GEO - Yapay Zeka Optimizasyonu

AI motorları sayfaları sıralamaz. Bir soruya cevap üretirken hangi kaynakları okuyacağını seçer, seçtiklerinden aldığı cümleleri kendi cevabının içine karıştırır ve çoğu zaman altına birkaç bağlantı koyar. Hedef bu yüzden "üçüncü sıra" değil, o cevabın içinde adı geçen kaynak olmak. Bunun koşulları klasik sıralamadan farklı: modelin sayfayı bulması, ne hakkında olduğunu tereddütsüz anlaması ve tek bir paragrafı bağlamından kopardığında o paragrafın hâlâ doğru ve kendi başına tam olması gerekiyor. Detartech'in GEO işi bu üç koşulu sitede tek tek kurmaktan ibaret. Aynısını kendi sitemizde de yaptık; bu sayfadaki iddiaların çoğu detartech.com üzerinde kontrol edilebilir.

GEO'yu nasıl tanımlıyoruz

GEO, generative engine optimization'ın kısaltması: bir sitenin ChatGPT, Perplexity ve Google AI Overviews gibi cevap üreten sistemlerde kaynak olarak kullanılabilir hale getirilmesi. İş iki katmandan oluşuyor. Birincisi makine tarafında okunabilirlik: modelin ve onun tarayıcısının siteyi bulması, hangi sayfanın ne olduğunu anlaması ve içeriği ayrıştırırken tahmin yürütmek zorunda kalmaması. İkincisi alıntılanabilirlik: bir paragrafın sayfadan koparıldığında hâlâ doğru, tam ve kaynağı gösterilebilir olması. Yapmadığımız şeyler de var: modele gizli talimat gömmek, sayfada görünmeyen metin yazmak, olmayan yazar ve tarih uydurmak. Bunlar hem arama yönergelerine aykırı hem de güveni en hızlı kaybettiren yol. Cevap motorlarının nasıl çalıştığı ve bu işin teknik yol haritası için GEO rehberimize bakabilirsiniz.

Bir siteyi AI motorlarına nasıl açıyoruz

Aşağıdaki altı başlık bir GEO işinde yapılan işlerin tamamı. İlk ikisi keşif ve anlam katmanı: modelin siteyi bulmasını sağlayan makine okunur dosyalar ve sayfanın ne olduğunu belirsiz bırakmayan yapılandırılmış veri. Üçüncüsü kaynağın kim olduğu, dördüncüsü hangi tarayıcının hangi amaçla girebildiği. Beşincisi metnin kendisi, yani bir pasajın tek başına alıntılanabilir olması. Altıncısı okumanın ötesi: sitede işlem yapan ajanlara doğrudan çağrılabilir araçlar vermek. Projelerin çoğu ilk beş başlıkla başlıyor.

llms.txt ve makine okunur site haritası

llms.txt, sitenin kökünde duran ve modelin siteyi okurken hangi adreslere bakacağını söyleyen markdown biçiminde bir dizindir. İçine bir menü kopyası değil, gerçekten var olan adresler ve her birinin tek satırlık ne olduğu yazılır; var olmayan tek bir adres dosyanın tamamını güvenilmez kılar. Aynı katmanda hizmet listesi, sık sorulan sorular ve API kataloğu gibi JSON uç noktaları da duruyor: makinenin insan sayfasını ayrıştırmadan cevabı alabildiği yerler. Sitemap tarafında en sık düzelttiğimiz hata sahte tazelik, yani her yayında bütün sayfaların lastmod değerini bugüne çekmek; bu, kısa sürede sitedeki tarih bilgisinin tamamını anlamsızlaştırıyor. Değişen bir sayfanın taranmasını beklemek yerine IndexNow ile doğrudan haber veriyoruz.

Schema.org yapılandırılmış veri

Yapılandırılmış veri, sayfanın ne olduğunu makineye tarif eden JSON-LD bloğudur. Kurum bilgisinde Organization, site genelinde WebSite, blog yazısında Article, adım adım anlatımda HowTo, soru cevap bloğunda FAQPage ve gezinti yolunda BreadcrumbList kullanıyoruz. İşin görünmeyen kısmı kimlik bağlantısı: bir kurumun sitedeki adı, adresi ve dış kaynaklardaki profilleri sameAs ile birbirine bağlanmazsa model iki ayrı varlıktan söz edildiğini düşünebilir. Tek bir pazarlıksız kural var: şema, sayfada görünen metinle birebir örtüşmeli. Sayfada bulunmayan soruları FAQPage olarak işaretlemek görünürlük değil ceza getirir. Her şemayı yayına almadan önce doğrulayıcıdan geçiriyoruz, çünkü tek bir bozuk alan bütün bloğun okunmamasına yol açabiliyor.

