Bir görünürlük raporunda "retrieval oranı iyi ama citation rate düşük" cümlesini okuyup takılan herkesin ihtiyacı aynıdır: terimin ne anlama geldiğini, hangi terimle karıştırıldığını ve neyi ölçtüğünü bilmek. Aşağıdaki 38 terim beş grupta toplandı, her tanım kendi başına okunabilir, baştan sona okuma zorunluluğu yok. Gruplar üretken aramanın işleyiş sırasını izler: önce modelin nasıl çalıştığı, sonra arama yüzeyleri, içerik tarafı, ölçüm ve en sonda teknik erişim.
Üretken yapay zeka aramasının temelleri
LLM (Büyük Dil Modeli)
LLM, çok büyük metin kümeleri üzerinde eğitilmiş ve bir metnin devamını olasılık hesabıyla üreten yapay zeka modelidir. ChatGPT, Gemini ve Claude'un arkasındaki üretim katmanı budur. Kritik nokta şudur: bir dil modeli tek başına arama motoru değildir, eğitim verisinde bulunmayan güncel bilgiyi bilemez ve o bilgiyi ancak dışarıdan getirildiğinde kullanabilir.
Prompt (İstem)
Prompt, kullanıcının veya sistemin modele verdiği talimattır. Arama tarafındaki etkisi doğrudan görülür: klasik aramada kullanıcı iki üç kelime yazarken, prompt'ta amaç, bağlam ve kısıt aynı cümlede verilir. Cevap motorlarına gelen sorguların klasik sorgulardan belirgin biçimde daha uzun ve daha spesifik olmasının sebebi budur.
Retrieval (Erişim)
Retrieval, bir sistemin cevap üretmeden önce kendi dışındaki kaynaklardan konuyla ilgili belge ve pasajları çekmesidir. Sıralamayla aynı şey değildir: organik sonuçlarda ilk sırada olan bir sayfa aday havuzuna hiç girmeyebilir, listede geride kalan bir sayfa girebilir. Yapay zeka görünürlüğü çalışmasının ilk somut hedefi üst sıra değil, bu havuza girmektir.
RAG (Erişim Destekli Üretim)
RAG, modelin önce ilgili kaynakları getirip cevabı o kaynaklara bakarak yazdığı mimarinin adıdır. Retrieval-Augmented Generation kısaltmasıdır. Kaynak gösteren cevap motorlarının neredeyse tamamı bu mantıkla çalışır, yani cevabın altındaki linkler modelin ezberi değil, o sorgu için o an getirilmiş belgelerdir.
Grounding (Temellendirme)
Grounding, üretilen cevabın gösterilebilir bir kaynağa bağlanması işlemidir. Google bu terimi kendi üretken cevaplarını arama sonuçlarına dayandırma süreci için kullanır. Temellendirilmiş bir cevapta modelin iddiası ile kaynak arasında izlenebilir bir bağ vardır, temellendirilmemiş cevapta bu bağ kurulamaz.
Hallüsinasyon
Hallüsinasyon, modelin hiçbir kaynakta bulunmayan bir bilgiyi doğruymuş gibi üretmesidir. Var olmayan çalışma adları, uydurma istatistikler ve yanlış kişiye atfedilen alıntılar tipik örnekleridir. Grounding ve RAG bu riski azaltır ama sıfırlamaz, bu yüzden sayıyı ve tanımı açıkça veren kaynaklar sistemler için daha güvenli malzemedir.
Vektör ve Embedding
Embedding, bir metnin anlamını sayı dizisine (vektöre) çevirme işlemidir. Anlamca yakın iki metin bu uzayda birbirine yakın konumlanır, böylece sistem "aynı kelimeyi içeriyor mu" yerine "aynı şeyi mi anlatıyor" sorusunu sorabilir. Cevap motorlarındaki erişim büyük ölçüde bu benzerlik hesabına dayanır.
