Yapay Zeka Arama Motorları Sitenizi Görmüyor: GEO ile Bunu Nasıl Değiştirirsiniz?
Yapay zeka arama motorları sitenizi görmüyorsa sorun genellikle içeriğin kalitesinde değil, erişim ve yorumlama katmanındadır. ChatGPT, Perplexity ya da Google AI Overviews bir sayfayı yanıt kaynağı olarak kullanabilmesi için önce botunun sayfaya ulaşması, sonra içeriği makine tarafından okunabilir biçimde ayrıştırması gerekir. Bu iki adımdan biri tıkandığında, geri kalan tüm çalışma görünmez kalır. GEO (Generative Engine Optimization), tam olarak bu iki adımı düzeltmeye odaklanan bir yaklaşımdır.
Siteniz var. İçeriğiniz iyi. SEO teknikleriniz standartların üzerinde olabilir. Ama sonuç değişmiyorsa, rakibinizin görünüp sizin görünmemenizin mantıksal bir açıklaması vardır ve o açıklama tahmin ettiğinizden çok daha tekniktir.
Özet: Yapay zeka botu sayfaya erişemiyorsa ya da eriştiğinde içeriği ayrıştıramıyorsa, içerik ne kadar iyi olursa olsun alıntılanmaz. GEO çalışması erişim katmanıyla başlar, içerik yapısıyla devam eder.
Yapay zeka botları sitenize neden erişemiyor?
Yapay zeka arama sistemleri içeriklere ulaşmak için kendi botlarını kullanıyor. Bu botların sitenize erişememesi ya da eriştiğinde içeriği doğru işleyememesi tüm GEO çalışmasını anlamsız kılıyor. Teknik engeller aşılmadan içerik yapısı üzerine ne kadar emek harcanırsa harcansın sonuç değişmiyor.
İlk ve en kritik kontrol robots.txt dosyasıdır. Her yapay zeka platformunun kendine ait tarayıcı botu var. OpenAI’ın botu GPTBot, Perplexity’nin botu PerplexityBot, Anthropic’in botu ClaudeBot, Google’ın AI özelliklerine özel botu Google-Extended, ChatGPT’nin web araması için kullandığı ek bot ise OAI-SearchBot.
Bu botların sitenize erişimi için robots.txt’te açıkça engellenmemiş olmaları gerekiyor. Disallow: / satırı tüm botları engelliyor. User-agent bazlı kurallar belirli botları hedef alıyor. Google’ın robots.txt sözdizimi ve user-agent davranışı için Search Central robots.txt rehberi temel referanstır.
2025’te Cloudflare’in yaptığı varsayılan yapılandırma değişikliği binlerce sitenin farkında olmadan bu botları bloke etmesine yol açtı. Cloudflare kullananlar için kontrol zorunlu. Bot Fight Mode ayarları ve özel güvenlik kuralları bu botları zaman zaman zararlı trafik olarak sınıflandırıp engelliyor.
Kontrol yöntemi basit: sunucu erişim loglarında GPTBot, PerplexityBot, ClaudeBot ve OAI-SearchBot user-agent’larını arayın. Hiç istek yoksa bot hiç gelmiyor demektir. İstek var ama yanıt kodu 403 veya 429 ise engelleme güvenlik katmanında. İstek 200 dönüyor ama içerik boş görünüyorsa sorun render katmanına kaymıştır.
Log okumayı kolaylaştırmak için user-agent filtreli bir görünüm kurun. Örneğin Nginx erişim loglarında grep “GPTBot” komutu tek başına hangi sayfaların çekildiğini gösterir. Apache’de grep -i “PerplexityBot” ile aynı sonucu alırsınız. Bu iki komut, hangi sayfaların yapay zeka tarafında gerçekten görüldüğünü dakikalar içinde ortaya koyar.
JavaScript render sorunu neden bu kadar yaygın?
Sayfanızın içeriği sunucu tarafında HTML olarak gönderilmiyorsa, yani JavaScript tarafından oluşturuluyorsa, yapay zeka botlarının büyük bölümü bu içeriği göremiyordur. Bu botların çoğu JavaScript’i tam anlamıyla çalıştırmıyor. Single Page Application mimarileri, React ve Vue gibi client-side render kullanan yapılar bu nedenle sorun yaratıyor.