E-E-A-T sinyalleri

E-E-A-T, Google'ın içeriğin güvenilirliğini değerlendirirken baktığı deneyim, uzmanlık, otorite ve güvenilirlik ölçütlerinin kısaltması. Cevap üreten sistemler de bir cümleyi alıntılamadan önce benzer bir mantıkla onu kimin söylediğine bakıyor. Bu yüzden yazar sayfası gerçek bir kişiye, o kişinin gerçek uzmanlığına ve iletişim bilgisine bağlanır; yazının yayın ve güncelleme tarihi doğru yazılır; iddia bir dış kaynağa dayanıyorsa kaynak metnin içinde açıkça verilir. Kurumsal tarafta unvan, adres ve iletişim bilgisi her sayfada tek biçimde tutulur, çünkü farklı yazılan bir şirket adı kimlik sinyalini zayıflatır. Bu başlıkta işin bir kısmı bizde değil sizde: gerçek yazar, gerçek deneyim ve doğrulanabilir vaka olmadan bu sinyaller üretilemez.

AI tarayıcı erişim politikası ve robots.txt

robots.txt bu işte teknik bir ayrıntı değil ticari bir karardır: hangi tarayıcı sitenize hangi amaçla girebilir. Bunun için üç farklı tarayıcı grubunu birbirinden ayırmak gerekiyor: model eğitimi için içerik toplayanlar, arama dizinini besleyenler ve kullanıcı soruyu sorduğu anda sayfayı o kullanıcı adına açanlar. Eğitim tarayıcısını kapatıp cevap anında gelen tarayıcıyı açık bırakmak tutarlı bir duruştur; üçünü birden kapatmak ise cevaplarda görünme ihtimalini de kapatır. Kararı yazılı alıyoruz ve kuralları tarayıcı adı bazında tek tek yazıyoruz; yıldız kuralına bırakılan bir politika sonradan kimin neye eriştiğini tartışmalı hale getirir. robots.txt ayrıca her zaman sizin yazdığınız dosya olmuyor, çünkü CDN katmanının eklediği yönetilen bloklar sizin kurallarınızın üstünde yer alabiliyor; bu yüzden politikayı depodan değil canlıdaki dosyadan doğruluyoruz.

Alıntılanabilir pasaj mimarisi

Bir cevap motoru sayfayı bütün olarak değil, tek bir bölümü koparıp alır. Bu yüzden her başlığın altındaki blok kendine yetmek zorunda: cevap ilk cümlede verilir, tanım ayrıntıdan önce gelir, rakam kendi birimi ve tarihiyle aynı cümlede durur, "yukarıda anlattığımız gibi" türü geriye referanslar hiç kullanılmaz. Ölçüt basit: paragrafı sayfadan söküp tek başına okuduğunuzda hâlâ doğru ve anlaşılır mı? Değilse o paragraf hiçbir cevabın içine girmez. Sık sorulan sorular bölümü de aynı mantıkla, alıcının gerçekten sorduğu soruyla yazılır. Bu sayfanın kendisi de bu kurala göre kuruldu.

WebMCP ve ajanların siteyi kullanması

Ajanlar artık siteleri yalnızca okumuyor, üzerlerinde işlem yapıyor. WebMCP, bir sitenin ziyaret eden ajana ayrıştırılacak metin yerine doğrudan çağrılabilir araçlar sunmasını sağlayan yaklaşımdır. Kendi sitemizde bu araçlar ikinci kez elle tanımlanmıyor: tarayıcıdaki ajan araç listesini sitenin kendi MCP uç noktasından alıyor, böylece iki yüzey birbirinden ayrışamıyor. Kayıtlı araçların hepsi salt okunur. İletişim ve teklif formları ise bildirimsel form aracı olarak açık kalıyor, yani gönderimden önce insan formun karşısında duruyor. RFC 9727 API kataloğu da hangi arayüzlerin var olduğunu makineye ayrıca bildiriyor. Dürüst olmak gerekirse WebMCP bugün yalnızca Chrome'da ve deneme aşamasında çalışıyor; bunu trafik vaadi olarak satmıyoruz, yarının arayüzünü bugünden kuran bir katman olarak ele alıyoruz. Ayrıntısı WebMCP yazımızda.

GEO ile SEO'nun farkı ve kesişimi

SEO on mavi bağlantıdan oluşan bir listede sıra kazanmaya çalışır; GEO ise modelin cevabı üretirken okuduğu birkaç kaynaktan biri olmaya çalışır. Kesişen taraf sanıldığından geniş: taranabilirlik, sayfa hızı, doğru HTML, düzgün sitemap, iç bağlantı düzeni ve gerçekten bilgi taşıyan içerik ikisinin de ortak zemini. Googlebot'un göremediği bir site AI tarayıcılarına da büyük ölçüde görünmez kalır, o yüzden GEO'yu SEO'nun yerine geçen bir şey olarak satmıyoruz. Ayrışma iki yerde başlıyor. Birincisi birim: SEO sayfayı, GEO pasajı optimize eder, dolayısıyla belirleyici olan anahtar kelime yoğunluğu değil bir paragrafın tek başına eksiksiz olmasıdır. İkincisi sonuç: AI cevabı kullanıcıyı tıklama olmadan da tatmin edebildiği için oturum sayısı tek başına başarı ölçüsü olmaktan çıkıyor. Klasik arama tarafındaki teknik çalışma ve içerik mimarisi ayrı bir hizmet olarak SEO sayfamızda anlatılıyor.