Semantik Arama
Semantik arama, sorguyu kelime eşleşmesiyle değil anlam eşleşmesiyle karşılayan arama biçimidir. Pratik sonucu şudur: bir sayfa hedef kelimeyi metninde hiç geçirmeden o sorgunun cevabı olarak seçilebilir. Anahtar kelimeyi metne serpiştirmenin getirisinin düşmesinin teknik açıklaması buradadır.
Bağlam Penceresi (Context Window)
Bağlam penceresi, modelin tek seferde işleyebildiği metin miktarıdır. Sorgu, getirilen kaynaklar ve önceki konuşma bu pencereyi paylaşır, dolayısıyla sistem bulduğu her sayfayı baştan sona okumaz. Uzun bir sayfadan pencereye çoğunlukla yalnızca birkaç parça girer ve hangi parçanın gireceğini içeriğin yapısı belirler.
Cevap motorları ve arama yüzeyleri
Cevap Motoru (Answer Engine)
Cevap motoru, kullanıcıyı bağlantı listesine yönlendirmek yerine sorunun cevabını doğrudan üreten sistemdir. ChatGPT, Perplexity, Gemini ve Google'ın yapay zeka özetleri bu tanıma girer. Hepsini tek bir davranış gibi düşünmek yanıltıcıdır: 3,25 milyar atıfın incelendiği bir Profound analizinde ChatGPT ile Perplexity'nin seçtiği kaynaklar yalnızca yüzde 11 oranında örtüştü, yani bir motorda kaynak olmak diğerinde olmayı getirmiyor.
AI Overview (Google Yapay Zeka Özetleri)
AI Overview, Google arama sonuç sayfasının en üstünde çıkan ve birden fazla kaynaktan derlenen üretken özettir. Özetin yanında kaynak bağlantıları gösterilir ve bu bağlantılar klasik ilk on sonuçla aynı olmak zorunda değildir. Türkçe sorgularda 18 Şubat 2026'da açıldığı için Türkçe içerikte ölçüm geçmişi hâlâ kısadır, ilk gözlemler bu tarihten sonrasını kapsar. Bu yüzeyde nasıl görünüleceği Google AI Overview rehberinde ayrıca ele alınıyor.
AI Mode
AI Mode, Google'ın sohbet biçiminde çalışan arama sekmesidir. Klasik sonuç listesi yerine cevap metni ve kaynak kartları sunar, kullanıcı aynı oturumda takip sorusu sorarak konuyu daraltabilir. Arka planda tek sorguyu birden çok alt sorguya bölerek çalışması, klasik sonuç sayfasından en temel farkıdır.
Query Fan-Out (Sorgu Dağıtımı)
Query fan-out, tek bir kullanıcı sorgusunun arka planda çok sayıda alt sorguya bölünüp paralel aranması ve sonuçların tek cevapta birleştirilmesidir. Görünürlük açısından sonucu şudur: bir sayfa asıl sorguda değil, o sorgunun alt sorgularından birinde kaynak olarak seçilebilir. Bir konunun yan sorularını da kapsayan içeriklerin avantajı tam olarak buradan doğar.
Zero-Click Arama (Tıklamasız Arama)
Zero-click arama, kullanıcının cevabı sonuç sayfasında alıp hiçbir siteye tıklamadan ayrılmasıdır. Öne çıkan snippet'ler ve yapay zeka özetleri bu davranışı büyütür, dolayısıyla gösterim sabit kalırken tıklama düşebilir. Tıklamanın azaldığı ortamda trafiğin ağırlığı arama dışı yüzeylere kayar, Google Keşfet bunun en görünür örneğidir.
GEO (Üretken Motor Optimizasyonu)
GEO, içeriği üretken cevap motorlarının kaynak olarak seçip alıntılayabileceği hale getirme çalışmasıdır. Generative Engine Optimization kısaltmasıdır ve terim akademik bir çalışmadan gelir. Klasik SEO'nun yerine geçmez, üstüne biner: sıralama görünürlüğü erişim aşamasının girdisi olmayı sürdürür. Ayrıntılı işleyişi GEO nedir yazısında anlatılıyor.
