AI Görünürlüğü Nasıl Ölçülür?

AI (Yapay Zeka) görünürlüğü konusunu ele alırken en büyük yanılgı, markamızın bir yapay zeka yanıtında adının geçmesini tek başına başarı saymaktır. ChatGPT, Gemini, Perplexity ya da Google’ın yapay zeka arama deneyimlerinde yer almak; yalnızca görünmekle ilgili değil; hangi bağlamda önerildiğimiz, hangi konularla eşleştirildiğimiz ve web sitemizin ne derece referans kabul edildiğiyle doğrudan ilgilidir.

Geleneksel SEO’da işimiz görece netti: Sıralamalar, organik trafik ve tıklama oranları üzerinden performans okuyabiliyorduk. Fakat AI tarafında durum böyle işlemiyor. Sabit bir sonuç listesi yok. Aynı soruyu birkaç saat arayla sorduğunuzda bile önerilen markalar, sunulan kaynaklar ve yanıtın kurgusu değişebiliyor.

Bu yüzden tek seferlik sorgulamalarla veya anlık ekran görüntüleriyle AI görünürlüğü ölçülemez. Kendi metodolojisi ve kuralları olan, sürdürülebilir bir ölçüm kurgusuna ihtiyacımız var.

AI Görünürlüğünü Ölçerken Yanıt Aradığımız 3 Temel Soru

Yapay zeka görünürlük analizlerini kurgularken işi karmaşıklaştırmadan şu üç temel soruya odaklanıyorum:

1. Pazardaki Varlık: Potansiyel müşterilerin sektörümüzle alakalı sorularına verilen yanıtlar içerisinde markamız ne sıklıkla yer buluyor?

2. Rekabet Konumu: Bu görünürlük seviyesi, aynı kulvarda yarıştığımız rakiplerle kıyaslandığında nerede duruyor?

3. Zaman İçi Performans: Elde ettiğimiz bu alan genişliyor mu, yoksa kan mı kaybediyoruz?

Bu sorular birbirini tamamlasa da hepsini tek bir metriğe indirgemek hatalı olur.

Açıklayayım: Sektörünüzle ilgili 100 AI yanıtının 40’ında markanızın geçmesi kağıt üzerinde harika durabilir. Ancak rakiplerinizin aynı yanıtların 80’inde önerildiğini bilmiyorsanız, ortada başarı değil ciddi bir pazar payı kaybı vardır. Ya da herhangi bir aracın ekranında yükselen puanınız, sahada gerçek kullanıcıların sizinle daha sık karşılaştığını garanti etmez.

Neyi, nasıl ölçtüğümüzü açıkça tanımlamak bu yüzden şart.

Prompt Monitoring (Soru Seti Takibi)

Prompt monitoring, belirlediğimiz hedef kitle sorularının yapay zeka platformlarında düzenli aralıklarla sorgulanması ve çıkan yanıtların sistematik biçimde arşivlenmesidir.

Örnek vermek gerekirse, bizim tarafta takip ettiğimiz tipik soru kalıpları şunlara benzer:

• Türkiye’de SEO hizmeti veren öne çıkan ajanslar hangileri?

• E-ticaret markaları için hangi dijital pazarlama ajansları öneriliyor?

• Kurumsal SEO danışmanlığı alırken nelere dikkat edilmeli?

• AI görünürlüğünü artırmak için hangi stratejiler uygulanmalı?

Bu soruların her biri farklı bir arama niyetini ve kullanıcı ihtiyacını temsil eder. İnceleme yaparken sadece markamızın adı var mı diye bakmayız; hangi rakipler eşlik etmiş, hangi kaynak bağlantıları verilmiş ve AI konuyu nasıl bir tonla ele almış, hepsini kaydederiz.

Buradaki kritik tehlike şudur: Kendi masa başında hazırladığınız soru seti, gerçek dünyadaki kullanıcı davranışının tamamını yansıtmaz. Yanlış veya dar kurgulanmış bir prompt listesiyle ne kadar teknik ölçüm yaparsanız yapın, elde edeceğiniz veri sizi yanıltır. Soru havuzunu kurgularken Search Console verilerinden, satış ekibinin sahadan getirdiği müşteri sorularından ve sektörün gerçek arama niyetlerinden beslenmek gerekir.

Share of Voice (Ses Payı) Kıyaslaması

Share of Voice (SOV), belirlediğimiz soru evreninde rakiplerimize kıyasla ne kadarlık bir alan kapladığımızı gösterir.

Mantığını basit bir senaryoyla özetleyelim. Belirli bir soru setinde toplam 100 marka anılması gerçekleşmiş olsun:

• Sizin markanız: 30 kez

• A Rakibi: 40 kez

• B Rakibi: 30 kez

Bu tabloda görünürlük payınız %30’dur. Bu veri size doğrudan rekabet ortamındaki yerinizi söyler.

