GEO terimi nereden çıktı?
GEO adı, Aggarwal ve arkadaşlarının Kasım 2023'te arXiv'de yayımladığı ve KDD 2024 konferansında sunulan "GEO: Generative Engine Optimization" makalesinden geliyor. Makale, birden çok kaynaktan bilgi toplayıp bir dil modeliyle tek cevapta birleştiren sistemlere "üretken motor" (generative engine) der ve içerik üreticisinin bu cevaplardaki görünürlüğünü artırmak için dokuz yöntem dener. Bulgular:
- En iyi sonuç verenler arasında kaynak gösterme (Cite Sources), alıntı ekleme (Quotation Addition) ve istatistik ekleme (Statistics Addition) vardı. Makale görünürlükte %40'a varan artış bildiriyor.
- SEO'dan bilinen anahtar kelime doldurma az ya da hiç iyileşme sağlamadı.
- Etki konuya göre değişti; kaynak göstermenin öne çıktığı alanlar arasında hukuk ve kamu yönetimi de var.
- Arama sonuçlarında geride kalan siteler daha çok kazandı: kaynak gösterme, sonuç sayfasında beşinci sıradaki sitenin görünürlüğünü %115,1 artırdı.
Bu oranları 2026'nın motorlarına olduğu gibi taşımıyoruz. Deneyler 2023'te, GPT-3.5 tabanlı bir test motorunda ve Perplexity.ai üzerinde yapıldı; bugünkü sistemler başka modeller ve başka getirme (retrieval) katmanları kullanıyor. Makaleden aldığımız şey bir tarif değil, bir yön: kaynak gösteren, sayı veren, tek başına alıntılanabilen cümleler.
GEO ile SEO arasındaki fark nedir?
GEO, SEO'nun yerine geçmez; onun üstüne kurulur. Google bunu açıkça söylüyor: Google Arama açısından üretken yapay zekâ araması için optimizasyon hâlâ SEO'dur. Değişen, hedef ve ölçümdür.
| Ölçüt | SEO | GEO |
|---|---|---|
| Hedef | Sonuç sayfasında üst sıra ve tıklama | Cevabın içinde kaynak olarak anılmak |
| Alıntılanan birim | Sayfa | Paragraf, tablo satırı, tek bir iddia |
| Ön koşul | Taranabilirlik ve dizine eklenme | Aynısı; motor çoğu zaman bir arama dizininden getirir |
| Ölçüm | Tıklama, gösterim, ortalama sıra | Yapay zekâ gösterimleri, atıflar, yapay zekâ kaynaklı ziyaretler |
| Kontrol | Başlık ve açıklama büyük ölçüde sizin | Cevaba hangi cümlenin gireceği sizin kontrolünüzde değil |
Yanıt motorları kaynağı nasıl seçiyor?
Tam olarak bilen yok. Şirketlerin yazdıkları çoğunlukla hangi tarayıcının neyi getirdiğiyle sınırlı; sıralamanın nasıl yapıldığını hiçbiri ayrıntılı açıklamıyor. Resmî belgeye dayananı ve bilinmeyeni ayırıyoruz:
| Motor | Belgelenen | Belgelenmeyen |
|---|---|---|
| Google AI Overviews, AI Mode | Kaynak bağlantısı olmak için sayfanın dizinde ve snippet ile gösterilebilir olması yeterli, ek teknik şart yok. Cevaplar çekirdek sıralama sistemlerine dayanır; model ilişkili birçok sorguyu aynı anda çalıştırır (query fan-out). | Bir sayfadan hangi paragrafın seçildiği |
| ChatGPT arama | OAI-SearchBot'u engelleyen site arama cevaplarında gösterilmez, yalnızca gezinme bağlantısı olarak çıkabilir. OpenAI'nin yardım sayfaları sorguların üçüncü taraf arama sağlayıcılarına da gönderilebildiğini belirtiyor. | Kaynakların nasıl sıralandığı, hangi sağlayıcıya ne ölçüde dayanıldığı |
| Perplexity | PerplexityBot kendi dizinini kurar ve temel model eğitimi için kullanılmaz. Kullanıcı isteğiyle sayfa getiren Perplexity-User genellikle robots.txt'e uymaz. | Sıralama ölçütleri |
| Claude | Claude-SearchBot arama için dizinler, Claude-User kullanıcının sorusu için sayfa getirir, ClaudeBot eğitim verisi toplar; üçü de robots.txt'e uyar. | Arama sonuçlarının hangi dizinden geldiği |
| Microsoft Copilot | Bing, AI Performance raporunda Copilot ve Bing'in yapay zekâ cevaplarındaki atıfları gösteriyor; güncel içerik için IndexNow öneriyor. | Atıf seçiminin ağırlıkları |
"AI SEO" adıyla dolaşan önerilerin çoğunun kanıtı yok. Google bazılarını açıkça gereksiz sayıyor: içeriği yapay zekâ için küçük parçalara bölmek (chunking), yapay zekâya özel metin dosyaları ya da işaretlemeler üretmek. Web'de sahte "anılma" (mention) peşinde koşmanın da sanıldığı kadar yararlı olmadığını yazıyor. Bir tekniğin işe yaradığına dair tek kanıt bir ekran görüntüsüyse, onu yöntem saymıyoruz.