Çözüm server-side rendering ya da static site generation uygulamaktır. Google’ın render sürecine dair teknik açıklama JavaScript SEO temel bilgileri sayfasında yer alıyor; ancak diğer platformların botları için bu tolerans garanti değil.
Pratik test: sayfayı tarayıcıda JavaScript kapalıyken açın. Ana metin görünüyorsa render sorunu yok. Görünmüyorsa botlar için de yok demektir. Bu test, pahalı araçlara gerek kalmadan ilk ayrımı yapmanızı sağlar.
Bir e-ticaret sitesinde ürün açıklamaları yalnızca JavaScript ile yükleniyorsa, bot sayfayı boş bir kabuk olarak görür. Ürün adı, fiyat ve teknik özellikler HTML kaynağında yer almadığı sürece yapay zeka yanıtlarına giremez. Bu durumda çözüm, kritik içeriği sunucu tarafında basmaktır; geri kalan etkileşim JavaScript’te kalabilir.
Bing indeksi neden ayrıca kontrol edilmeli?
ChatGPT’nin web araması Bing’in indeksini kullanıyor. Google’da iyi sıralanmak ChatGPT’de görünmek için yeterli değil. Bing Webmaster Tools’a site haritanızı göndermiş olmanız, Bing tarafından indekslenmiş sayfa sayısını kontrol etmeniz ve varsa Bing’e özgü teknik sorunları gidermeniz gerekiyor.
Bu kontrolü çeyrekte bir tekrarlamak yeterli. Bing indeksindeki sayfa sayısı ile sitenizdeki gerçek sayfa sayısı arasındaki fark büyüdükçe, yapay zeka yanıtlarında görünme olasılığınız düşer. Farkı kapatan düzeltmeler genellikle canonical etiketleri, site haritası hataları ve yavaş yanıt süreleriyle ilgilidir.
Bing’in kendi dizin oluşturma kuralları Google’dan farklı işleyebiliyor. Örneğin noindex etiketi taşıyan sayfalar Google’da düşerken Bing’de bir süre kalabiliyor; tersi de olabiliyor. İki dizini ayrı ayrı izlemek, hangi platformun hangi sayfayı görmediğini netleştirir.
Schema markup eksikliği neyi zorlaştırıyor?
Yapay zeka sistemleri içeriği daha hızlı ve doğru anlamak için yapılandırılmış veriyi kullanıyor. FAQPage schema’sı soru ve cevap çiftlerini makinenin doğrudan okuyabileceği formata çeviriyor. Article schema yazar otoritesi ve yayın tarihi bilgisini sunuyor. Organization schema marka kimliğini netleştiriyor. HowTo schema adım adım süreçleri yapılandırıyor.
Bu işaretlemeler olmadan sistem içeriği yorumlamak için daha fazla hesaplama yapmak zorunda kalıyor ve hata payı artıyor. Yapılandırılmış veri türlerinin tanımları schema.org üzerinde yayımlanıyor; uygulama doğrulaması için Google’ın zengin sonuç testi kullanılabilir.
Bir uyarı: schema eklemek tek başına alıntılanma getirmez. İçerikte gerçekten soru-cevap yapısı yoksa, schema’yı sayfaya zorla yerleştirmek yanıltıcı işaretleme sayılır. Google’ın yapılandırılmış veri politikaları bu tür kullanımı spam olarak değerlendiriyor.
llms.txt dosyası ne işe yarıyor?
llms.txt, sitenizin kök dizininde yer alan ve yapay zeka sistemlerine içeriğinizin nasıl okunacağını anlatan düz metin dosyasıdır. Amaç, modelin hangi sayfaların özet, hangilerinin ayrıntı olduğunu hızlıca ayırt etmesini sağlamak. Biçim önerisi llmstxt.org üzerinde tanımlanıyor.
Dosya bir standart değil, bir öneri. Tüm platformların bunu okuduğuna dair garanti yok. Yine de okunabilir bir llms.txt, botun siteye geldiğinde zaman kaybetmeden doğru sayfalara yönelmesine yardımcı olur. Özellikle çok sayfalı sitelerde bu yönlendirme işe yarar.
