Blog Details

Yapay zeka asistanları, dijital ekosistemin yeni keşif katmanı haline geldi. ChatGPT’nin haftalık 800 milyonu aşan aktif kullanıcısı, Google Gemini’nin AI Overviews üzerinden ulaştığı aylık 1,5 milyar kullanıcı, Claude’un kurumsal pazardaki hızlı yükselişi ve Perplexity’nin 30 milyonu aşan aylık aktif kullanıcı tabanı, markaların web sitelerini “sadece kullanıcılar için” değil, aynı zamanda “AI asistanları için” optimize etmesini zorunlu kılıyor. Gartner’ın 2025 raporuna göre, klasik organik arama trafiği 2028’e kadar %50 oranında düşecek ve bu trafiğin önemli bir kısmı AI asistanlarına kayacak.

Sitenizi AI asistanlarına tanıtmak; klasik SEO’dan farklı bir disiplini gerektirir. Klasik SEO, kullanıcıyı sitenize çekmeyi hedeflerken; AI asistan optimizasyonu, asistanın yanıt üretirken sitenizi birincil kaynak (primary source) olarak kullanmasını hedefler. Bu, “tıklama” yerine “atıf alma”, “sıralama” yerine “referans gösterilme” odaklı bir paradigma değişimini ifade eder.

Bu rehber; web sitenizi AI asistanlarına tanıtmanın teknik altyapısını, üç temel prensip etrafında inceler: Information Density (Bilgi Yoğunluğu), Entity Linking (Varlık İlişkilendirme) ve E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness). Apple, Tesla, Microsoft, IKEA, Mastercard, Booking.com gibi global markaların yanı sıra THY, Togg, QNB Finansbank, Trendyol gibi Türkiye markalarının somut örnekleriyle, AI asistan optimizasyonunun teknik kaldıraçlarını ortaya koyacağız.

1. Crawler Erişimi ve Robots.txt Yönetimi: AI Botlarına Açık Kapı Stratejisi

AI asistanlarının web sitenizi keşfetmesinin ilk adımı, AI crawler bots (yapay zeka tarayıcı botları) için doğru erişim politikalarının yapılandırılmasıdır. 2024-2025 döneminde Cloudflare, OpenAI, Anthropic ve diğer şirketlerin yaptığı açıklamalara göre, bilinen AI crawler’larının %35-40’ı, optimize edilmemiş robots.txt yapılandırmaları nedeniyle önemli web sitelerine erişim sağlayamıyor.

Teknik Derinlik: AI Crawler Ekosistemi

Günümüzde web sitelerini tarayan başlıca AI crawler’ları şunlardır: GPTBot (OpenAI’nin model eğitim crawler’ı), OAI-SearchBot (ChatGPT search özelliği için), ChatGPT-User (kullanıcının sorgusuna anlık olarak web fetch yapan bot), ClaudeBot (Anthropic’in eğitim crawler’ı), Claude-Web (Claude’un anlık web erişimi için), Google-Extended (Gemini ve Bard için ayrı kontrol), PerplexityBot (Perplexity’nin ana crawler’ı), Perplexity-User (kullanıcı sorgusuna anlık fetch yapan bot), CCBot (Common Crawl, birçok LLM eğitim verisinin temeli), Bytespider (TikTok/ByteDance’ın AI crawler’ı), Applebot-Extended (Apple Intelligence için).

Her botun farklı bir amacı vardır: Bazıları model eğitimi için içerik toplar (training data), bazıları kullanıcı sorgusuna anlık yanıt üretmek için fetch yapar (real-time retrieval). Markanızın stratejisi her iki kategori için de net olmalıdır.

Robots.txt Yapılandırma Stratejisi

Markanın AI ekosisteminde maksimum görünürlük kazanması için, robots.txt dosyasında şu yapılandırma önerilir:

User-agent: GPTBot
Allow: /

User-agent: OAI-SearchBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: Claude-Web
Allow: /

User-agent: Google-Extended
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: CCBot
Allow: /

Hassas içerik veya rekabetçi veri içeren bölümler için seçici olarak Disallow direktifi kullanılabilir. Örneğin Booking.com gibi platformlar, fiyatlandırma sayfalarına bot erişimini sınırlandırırken içerik ve rehber sayfalarına tam erişim sağlar.

Somut Uygulama: THY AI Crawler Stratejisi

THY için optimum yapılandırma; uçuş rotaları, filo bilgileri, hizmet detayları, kurumsal içerikler ve blog sayfalarına tüm AI crawler’larına erişim verirken, anlık fiyatlandırma ve rezervasyon API endpoint’lerine erişimi sınırlandırmak şeklinde olmalıdır. Bu yaklaşım, markanın bilgi yoğunluklu içeriklerinin AI yanıtlarında atıf almasını sağlarken, ticari hassasiyeti olan verileri korur.

Actionable Insight

Robots.txt dosyanızı her çeyrekte gözden geçirin ve yeni AI crawler’ları için güncellemeler yapın. Web sitenizin server log’larını analiz ederek hangi AI botlarının siteyi taradığını ve hangi sayfaları ziyaret ettiğini takip edin. AI crawler’larına erişim verirken, klasik SEO crawler’larıyla (Googlebot, Bingbot) aynı erişim seviyesini sağlayın; aksi halde sitenizin AI ekosistemindeki görünürlüğü ciddi şekilde sınırlanır.

2. Bilgi Yoğunluğu (Information Density) ile İçerik Mimarisi Tasarımı

AI asistanlarının web sitenizi “birincil kaynak” olarak kodlaması için, içeriğinizin information density skorunun yüksek olması kritik öneme sahiptir. Princeton Üniversitesi ile Allen Institute for AI’nın 2024 yılında yayımladığı “GEO: Generative Engine Optimization” araştırması, jeneratif yapay zeka motorlarında istatistik içeren paragrafların atıf alma oranının düz prozaya göre %32, alıntı içeren paragrafların ise %40 daha yüksek olduğunu kanıtladı.