Yapay zekâ aramalarına uygun içerik mimarisi
Yanıt motorunun alıntılayabileceği içerik, bağlamından koparıldığında da doğru kalan içeriktir. Bu sitenin yazım kurallarını bu ilkeyle kurduk:
- Sayfanın ilk bir iki cümlesi sayfanın sorusunu doğrudan cevaplar. Her bölümün ilk cümlesi de o başlığın cevabıdır.
- Tanım ilk paragrafta, tek cümlede verilir: "X, … olan …dir." Bilgi merkezindeki kavram yazıları, örneğin CGNAT nedir?, bu kalıpla açılır.
- Bölümler birbirine yaslanmaz. "Yukarıda belirttiğimiz gibi" yazmayız; o cümle tek başına alıntılandığında anlamsızlaşır.
- Karşılaştırma tabloyla, işlem numaralı adımlarla, sayı kaynağıyla verilir. Kanun maddesi mevzuat.gov.tr bağlantısıyla, teknik iddia RFC ya da üretici belgesiyle.
- Sınır açıkça yazılır: "bu kayıt şunu göstermez". Alıntılanan cümlenin yanlış anlaşılmasını en iyi bu önler.
- Metin HTML'in içinde durur. Hangi yapay zekâ tarayıcısının JavaScript çalıştırdığı belgelenmiş değil; bu riski almıyoruz.
- Görünür güncelleme tarihi, yapılandırılmış verideki tarihle aynıdır. İçerik değişmeden tarihi ilerletmiyoruz.
Bunların hiçbiri yalnızca yapay zekâ için değil. Google'ın da söylediği gibi, yapay zekâ araması için ayrı biçimde yazmak gerekmez; insan için iyi yapılandırılmış içerik iki tarafta da işe yarar.
llms.txt ne işe yarar, ne işe yaramaz?
llms.txt, sitenin kökünde duran ve dil modellerine sitenin kısa bir özetini ve önemli sayfalarının listesini Markdown biçiminde veren bir dosya önerisidir. Jeremy Howard Eylül 2024'te önerdi; ikinci sürümü Ağustos 2026'da yayımlandı. Bir standart değil, bir gelenek.
Değerlendirmemiz şu: Google, llms.txt dosyalarının Google Arama için gerekmediğini ve görünürlüğe olumlu ya da olumsuz etkisi olmadığını yazıyor. Başka bir motorun bu dosyayı kaynak seçiminde kullandığını gösteren bir belge de görmedik. Buna karşın maliyeti çok düşük ve öneri metnine göre dosya, bir ajan bilgiye ihtiyaç duyduğunda okunmak için tasarlandı. md9.net'in /llms.txt ve /llms-full.txt dosyaları sayfalarla aynı kaynaktan her yayında yeniden üretiliyor, bu yüzden eskimiyor. Biçim ve örnek dosya: llms.txt nedir?
AI tarayıcıları ve robots.txt
Yapay zekâ şirketlerinin tarayıcıları üç işe ayrılır ve robots.txt'te her birine ayrı karar verilir. Görünürlük isteyen bir site için belirleyici olan arama botlarıdır.
| Tür | Örnek token | Engellenirse |
|---|---|---|
| Eğitim | GPTBot, ClaudeBot, Google-Extended | İçerik model eğitiminde kullanılmaz. Google-Extended'ı engellemek Google Arama'daki yeri etkilemez. |
| Arama ve dizin | OAI-SearchBot, Claude-SearchBot, PerplexityBot | Site o motorun cevaplarında kaynak olarak görünmez ya da görünme ihtimali düşer. |
| Kullanıcı tetiklemeli | ChatGPT-User, Claude-User, Perplexity-User | Kullanıcı bir sayfayı sorduğunda sayfa getirilmez. Bu botların bir kısmı robots.txt'e uymayabilir. |
İki tuzak sık görülüyor. Birincisi, RFC 9309'a göre adıyla anılan bot genel * grubunu yok sayar: User-agent: GPTBot için ayrı bir grup yazıp içine yalnızca Allow: / koyarsanız, * grubundaki yasaklar o bota uygulanmaz. İkincisi, robots.txt açık olsa bile CDN katmanı botu engelleyebilir; Cloudflare, 15 Eylül 2026'dan sonra eklenen alan adlarında eğitim ve ajan botlarını reklam gösteren sayfalarda varsayılan olarak engelliyor. Panel ayarlarına bakmadan robots.txt'i okumak yetmez.
