İçerikler Yapay Zekâ Sistemleri İçin Nasıl Daha Anlaşılır Hâle Getirilir?

Yapay zekâ sistemleri için anlaşılır içerik ayrı bir yazım tarzı değil, iyi SEO’nun biraz daha disiplinli hâli. Google, Mayıs 2026’da yayımladığı rehberde bunu “hâlâ SEO” diye özetliyor. Asıl iş, sık duyulan tavsiyelerden hangilerinin gerçekten ölçüldüğünü ayırmak.

Bu ayrımı yapınca liste kısalıyor. Kaynaklı veri eklemek, metni sunucudan gelen HTML’de tutmak ve her bölümü kendi sorusunu cevaplayacak şekilde yazmak ölçülmüş işler. llms.txt, yapay zekâ için schema ve içeriği küçük parçalara bölmek ise ya ölçülüp işe yaramadı ya da hiç ölçülmedi. İki alanın nerede ortak, nerede ayrı olduğunu SEO ile GEO arasındaki fark yazımızda anlattık.

Önemli Noktalar

• GEO çalışmasında alıntı eklemek görünürlüğü yaklaşık yüzde 43, istatistik eklemek yaklaşık yüzde 33 artırdı.
• Ahrefs’in 1.885 sayfalık kontrollü testinde schema eklemek atıfları belirgin biçimde artırmadı.
• Google’ın 10 Temmuz 2026’da güncellenen rehberine göre llms.txt, özel schema ve içeriği parçalara bölmek gerekmiyor.
• Aralık 2024’teki ölçümde OpenAI, Anthropic ve Perplexity tarayıcıları JavaScript çalıştırmıyordu.
• Herkesin yazabileceği genel ipucu içeriği Google’ın deyişiyle az değer katıyor.

Yapay zekâ sistemleri bir içeriği nasıl okuyor?

Google’ın yapay zekâ özellikleri sorunuzu birkaç alt sorguya bölüyor ve her birinin cevabını dizindeki sayfaların ilgili bölümünden çekiyor. Bu yönteme sorgu genişletme, yani query fan-out deniyor.

Sorgu genişletme, üretken yapay zekâ modelinin bir soruyu cevaplamak için aynı anda ürettiği ilişkili alt sorgular kümesidir. Google’ın rehberindeki örnekte “otla dolmuş bir çim nasıl düzeltilir” sorusu, ot türleri, toprak sağlığı ve sulama gibi alt sorulara ayrılıyor. Yani sayfanızın tamamı değil, o alt soruya cevap veren bölümü seçiliyor.

ChatGPT, Claude ve Perplexity ise sayfayı kendi tarayıcılarıyla, sunucunun gönderdiği ham HTML olarak alıyor. İki ayrı okuma yolu var ama ortak şartları aynı. Sayfa taranabilir olmalı ve metin okunabilir durmalı. Bu iki yolu birlikte ele alan bir GEO ajansı olarak içerik çalışmasına hep bu iki şartla başlıyoruz.

Hangi tavsiyeler ölçülmüş, hangileri ölçülmemiş?

Sık duyulan tavsiyelerin yalnızca bir kısmı kontrollü bir testten geçti. Kaynak, istatistik ve alıntı eklemek ölçülerek işe yaradı. Schema ve llms.txt eklemek ölçülerek işe yaramadı. İçeriği küçük parçalara bölmek ise hiç ölçülmedi ve Google gereksiz diyor.

Tavsiye	Ne ölçüldü	Sonuç	Kaynak
Alıntı eklemek	10.000 sorguluk test motorunda görünürlük	Yaklaşık yüzde 43 artış	GEO çalışması
İstatistik eklemek	Aynı test	Yaklaşık yüzde 33 artış	GEO çalışması
Kaynak göstermek	Aynı test	Yaklaşık yüzde 28 artış	GEO çalışması
Anahtar kelime doldurmak	Aynı test ve Perplexity	Taban çizgisinin altında, Perplexity’de yüzde 10 kötü	GEO çalışması
Schema eklemek	1.885 sayfa ve 4.000 kontrol sayfası	Belirgin atıf artışı yok	Ahrefs, Mayıs 2026
llms.txt eklemek	Yaklaşık 300.000 alan adı	Atıfla ölçülebilir ilişki yok	SE Ranking, Kasım 2025
Uzun içerik yazmak	560.346 AI Bakışı ve 1.677.876 atıf	Kelime sayısıyla atıf arasında ilişki yok	Ahrefs, Aralık 2025
İçeriği küçük parçalara bölmek	Kontrollü test yok	Google gerekmediğini söylüyor	Google rehberi

Tablodaki çalışmaların hepsi farklı yöntemle yapıldı ve hiçbiri tek başına kesin hüküm değil. Ama yön tutarlı. Sayfaya gerçek bilgi eklemek işe yarıyor, sayfaya teknik etiket eklemek yaramıyor.