Görünürlüğü nasıl ölçüyoruz

Ölçümü dört katmana ayırıyoruz. Birincisi tarama: sunucu ve CDN kayıtlarından hangi AI tarayıcısının hangi adresleri, ne sıklıkla ve hangi durum koduyla çektiği okunur. Bu katman tahmin değil kayıttır. İkincisi alıntılanma: işinize ait sabit bir soru listesi belirli aralıklarla cevap motorlarında çalıştırılır, markanın cevapta geçip geçmediği ve geçtiyse bağlantı verilip verilmediği kaydedilir. Üçüncüsü yönlendirme: analitikte cevap motorlarından gelen trafik ayrı bir segment olarak izlenir. Dördüncüsü dönüşüm: o oturumların formu doldurup doldurmadığı ve teklif isteyip istemediği izlenir. İkinci katmanın sınırını baştan söylüyoruz: cevaplar kullanıcıya, oturuma, bölgeye ve model sürümüne göre değişiyor, dolayısıyla ölçtüğümüz şey bir sıra değil, tekrarlanan çalıştırmalar üzerinden okunan bir eğilim. Panelin nasıl kurulduğunu ve hangi göstergeleri takip ettiğimizi ölçüm yazımızda ayrıntılandırdık.

Sonucu belirleyen etkenler

Bir cevap motorunun aynı soruya verdiği yanıt sabit değil: kullanıcıya, oturuma, bölgeye ve o anki model sürümüne göre değişiyor. Bir değişikliğin cevap anında sayfayı çeken tarayıcılara yansıması günler içinde olabiliyor; aynı değişikliğin eğitilmiş modelin kendisine girmesi ise o modelin sürüm döngüsüne bağlı kalıyor. Bu değişkenlik yüzünden ölçümü tek seferlik bir kontrol değil, düzenli tekrarlanan bir çalıştırma olarak kuruyoruz: sabit bir soru listesi belirli aralıklarla çalıştırılıyor ve sonuç bir anlık görüntü değil, tekrarlanan çalıştırmalar üzerinden okunan bir eğilim oluyor. İşaretleme de bu mekaniği değiştirmiyor, yalnızca modelin zaten var olan bilgiyi doğru okumasını kolaylaştırıyor; bir paragraf başka yirmi sayfada bulunmayan bir bilgi taşımıyorsa hiçbir şema onu tek başına alıntılanabilir yapmıyor.

Bir GEO işi nasıl ilerliyor

İş denetimle başlıyor. Canlıda ne olduğuna bakıyoruz: robots.txt, sitemap, llms.txt, şemaların geçerliliği, tarayıcı kayıtlarına erişim ve hangi soruların ölçüleceği. Çıktı, maliyetine ve etkisine göre sıralanmış yazılı bir liste; tek başına da teslim edilebilir bir iş. İkinci aşama uygulama: dosyalar ve işaretleme sizin deponuza ve sizin alan adınıza giriyor, bizim sunucumuzda duran bir aracıya bağlanmıyor. İki haftalık döngülerle ilerliyoruz ve her döngü sonunda yayına giren değişikliklerle ölçüm sonucu birlikte raporlanıyor. Üçüncü aşama ölçüm: uygulamadan önce bir başlangıç ölçümü alınıyor, sonrası aynı soru listesiyle tekrarlanıyor. Çalışmayı bıraktığınızda kapanan bir şey olmuyor: llms.txt, şemalar ve robots kuralları sitenizde kalıyor, soru listesi ve ölçüm tablosu da size teslim ediliyor.

Dışarıdan doğrulanabilenler

Aşağıdaki maddelerin hepsi şu anda yayında ve dışarıdan doğrulanabilir.

• detartech.com, makine okunur katman: llms.txt, RFC 9727 API kataloğu, ai/service.json ve .well-known/ai.txt yayında. Bunun yanında aynı sayfa, markdown isteyen bir istemciye HTML yerine markdown olarak dönüyor.
• detartech.com, ajan arayüzü: WebMCP araçları sitenin kendi MCP uç noktasının araç listesinden kaydediliyor ve hepsi salt okunur. İletişim ve teklif formları bildirimsel form aracı olarak açık, böylece gönderimden önce insan formun karşısında kalıyor.
• SanalRandevu: llms.txt, 18 AI tarayıcısının adı tek tek yazılmış robots.txt kuralları, Organization, WebSite ve HowTo yapılandırılmış verisi ve IndexNow ile hızlı indeksleme yayında.
• bebekistiyorum.com: 4 dilde ve 1200'den fazla URL'lik içerik arşivi, klasik aramanın yanı sıra ChatGPT ve Perplexity gibi AI aramaları için de optimize edildi.