Dosyanın içine her sayfayı tek tek yazmak gerekmiyor. Ana bölümleri, ürün kataloğunu ve destek sayfalarını kısa açıklamalarla listelemek yeterli. Güncel tutulmadığında ise yanlış yönlendirme yapabileceğini not; site yapısı değiştiğinde dosyayı da güncelleyin.
İçerik yapısı alıntılanmayı nasıl etkiliyor?
Yapay zeka yanıtları, tek cümlede
GEO ile Klasik SEO Arasındaki Farklar
Yapay zeka arama motorları sitenizi görmüyor diyorsanız sorun çoğu zaman klasik SEO araçlarında görünmeyen bir katmanda başlar: makinenin metni okuyup alıntılayabilme biçiminde. Klasik SEO bir sayfayı sonuç listesinde üst sıraya taşımaya odaklanır; GEO (Generative Engine Optimization) ise aynı sayfanın üretken yanıtların içinde kaynak olarak seçilmesini hedefler. İkisi rakip değil, farklı katmanlarda çalışan iki disiplindir. Aşağıda hangi ölçütte nerede ayrıştıklarını, hangi durumda hangisinin önce geldiğini ve sahada nasıl ayırt edileceğini adım adım bulacaksınız.
Klasik SEO sıralamayı, GEO ise alıntılanmayı ölçer. İkisi aynı sayfada yürür; biri diğerinin yerine geçmez.
Tanım düzeyinde ayrım
Klasik SEO, bir sorguya karşılık gelen sayfaları tarayıcı botlarının bulmasını, dizinlemesini ve sonuç sayfasında sıralamasını yönetir. GEO ise modelin yanıt üretirken hangi pasajı alıntılayacağını, hangi varlığı (entity) kaynak göstereceğini etkilemeye çalışır. Bu yüzden aynı sayfa klasik SEO’da birinci sırada olup üretken yanıtta hiç anılmayabilir. Tersi de olur: sıralaması orta seviyede bir sayfa, net tanım cümlesi ve doğrulanabilir atıf sayesinde alıntılanır.
Google, üretken arama deneyimlerinde içeriğin kullanılabilmesi için sayfanın normal arama dizininde erişilebilir olması gerektiğini belirtiyor. Bu, GEO’nun klasik SEO’yu tamamen dışlamadığını gösterir. Ancak erişilebilirlik tek başına yeterli değil; içeriğin alıntılanabilir biçimde yazılmış olması gerekir. Bu noktada iki disiplin ayrışır.
Karşılaştırma tablosu
| Ölçüt | Klasik SEO | GEO |
|---|---|---|
| Ana hedef | Arama sonuçlarında sıralama ve tıklama | Yapay zeka yanıtlarında kaynak olarak anılma |
| İçerik biçimi | Anahtar kelime odaklı sayfa yapısı | Net tanım, kısa cevap ve doğrulanabilir atıf |
| Ölçüm | Gösterim, tıklama, ortalama pozisyon | Alıntılanma, marka anımı, yönlendirme trafiği |
| Teknik dayanak | Tarama, dizinleme, site hızı | Yapılandırılmış veri, erişilebilir metin, kaynak şeffaflığı |
| İçerik derinliği | Sayfa başına anahtar kelime yoğunluğu | Varlık (entity) ilişkileri ve bağlam bütünlüğü |
| Zaman ufku | Haftalar içinde sıralama değişimi | Yanıt güncellemeleriyle birlikte dalgalanma |
| Başarısızlık belirtisi | Dizin dışı sayfa, düşük gösterim | Dizin içinde ama yanıtta hiç anılmama |
İçerik yazımı: iki farklı disiplin
Klasik SEO’da bir sayfa genellikle anahtar kelime etrafında kurulur; başlık, alt başlık ve gövde aynı kelimeyi farklı biçimlerde tekrar eder. GEO’da ise pasajın tek başına okunabilir olması gerekir. Model yanıt üretirken cümlenin öncesini ve sonrasını çoğu durumda görmez; bu yüzden tanım cümlesi kendi kendine yeterli olmalıdır.