GEO araştırması neyi gösterdi, neyi göstermedi?

GEO çalışması, içeriğe kaynaklı istatistik, alıntı ve atıf eklemenin yapay zekâ cevaplarındaki görünürlüğü artırdığını gösterdi. Makale en iyi yöntemlerin etkisini yüzde 30 ile 40 arasında göreli artış diye özetliyor. Ama deney Google’ın AI Bakışı’nda değil, GPT-3.5 ile kurulmuş bir test motorunda yapıldı.

Aggarwal ve arkadaşlarının KDD 2024’te sunduğu çalışmada 10.000 sorguluk bir test seti kullanıldı. Cevaplar her sorunun ilk 5 Google sonucundan üretildi. Gerçek bir motorda, Perplexity’de yapılan küçük testte alıntı eklemek görünürlüğü yüzde 22 artırdı, anahtar kelime doldurmak yüzde 10 düşürdü.

En dikkat çekici bulgu sıra ile ilgili. Kaynak gösterme yöntemi, arama sonuçlarında 5. sıradaki bir sitenin görünürlüğünü yüzde 115,1 artırdı. Aynı yöntem 1. sıradaki sitede ortalama yüzde 30,3 düşüş yarattı. Etki alandan alana da değişiyordu.

Çalışmanın sınırlarını bilmek gerekiyor. Deneyde metni bir dil modeli yeniden yazdı ve modeller 2023’ün modelleriydi. Yine de çıkan ders yazı pratiğine kolayca taşınıyor. Uydurma istatistik değil, kaynağı linkli gerçek veri koyuyoruz.

Google 2026 rehberinde neyin gereksiz olduğunu söylüyor?

Google’ın 15 Mayıs 2026’da yayımladığı ve 10 Temmuz 2026’da güncellediği rehbere göre AI Bakışı ve AI Modu için llms.txt, Markdown, özel schema ya da içeriği küçük parçalara bölmek gerekmiyor. Rehber, yapay zekâ için ayrı bir yazım tarzına da ihtiyaç olmadığını söylüyor.

Rehber bunları tek tek ele alıyor. Google Arama llms.txt dosyasını kullanmıyor, ama başka servisler için tutmanın ne zararı ne faydası olduğunu yazıyor. İdeal bir sayfa uzunluğu yok. Google’ın sistemleri bir sayfadaki birden fazla konuyu anlayıp ilgili bölümü gösterebiliyor. Her sorgu varyasyonu için ayrı içerik üretmek ise manipülasyon amacıyla yapıldığında ölçekli içerik istismarı sayılıyor. Varyasyonları tek sayfada nasıl topladığımızı içerik çakışmasını önleme yazımızda anlattık. Google SSS zengin sonuçlarını da 7 Mayıs 2026’da göstermeyi bıraktı.

Rehberin en önemli ayrımı ise ticari sıradan içerik, yani commodity content. Google bunu herkesin bildiği bilgiye dayanan ve az özgün katkı sunan içerik diye tanımlıyor. Verdiği örnekler açık. “İlk kez ev alacaklara 7 ipucu” sıradan içerik, “Ekspertizden neden vazgeçtik ve nasıl para biriktirdik” ise özgün bir deneyim. Yapay zekâ için anlaşılır olmak, önce anlatacak özgün bir şeyiniz olması demek.

Paragraflarınızı bağlamsız okunur hâle nasıl getirirsiniz?

Yapay zekâ sayfanızın tamamını değil, sorunun cevabını taşıyan bölümü alıyor. Bu yüzden her paragrafın önceki paragrafa yaslanmadan anlaşılması gerekiyor.

Bunun için üç iş yapıyoruz. Birincisi tanımları varlık öncelikli kuruyoruz. Cümle “bu yöntem” diye değil, adıyla başlıyor. Aynı kural marka tanımınız için de geçerli. Yapay zekâ yanıtlarında markanız hakkında yanlış ya da eksik bilgiyi nasıl tespit ettiğimizi ayrı bir yazıda anlattık. İkincisi “o araç”, “yukarıda belirttiğimiz gibi” gibi geri göndermeler yerine adı tekrar ediyoruz. Üçüncüsü her H2 bölümünün kendi sorusunu ilk iki üç cümlede cevaplamasını sağlıyoruz.