AEO (Cevap Motoru Optimizasyonu)
AEO, bir sorunun doğrudan ve kesin biçimde cevaplanabilir hale getirilmesine odaklanan çalışmadır. Pratikte soruyu sayfanın başında net bir cümleyle karşılamak, tanımı belirsiz bırakmamak ve cevabı koşullarıyla birlikte vermek anlamına gelir. AEO ile GEO aynı hedefe farklı taraftan bakar: biri cevabın netliğiyle, diğeri kaynak seçilmeyle ilgilenir.
İçerik ve alıntılanma terimleri
Citation (Atıf)
Citation, bir cevap motorunun ürettiği metnin içinde veya altında gösterdiği kaynak referansıdır. Sıralamayla eş anlamlı değildir: ilk sıradaki sayfa hiç atıf almayabilirken, listede geride duran bir tanım atıf alabilir. Yapay zeka görünürlüğünü ölçen çalışmaların temel birimi budur ve alıntılanan içeriğin nasıl yazıldığı ayrı bir uygulama konusudur.
Pasaj ve Chunk (İçerik Parçası)
Chunk, bir sayfanın erişim sistemleri tarafından bölündüğü metin parçasıdır, pasaj ise cevapta kullanılan o parçanın adıdır. Sistemler sayfayı bütün olarak değil bu parçalar üzerinden değerlendirir. Rekabetin birimi bu yüzden sayfa değil pasajdır, iyi bir sayfanın kötü kurulmuş bölümü seçilmeden kalır.
Self-Contained Açıklama (Bağımsız Pasaj)
Self-contained açıklama, bağlamından koparıldığında bile anlamını koruyan metin parçasıdır. "Bu yöntem daha ucuzdur" cümlesi tek başına bir şey anlatmaz, "yerel SEO çalışması reklam bütçesine kıyasla daha ucuzdur" cümlesi anlatır. Cevap motorları metni parça alıp kullandığı için bu fark doğrudan alıntılanma şansına yansır.
Information Gain (Bilgi Kazanımı)
Information gain, bir sayfanın aynı konudaki mevcut kaynaklara eklediği yeni bilgi miktarıdır. Herkesin yazdığı üç maddeyi farklı kelimelerle tekrarlamak bu ölçüte göre sıfır değer taşır. Kendi verisi, testi, hesaplaması veya özgün karşılaştırması olan içerikler burada ayrışır.
Entity (Varlık)
Entity, arama sistemlerinin tanıdığı ve birbirine bağladığı tanımlı varlıktır: bir marka, kişi, ürün, yer veya kavram. Modern arama kelime dizisi üzerinden değil varlık ilişkisi üzerinden çalışır. Marka adının her mecrada aynı biçimde ve aynı tanımla geçmesinin kelime tekrarından değerli olmasının sebebi budur.
Knowledge Graph (Bilgi Grafiği)
Knowledge graph, varlıklardan ve aralarındaki ilişkilerden oluşan veri yapısıdır. "Şu şirket şu sektörde faaliyet gösterir ve merkezi şu şehirdedir" türündeki bağlar burada tutulur. Bir marka bu yapıda net bir varlık olarak yer almıyorsa cevap motorlarının onu doğru bağlamda anması zorlaşır.
E-E-A-T
E-E-A-T; deneyim, uzmanlık, otoritelik ve güvenilirlik kelimelerinin baş harflerinden oluşur ve Google'ın kalite değerlendirici rehberinde geçen bir değerlendirme çerçevesidir. Doğrudan ölçülen bir puan değildir, panelde görülebilecek bir skoru yoktur. İçerikteki karşılığı yazar kimliği, doğrulanabilir kaynak kullanımı ve gerçek deneyim izleridir.
Topical Authority (Konu Otoritesi)
Topical authority, bir sitenin belirli bir konu alanını tek sayfayla değil, birbirine bağlı içerik bütünüyle kapsamasıdır. Tek bir metrik değil, kapsama genişliği ile tutarlılığın toplamıdır. Bir konunun yan sorularını da yanıtlayan siteler, sorgu dağıtımıyla üretilen alt sorgularda daha sık aday olur.