Somut fark şu: klasik SEO’da “güçlü ayakkabı markası” ifadesini sayfaya yerleştirmek yeterli sayılabilir. GEO’da “Ayakkabı seçiminde taban malzemesi, kullanım süresini belirleyen temel etkendir” gibi tek cümlelik, doğrulanabilir bir tanım gerekir. Bu cümle alıntılandığında anlam bozulmaz. Aynı yaklaşım, Google’ın üretken arama özellikleri belgelerinde de vurgulanan “içeriğin kendi başına anlamlı olması” ilkesiyle örtüşür.
Varlık (entity) katmanı neden öne çıkıyor
Klasik SEO’da kelime yoğunluğu bir sinyal olarak okunur. GEO’da model, metindeki kavramları birbirine bağlayan ilişkilere bakar. Örneğin “diyabet” kelimesi geçen bir sayfa, “insülin direnci”, “HbA1c”, “beslenme düzeni” gibi ilişkili kavramları doğru bağlamda kullanmıyorsa alıntılanma olasılığı düşer. Bu, anahtar kelimeyi tekrarlamakla değil, anlam alanını genişletmekle ilgilidir.
Pratikte bu, bir sayfada aynı kelimeyi on kez yazmak yerine konunun alt kavramlarını, ilişkili terimleri ve sınır durumlarını işlemek anlamına gelir. Schema.org üzerinden işaretlenen varlık verileri, bu ilişkilerin makine tarafından okunmasını kolaylaştırır. Klasik SEO’da yapılandırılmış veri çoğunlukla zengin sonuç için kullanılır; GEO’da ise kaynağın kim olduğunu ve neyi iddia ettiğini netleştirmek için kullanılır.
GEO’da başarısızlık çoğu zaman dizin dışı kalmak değil, dizinde olup yanıtta hiç anılmamaktır. İki durumu ayrı ölçmek gerekir.
Ölçüm: iki farklı gösterge seti
Klasik SEO’da temel göstergeler gösterim, tıklama, ortalama pozisyon ve tıklama oranıdır. Bu veriler Google Search Console üzerinden düzenli izlenebilir. GEO’da ise doğrudan bir “alıntılanma paneli” yok; ölçüm dolaylı yapılır. Bu yüzden ölçüm yöntemini baştan tanımlamak gerekir.
Aşağıdaki ölçüt listesi, GEO etkisini klasik SEO metriklerinden ayırmak için kullanılabilir. Her madde haftalık veya aylık olarak tekrar ölçülür; tek seferlik kontrol yanıltıcı olur.
| Ölçüt | Nasıl ölçülür | Sıklık |
|---|---|---|
| Marka anımı | Hedef sorular üretken yanıtlarda sorulup marka adının geçip geçmediği not edilir | Haftalık |
| Kaynak gösterimi | Yanıtın altındaki kaynak bağlantılarında sitenin alan adı aranır | Haftalık |
| Yönlendirme trafiği | Analitikte yönlendiren alan adları arasında üretken arama servisleri filtrelenir | Aylık |
| Pasaj alıntısı | Yanıtta geçen cümlenin sitedeki tanım cümlesiyle birebir eşleşip eşleşmediği kontrol edilir | Aylık |
| Dizin durumu | Sayfanın arama dizininde erişilebilir olup olmadığı doğrulanır | Aylık |
Teknik dayanak: ortak zemin, farklı ağırlık
Her iki disiplin de sayfanın taranabilir ve dizinlenebilir olmasını gerektirir. Bu ortak zemin olmadan GEO çalışmaz; model, dizinde olmayan sayfayı kaynak gösteremez. Fark, teknik önceliklerde ortaya çıkar. Klasik SEO’da site hızı, mobil uyum ve iç bağlantı yapısı öne çıkar. GEO’da bunlara ek olarak metnin HTML içinde erişilebilir olması, JavaScript ile sonradan yüklenen içeriğin modele ulaşması ve kaynak şeffaflığı öne çıkar.
Bir başka ayrım: GEO’da yapay zeka botlarının siteye erişim politikası ayrıca yönetilir. llmstxt.org gibi girişimler, modellerin siteyi nasıl okuyacağını tanımlamaya yönelik öneriler sunuyor; ancak bunlar standart değil, henüz gelişen uygulamalar. Klasik SEO’da robots.txt ve site haritası yerleşik standarttır; GEO’da bu standartların model tarafında nasıl yorumlandığı üreticiye göre değişebilir.
