GEO nedir?
GEO (Generative Engine Optimization, Türkçesiyle üretken motor optimizasyonu), bir markanın ve içeriğinin ChatGPT, Gemini, Perplexity, Copilot ve Google’ın AI Overviews ile AI Mode özellikleri gibi yapay zekâ yanıtlarında doğru biçimde anılması ve kaynak olarak gösterilmesi için yapılan çalışmadır. Kısacası GEO, yapay zekâya bir soru sorulduğunda anılan marka olmak için yapılan işin adıdır.
Kavram, 2023’te yayımlanan ve üretken arama motorlarında görünürlüğü inceleyen bir akademik çalışmayla adlandırıldı, kısa sürede pazarlama diline geçti. Aynı alan için AEO (Answer Engine Optimization, yanıt motoru optimizasyonu), LLMO (büyük dil modeli optimizasyonu) ya da “yapay zekâ SEO’su” gibi adlar da kullanılıyor. Adlar farklı olsa da hedef aynı: kullanıcı bir soruyu bağlantı listesi yerine derlenmiş bir yanıtla aldığında, o yanıtın içinde yer almak.
GEO’nun neden önemli olduğu da buradan çıkıyor. Bir konuyu araştırmaya sohbet asistanında başlayan kullanıcı, cevabı yanıtın içinde bulabilir ve hiçbir siteye tıklamadan kısa listesini oluşturabilir. Yanıtın içinde anılmayan marka, bu durumda karar anında görünmez kalır. GEO çalışması dört şeyle ilgilenir:
- Yapay zekâ sistemlerinin sitenize erişip içeriğinizi okuyabilmesi
- İçeriğin soruya net ve alıntılanabilir bir cevap vermesi
- Markanın sitenin dışında, güvenilir kaynaklarda tutarlı biçimde anılması
- Yanıtlarda anılma ve kaynak gösterilme durumunun düzenli ölçülmesi
GEO ile SEO arasındaki ilişki: aynı temel, farklı hedef
GEO, SEO’nun yerine geçmez; aynı temelin üzerine kurulur. İki çalışma da taranabilir, anlaşılır ve güvenilir içerik ister. Canlı arama yapan yapay zekâ yanıtları kaynaklarını arama dizinlerinden seçtiği için, dizine girmeyen ya da botlara kapalı bir sayfanın yapay zekâ yanıtında kaynak olması da zordur.
Fark hedeftedir. SEO’da başarı, bir sorguda sayfanın arama sonuçlarındaki sırası ve oradan gelen tıklamadır. GEO’da başarı, bir soruya verilen yanıtta markanın anılması, sayfanın kaynak olarak gösterilmesi ve bilginin doğru aktarılmasıdır. Birim de değişir: SEO sayfa ve sorgu düzeyinde düşünür, GEO ise paragraf, soru ve marka düzeyinde.
Bu yüzden operasyonumuzda GEO’yu ayrı bir proje olarak değil, SEO danışmanlığı çalışmasının devamı olarak ele alıyoruz. Sıra hep aynı: önce teknik temel, sonra içerik yapısı, sonra marka anılmaları, en son düzenli ölçüm.
Yapay zekâ yanıtları kaynaklarını nasıl seçer?
Yapay zekâ yanıtları iki katmandan beslenir: modelin eğitim sırasında öğrendikleri ve yanıt anında yapılan canlı arama. Eğitim verisi, markanın genel olarak nasıl tanındığını belirler. Canlı arama ise güncel bir soruda hangi sayfaların okunacağını ve kaynak gösterileceğini belirler.
Platformlar kaynak seçiminin ayrıntılı kurallarını paylaşmıyor; bu yüzden burada yazdıklarımız platformların genel açıklamalarına ve kendi gözlemlerimize dayanıyor. Genel akış şöyle işliyor: sistem soruyu bir ya da birkaç aramaya çevirir, bulunan sayfalardan soruya en çok denk gelen bölümleri seçer ve yanıtı bu bölümlerden kurar. Kaynak gösterilen sayfalarda sık gördüğümüz ortak özellikler şunlar:
- Sorunun cevabı başlığın altındaki ilk cümlede, net ve kendi başına anlaşılır biçimde duruyor
- Bilgi somut: tanım, koşul, ölçüt, adım ya da karşılaştırma
- Sayfa erişilebilir, dizinde ve ana metin ilk HTML’de
- Yazar, kurum ve güncelleme tarihi açıkça görünüyor
- Aynı bilgi başka güvenilir kaynaklarla çelişmiyor
Bu özelliklerin hiçbiri bir hile değil; iyi yazılmış içeriğin özellikleri. GEO’nun farkı, bu özellikleri sayfa düzeyinde değil paragraf düzeyinde aramasıdır.
GEO’nun üç ayağı: marka anılmaları, yapısal veri ve içerik yapısı
Teknik erişim sağlandıktan sonra GEO çalışması üç alanda yürür. Üçü birbirini tamamlar; biri eksik kaldığında diğerlerinin etkisi de sınırlı kalır.
Marka anılmaları
Yapay zekâ bir markayı yalnız kendi sitesinden değil, hakkında yazılan metinlerin toplamından tanır: sektör yayınları, karşılaştırma içerikleri, forumlar, değerlendirme siteleri ve dizinler. Bu yüzeylerde markanın adı, tanımı ve kategorisi tutarlı geçtiğinde marka tanımı netleşir. Bağlantı vermeyen anılmalar da bu tanımın parçasıdır, çünkü yapay zekâ bağlantıyı değil metni okur.