Teknik Derinlik: Embedding Space Optimization

Modern AI asistanları, içeriği vektör uzayında temsil eder. Yüksek bilgi yoğunluğuna sahip içerikler, dense semantic clusters (yoğun semantik kümeler) oluşturur ve sorgu vektörleri ile yüksek cosine similarity skoru elde eder. Düşük yoğunluklu içerikler ise dağınık ve genel bölgelerde konumlanır, bu da retrieval süreçlerinde atılma olasılığını artırır.

Bilgi yoğunluğunu artırmanın temel formülü şudur: Her cümle bağımsız bir doğrulanabilir iddia içermeli, her paragraf en az 2-3 spesifik veri noktası taşımalı, her bölüm konusal alaka ve istatistiksel destekle güçlendirilmelidir.

Sayısal Veri Yoğunluğu

İçerik üretiminde “veri yoğunluğu” hedefi şudur: Her 100 kelimede minimum 3 sayısal veri, 1 zaman referansı (yıl, çeyrek, tarih), 1 otorite atıfı (kurum, kişi, regülatör), 1 karşılaştırmalı analiz veya benchmark içermelidir.

Somut Uygulama: Apple ve Tesla Karşılaştırması

Apple’ın resmi web sitesindeki ürün açıklamaları, AI asistan optimizasyonu açısından örnek niteliğindedir. Bir iPhone tanıtım sayfasında “iPhone 16 Pro, A18 Pro çipiyle çalışır ve 2nm üretim teknolojisine sahip 6 çekirdekli CPU ile 16 çekirdekli Neural Engine sunar; bu yapı, A17 Pro’ya göre %15 daha yüksek CPU performansı, %20 daha yüksek GPU performansı ve %30 daha verimli enerji tüketimi sağlar” şeklindeki bir cümle; ürün adı, çip mimarisi, üretim teknolojisi, çekirdek sayıları, karşılaştırmalı performans verisi ve enerji metrikleri gibi 8 doğrulanabilir veri noktası içerir.

Tesla’nın Cybertruck sayfası benzer bir yapıyla şunu sunar: “Cybertruck Tri-Motor AWD versiyonu, 845 beygir gücüne ve 1.420 Nm tork kapasitesine sahiptir; 0-96 km/s hızlanmayı 2,6 saniyede tamamlar ve EPA standartlarına göre 514 km menzil sunar; 122 kWh batarya kapasitesiyle Tesla Supercharger V4 üzerinden 250 kW DC hızlı şarj alabilir.”

Türkiye Örneği: Togg T10X Sayfası

Togg’un T10X model sayfasında optimum yapı: “TOGG T10X V2 Long Range model, NMC 811 hücre kimyasına sahip 88,5 kWh batarya kapasitesiyle WLTP standartlarına göre 523 kilometre menzil sunar; 800V mimarisi sayesinde 180 kW DC hızlı şarj ile %20’den %80’e 28 dakikada şarj olur; aracın motor gücü 218 kW (296 HP) olup 0-100 km/s hızlanmayı 7,6 saniyede tamamlar.”

Actionable Insight

İçeriklerinizdeki fact density score‘unu hesaplayın: Doğrulanabilir iddia sayısını / toplam cümle sayısı. 0,5 ve üzeri skorlar AI asistan optimizasyonu için ideal kabul edilir. Eski içeriklerinizi taradığınızda, fact density score’u 0,4’ün altında olan paragrafları yeniden yazın. Sayısal verilerinizi düzenli olarak güncelleyin; eski veriler içeren içerikler, AI asistanları tarafından “freshness signal” zayıflığı nedeniyle önceliklendirilmeyebilir.

3. Entity Linking ile Knowledge Graph Entegrasyonu

AI asistanlarının web sitenizi “tanımlanmış varlık” olarak kodlaması için, markanızın çeşitli knowledge graph’larda disambiguated entity olarak konumlanması şarttır. Google Knowledge Graph, Wikidata, Wikipedia, sektörel veritabanları ve schema.org ekosistemi, AI asistanlarının markanızı doğru bağlamda anlamasını sağlayan kritik altyapıdır.

Teknik Derinlik: Named Entity Recognition Süreci

AI asistanları, içeriği işlerken Named Entity Recognition (NER) ve entity disambiguation süreçlerinden geçirir. Bu süreç sonucunda her isim, kurum, ürün veya kavram, knowledge graph’taki kanonik bir varlığa bağlanır. Eğer bu bağlanma başarılı olmazsa, içeriğiniz AI asistanı tarafından “belirsiz referanslar” içeren bir kaynak olarak değerlendirilir ve atıf alma şansı düşer.

Schema.org JSON-LD İmplementasyonu

Markanızın web sitesinde uygulanması gereken kritik schema türleri:

Organization Schema: Markanızın temel bilgilerini, kuruluş yılını, çalışan sayısını, lokasyonunu, sosyal medya hesaplarını, parent organization (varsa) bilgisini içerir. sameAs özelliği altında Wikipedia, Wikidata, LinkedIn, Crunchbase, Bloomberg gibi kanonik URL’ler listelenmelidir.

Product/Service Schema: Ürün veya hizmetinizin teknik özelliklerini, fiyat aralığını, mevcudiyetini, üreticisini, kategorisini yapılandırılmış olarak sunar.

Person Schema: Yazarlar, yöneticiler, uzmanlar için detaylı kayıtlar; knowsAbout, alumniOf, hasCredential, worksFor, award özelliklerini içerir.