Brand Mention (Marka Bahsi)
Brand mention, markanın cevap metninde bağlantı verilmeden anılmasıdır. Atıftan ayrı ölçülür: bir marka linksiz anılabilir, ya da sayfası kaynak gösterildiği halde adı cevapta hiç geçmeyebilir. İkisini tek rakama indirmek görünürlük tablosunu bozar.
Kazanılmış Medya (Earned Media)
Kazanılmış medya, üçüncü tarafların kendi editoryal kararıyla marka hakkında ürettiği içeriktir: haber, inceleme, liste yazısı, forum tartışması. Muck Rack'in yaptığı analizde yapay zeka cevaplarındaki atıfların yaklaşık yüzde 84'ü marka sitelerinden değil bu tür kaynaklardan geldi. Satın alınan ve manipülatif bağlantı uygulamalarıyla karıştırılmamalıdır, ikisi hem yöntem hem sonuç olarak farklıdır.
Ölçüm terimleri
Citation Rate (Alıntılanma Oranı)
Citation rate, sabit bir test sorgu setinde sayfanın veya alan adının gerçekten kaynak gösterildiği sorguların oranıdır. Test seti değişirse oran da değişir, bu yüzden set sabitlenmeden ölçümler karşılaştırılabilir olmaz. Tek çalıştırmadan sonuç çıkarmak da hatalıdır, aynı prompt farklı zamanlarda farklı kaynak seçebilir.
Retrieval Rate (Aday Havuzuna Girme Oranı)
Retrieval rate, sayfanın cevaba girmese bile aday kaynaklar arasında görülme sıklığıdır. Alıntılanma oranı düşükken bu oranın yüksek olması teşhisi tamamen değiştirir: sorun bulunabilirlik değil, seçilebilirliktir. İki oranın ayrı tutulması, sıradaki işin içerik mi teknik erişim mi olduğunu belirler.
Share of Voice (Ses Payı)
Ses payı, aynı sorgu setinde markanın rakiplere kıyasla ne sıklıkta göründüğünü ifade eder. Mutlak sayı yerine paya bakılmasının sebebi cevap motorlarındaki görünürlük alanının dar olmasıdır, bir cevapta genellikle yalnızca birkaç kaynak anılır. Rakip listesi veya sorgu seti değiştiğinde pay da değişeceği için ikisi de sabit tutulur.
Answer Influence (Cevaba Etki)
Answer influence, kaynaktaki bilginin cevaba gerçekten taşınıp taşınmadığını ölçer. Bir sayfa kaynak listesinde görünüp cevabın içeriğine hiçbir katkı vermemiş olabilir. Atıfın varlığından farklı bir soruyu yanıtlar: cevap metni kimin bilgisini anlatıyor?
AI Yönlendirme Trafiği (AI Referral)
AI yönlendirme trafiği, ziyaretçinin bir cevap motorundaki bağlantıya tıklayarak siteye gelmesidir. Analitik tarafında chatgpt.com ve perplexity.ai gibi yönlendiren adreslerle ayırt edilir. Hacmi klasik organik trafiğin yanında küçük kalır, üstelik atıf ve marka bahsi trafik olarak hiç görünmez, ölçümün yalnızca bu kanala bakarak yapılamamasının sebebi budur.
AI Görünürlük Test Seti
AI görünürlük test seti, ölçümde kullanılan sabit prompt listesidir. İçinde bilgi sorguları, karşılaştırma sorguları, öneri sorguları ve marka sorguları birlikte bulunur, hepsi aynı tipteyse sonuç yanıltıcı çıkar. Cevaplar aynı promptta bile değişebildiği için kritik sorgular birkaç kez ve farklı zamanlarda çalıştırılır.