Yapısal veri
Yapısal veri, sayfadaki bilginin ne olduğunu (yazı, yazar, kurum, ürün) schema.org sözlüğüyle ve çoğunlukla JSON-LD biçiminde makineye anlatır. Yapay zekâ yanıtlarında kaynak olmayı tek başına sağlamaz; ama markanın kimliğini, içeriğin yazarını ve tarihini belirsizlikten kurtarır. Temel kural, işaretlemenin sayfada görünen bilgiyle birebir uyuşmasıdır.
İçerik yapısı
Alıntılanan içerik, soru-cevap düzeniyle yazılmış içeriktir: her ara başlık bir soru ya da net bir vaat, altındaki ilk cümle doğrudan cevap. Karşılaştırmalar tabloyla, süreçler adım listesiyle anlatılır; paragraflar tek bir fikri taşır ve önceki bölüme bağımlı değildir.
GEO’da sık yapılan hatalar
GEO’daki hataların çoğu, alanı SEO’dan kopuk ya da hızlı sonuç veren bir kestirme gibi görmekten doğuyor. En sık karşılaştıklarımız şunlar:
- Model eğitimini kapatmak isterken arama amaçlı yapay zekâ botlarını da robots.txt dosyasında engellemek
- llms.txt gibi tek bir dosyayı görünürlüğün anahtarı sanmak
- Tek bir ekran görüntüsünü ölçüm yerine koymak; yapay zekâ yanıtları her seferinde yeniden üretilir
- Anılmayı satın alınmış içerik ya da sahte yorumlarla artırmaya çalışmak
- Sayfada görünmeyen bilgiyi yapısal veriyle işaretlemek
- Marka adını ve tanımını farklı yüzeylerde farklı biçimlerde yazmak
GEO nasıl ölçülür?
GEO, sabit bir soru setiyle ölçülür. Yapay zekâ yanıtlarında klasik aramadaki gibi bir sıra numarası yok; aynı soru farklı zamanda ve farklı ifadeyle sorulduğunda yanıt da kaynaklar da değişebiliyor. Bu yüzden hedef kitlenin karar yolculuğunu temsil eden soruları bir kez belirliyor, düzenli aralıklarla aynı koşullarda soruyor ve sonuçları kaydediyoruz. Her soruda baktığımız göstergeler:
- Anılma: markanın adı yanıtın metninde geçiyor mu?
- Kaynak gösterilme: sitenizden bir sayfa bağlantı ya da dipnot olarak veriliyor mu?
- Konum ve bağlam: marka hangi sırayla ve hangi nitelemeyle anılıyor?
- Doğruluk: yanıttaki bilgi doğru ve güncel mi?
Bunlara ek olarak GA4’te yapay zekâ kaynaklı yönlendirme trafiğini, chatgpt.com ve perplexity.ai gibi kaynakları ayrı bir kanalda toplayarak izliyoruz. İki veri birlikte okunduğunda hem görünürlüğün kendisi hem de bu görünürlüğün siteye ne getirdiği görülür.
Bu kategoride neler yazıyoruz?
Bu kategoride GEO’yu kavramdan uygulamaya, adım adım anlatıyoruz:
- Yapay zekâ aramalarında görünür olmak: erişimden ölçüme izlediğimiz sıra
- GEO ile SEO arasındaki fark: ortak temel ve ayrıldıkları noktalar
- GEO ve ChatGPT Ads aynı yanıtta: organik ve ücretli görünürlüğü tek planda yönetmek
- Yapay zekâ tarayıcıları ve robots.txt: hangi bota ne izin verilir
- Yapay zekâ yanıtlarında marka görünürlüğü nasıl ölçülür?: soru seti, göstergeler ve GA4
- Kaynak olarak anılmak: yapay zekâ modelleri hangi sayfaları alıntılıyor
- Marka varlığı ve anılma: yapay zekâ markanızı nereden tanıyor
- Soru-cevap içerik yapısı: alıntılanabilir paragraf nasıl yazılır
- llms.txt nedir, GEO için gerekli mi?: dosyanın ne olduğu ve sınırları
- Yapısal veri ne işe yarar?: yapay zekâ yanıtlarında işaretlemenin yeri
Nasıl yazıyoruz?
Yazılarımızı operasyonumuzdan çıkarıyoruz. Platformların kaynak seçimi hakkında bilinmeyeni biliyormuş gibi yazmıyor, görünürlük ya da trafik için rakam uydurmuyoruz. Bir bilgi platformun kendi belgesine dayanıyorsa bunu belirtiyor, kendi gözlemimizse gözlem olarak yazıyoruz. Yapay zekâ yüzeyleri hızlı değiştiği için bir özellik değiştiğinde ilgili yazıyı güncelliyor, güncelleme tarihini yeniliyoruz.
Her yazıyı bu kategoride anlattığımız yapıyla kuruyoruz: başlık bir soru ya da net bir vaat, ilk cümle cevap, ayrıntı sonra. Yazılarımızın kendisi de anlattığımız yöntemin bir örneği olsun istiyoruz.