Senaryo: 40 sayfalık bir klinik sitesi
<p
Sınırlar ve riskler
Yapay zeka arama motorları sitenizi görmüyor sorununa GEO ile yanıt ararken, bu yaklaşımın her siteye uymadığını baştan söylemek gerekir. Ürün veya hizmet sayfası henüz oturmamış, içerik derinliği olmayan yeni sitelerde yapay zeka aramalarına yönelik düzenleme erken kalabilir. Önce temel arama görünürlüğü ve sayfa deneyimi oturmalı. Yalnızca yapay zeka yanıtlarında görünmeyi hedefleyip klasik arama trafiğini ihmal etmek de dengeli bir yaklaşım sayılmaz.
Bu bölüm, GEO çalışmasının nerede tıkandığını, hangi durumda beklentinin gerçekçi olmadığını ve ölçümün nasıl yapılacağını adım adım açıklıyor. Amaç korkutmak değil; kaynak ve zamanı doğru yere yönlendirmek.
GEO, içeriği makine tarafından alıntılanabilir hale getirir; alıntılanmayı gara
Bu konunun ayrıntıları Pixenon ile Markanızı Yapay Zeka Arama Motorlarına T yazısında adım adım anlatılıyor.
Sık sorulan sorular
GEO nedir?
GEO, Generative Engine Optimization; yani içeriğin yapay zeka destekli arama ve yanıt motorlarında alıntılanabilir hâle getirilmesidir. Klasik SEO sıralama odaklıyken GEO, modelin soruyu yanıtlarken sizin sayfanızı kaynak göstermesini hedefler. Bu yüzden net tanımlar, kısa cevap paragrafları ve doğrulanabilir atıflar öne çıkar. Ölçüm için hangi sorgularda alıntılandığınızı düzenli izlemeniz gerekir.
Yapay zeka arama motorları siteleri nasıl tarar?
Tarama, botların sayfaları gezmesi ve içeriği dizine almasıdır; yapay zeka motorları da benzer şekilde erişilebilir metne dayanır. Robots.txt izinleri, sunucu yanıtları ve sayfa hızı bu erişimi etkiler. JavaScript ile sonradan basılan içerik çoğu durumda güvenilir biçimde okunmaz. Bu yüzden kritik bilgiyi sunucu tarafında HTML olarak sunmak daha güvenli bir yaklaşımdır.
GEO için içerik yapısı nasıl olmalı?
İçerik yapısı, bir soruya ilk paragrafta doğrudan cevap verecek biçimde kurulmalıdır. Başlıklar soru formunda, tanım cümleleri kısa ve tek anlamlı olmalı. Listeler, tablolar ve adım adım anlatım modelin metni bölümlemesini kolaylaştırır. Aynı kavramı farklı sözcüklerle açıklamak, bağlamın doğru eşleşmesine yardım eder. Şişirilmiş cümleler yerine ölçülebilir ifadeler tercih edilir.
GEO ile SEO arasındaki fark nedir?
Fark, hedefin sıralama değil alıntılanma olmasıdır; SEO tıklama ve sıralama odaklı, GEO ise yanıt içinde kaynak gösterilmeye odaklıdır. SEO'da anahtar kelime yoğunluğu ve bağlantı profili belirleyiciyken GEO'da net tanım, yapılandırılmış veri ve güvenilir atıf öne çıkar. İkisi birbirini dışlamaz. Sağlam teknik altyapı ve özgün içerik her iki yaklaşımın da temelidir.
GEO çalışmalarının etkisi ne kadar sürede ölçülür?
Ölçüm, sabır isteyen bir süreçtir; yapay zeka yanıtlarında görünürlük kısa vadede garanti edilemez. Motorlar modellerini ve dizinlerini farklı sıklıkta günceller. Bu yüzden haftalık veya aylık olarak seçili sorularda alıntılanma durumunu takip etmek gerekir. Sonuçlar sektöre, rekabete ve içerik kalitesine göre değişir. Kesin süre vaat eden yaklaşımlara temkinli yaklaşın.