Ancak burada sıklıkla karıştırılan bir nokta var: SOV, pazar payı demek değildir. Yapay zeka yanıtlarında daha fazla anılmanız, rakiplerinizden daha fazla ciro yaptığınızı veya daha çok satış kapattığınızı göstermez.

Ayrıca analiz havuzuna eklediğiniz veya çıkardığınız her rakip bu oranları kökten değiştirir. Dönemsel gelişimi doğru okumak istiyorsanız, kıyaslama yaptığınız rakip setini sabit tutmanız gerekir.

Visibility Score (Görünürlük Skoru) Nasıl Okunmalı?

Visibility score, farklı sinyallerin (anılma frekansı, öneri sırası, metin içindeki konum, verilen bağlantılar, marka hakkındaki duygu analizi vb.) ağırlıklandırılarak tek bir puana dönüştürüldü birleşik bir metriktir.

Piyasada farklı araçların aynı marka için bambaşka puanlar ürettiğini görürsünüz. X platformu markanıza 75 puan verirken, Y platformu 58 gösterebilir.

Bu durum araçlardan birinin “bozuk” olduğu anlamına gelmez. İki aracın arkasındaki soru havuzu, test ettiği platformlar ve puanlama algoritmaları farklıdır. Bu sebeple farklı platformların görünürlük skorlarını birbiriyle yarıştırmak elma ile armudu kıyaslamaktır. Yapılması gereken şey; tek bir güvenilir platform seçip, o platform içindeki dönemsel trende ve eğriye odaklanmaktır.

Metriklerin Sınırları ve Kapsamı

Ölçüm araçlarını ve metrikleri değerlendirirken neyi ölçüp neyi ölçemediklerini net net ortaya koymak gerekiyor:

Metrik	Neyi Gösterir?	Neyi Göstermez?	En Önemli Sınırlaması
Prompt Monitoring	Seçilen özel soru setindeki varlığınızı	Gerçek kullanıcıların toplam sorgu hacmini	Hazırlanan soru setinin evreni temsil yeteneği
Share of Voice (SOV)	Rakiplere kıyasla kapladığınız alanı	Gerçek pazar payınızı veya satış başarınızı	Rakip listesi değiştiğinde verinin kayması
Visibility Score	Genel görünürlük performansınızın özetini	Standart ve evrensel bir başarı puanını	Aracın kendi hesaplama metodolojisine bağımlılık

Alıntılanma (Citation) ve Marka Bahsi (Mention) Ayrımı

Yapay zeka yanıtlarında sıklıkla gözden kaçan ama en kritik ayrım burasıdır: Yanıtta markanızın adının geçmesiyle, web sitenizin kaynak olarak bağlantılanması bambaşka şeylerdir.

İki farklı senaryo üzerinden netleştirelim:

• Senaryo 1: Kullanıcı AI’a en iyi e-ticaret altyapılarını soruyor. AI yanıt metninde sizin markanızı öneriler arasında sayıyor ama sitenize hiç link vermiyor. Burada bir Marka Bahsi (Mention) vardır, ancak alıntı/link yoktur.

• Senaryo 2: AI, sektörle ilgili kaleme aldığınız kapsamlı bir rehber yazısını kaynak gösterip linkliyor. Ancak yanıt metninde sizin ajansınızın veya markanızın adını doğrudan bir öneri olarak anmıyor. Burada bir Alıntılanma (Citation) vardır, fakat marka bahsi gerçekleşmemiştir.

Sağlıklı bir raporda bu iki olayı birbirinden ayırırız:

• Marka Bahsi Oranı: Sorulan sorularda adınızın geçme yüzdesi.

• Alıntılanma Oranı: Web sitenizin kaynak gösterilip linklenme yüzdesi.

Buna ek olarak yanıtın tonunu da (olumlu, tarafsız, olumsuz) takip etmek gerekir. Dijital PR çalışmalarında üçüncü taraf yayınlarda, sektörel bloglarda veya bağımsız incelemelerde yer almak bu yüzden değerlidir; yapay zekanın beslendiği bilgi ekosistemini bu içerikler oluşturur. Ancak unutmayın, bir haber sitesinden link almak, AI’ın sizi yanıtında hemen önereceği anlamına gelmez.

Aynı Prompt Neden Farklı Yanıtlar Üretir?

Yapay zeka ölçümünü geleneksel SEO’daki sıralama takibinden ayıran en temel fark yanıtlardaki stokastik (olasılıksal) yapıdır. ChatGPT’ye aynı soruyu peş peşe 3 kez sorduğunuzda 3 farklı yanıt, farklı marka dizilimleri veya farklı kaynak linkleri alabilirsiniz.

Bu dalgalanmanın arkasında birkaç temel neden yatar:

1. Modellerin Çalışma Mantığı: LLM’ler yanıt üretirken deterministik çalışmaz; olasılık hesaplarına göre kelime dizerler.