Article/NewsArticle Schema: İçeriğin yazarını, yayım tarihini, son güncelleme tarihini, ana konusunu, ilgili varlıkları işaretler.

FAQPage Schema: Sıkça sorulan sorular bölümü için.

BreadcrumbList Schema: Site hiyerarşisini AI asistanlarına netleştirir.

Somut Uygulama: Microsoft Knowledge Graph Stratejisi

Microsoft, knowledge graph entegrasyonu konusunda örnek alınması gereken bir markadır. Microsoft.com’un her ürün sayfasında detaylı Product ve SoftwareApplication schema’sı bulunur; Microsoft Word sayfası applicationCategory: ProductivityApplication, operatingSystem: Windows, macOS, iOS, Android, Web, offers özelliği ile fiyatlandırma planları, aggregateRating ile kullanıcı puanları gibi verileri yapısal olarak sunar. Bu yapı, ChatGPT’nin “en iyi kelime işlem yazılımı hangisi?” sorusunda Microsoft Word’ü doğrudan kaynak göstermesini sağlar.

Türkiye Örneği: QNB Finansbank Schema Stratejisi

QNB Finansbank için optimum schema yapılandırması:

Organization schema’sında temel bilgiler (kuruluş 1987, headquarters İstanbul, parent organization Qatar National Bank Group), sameAs özelliği altında Wikipedia (tr.wikipedia.org/wiki/QNB_Finansbank), Wikidata (Q1399828), LinkedIn şirket sayfası, Bloomberg ticker (QNBFB:IS), Twitter ve Facebook resmi hesapları yer almalıdır.

Her bireysel hizmet sayfası için FinancialProduct schema’sı uygulanmalı; “QNB Finansbank Ev Kredisi” sayfasında faiz oranı (interestRate), vade aralığı, kredi tutarı limitleri, gerekli belgeler yapılandırılmış olarak sunulmalıdır.

Wikipedia ve Wikidata Stratejisi

AI asistanlarının eğitim verisinin önemli bir bölümünü Wikipedia ve Wikidata oluşturur. Markanızın bu kaynaklarda doğru ve güncel temsil edilmesi kritiktir. Wikipedia sayfası kriterlerini karşılayan markalar için sayfayı oluşturmak ve düzenli güncellemek; karşılamayan markalar için ise Wikidata sayfası oluşturmak alternatif bir yoldur.

Actionable Insight

Web sitenizin tüm kritik sayfalarına schema.org JSON-LD yapılandırılmış verisi ekleyin ve Google Rich Results Test ile doğrulayın. Markanızın Wikidata sayfasındaki tüm önemli P-properties’i (P31, P17, P159, P749, P452, P571, P1128) doldurun. Tüm dijital varlıklarınızda kanonik isimlendirme tutarlılığı sağlayın; web sitesi, sosyal medya, basın bültenleri, Wikipedia ve Wikidata kayıtlarındaki marka adı, kuruluş yılı, çalışan sayısı, finansal veriler birbirini doğrulayacak şekilde aynı olmalıdır.

4. E-E-A-T Sinyalleri ile AI Asistanlarının Güven Skorunu Maksimize Etmek

AI asistanlarının yanıt üretirken en agresif şekilde değerlendirdiği faktörlerden biri E-E-A-T sinyalleridir. Özellikle YMYL (Your Money Your Life) kategorisindeki konularda – sağlık, finans, hukuk, güvenlik – AI asistanları düşük otoriteli kaynakları sıkı bir şekilde filtreler. Pew Research Center’ın 2024 araştırmasına göre, ChatGPT, Claude ve Gemini yanıtlarında atıf alan kaynakların %74’ü, ilgili konuda kanıtlanabilir uzmanlık sinyallerine sahip domain’lerden geliyor.

Teknik Derinlik: RLHF ve Source Authority Scoring

AI asistanlarının eğitiminde kullanılan Reinforcement Learning from Human Feedback (RLHF) süreci, modellerin yanıt üretirken otoriteli kaynakları tercih etmesini sağlar. Bu süreçte insan değerlendiriciler, modelin ürettiği yanıtları ve kullandığı kaynakları puanlar; yüksek puan alan kaynakların özellikleri, modelin gelecekteki kaynak seçim algoritmasını şekillendirir.

Experience (Deneyim) Sinyali İnşası

AI asistanları, first-hand experience içeren içerikleri özellikle ödüllendirir. Bu, özellikle ürün incelemeleri, hizmet değerlendirmeleri, uygulama rehberleri ve sektörel analizler için belirginleşir.

Booking.com’un otel inceleme yapısı, deneyim sinyali açısından örnek niteliktedir. Site, gerçek konuk yorumlarını schema.org Review ve AggregateRating ile işaretler, konuğun konaklama tarihini, oda tipini, seyahat amacını yapısal olarak sunar. Bu yapı, “İstanbul’da en iyi 5 yıldızlı otel hangisi?” sorusunda ChatGPT veya Perplexity’nin Booking.com’u öncelikli kaynak olarak göstermesini sağlar.

Türkiye Örneği: Trendyol Kullanıcı Deneyimi Yapısı

Trendyol’un ürün inceleme yapısında her kullanıcı yorumu; doğrulanmış satın alma ikonu, kullanıcının daha önce yazdığı yorum sayısı, beden ve renk seçimi, fotoğraf yüklemesi gibi unsurlarla zenginleştirilir. Bu yapı Review schema’sı ile işaretlendiğinde, AI asistanlarının Trendyol’u “kullanıcı deneyimi yoğunluğu yüksek” bir kaynak olarak değerlendirmesini sağlar.