Bu sitenin robots.txt'i bütün tarayıcılara açık; arama motorları ve yapay zekâ botları dahil on dokuz tarayıcı için ayrı gruplar var ve her grup aynı iki yasağı (kaynak klasörü ve üretim betiği) tekrar ediyor. Token listesi ve örnek dosyalar: yapay zekâ botları ve robots.txt.
Schema.org ve varlık (entity) netliği
Varlık (entity), bir yanıt motorunun ayrı bir şey olarak tanıyabildiği kurum, ürün ya da kavramdır. Motor sizi başka bir şeyle karıştırırsa, en iyi içerik de yanlış isme atfedilir.
Somut bir örnek bu sitede var. App Store'da başka bir geliştiriciye ait "UDF Mobile" adlı bir uygulama bulunuyor; bizim uygulamamızın adı ona bir harf farkla yakın. Bu yüzden ilk geçtiği her yerde "UDF Mobil (md9)" yazıyor ve tanıtım sayfasına bağlıyoruz.
Varlık netliği için yaptıklarımız: her sayfada aynı kurum adı ve aynı e-posta; tek bir Organization düğümü ve kalıcı @id; her hizmet ve makalenin bu kimliğe bağlanması; kurumun resmî profilleri varsa sameAs. Google, yapay zekâ araması için özel bir Schema.org işaretlemesi gerekmediğini söylüyor. Bizim için şema bir sıralama hilesi değil, kimliğin makinece okunabilen tek kaydı. Uygulama ayrıntısı teknik SEO sayfasında.
Yapay zekâ yanıtlarında görünürlük nasıl ölçülür?
Tek bir panelden ölçülmez; eksik kaynakları birleştirerek ölçülür. Kullandıklarımız ve sınırları:
| Kaynak | Ne gösterir | Sınırı |
|---|---|---|
| Search Console, Generative AI performance raporu | AI Overviews ve AI Mode'daki gösterimler; sayfa, ülke, cihaz ve tarih kırılımıyla | Tıklama ve sorgu verisi yok. 31 Ağustos 2026'dan beri dünya genelinde; gösterim azsa rapor boş kalabilir. |
| Bing Webmaster Tools, AI Performance | Copilot, Bing'in yapay zekâ cevapları ve bazı ortak entegrasyonlardaki atıflar; sayfa bazında atıf ve cevabı besleyen sorgular (grounding queries) | Ön izleme sürümünde; ChatGPT'yi kapsadığı belirtilmiyor. |
| Analiz yazılımındaki yönlendirmeler | chatgpt.com, perplexity.ai, claude.ai gibi kaynaklardan gelen ziyaretler; ChatGPT bağlantılarında genellikle utm_source=chatgpt.com | Yalnızca tıklanan atıfları gösterir. |
| Sunucu ya da CDN kayıtları | ChatGPT-User, Claude-User ya da Perplexity-User isteği: bir kullanıcının sorusu sayfanıza dokundu | GitHub Pages ham erişim kaydı vermez; bu sitede bot trafiği ancak önündeki CDN'in panelinden görülebilir. |
| Soru paneli | Sabit bir soru listesini belirli aralıklarla motorlara sorup kaynak olarak anılıp anılmadığınızı kaydetmek | Cevap aynı soruda bile değişir; sonuç bir örneklemdir, metrik değil. |
Bizce en dürüst gösterge, soru panelindeki eğilimle yönlendirme trafiğinin birlikte hareket edip etmediğidir. Bir ekran görüntüsünde adınızın geçmesi tek başına bir şey kanıtlamaz.
Hizmetin kapsamı ve sınırları
GEO çalışması, teknik SEO temelinin üzerine dört iş ekler:
- Erişim denetimi. robots.txt, CDN bot ayarları ve sayfaların Google ile Bing dizinindeki durumu. Arama botu engelliyse geri kalan işin anlamı yoktur.
- İçerik mimarisi. Önemli sayfaların cevabı öne alan, kaynak gösteren, bölümleri tek başına anlaşılır bir yapıya getirilmesi; yeni sayfalar için şablon.
- Varlık ve yapılandırılmış veri. Kurum kimliğinin tekleştirilmesi, isim çakışmalarının ayrıştırılması; istenirse llms.txt.
- Ölçüm. Raporların kurulması ve aylık soru paneli.
Yapmadıklarımız: atıf vaadi, sahte anılma ya da yorum kampanyası, yapay zekâyla toplu sayfa üretimi, tarayıcıya kullanıcıdan farklı içerik göstermek. Bunlar ya işe yaramıyor ya da arama motorlarının spam politikalarına aykırı. Hukuk ve dijital delil gibi hata payı düşük tutulması gereken konularda içeriği ayrıca birincil kaynaklarla denetliyoruz: bir yanıt motoru sayfamızdan yanlış bir kanun maddesi aktarırsa, zararı okur görür.