2. Canlı Arama Entegrasyonları: Arama destekli AI sistemleri (Perplexity, Gemini vb.) anlık web verisine başvurur. Web’deki indeks değiştikçe AI’ın derlediği kaynaklar da anlık değişir.

3. Kullanıcı Bağlamı ve Parametreler: Sorgunun yapıldığı konum, dil ayarları, hesabın geçmiş oturum verileri ve kullanılan model versiyonu çıktıyı doğrudan etkiler.

Örneğin; “En iyi SEO ajansları” sorgusu ile “Türkiye’de B2B şirketler için önerilen SEO ajansları” sorgusu AI tarafında bambaşka veri kümelerini tetikler.

Bu değişkenlik yüzünden, ölçüm yaparken test ortamı koşullarını (ülke, dil, tarih, platform, model sürümü) olabildiğince sabitlemek ve kayıt altına almak şarttır.

Tek Çalıştırma Bir Ölçüm Sayılmaz (İstatistiksel Gerçeklik)

Yaptığımız en büyük hatalardan biri, AI’a bir soru sorup “Harika, ilk sıradayız” veya “Eyvah, listede yokuz” deyip kestirip atmaktır. Tek bir sorgu veri sayılmaz.

Güvenilir bir oran elde etmek istiyorsak, aynı soru setini belirli aralıklarla ve yeterli sayıda çalıştırmak zorundayız. İstatistiksel açıdan olayı özetleyen basit bir tablo paylaşayım:

Örneğin, gerçek anılma oranınızın %30 etrafında seyrettiği bir senaryoda, test sayınıza göre karşılaşacağınız hata payları yaklaşık olarak şöyledir:

Sorgu (Koşum) Sayısı	Yaklaşık Hata Payı
10 test	$\pm 28$ puan
25 test	$\pm 18$ puan
50 test	$\pm 13$ puan
100 test	$\pm 9$ puan
250 test	$\pm 6$ puan
500 test	$\pm 4$ puan
1.000 test	$\pm 3$ puan

Tablonun bize söylediği şey açık: Az sayıda test yaparak elde ettiğiniz 3-5 puanlık değişimleri “Görünürlüğümüz arttı” ya da “Düştük” şeklinde yorumlayamazsınız. O değişim büyük ihtimalle istatistiksel gürültüdür. Bütçe ve veri ihtiyacınıza göre optimum test sıklığını kurgulamanız gerekir.

İki Panel Aynı Markaya Neden Farklı Skor Verir?

Sektörde sıkça karşılaştığım bir soru: “X paneli bizi çok iyi gösteriyor, Y paneli neden düşük puan veriyor?”

Sebebi basit: Yapay zeka ölçümünde henüz küresel, konsolide olmuş tek bir standart yok.

Bir araç sadece ChatGPT ve Perplexity’e bakarken, diğeri Google AI Overviews ve Gemini verilerini ağırlıklandırıyor olabilir. Skorların farklılaşmasının ana nedenleri şunlardır:

1. Prompt Kapsamı: Kullanılan soruların kalitesi ve niteliği.

2. Platform Çeşitliliği: Ölçüme dahil edilen AI motorları.

3. Iterasyon Sayısı: Sorunun kaç kez yineleyerek sorulduğu.

4. Zamanlama ve Lokasyon: Testin hangi coğrafyadan ve ne zaman yapıldığı.

5. Metrik Tanımları: Marka bahsinin mi yoksa link alıntısının mı öne çıkarıldığı.

6. Ağırlıklandırma: Skor oluşturulurken kullanılan iç matematik.

Bu yüzden panelleri birbiriyle kıyaslamak yerine, seçtiğiniz bir panel üzerindeki zamansal değişimi izlemek en doğrusudur. Tabii burada tek şart, sistemin ölçüm metodolojisini dönemler arasında değiştirmemektir.

Kendi Sunucunuzdaki Veri: Ölçümün Katı Katmanı

Dışarıdan aldığınız prompt monitoring verileri işin bir yüzüdür. İşin diğer yüzü ise kendi mülkünüz olan web sitenizin analitiğinde yatar. Üç temel veri kaynağını mutlaka masaya yatırıyoruz:

Google Search Console

Google, AI Overviews ve AI Mode gibi alanlardan gelen gösterim ve tıklamaları Search Console Arama performansına dahil ediyor. AI arama deneyimlerinden sitenize ne kadar organik trafik kaldığını görmek için buradaki trendleri yakından takip etmelisiniz. Ancak unutmayın; GSC size yanıt metninde kaç kez “önerildiğinizi” söylemez, sadece arama arayüzündeki varlığınızı ve tıklamanızı gösterir.