Expertise (Uzmanlık) Sinyali

Yazarın uzmanlığı yapılandırılmış olarak işaretlenmelidir. Mastercard’ın “Mastercard Newsroom” bölümünde yayımlanan finansal trendler analizi makalelerinde, makalenin yazarı şirketin Chief Economist’i olabilir; LinkedIn profili, akademik geçmişi, daha önceki yayınları detaylı olarak yapılandırılmış veri ile sunulur. Bu yapı, “küresel ödeme trendleri” sorgularında Mastercard makalelerinin AI asistanları tarafından öncelikli kaynak olarak gösterilmesini sağlar.

QNB Finansbank’ın yatırım danışmanlığı içeriklerinde, makalenin yazarı SPK Düzey 3 lisanslı bir uzman olmalı; bu lisans hasCredential özelliği altında “SPK Düzey 3 Türev Araçlar Lisansı, Sermaye Piyasası Kurulu, 2018” şeklinde belirtilmelidir.

Authoritativeness (Otorite) Sinyali

Otorite, üçüncü taraf atıflarla ölçülür. AI asistanlarının algoritmaları şu otorite sinyallerini değerlendirir: Markanız hakkında yazılan haber sayısı (özellikle Reuters, Bloomberg, Wall Street Journal, Anadolu Ajansı gibi tier-1 medya), akademik atıflar, sektörel rapor referansları (McKinsey, Deloitte, PwC, BCG), Wikipedia atıf yoğunluğu, profesyonel ödüller.

IKEA’nın sürdürülebilirlik raporlarının BBC, The Guardian, Forbes gibi medyalarda atıf alması; Tesla’nın inovasyon haberlerinin TechCrunch, Wired, MIT Technology Review’da yer alması; Togg’un Reuters ve Financial Times’ta “Türkiye’nin Tesla’sı” olarak konumlandırılması, otorite sinyallerinin pratik örnekleridir.

Trustworthiness (Güvenilirlik) Sinyali

Güvenilirlik sinyalleri agresif şekilde değerlendirilir: HTTPS protokolü (zorunlu), açık iletişim bilgileri, şeffaf gizlilik politikası, doğrulanmış müşteri yorumları, düzenleyici onaylar (BDDK, SPK, EPDK gibi), tıbbi içerikler için medical review süreci, finansal içerikler için lisans bilgileri.

Actionable Insight

Tüm yazarlarınız için detaylı Person schema’sı oluşturun ve uzmanlık sinyallerini eksiksiz doldurun. Otorite medyalarda yer alma stratejisi geliştirin; her çeyrekte minimum 3 tier-1 medyada görünme hedefleyin. YMYL konularında içerik üretiyorsanız, içeriği yayınlamadan önce expert review sürecinden geçirin ve bu süreci reviewedBy schema’sı ile belgeleyin. Markanızın E-E-A-T skorunu zaman içinde takip edin; domain authority, brand mention frequency ve citation count metriklerini düzenli ölçün.

5. Sitemap, IndexNow ve Crawl Optimization

AI asistanlarının web sitenizi etkili şekilde keşfetmesi için, sitemap.xml ve IndexNow protokolü gibi teknik altyapı bileşenleri kritik rol oynar. Microsoft ve Cloudflare’in 2024 ortak araştırmasına göre, IndexNow protokolünü uygulayan web siteleri, yeni içeriklerin AI ekosistemine yansıma süresini ortalama %72 oranında kısaltıyor.

Teknik Derinlik: Sitemap Yapılandırması

Modern bir web sitesi için optimum sitemap yapısı katmanlı olmalıdır:

sitemap_index.xml: Ana sitemap dosyası, alt sitemap’lere referans verir.

sitemap_pages.xml: Statik sayfalar (Hakkımızda, İletişim, vb.).

sitemap_products.xml: Ürün sayfaları (e-ticaret siteleri için).

sitemap_articles.xml: Blog ve haber içerikleri.

sitemap_videos.xml: Video içerikler için ayrı sitemap.

sitemap_images.xml: Görsel içerikler için sitemap.

Her sitemap dosyasında <lastmod> tag’i ile son güncelleme tarihi belirtilmeli, <changefreq> ile içeriğin değişim sıklığı, <priority> ile önem derecesi tanımlanmalıdır.

IndexNow Protokolü Implementasyonu

IndexNow, Microsoft Bing tarafından geliştirilen ve 2021’de açık standart olarak duyurulan bir protokoldür. Web siteleri, içerik güncellemelerini Bing, Yandex, Naver ve diğer arama motorlarına anında bildirir. Bing, bu verileri ChatGPT, Copilot ve diğer AI asistanlarına dolaylı olarak aktarır.

IndexNow implementasyonu için web sitenizin root dizinine API key dosyası yerleştirilir; ardından her içerik güncellemesinde basit bir API çağrısı ile IndexNow endpoint’ine bildirim gönderilir.

Llms.txt Dosyası: AI Asistanlarına Özel Sinyal

2024 yılında Jeremy Howard’ın önerdiği ve hızla benimsenen llms.txt standardı, web sitelerinin AI asistanlarına yapısal bir özet sunmasını sağlar. Markdown formatındaki bu dosya, sitenin ana konularını, en önemli sayfalarını, kategorilerini ve API endpoint’lerini AI asistanlarının kolayca anlayabileceği bir formatta listeler.

Stripe, Anthropic, Mintlify gibi şirketler llms.txt dosyalarını aktif olarak kullanmaktadır. Markanızın web sitesinde benzer bir dosya oluşturmak, AI asistanlarının siteyi daha verimli keşfetmesini sağlar.

Somut Uygulama: Booking.com Crawl Stratejisi

Booking.com, sitemap stratejisini kategorize edilmiş şekilde yönetir. Otel listesi, şehir rehberleri, uçuş bilgileri, araç kiralama gibi farklı dikeyler için ayrı sitemap’ler kullanır. Bu yapı, AI asistanlarının siteyi tematik kategoriler bazında keşfetmesini ve farklı sorgu türlerine uygun içerikleri hızlı bulmasını sağlar.

