulu, ilgili arama tarayıcısının sitenize erişebilmesi ve içeriğinizin arama dizininde yer almasıdır. Model bilgisindeki görünürlük ise daha yavaş değişir ve markanın web üzerindeki genel izine bağlıdır. İçeriğin güvenilirlik sinyalleri için E-E-A-T yazımıza bakabilirsiniz.

GPTBot ve diğer yapay zeka botlarının siteme erişip erişmediğini nasıl kontrol ederim?

En güvenilir kaynak sunucunuzun erişim logudur. Loglarda her isteğin kullanıcı aracısı (user agent), istenen adres ve sunucunun verdiği HTTP durum kodu yazar. Aşağıdaki botların adlarıyla arama yaparak hangi botun ne sıklıkla geldiğini ve hangi cevabı aldığını görebilirsiniz:

Logda bakılacak şey yalnızca botun gelip gelmediği değil, aldığı cevaptır. Botun isteklerine 200 dönüyorsa erişim var demektir. 403, 429 ya da 5xx dönüyorsa bot geliyor ama içeriği alamıyor. Bu ayrım önemlidir, çünkü robots.txt’de izin verilmiş bir bot, sunucu katmanında engellenebilir.

Kullanıcı aracısı taklit edilebilir; logda “GPTBot” yazan her istek gerçekten OpenAI’dan gelmeyebilir. OpenAI, Perplexity ve Anthropic botlarının kullandığı IP adreslerini yayınlıyor. Şüpheli durumlarda isteğin IP adresini bu listelerle karşılaştırın.

Bir not: kullanıcı isteğiyle çalışan ajanlar için robots.txt her zaman belirleyici değil. OpenAI, ChatGPT-User isteklerinin kullanıcı tarafından başlatıldığı için robots.txt kurallarının uygulanmayabileceğini, Perplexity de Perplexity-User’ın genellikle robots.txt kurallarını dikkate almadığını belirtiyor.

Botlar robots.txt’de izinliyken neden siteye giremeyebilir?

robots.txt bir izin beyanıdır, bir erişim garantisi değildir. Botun sayfaya ulaşabilmesi için aradaki her katmanın isteği geçirmesi gerekir: CDN, güvenlik duvarı, hosting sağlayıcısının bot koruması, hız sınırlayıcılar. Bu katmanlardan biri bilinmeyen ya da yoğun tarama yapan kullanıcı aracılarını otomatik olarak sınırlayabilir.

Google da bunu açıkça yazıyor: yapay zeka özellikleri için geçerli olan temel SEO uygulamaları arasında taramaya yalnızca robots.txt’de değil, CDN ya da hosting altyapısında da izin verildiğinden emin olmayı sayıyor. Perplexity de dokümanında güvenlik duvarı kurallarında kullanıcı aracısı ile IP adresini birlikte kullanan bir izin kuralı öneriyor.

Pratikte kontrol şöyle yapılır: botun adını kullanıcı aracısı olarak kullanan bir test isteği gönderip sunucunun ne döndürdüğüne bakılır, ardından gerçek bot isteklerinin logdaki durum kodları incelenir. Test isteği 200 alırken gerçek bot 429 alıyorsa sorun büyük ihtimalle hız sınırında ya da IP bazlı bir kuraldadır. Bu tür kurallar çoğu zaman site sahibinin panelinden değil, hosting sağlayıcısı tarafından değiştirilebilir.

Google-Extended neden erişim logunda görünmez?

Google-Extended sık karıştırılan bir ayardır. Google’ın dokümanına göre Google-Extended’in ayrı bir HTTP kullanıcı aracısı dizesi yok; tarama mevcut Google kullanıcı aracılarıyla yapılıyor ve Google-Extended robots.txt’de yalnızca bir kontrol belirteci olarak işlev görüyor. Bu yüzden loglarınızda “Google-Extended” diye bir bot aramanın anlamı yok.

Belirtecin etkisi de sınırlı ve tanımlı: Google’ın taradığı içeriğin gelecek Gemini modellerinin eğitiminde ve Gemini uygulamalarındaki temellendirmede kullanılıp kullanılmayacağını yönetiyor. Aynı doküman, Google-Extended’in bir sitenin Google Arama’ya dahil edilmesini etkilemediğini ve sıralama sinyali olarak kullanılmadığını söylüyor.

