AI Aramada Marka Atıflarını Ölçme Rehberi

Kısa cevap: AI aramada görünürlüğünü ölçmenin doğru yolu, Google'daki gibi bir sıra numarası takip etmek değil, tanımlı bir sorgu setinde markanın kaç yanıtta geçtiğini ve kaçında linklendiğini haftalık olarak saymak. Buna "atıf payı" (share of AI answers) deniyor ve ChatGPT, Perplexity, Gemini ve Google AI Overviews için ayrı ayrı ölçülüyor.

GEO ölçümü neden sıralamadan farklı?

Klasik SEO'da "3. sırada mıyım" sorusu anlamlı, çünkü sonuç listesi sabit bir sırayla geliyor. AI yanıtında böyle bir sıra yok — model bir soruya cevap verirken markanı ya anıyor ya anmıyor, anarsa ya link veriyor ya vermiyor. Bu yüzden GEO ölçümünün temel birimi "pozisyon" değil, "atıf" (citation): tanımlı bir sorgu setinde markanın kaç yanıtta adı geçti, kaçında link verildi.

Perplexity kaynaklarını yanıtın altında açıkça listelediği için ölçümü en kolay motor; ChatGPT ve Gemini'de kaynak gösterimi sorgu tipine göre değişiyor, bu da ölçümü daha gürültülü hale getiriyor. Google AI Overviews ise kendi arama sonuçları içinde göründüğü için Search Console verisiyle kısmen çapraz kontrol edilebiliyor.

Öncelikli sorguları nasıl tanımlarsın?

Önce markanın kazanmak istediği 20-30 sorguluk sabit bir liste oluştur — ürün kategorisi sorguları ("en iyi X aracı"), karşılaştırma sorguları ("X mi Y mi") ve doğrudan marka sorguları ("X nedir") karışımı olmalı. Bu liste haftadan haftaya sabit kalmalı, çünkü amaç trend görmek; her hafta farklı sorgu sorarsan karşılaştırma anlamsızlaşıyor.

Liste büyüklüğü konusunda abartmaya gerek yok: 20-30 sorgu, haftalık elle veya araçla taranabilecek, yönetilebilir bir kapsam sunuyor. Sorgu setini çeyreklik olarak gözden geçirip yeni ürün veya kategori eklemek mantıklı, ama haftalık taramada sabit tutmak gerekiyor.

AI yanıtlarındaki atıf payı ve linkler nasıl ölçülür?

Her sorgu için üç şeyi kaydet: marka adı yanıtta geçti mi (atıf), geçtiyse bir link eşlik ediyor muydu (linklenmiş atıf) ve yanıtın tonu markayı olumlu mu nötr mü gösteriyordu. Bu üç veriyi dört motor (ChatGPT, Perplexity, Gemini, AI Overviews) için ayrı ayrı topladığında, "atıf payı" = (markanın geçtiği yanıt sayısı) / (toplam taranan sorgu sayısı) formülüyle basit bir yüzde çıkarabiliyorsun.

Aşağıdaki tablo dört motoru ölçüm kolaylığı açısından karşılaştırıyor:

Hazır araç mı, elle prompt paneli mi?

Profound gibi kurumsal araçlar 10'dan fazla motoru URL seviyesinde otomatik tarayabiliyor; LLMrefs benzeri araçlar tek marka takibi için daha hafif bir seçenek sunuyor. Küçük bütçeli bir ekip için elle kurulan bir "prompt paneli" — sabit sorgu listesini haftada bir elle her motora sorup sonucu bir tabloya kaydetmek — maliyetsiz ama zaman alıyor ve tutarlılığı korumak insan disiplinine bağlı.

Karar basit bir eşiğe indirgeniyor: takip ettiğin sorgu sayısı 20'nin üzerindeyse ve haftalık taramayı elle sürdürülebilir bulmuyorsan, otomatik bir araç zaman kazandırıyor; küçük bir sorgu setinde elle panel, aracın abonelik maliyetinden daha ucuza aynı veriyi veriyor.

Atıf payını gösterim ve dönüşümle nasıl eşleştirirsin?

Atıf payı tek başına bir "iyi gidiyoruz" hissi verse de, iş sonucuna bağlanmadıkça pazarlama bütçesini savunmak zor. Search Console'daki gösterim verisiyle atıf payını yan yana koymak — aynı sorgu kümesinde gösterim yükselirken tıklama düşüyorsa, bu AI Overviews'ın tıklamayı yediğinin bir işareti — ve ardından "assisted conversion" (AI'da görülüp sonra markaya doğrudan giden trafik) verisini eklemek, atıf payını somut bir iş metriğine bağlıyor.

Bu ölçüm yaklaşımı, AI özetlerinin tıklamaları yediği ve hayatta kalma planı gerektiği tespitiyle doğrudan ilişkili: o yazı sorunu tanımlıyor, bu yazı sorunu haftalık olarak nasıl ölçeceğini gösteriyor.

Ölçümde en sık düşülen tuzaklar neler?