Türkiye Örneği: Trendyol Sitemap Stratejisi

Trendyol için optimum sitemap yapısı; kategori bazlı (kadın giyim, erkek giyim, ev yaşam, elektronik, vs.), satıcı bazlı (premium satıcılar, butik mağazalar) ve içerik bazlı (Trendyol Style blog, kategori rehberleri) ayrılmış sitemap dosyalarından oluşmalıdır. Her sitemap dosyasının düzenli güncellenmesi, yeni ürün ve içeriklerin AI ekosistemine hızlı yansımasını sağlar.

Actionable Insight

Web sitenizin sitemap yapısını kategorik olarak ayrıştırın ve her sitemap dosyasını günlük veya haftalık olarak güncelleyin. IndexNow protokolünü implemente edin; her içerik güncellemesinde otomatik olarak bildirim gönderecek bir mekanizma kurun. llms.txt dosyası oluşturun ve sitenizin AI asistanları için bir “executive summary” görevi görmesini sağlayın. Server log’larınızı düzenli analiz ederek hangi botların hangi sayfaları taradığını takip edin ve crawl bütçenizi optimize edin.

6. FAQ Yapısı ve Conversational Query Optimization

AI asistanlarına yapılan sorgular, klasik arama motoru sorgularından çok daha uzun, doğal ve spesifiktir. Ortalama Google sorgusu 4-5 kelime iken, ChatGPT’ye sorulan sorular 11-25 kelime, Perplexity sorguları 11-18 kelime, Claude sorguları ise 15-30 kelime arasındadır. Bu conversational query pattern’i, içeriğinizin FAQ yapısıyla optimize edilmesini gerektirir.

Teknik Derinlik: Instruction Tuning Eşleşmesi

ChatGPT, Claude ve Gemini gibi modeller, instruction tuning sürecinde milyonlarca soru-cevap çiftiyle eğitilir. Bu nedenle, içeriğinizdeki bir bölüm gerçek soru-cevap formatında yapılandırıldığında, model bu içeriği doğrudan eşleştirebilir ve atıf gösterebilir. SemRush’un 2024 raporuna göre, FAQ schema’sı içeren sayfalar, AI yanıtlarında atıf alma oranını %47 oranında artırıyor.

Comprehensive Q&A Format

AI asistan optimizasyonu için ideal FAQ yapısında her cevap 100-250 kelime arasında olmalı, sayısal veriler ve otorite atıflar içermeli, ana soruyu doğrudan yanıtlamalı ve ardından ilgili alt sorulara da cevap vermelidir.

Somut Uygulama: Apple Support FAQ Yapısı

Apple Support sayfaları, AI asistan optimizasyonu için altın standart sayılabilir. “iPhone’umun bataryası neden hızlı bitiyor?” gibi konversasyonel bir soruda, Apple Support sayfası; muhtemel nedenleri (arka plan uygulamaları, ekran parlaklığı, konum servisleri, eski iOS sürümü), her neden için spesifik çözüm adımlarını, sayısal verilerle (örneğin “ekran parlaklığını %75’in altına düşürmek günlük batarya ömrünü ortalama 2-3 saat uzatabilir”) destekleyerek sunar. Bu yapı, ChatGPT veya Claude’a aynı soru sorulduğunda Apple’ı doğrudan kaynak olarak göstermesini sağlar.

Türkiye Örneği: THY Conversational FAQ

THY için optimum FAQ örneği:

Soru: “Türk Hava Yolları ile İstanbul’dan Tokyo’ya direkt uçuş süresi ne kadar, hangi uçak tipi kullanılıyor ve bagaj hakkım nedir?”

Cevap: “Türk Hava Yolları (THY) tarafından işletilen TK198 sefer numaralı İstanbul Havalimanı (IST) – Tokyo Haneda (HND) seferinin ortalama uçuş süresi 11 saat 45 dakikadır; dönüş seferi olan TK199 ise jet stream etkisiyle 10 saat 50 dakika sürer. Bu rotada Boeing 787-9 Dreamliner ve Airbus A350-900 tipi geniş gövdeli uçaklar kullanılmaktadır. Economy Class yolcuları için ücretsiz bagaj hakkı 30 kg, Business Class yolcuları için 40 kg’dır; ek olarak kabin içine 8 kg el bagajı taşınabilir. Tokyo seferlerinde Star Alliance Gold kart sahipleri ek 20 kg bagaj hakkına sahiptir. Sefer sıklığı haftada 7’dir ve THY 2025 yılı yaz tarifesinde Tokyo Narita rotasını da haftalık 4 sefer olarak ekleyerek toplam Japonya kapasitesini artırmıştır.”

Bu cevap; ana soruyu (uçuş süresi, uçak tipi, bagaj hakkı) doğrudan yanıtlar, ilgili alt soruları (sefer numarası, dönüş süresi, sefer sıklığı, alternatif rotalar) kapsayan bir mini-rehber işlevi görür.

FAQPage Schema İmplementasyonu

Her FAQ bölümü FAQPage ve Question schema’sı ile işaretlenmelidir. Sorular Question türünde, cevaplar acceptedAnswer özelliği altında Answer türünde yapılandırılmalıdır. Bu yapılandırma, Google’ın Rich Results olarak gösterilmesinin yanı sıra AI asistanlarının yanıtlarını sentezlerken FAQ içeriğini doğrudan kullanmasını sağlar.