Google Arama’daki yapay zeka özellikleri için kontrol ise farklı: Google, Arama’daki erişimin Googlebot için robots.txt kurallarıyla yönetildiğini, sayfalarınızdan gösterilen bilgiyi sınırlamak için nosnippet, data-nosnippet, max-snippet ya da noindex kullanılabileceğini belirtiyor. robots.txt’nin temel mantığını robots.txt nedir yazısında anlattık.

robots.txt ve llms.txt neyi garanti eder, neyi etmez?

robots.txt, botlara hangi alanlara girmelerini istemediğinizi söyler ve bu dokümanlardaki şirketler kurallara uyduklarını belirtiyor. Ama robots.txt bir botun sitenizi taramasını, içeriğinizi kullanmasını ya da markanızı önermesini garanti etmez. İzin vermek yalnızca kapıyı açık bırakmaktır. Ayrıca yukarıda anlattığımız gibi kullanıcı isteğiyle çalışan ajanlarda robots.txt her zaman uygulanmaz.

llms.txt ise daha yeni ve daha belirsiz bir alan. llmstxt.org’daki metin, kendisini ajanların bir web sitesini kullanmasına yardım edecek bilgiler için /llms.txt dosyasını standartlaştırma önerisi olarak tanımlıyor. Yani bir standart değil, bir teklif. Google ise Arama’daki yapay zeka özelliklerinde görünmek için yeni makine tarafından okunabilir dosyalar, yapay zeka metin dosyaları ya da özel bir schema.org işaretlemesi oluşturmanın gerekmediğini açıkça yazıyor.

Bu, llms.txt’nin zararlı ya da tamamen işe yaramaz olduğu anlamına gelmiyor; sitenizin içeriğini özetleyen temiz bir dosya bazı ajanlar için yararlı olabilir. Ama ölçüm açısından llms.txt eklemek bir sonuç değil, bir girdidir. Başarı, dosyanın varlığıyla değil, soru setinizdeki oranların değişmesiyle ölçülür.

Search Console ve GA4’te yapay zeka trafiği nasıl izlenir?

Yoklamalar görünürlüğü ölçer, trafik ise bu görünürlüğün ziyarete dönüşüp dönüşmediğini. İkisi birlikte okunmalıdır.

Search Console tarafında, daha önce belirttiğimiz gibi Google’ın yapay zeka özelliklerinden gelen tıklamalar “Web” arama türü içinde, genel trafikle birlikte raporlanıyor. Bu yüzden Search Console’da doğrudan bir “yapay zeka trafiği” rakamı aramayın; uzun ve soru biçimli sorgulardaki gösterim ve tıklama değişimlerini izlemek daha anlamlıdır.

GA4 tarafında sohbet asistanlarından gelen ziyaretler çoğunlukla yönlendiren alan adıyla görünür. Oturum kaynağı raporunda ChatGPT, Perplexity, Gemini ve Claude alan adlarını içeren kaynakları bir özel kanal grubunda toplamak, bu trafiği tek satırda izlemenizi sağlar. Her ziyaret yönlendiren bilgisi taşımaz; bir kısmı doğrudan trafik olarak görünür. Bu yüzden rakam alt sınır olarak okunmalıdır.

Trafik rakamı küçük olsa bile nitelik farklı olabilir. Google, yapay zeka özellikli sonuç sayfalarından gelen tıklamaların daha nitelikli olduğunu, kullanıcıların sitede daha fazla zaman geçirme eğiliminde olduğunu gördüğünü söylüyor. Kendi verinizde de bu trafiğin dönüşüm oranını ayrı izleyin.

GEO çalışmasının sonucu nasıl raporlanır?

Üretken motor optimizasyonu (GEO) çalışmasının raporu, çalışma başlamadan önce alınan bir başlangıç ölçümüyle başlar. Başlangıç ölçümü yoksa sonraki hiçbir değişim yorumlanamaz. Rapor, aynı soru seti ve aynı modellerle yapılan ölçümlerin karşılaştırmasıdır.