En yaygın hata, tek bir taramayı "gerçek" kabul etmek — aynı sorguyu aynı gün iki kez sorduğunda bile AI motorları farklı bir yanıt üretebiliyor, çünkü modelin çıktısı deterministik değil ve web arama sonuçları da saatlik değişebiliyor. Bu yüzden tek bir taramadan çıkan "bu hafta atıf payımız düştü" sonucuna güvenmeden önce, aynı sorguyu aynı gün içinde 2-3 kez tekrar sorup tutarlılığı kontrol etmek gerekiyor; sonuç haftadan haftaya değil, taramadan taramaya da dalgalanabiliyor.

İkinci tuzak, rakip markaların da aynı sorgularda göründüğünü ölçmeden sadece kendi atıf oranına bakmak. Bir sorguda atıf payın sabit kalsa bile, aynı yanıtta artık üç rakip yerine beş rakip geçiyorsa, göreceli görünürlüğün aslında düştüğü anlamına geliyor — bu yüzden takip tablosuna rakip markaların atıf sıklığını da eklemek, kendi trendini doğru bağlamda okumanı sağlıyor.

Hangi içerik formatı atıf payını yükseltiyor?

GSC verisi, karşılaştırma tablosu içeren ve SSS bölümü barındıran sayfaların, yalnızca düz metin paragraflardan oluşan sayfalara göre daha sık alıntılandığını gösteriyor — çünkü bu formatlar modelin bir cevabı doğrudan kopyalayıp yanıta yerleştirmesini kolaylaştırıyor. Aynı şekilde, bir H2 başlığının altında ilk cümlede net bir sayı veya tarih geçen paragraflar, muğlak ifadeler içeren paragraflara göre daha yüksek atıf oranı gösteriyor.

Pratik sonuç: atıf payı düşük çıkan bir sorgu tipini bulduğunda, önce o sayfanın SSS bölümünün gerçek arama sorgusu formunda sorular içerip içermediğini, sonra da her bölümün ilk cümlesinin bağlamsız okunduğunda anlamlı olup olmadığını kontrol etmek, en hızlı iyileştirme yolu oluyor.

Haftalık takip ritmi ve basit panel nasıl kurulur?

Aşağıdaki döngü, çoğu küçük ekip için yönetilebilir bir başlangıç noktası:

Pazartesi: sabit 20-30 sorguyu 4 motorda tara (araç veya elle)
Salı: atıf payı ve link oranını geçen haftayla karşılaştır
Çarşamba: Search Console gösterim/tıklama verisiyle çapraz kontrol et
Perşembe: düşen veya yükselen 3 sorguyu not al, olası nedeni yaz
Cuma: haftalık özet tabloyu ekip kanalına paylaş

Bir tablo yeterli: sorgu, motor, atıf var/yok, link var/yok, ton, hafta. Zamanla bu tablo, hangi içerik formatının (SSS, karşılaştırma tablosu, veri odaklı paragraf) hangi motorda daha çok alıntılandığını gösteren kendi kanıtını üretiyor.

Sıkça Sorulan Sorular

GEO ölçümü ile geleneksel SEO sıralama takibi arasındaki fark nedir?

Geleneksel SEO, sabit bir sonuç listesindeki pozisyon numarasını takip eder. GEO ölçümü ise bir yanıtta markanın adının geçip geçmediğini (atıf) ve link verilip verilmediğini sayar, çünkü AI yanıtlarında sabit bir sıralama listesi yok.

Hangi AI motoru atıf ölçümü için en kolayı?

Perplexity, kaynakları yanıtın altında açıkça listelediği için en kolay ölçülen motor. ChatGPT ve Gemini'de kaynak gösterimi sorgu tipine göre değiştiği için ölçüm daha gürültülü.

Kaç sorguyu takip etmek yeterli?

20-30 sorguluk sabit bir liste, çoğu küçük ekip için haftalık takibi sürdürülebilir kılan bir kapsam sunuyor. Liste sabit kalmalı ki hafta hafta karşılaştırma anlamlı olsun; yeni sorguları çeyreklik olarak eklemek daha uygun.

Atıf payı düşükse ne yapmalıyım?

Önce hangi sorgu tiplerinde (kategori, karşılaştırma, marka) atıf payının düşük olduğunu belirle, sonra o sorgu tipine denk gelen içeriğinde doğrudan cevap veren açılış paragrafı ve gerçek soru formunda H2 başlıkları olup olmadığını kontrol et — alıntılanabilir içerik, atıf payını yükseltmenin en doğrudan yolu.

Aynı sorguyu iki kez sorduğumda farklı sonuç alıyorum, ölçüm yanlış mı?

Hayır, bu beklenen bir durum. AI motorlarının yanıtı deterministik değil ve web arama sonuçları saatlik değişebiliyor; bu yüzden tek bir taramaya güvenmek yerine aynı sorguyu aynı gün 2-3 kez tekrar sorup tutarlı bir örüntü arıyor olman gerekiyor. Haftalık trend, tek bir taramadan değil, birden fazla taramanın ortalamasından okunmalı.

Rakiplerin atıf oranını da takip etmeli miyim?

Evet. Kendi atıf payın sabit kalsa bile, aynı yanıtta artık daha fazla rakip markanın adı geçiyorsa göreceli görünürlüğün aslında düşmüş olabileceği anlamına geliyor. Takip tablosuna rakip markaların hangi sorgularda ne sıklıkla geçtiğini de eklemek, kendi trendini doğru bağlamda okumanı sağlıyor.