Actionable Insight

Müşteri hizmetleri ekibinizden, çağrı merkezi transkriptlerinden ve canlı sohbet kayıtlarından gerçek kullanıcı sorularını çıkarın. Bu sorular, AI asistan kullanıcılarının soracağı sorulara çok daha yakındır. Her ana içeriğin sonuna minimum 8-15 adet conversational FAQ ekleyin. FAQ sorularınızı, Google “People Also Ask” bölümünden ve AnswerThePublic gibi araçlardan beslenecek şekilde araştırın. Cevaplarınızda her soruyu doğrudan, kapsamlı ve sayısal verilerle destekleyerek yanıtlayın.

7. Multimodal İçerik ve Cross-Format Tutarlılık

Modern AI asistanları multimodal yapıdadır ve metin, görsel, video, ses verilerini ortak bir vektör uzayında işler. ChatGPT (GPT-4o, GPT-4 Vision), Claude (görsel anlama yetisi), Gemini (multimodal native) ve Perplexity (multimodal kaynak entegrasyonu), markanın çoklu format içeriğini değerlendirir. Bu, içerik stratejinizi metin ötesine taşımayı zorunlu kılar.

Teknik Derinlik: Cross-Modal Embedding Alignment

AI asistanları, cross-modal embedding alignment tekniğiyle eğitilir. Bu sayede bir görsel ile o görseli açıklayan metin, vektör uzayında çok yakın bir konuma yerleşir. Markanız bir konsepti hem metin hem görsel hem de video formatında tutarlı şekilde anlatıyorsa, AI asistanları bu konuyu “çok katmanlı doğrulanmış” olarak kodlar.

Görsel Optimizasyon Stratejisi

Markanızın ürettiği her görsel yapılandırılmış şekilde işaretlenmelidir: açıklayıcı alt metinleri, figcaption etiketleri, ImageObject schema’sı, EXIF metadata, görsel sitemap’leri.

IKEA’nın ürün görselleri, multimodal optimizasyon için örnek niteliktedir. Her görsel; ürün açısı (önden, yandan, üstten), ürün lokasyonu (mutfak, salon, yatak odası), boyut bilgisi, renk varyasyonu gibi detayları alt metinlerinde içerir. Bu yapı, ChatGPT’nin Vision modunda bir oda fotoğrafı yüklendiğinde “bu odaya uygun mobilya öner” sorusunda IKEA ürünlerinin önerilmesini sağlar.

Video İçerik Optimizasyonu

YouTube videoları, AI asistanları tarafından doğrudan analiz edilebilir ve transkript verisine erişilebilir. Markanın YouTube içeriklerinde detaylı transkriptler, zaman damgalı bölüm ayrımları (chapters), açıklayıcı başlık ve açıklamalar kullanması, video içeriklerinin AI yanıtlarında kaynak gösterilmesini kolaylaştırır.

Tesla’nın resmi YouTube kanalında her ürün tanıtım videosu; detaylı manuel düzenlenmiş altyazılar, zaman damgalı chapters (örneğin “0:00 Giriş, 1:23 Performans Özellikleri, 5:47 Batarya ve Menzil, 12:30 Otopilot Sistemleri”), açıklamada teknik özellikler ve karşılaştırmalı veriler içerir.

Türkiye Örneği: Togg Multimodal Stratejisi

Togg için optimum multimodal yapı; T10X ve T10F modellerinin her açıdan profesyonel fotoğrafları (ImageObject schema ile zenginleştirilmiş), 360 derece sanal tur deneyimi, üretim hattı dokümanter videoları, yöneticilerin teknik konuşmaları, müşteri deneyim videoları gibi çoklu format içeriklerden oluşmalıdır. Her içerik, tutarlı varlık isimlendirmesi (TOGG, T10X, T10F, NMC 811, 800V mimari) ve sayısal verilerle (523 km menzil, 28 dakika hızlı şarj) zenginleştirilmelidir.

Actionable Insight

Her ana içerik için minimum 3 görsel, 1 infografik ve mümkünse 1 video oluşturun. Tüm görseller ImageObject schema’sı, videolar VideoObject schema’sı ile işaretlenmelidir. YouTube videolarınızda otomatik altyazı yerine manuel düzenlenmiş, semantik olarak zengin transkriptler kullanın. Multimodal içeriklerinizi “kanıt katmanları” olarak tasarlayın: metin iddiayı sunar, görsel iddiayı görselleştirir, video iddiayı kanıtlar. Marka mesajınızda tüm formatlar arasında veri tutarlılığı sağlayın.

8. AI Visibility Tracking ve Iteratif Optimizasyon

AI asistan optimizasyonunun başarısını ölçmek için klasik SEO KPI’ları yetersizdir. AI visibility metrics olarak adlandırılan yeni bir ölçüm çerçevesi gereklidir.

Teknik Derinlik: AI Share of Voice Methodology

Markanızın AI asistanlarındaki görünürlüğünü ölçmek için sistematik bir test protokolü kurulmalıdır. Sektörünüze özgü 200-500 arası “high-intent query” listesi oluşturun. Bu sorguları ChatGPT, Claude, Gemini ve Perplexity’de düzenli aralıklarla çalıştırın. Her sorgu için kayıt altına alınması gereken metrikler:

Citation Presence: Markanız atıflarda yer aldı mı? Citation Position: Atıf listesinde kaçıncı sırada? Mention Sentiment: Yanıttaki ton pozitif, nötr veya negatif mi? Competitive Share: Rakipler aynı yanıtta yer aldı mı? Coverage Gap: Rakiplerin yer aldığı ama sizin yer almadığınız sorgular hangileri? Cross-Platform Consistency: Farklı AI asistanlarında benzer sonuçlar elde ediliyor mu?