İyi bir rapor şu bölümleri içerir:

• Ölçüm koşulları: tarih, modeller ve sürümler, web aramasının durumu, soru ve tekrar sayısı.
• Soru türüne göre oranlar: bahsedilme, ilk öneri ve kaynak gösterilme; başlangıç ölçümüyle yan yana.
• Doğru tanım kontrolü: markalı sorularda tespit edilen yanlış ya da eski bilgiler.
• Kaynak domain değişimi: cevaplarda yeni görünen ya da kaybolan kaynaklar.
• Teknik erişim: botların logdaki durum kodları, dönemdeki değişiklikler.
• Trafik: yapay zeka kaynaklı oturumlar ve dönüşümler.
• Yapılan işler: dönem içinde yayınlanan içerikler ve teknik değişiklikler, tarihleriyle.

Raporda nedensellik konusunda dürüst olmak gerekir. Oranlardaki bir artış yaptığınız çalışmadan, model güncellemesinden ya da rakiplerin değişen görünürlüğünden kaynaklanabilir. Yapılan işlerin tarihleriyle kayıt altında tutulması, bu etkileri ayırmaya yardımcı olur ama kesin kanıt sunmaz. Yapay zeka görünürlüğü, marka bilinirliği ölçümü gibi daha geniş bir marka göstergesinin parçası olarak okunduğunda daha anlamlıdır.

Ölçümden sonra hangi işlerin hangi sırayla yapılacağını yapay zekada görünürlük rehberimizde adım adım anlattık.

Bu tür bir ölçümü SEO çalışmasının içine yerleştirmek isterseniz SEO hizmeti sayfamızda kapsamı anlattık.

Yapay zeka görünürlüğünü ölçerken sık yapılan hatalar neler?

Tek bir soruya tek bir cevapla karar vermek. Olasılıksal bir sistemde tek gözlem ölçüm değildir.

Yalnızca markalı soru sormak. “Markam nedir” sorusuna doğru cevap almak, kategoride önerildiğiniz anlamına gelmez.

Kendi hesabından ve aynı sohbetten ölçmek. Hafıza ve sohbet geçmişi cevabı sizin lehinize çarpıtabilir.

Model ve tarihi kaydetmemek. Model güncellemeleri ile kendi çalışmanızın etkisini ayırmanın tek yolu kayıttır.

Soru setini her ay değiştirmek. Karşılaştırılabilirlik kaybolur, raporlar birbirine bağlanamaz.

robots.txt’ye bakıp erişimi var saymak. Asıl kanıt, gerçek bot isteklerinin logdaki durum kodlarıdır.

llms.txt eklemeyi başarı saymak. Dosyanın varlığı bir girdi, oranlardaki değişim sonuçtur.

Sıkça sorulan sorular

ChatGPT markamı öneriyor mu nasıl anlarım?

Tek bir soru sormak yerine, markanızın adını içermeyen kategori, öneri ve problem odaklı sorulardan oluşan sabit bir set kurun. Her soruyu temiz bir oturumda birden çok kez sorun ve markanızın kaç cevapta geçtiğini oran olarak kaydedin. Model adını, web aramasının açık olup olmadığını ve tarihi de not edin.

Yapay zeka aramalarında marka görünürlüğü nasıl ölçülür?

Sabit bir soru seti, sabit modeller ve her soru için birden çok tekrarla yapılan yoklamalarla ölçülür. Temel metrikler bahsedilme oranı, ilk öneri oranı, kendi sitenizin kaynak olarak gösterilme oranı, markalı sorularda doğru tanım oranı ve rakip payıdır. Buna sunucu loglarında bot erişimi ve GA4’te yapay zeka kaynaklı trafik eklenir.

GEO çalışmasının sonucu nasıl raporlanır?

Çalışma başlamadan önce alınan bir başlangıç ölçümüyle, aynı soru seti ve modellerle yapılan sonraki ölçümler karşılaştırılır. Rapor ölçüm koşullarını, soru türüne göre oranları, doğru tanım kontrolünü, kaynak domain değişimini, bot erişimini, trafiği ve dönem içinde yapılan işleri tarihleriyle içerir. Model güncellemeleri de sonucu etkileyebileceği için nedensellik konusunda temkinli olunur.