Google Analytics 4 (GA4)

ChatGPT, Perplexity veya Claude gibi platformlardan sitenize yönlenen trafiği GA4 üzerinde yönlendirme (referral) kaynakları altında izleyebilirsiniz. Doğru bir yönlendirme/UTM takibi ile yapay zekadan gelen kullanıcının hangi sayfalarda gezindiğini ve dönüşüme oranını ölçebilirsiniz. Tabii ki kullanıcı AI yanıtında adınızı okuyup sitenize tıklamadıysa, bu etki GA4’e yansımaz.

Sunucu Logları (Server Logs)

İşin teknik mutfağı burası. Sunucu loglarını analiz ederek OpenAI’ın OAI-SearchBot veya GPTBot gibi tarayıcılarının sitenizi ne sıklıkla ziyaret ettiğini görebilirsiniz. Bir botun sitenizi sık taraması, içeriğinizi işlediğini gösterir. Ancak taramak, yanıt içerisinde kaynak gösterileceğinizin garantisi değildir; yine de altyapı hazırlığı açısından kritik bir sinyaldir.

Ölçüm Kurgusunu Başlatırken Karara Bağlanması Gereken 5 Nokta

AI görünürlüğünü takip etmeye karar verdiğinizde, herhangi bir araca bütçe ayırmadan önce ekibinizle şu 5 kararı netleştirmenizi öneririm:

1. Soru Setinizi Sabitleyin: Markalı, markasız, karşılaştırma ve doğrudan satın alma niyeti taşıyan soruları gruplayarak temsil gücü yüksek bir liste oluşturun.

2. Ölçüm Periyodunu Belirleyin: Soruların hangi sıklıkta ve kaç iterasyonla test edileceğini standartlaştırın.

3. Rakip Kümesini Tanımlayın: Share of Voice takibi için çekirdek rakip listenizi netleştirin ve dönem ortasında değiştirmeyin.

4. Metrikleri Birbirine Karıştırmayın: Marka bahsi, alıntı/link oranı ve sevk trafiğini ayrı ayrı raporlayın.

5. Ham Veriyi Arşivleyin: AI’ın ürettiği yanıt metinlerini, sunduğu bağlantıları ve tarih bilgilerini ham veri olarak saklayın. İleride model değişikliklerini analiz ederken bu arşive çok ihtiyacınız olacak.

Sıkça Sorulan Sorular

Rakip analizi yaparken sadece doğrudan rakiplerimi mi eklemeliyim, yoksa farklı alternatifleri de dahil etmeli miyim?

Başlangıçta doğrudan rakiplerinizle başlamak en net resmi verir; ancak kullanıcıların alternatif çözüm ararken başvurduğu pazar yerlerini, forumları veya inceleme sitelerini de listeye eklemelisiniz. Yapay zeka modelleri genellikle tek bir marka yerine kategorik alternatifler sunduğu için, ekosistemdeki asıl rekabet alanınızı bu geniş açıyla görebilirsiniz.

Rakiplerim yapay zeka yanıtlarında sürekli yer alırken benim markam neden sıklıkla es geçiliyor?

Bu durum genellikle iki temel nedenden kaynaklanır: Bilgi mimarisi eksikliği veya yetiskin yetersizliği. LLM’ler ve yapay zeka arama motorları ham içerikten ziyade, net tanımlara, yapılandırılmış verilere (schema) ve güvenilir dış kaynak referanslarına (citation) güvenir. Markanızın web sitesi yapay zeka tarayıcıları için optimize edilmemişse, algoritmalar alternatifleri öne çıkaracaktır. İlk adım, markanızın bilgi grafiğindeki (Knowledge Graph) varlığını ve otoriter sitelerdeki dijital ayak izinizi incelemektir.

Yapay zeka arama motorlarında görünürlüğümü artırmak için içerik stratejimde neleri değiştirmeliyim?

Geleneksel SEO’daki “anahtar kelime yoğunluğu” dönemi, GEO’da yerini “bağlamsal otoriteye” ve “doğrudan yanıt kalitesine” bırakır. İçeriklerinizde kullanıcıların karmaşık sorularına net, veri destekli ve maddeler halinde (bullet-point) yanıtlar vermelisiniz. Ayrıca, yapay zeka modellerinin veri çektiği otoriter platformlarda (inceleme siteleri, forumlar, akademik veya sektörel yayınlar) markanızın konumunu güçlendirmek görünürlüğü doğrudan artırır.

Özetle; Yapay zeka görünürlüğünü ölçmek, skor tablolarında yüksek puanlar kovalama yarışı değildir. Asıl amaç; potansiyel müşterilerinizin AI ile yaptığı sohbetlerde markanızın nasıl konumlandığını anlamak, kaynak ekosisteminde nerede durduğunuzu görmek ve dijital varlığınızı bu yeni arama alışkanlıklarına göre veriye dayanarak şekillendirmektir.