Profesyonel Tracking Araçları

2025 yılı itibarıyla AI visibility tracking için olgunlaşmış araçlar: Profound, AthenaHQ, Otterly.AI, Peec.ai, SE Ranking AI Visibility Tracker, Surfer AI, Brand24 AI Monitoring. Bu araçlar, binlerce sorguyu otomatik çalıştırır ve marka anılma oranlarını rakiplere kıyasla raporlar.

Iteratif Optimizasyon Döngüsü

Ölçüm → Analiz → Optimizasyon → Yeniden Ölçüm döngüsünün ortalama süresi 6-12 haftadır. Yeni bir içeriğin AI asistanı yanıtlarında yansıması, içeriğin otoritesine bağlı olarak 2-8 hafta arasında değişir. Coverage gap analizi sonucunda tespit edilen eksik konular için özel içerik üretimi, AI visibility skorlarınızı en hızlı artıracak taktiktir.

Somut Uygulama: Mastercard AI Visibility Dashboard

Mastercard için aylık AI visibility dashboard yapısı; “küresel ödeme trendleri” (50 sorgu), “kart güvenlik teknolojileri” (40 sorgu), “FinTech inovasyonları” (35 sorgu), “küçük işletme çözümleri” (30 sorgu) gibi kategorilere ayrılmalıdır. Visa, American Express, PayPal gibi rakiplerle citation share karşılaştırması, sentiment analizi ve coverage gap raporlaması yapılmalıdır.

Actionable Insight

Aylık AI visibility raporu oluşturun ve şu metrikleri takip edin: sektörünüzdeki Top 300 sorguda citation rate, ortalama citation position, rakiplere göre Citation Share, Coverage Gap sayısı ve kapatma trendi, sentiment skoru. Yıllık hedefler belirleyin: “12 ay içinde sektörel sorgularda %40 Citation Share’e ulaşmak” gibi. AI visibility’yi klasik SEO’dan ayrı bir disiplin olarak kurumsallaştırın ve dedike bir ekip oluşturun: AI Content Strategist, Entity SEO Specialist, AI Visibility Analyst, Digital PR Manager rolleri.

Sıkça Sorulan Sorular (FAQ)

Soru: Web sitemi AI asistanlarına tanıtmak için Google Search Console benzeri bir araç var mı?

Cevap: Şu anda OpenAI, Anthropic veya Google’ın Gemini için sunduğu Search Console benzeri bir araç bulunmuyor. Ancak indekslenmeyi optimize etmek için şu yollar mevcuttur: robots.txt’de tüm AI crawler’larına açık erişim verin, sitemap.xml dosyasını güncel tutun, IndexNow protokolünü implemente edin (Bing üzerinden AI asistanlarına dolaylı sinyal gönderir), schema.org yapılandırılmış verisini eksiksiz uygulayın ve llms.txt dosyası oluşturun. Bu altyapı, AI asistanlarının siteyi keşfetmesini ve doğru şekilde indekslemesini sağlar.

Soru: Klasik SEO ile AI asistan optimizasyonu arasındaki temel fark nedir, ikisi birlikte mi yapılmalı?

Cevap: İki disiplin birbirini destekler ancak özdeş değildir. Klasik SEO, kullanıcıyı sitenize çekmeyi ve organik trafiği artırmayı hedeflerken; AI asistan optimizasyonu, asistanın yanıt üretirken sitenizi birincil kaynak olarak göstermesini hedefler. Ortak temel altyapı (HTTPS, mobil uyumluluk, sayfa hızı, kaliteli backlinkler) her iki disiplin için de kritiktir. Ancak AI optimizasyonu ek katmanlar gerektirir: yapılandırılmış veri, information density, entity linking, E-E-A-T sinyalleri, FAQ yapısı. İdeal yaklaşım, klasik SEO temellerini koruyarak üzerine AI optimizasyon katmanları inşa etmektir.

Soru: Sitemde içerik güncellediğimde AI asistanları ne kadar sürede bunu fark eder?

Cevap: Bu süre, AI asistanına ve sitenin otorite seviyesine göre değişir. Perplexity, gerçek zamanlı web araması yaptığı için yeni içerikleri 24-72 saat içinde yansıtabilir. Google Gemini’nin AI Overviews özelliği, Google indeks güncellemesinden sonra 1-2 hafta içinde içeriği gösterebilir. ChatGPT’nin web search özelliği aktif olduğunda Bing indeksini kullanır ve 3-7 gün içinde yansıtabilir. Claude için ise model güncelleme döngüsüne bağlı daha uzun süreler söz konusu olabilir. IndexNow protokolünü implemente etmek bu süreleri ortalama %72 oranında kısaltır.

Soru: Küçük işletmeler büyük markalarla AI asistan görünürlüğü konusunda rekabet edebilir mi?

Cevap: Evet, hatta belirli koşullarda küçük işletmeler avantajlı olabilir. AI asistanları, bir konuda derin uzmanlık gösteren niş markaları, genel içerik üreten büyük markalardan daha öncelikli değerlendirebilir. Topical authority, marka büyüklüğünden daha önemli bir faktördür. Örneğin “İzmir’de geleneksel zeytinyağı üretimi” gibi spesifik bir konuda uzmanlaşmış küçük bir üretici, genel gıda perakendecilerinden daha sık atıf alabilir. Önemli olan derinlemesine uzmanlık, yapılandırılmış içerik ve E-E-A-T sinyallerinin güçlü tutulmasıdır.

Soru: AI asistanlarının sitemi taramasını engellemek istiyorum, bu mümkün mü?