ChatGPT ve Gemini ajans veya ürün önerirken hangi kaynakları kullanıyor?

Ağırlıkları kamuya açık değil. Web araması açıkken cevaplar o anda bulunan sayfalara dayanır ve kaynak bağlantısı gösterilir; kapalıyken model eğitim verisindeki bilgiye göre konuşur. OpenAI ChatGPT aramasında siteleri göstermek için OAI-SearchBot’u kullanıyor, Google ise yapay zeka özelliklerinde destekleyici bağlantı olmak için sayfanın dizinde ve snippet ile gösterilmeye uygun olmasını şart koşuyor. Pratikte cevaplardaki kaynak bağlantılarını kaydetmek, hangi sitelerin etkili olduğunu en somut biçimde gösterir.

GPTBot ve diğer yapay zeka botlarının siteme erişip erişmediğini nasıl kontrol ederim?

Sunucu erişim logunda GPTBot, OAI-SearchBot, ClaudeBot, Claude-SearchBot ve PerplexityBot gibi kullanıcı aracılarını arayın ve isteklere dönen HTTP durum kodlarına bakın. 200 erişim olduğunu, 403 veya 429 botun gelip içeriği alamadığını gösterir. Kullanıcı aracısı taklit edilebildiği için şüpheli isteklerin IP adresini şirketlerin yayınladığı IP listeleriyle karşılaştırın.

Google-Extended bir bot mu?

Hayır. Google’ın dokümanına göre Google-Extended’in ayrı bir kullanıcı aracısı yok; tarama mevcut Google tarayıcılarıyla yapılıyor ve Google-Extended robots.txt’de yalnızca kontrol belirteci olarak kullanılıyor. İçeriğin Gemini modellerinin eğitiminde ve temellendirmede kullanılmasını yönetir, Google Arama’ya dahil edilmeyi ve sıralamayı etkilemez.

Kaynaklar

Bot ve arama davranışına ilişkin tüm bilgiler aşağıdaki resmi sayfaların 26 Eylül 2026 tarihli ham metninden kontrol edildi. Ölçüm yöntemi ve soru seti önerileri kendi yoklamalarımıza dayanan çıkarımlardır, bu kaynaklarda yer almaz.

• OpenAI, Overview of OpenAI Crawlers: OAI-SearchBot, GPTBot ve ChatGPT-User tanımları, bağımsız ayarlar, IP listeleri.
• Anthropic, Does Anthropic crawl data from the web: ClaudeBot, Claude-User ve Claude-SearchBot.
• Perplexity, Perplexity Crawlers: PerplexityBot ve Perplexity-User, IP listeleri, güvenlik duvarı önerisi.
• Google Search Central, Google’ın yaygın tarayıcıları: Google-Extended’in kontrol belirteci olması ve etkisi.
• Google Search Central, Yapay zeka özellikleri ve web siteniz: teknik koşullar, query fan-out, Search Console raporlaması, yapay zeka metin dosyalarının gerekmemesi.
• llmstxt.org: llms.txt önerisinin metni.

Özet

ChatGPT, Gemini, Claude ve Perplexity’de görünürlük tek bir soruyla ölçülemez. Markasız kategori, öneri ve problem soruları ile az sayıda markalı sorudan oluşan sabit bir set kurun; her soruyu birden çok modelde, temiz oturumlarda ve birden çok kez sorun; model, sürüm, web araması ve tarihi kaydedin. Sonuçları bahsedilme, ilk öneri, kaynak gösterilme ve doğru tanım olarak ayrı ayrı raporlayın, cevaplardaki kaynak domainlerini çıkarın.

Teknik tarafta erişim loglarında GPTBot, OAI-SearchBot, ClaudeBot, Claude-SearchBot ve PerplexityBot’un aldığı durum kodlarına bakın; robots.txt izni sunucu katmanında engellenmediğinizi göstermez. Google-Extended bir bot değil, kontrol belirtecidir. llms.txt bir öneridir ve Google’ın yapay zeka özellikleri için gerekli değildir. Başarı, eklenen dosyalarla değil, aynı soru setindeki oranların zaman içindeki değişimiyle ölçülür.