Bir örnekle bakalım. “Bu yöntem sayesinde sonuçlar çok daha hızlı alınır ve yukarıda bahsettiğimiz sorunların çoğu ortadan kalkar.” cümlesi tek başına okunduğunda hiçbir şey söylemiyor. Aynı fikir şöyle yazılınca bağlamsız da anlaşılıyor. “Sunucu tarafında oluşturulan bir ürün sayfası, ürün adını, fiyatını ve teknik özelliklerini ilk HTML yanıtında gönderir. JavaScript çalıştırmayan bir yapay zekâ tarayıcısı da bu bilgileri okuyabilir.”

Bu bir deney sonucu değil, pasaj düzeyinde seçim davranışından çıkan bir yazım ilkesi. Ahrefs’in izlediği bir örnekte AI Bakışı’nın atıf bağlantısı okuru sayfanın dörtte birindeki bir paragrafa götürüyordu, yani açılışa değil. Alıntılanabilir cümlenin diğer kurallarını SEO uyumlu içerik yazım rehberimizde anlattık.

Metin, tablo ve sayılar neden HTML içinde durmalı?

Vercel ve MERJ’in Aralık 2024’te yayımladığı ölçüme göre OpenAI, Anthropic ve Perplexity tarayıcıları JavaScript çalıştırmıyordu. Sonradan yüklenen metin, fiyat ya da tablo bu sistemler için yok hükmündeydi.

Ölçümün yapıldığı ay GPTBot Vercel ağında 569 milyon, Claude’un tarayıcısı 370 milyon istek yapmıştı. Bu tarayıcılar JavaScript dosyalarını indiriyor ama çalıştırmıyordu. Gemini ise Google’ın altyapısını kullandığı için JavaScript’i işleyebiliyor. Google da JavaScript’i engellenmediği sürece işleyebildiğini söylüyor. Yani sorun Google’da değil, diğer sistemlerde.

Aynı mantık görsele gömülü tablolar ve yalnızca PDF içinde duran teknik veriler için de geçerli. Metin olarak HTML’de bulunmayan bir bilgi, JavaScript çalıştırmayan bir tarayıcıya ulaşmıyor. Ürün özellikleri yalnızca sekmeli bir bileşenin içinde sonradan yükleniyorsa, yapay zekâ o ürünü özellikleri olmadan tanıyor.

Kontrolü kolay. Tarayıcıda JavaScript’i kapatıp sayfaya bakıyor ya da sayfa kaynağını açıp ana metni arıyoruz. Hangi yapay zekâ botunun ne için geldiğini robots.txt rehberimizde tablo hâlinde verdik.

İçeriğinizi kontrol etmeye nereden başlamalısınız?

Bir sayfayı yapay zekâ için gözden geçirirken beş soruyu sırayla soruyoruz. Bu sorular, sitenin tamamına baktığımız GEO denetiminin içerik adımı. İlki, JavaScript kapalıyken ana metnin görünüp görünmediği. İkincisi, her H2 bölümünün ilk iki üç cümlesinin kendi sorusunu cevaplayıp cevaplamadığı.

Üçüncü soru sayılarla ilgili. Sayfadaki her rakamın ve iddianın kaynağı linkli mi? Dördüncü soru en zoru. Bu sayfada başka yerde bulunmayan ne var? Cevap “hiçbir şey” ise sayfa Google’ın tanımıyla sıradan içerik ve ne kadar düzenlerseniz düzenleyin fark yaratması zor.

Beşinci soru ölçümle ilgili. Search Console’daki üretken yapay zekâ performans raporunda sayfanın gösterimi değişiyor mu? Bu raporun neyi gösterip neyi göstermediğini yapay zekâ görünürlüğünü nasıl ölçtüğümüzü anlattığımız yazıda ayrıntılı açıkladık. Google dışındaki sistemlerde sayfanın nasıl anıldığını ise ChatGPT, Gemini ve Google yanıtlarını inceleyerek görüyoruz.

Yapay zekâ için içerik hazırlarken neye öncelik verilmeli?

Ölçülmüş işler belli. Kaynaklı veri ve alıntı eklemek, metni sunucudan gelen HTML’de tutmak, her bölümü kendi sorusuyla açmak ve sayfaya başka yerde olmayan bir bilgi koymak. llms.txt, yapay zekâ için schema ve içeriği parçalara bölmek ise bu işlerin yerini tutmuyor. Çok sayfalı sitelerde bu işleri kurumsal yol haritasının içerik ve varlık aşamasında, teknik engeller kapandıktan sonra ele alıyoruz.

Sayfalarınızın bu kontrollerden nasıl geçtiğini görmek isterseniz, GEO hizmetimiz kapsamında ücretsiz bir görünürlük analiziyle başlayabilirsiniz.