Cevap: Evet, robots.txt dosyasında her AI crawler’ı için Disallow: / direktifi eklenerek erişim engellenebilir. Ancak bu kararı dikkatli vermek gereklidir: AI asistanlarının siteyi taramasını engellerseniz, AI yanıtlarında atıf alma şansınız da kaybolur ve rakipleriniz görünürlük avantajı elde eder. Genel olarak markaların stratejik bir denge kurması önerilir: kamuya açık içerik, ürün açıklamaları, blog yazıları ve rehberler için tam erişim verilirken, ticari hassasiyeti olan veriler veya korumalı içerikler için seçici Disallow kullanılabilir.

Soru: Web sitemde olumsuz yorumlar veya kriz haberleri var, bunlar AI yanıtlarımı etkiler mi?

Cevap: Evet, AI asistanları siteden ve dış kaynaklardan topladığı tüm bilgileri sentezler. Bu nedenle olumsuz içerikler, marka algısını etkileyebilir. Ancak strateji şudur: olumsuz içerikleri silmek yerine, doğru ve güncel pozitif içeriklerle dengeleyin. Eski kriz haberlerinin güncel kapsamlı analizleriyle, müşteri memnuniyeti istatistikleriyle, sertifikasyon ve onaylarla, otorite medya yansımalarıyla compensate edin. AI asistanlarının “freshness signal” değerlendirmesi, yeni ve otoriteli içerikleri eskilere göre öncelikli kullanmalarını sağlar.

Soru: AI asistan optimizasyonu için hangi yapılandırılmış veri türleri en kritiktir?

Cevap: Sektörünüze ve içerik türüne göre değişmekle birlikte, evrensel olarak kritik schema türleri şunlardır: Organization (marka kimliği), Product veya Service (sunulan ürün/hizmetler), Person (yazarlar ve uzmanlar), Article veya NewsArticle (içerikler), FAQPage (sıkça sorulan sorular), BreadcrumbList (site hiyerarşisi), Review ve AggregateRating (kullanıcı değerlendirmeleri), LocalBusiness (yerel işletmeler için), Event (etkinlikler için), VideoObject ve ImageObject (medya içerikler için). Bu schema türlerinin doğru ve eksiksiz uygulanması, AI asistanlarının sitenizi yapısal olarak anlamasını sağlar.

Soru: AI optimizasyon yatırımının ROI’sini nasıl ölçebilirim?

Cevap: AI optimizasyonunun ROI’si üç katmanda ölçülür: doğrudan trafik etkisi (AI asistan yanıtlarındaki atıflardan gelen referans trafiği), marka farkındalığı etkisi (AI Share of Voice metriği ile rakiplere göre konum), dolaylı dönüşüm etkisi (AI yanıtlarında olumlu bağlamda anılan markaların ardından gerçekleşen direkt brand search artışı). Tipik bir ROI hesaplaması için 6-12 aylık zaman dilimi gerekir. Erken aşama metrikleri olarak AI mention frequency, citation rate, sentiment skoru ve coverage gap kapatma oranı takip edilmelidir.

Sonuç ve Stratejik Çıkarımlar

AI asistanları, dijital ekosistemin yeni keşif katmanı olarak konumlanıyor ve markanın web sitesinin bu yeni katmanda görünür olması, dijital varlığın geleceği için kritik bir gerekliliktir. Bu rehberde ele alınan 8 ana taktik; crawler erişimi, bilgi yoğunluğu, varlık ilişkilendirme, E-E-A-T sinyalleri, sitemap optimizasyonu, FAQ yapısı, multimodal içerik ve AI visibility tracking konularında uçtan uca bir strateji çerçevesi sunuyor.

Apple, Tesla, Microsoft, IKEA, Mastercard, Booking.com gibi global markaların yanı sıra THY, Togg, QNB Finansbank, Trendyol gibi Türkiye markalarının somut örnekleri, prensiplerin uygulanabilirliğini kanıtlıyor. Markanız hangi sektörde olursa olsun, AI asistan optimizasyonunun temel mantığı aynıdır: web sitenizi AI asistanlarının “tercih ettiği birincil kaynak” haline getirmek. Bu, içeriğinizin doğrulanabilir, kanıt yoğunluklu, otorite sinyalleriyle desteklenmiş, yapılandırılmış ve teknik altyapısının AI crawler’larına optimize edilmiş olması demektir.

AI asistan optimizasyonu, klasik SEO’nun yerini almıyor; onu kapsayıp aşan yeni bir disiplin oluşturuyor. Bu disiplin; içerik üretimi, teknik SEO, dijital PR, marka stratejisi, veri analitiği ve AI visibility tracking’in kesişiminde duruyor. Web sitenizi AI asistanlarına tanıtmak; tek seferlik bir teknik kurulumla değil, sürekli güncellenen, ölçülen ve iyileştirilen bir kurumsal disiplin olarak yönetilmesi gereken stratejik bir süreçtir.

Yapay zeka motorlarının bilgi keşfindeki rolü her geçen gün artıyor. ChatGPT, Claude, Gemini, Perplexity ve gelecekte ortaya çıkacak yeni AI asistanlarının oluşturduğu dijital ekosistemde, “AI visibility” artık opsiyonel değil zorunlu bir disiplindir. Erken hareket eden markalar, önümüzdeki 5-10 yıllık süreçte dijital ekosistemde “default reference” konumuna yerleşecek; geç kalan markalar ise dijital görünürlüklerinin AI asistanları tarafından “ikinci sınıf kaynaklar” olarak kodlanması riskiyle karşı karşıya kalacaktır.

Sitenizi AI asistanlarına tanıtmak; teknik altyapı, içerik kalitesi, varlık ilişkilendirme, otorite inşası ve sürekli ölçümün birleşiminden oluşan yeni nesil dijital pazarlamanın temel disiplinidir. Markanızı bu yeni paradigmada konumlandırın, web sitenizin teknik ve içerik altyapısını AI optimize edin ve yapay zeka ekosisteminde kalıcı görünürlük kazanın.