Teknik erişim terimleri
Crawler ve Bot Ayrımı
Crawler, siteleri gezip içeriklerini toplayan yazılımdır, ancak hepsi aynı iş için gelmez. Googlebot ve OAI-SearchBot gibi arama tarafındaki botlar cevaba kaynak bulmak için gezer, GPTBot ve Google-Extended gibi botlar ise model eğitimi ve veri kullanımı iznini ilgilendirir. Ayrım pratik sonuç doğurur: eğitim botuna izin vermemek atıf alma ihtimalini doğrudan bitirmez, arama botunu engellemek bitirir.
robots.txt
robots.txt, sitenin kök dizininde duran ve hangi botun hangi yolları tarayabileceğini bildiren metin dosyasıdır. Teknik bir kilit değil bir bildirimdir, uyum gönüllüdür ve büyük sağlayıcılar genelde uyar. Bir sayfanın buradan kapatılması onu hem klasik aramanın hem de cevap motorlarının kaynak havuzunun dışına çıkarır.
llms.txt
llms.txt, sitenin içeriğini dil modelleri için sadeleştirilmiş bir liste halinde sunma önerisi olarak ortaya atılan dosyadır. Öneri düzeyinde kalmıştır: büyük arama ve cevap motorlarının bu dosyayı atıf için kullandığına dair doğrulanmış bir bulgu yoktur, Google tarafında ise desteklenmediği açıkça belirtilmiştir. Denemek isteyenler dosyayı llms.txt oluşturucu ile üretebilir, ancak bunu atıf kazandıran bir kurulum olarak görmemek gerekir.
Schema ve Yapısal Veri
Schema, sayfadaki varlıkları makinelerin okuyabileceği biçimde işaretleme standardıdır ve genellikle JSON-LD formatında eklenir. Klasik aramada zengin sonuç görünümleri için gerçek ve ölçülebilir bir işlevi vardır. Buna karşılık yapısal veri eklemenin yapay zeka cevaplarındaki atıfı doğrudan artırdığına dair güçlü bir kanıt bulunmuyor, iki faydayı aynı kefeye koymak yanlış beklenti yaratır.
İndekslenebilirlik ve Ana İçerik Erişimi
İndekslenebilirlik, bir sayfanın taranıp arama dizinine alınabilmesidir. Cevap motorları açısından buna bir koşul daha eklenir: ana içeriğin sayfa kaynağında okunabilir metin olarak bulunması. İçerik yalnızca tarayıcıda çalışan komut dosyalarıyla sonradan yükleniyorsa, sayfa insan gözüne düzgün görünse bile metin erişim katmanına hiç ulaşmayabilir.
Snippet Kısıtlamaları
Snippet kısıtlamaları, arama sonuçlarında sayfadan ne kadar metin gösterilebileceğini belirleyen etiketlerdir: nosnippet, max-snippet ve sayfa içinde kullanılan data-nosnippet. Google bu kontrollerin yapay zeka özetleri için de geçerli olduğunu belirtir. İçeriği korumak amacıyla konan bir kısıtlama, farkında olmadan sayfayı üretken cevapların tamamen dışında bırakabilir.
Terimleri birbirine bağlayan zincir
Sözlükteki kavramların çoğu bağımsız başlıklar değil, aynı zincirin ardışık halkalarıdır. Zincir şu sırayla işler: sayfa taranabilir ve ana içeriği okunabilir olmalı (indekslenebilirlik, robots.txt, crawler ayrımı), sorgunun alt sorgularında aday havuzuna girmeli (retrieval, query fan-out), içindeki bir parça kendi başına anlaşılır olmalı (chunk, self-contained açıklama), diğer adaylar arasından seçilmeye değer bulunmalı (information gain, kazanılmış medya) ve son olarak cevapta kaynak ya da marka olarak görünmeli (citation, brand mention).
Zincirin nerede koptuğunu bulmak ölçümün asıl işidir. Aday havuzuna girme oranı yüksek ama alıntılanma oranı düşükse sorun içerik tarafındadır, ikisi birden düşükse önce teknik erişim ve marka bilinirliğine bakılır, atıf var ama marka adı cevapta hiç geçmiyorsa eksik olan varlık netliğidir. Zincirin tamamını birlikte ele alan çalışma ise GEO başlığı altında toplanır.
