Kısa cevap: Bir potansiyel müşteriniz artık her zaman Google’a gidip on mavi bağlantı arasında sizi aramıyor. Giderek daha sık ChatGPT, Perplexity, Gemini veya Copilot’a soruyor ve tek bir hazır cevap alıyor. O cevabın içinde sizin adınız, çerçeveniz ya da hizmetiniz geçiyorsa varsınız; geçmiyorsa — sıralamada kaçıncı olduğunuzdan bağımsız olarak — o müşteri için yoksunuz. Bu yazı, kurumsal sitenizin yapay zeka cevaplarında görünür olup olmadığını nasıl anlayacağınızı ve görünür hâle gelmek için hangi somut adımları atmanız gerektiğini anlatıyor.
Bu görünürlük çabasının iki adı var: GEO (Generative Engine Optimization — Üretken Arama Motoru Optimizasyonu) ve AIEO (AI Engine Optimization — Yapay Zeka Motoru Optimizasyonu). İkisi de aynı şeyi tarif eder: sitenizi, insan okuyucuya ek olarak, cevap üreten yapay zeka sistemlerinin de doğru okuyup güvenle alıntılayabileceği hâle getirmek. Klasik SEO “beni arama sonuç listesinde üst sıraya çıkar” derdindeydi; GEO/AIEO ise “beni üretilen cevabın içine koy ve kaynak olarak göster” derdindedir. Bu, bir zamanlar mobil-uyumlu olmak gibi, artık ertelenemeyecek bir altyapı kararıdır.
Aramanın Ağırlık Merkezi Neden Kaydı?
Değişim ani değil, kümülatif. Google artık sonuçların üstünde AI Overviews (yapay zeka özetleri) gösteriyor; kullanıcı çoğu zaman hiçbir bağlantıya tıklamadan cevabını alıp ayrılıyor — sektörde buna “sıfır-tık arama” deniyor. Aynı anda ChatGPT, Perplexity ve Gemini gibi araçlar bir araştırma başlangıç noktası hâline geldi; özellikle B2B alıcılar tedarikçi ve çözüm araştırmasının ilk turunu artık bir yapay zeka asistanıyla yapıyor.
Bunun işletmeniz için pratik sonucu şudur: trafiğinizin bir kısmı, siz farkında bile olmadan, bir yapay zeka cevabının içinde “görünmez” biçimde yaşanıp bitiyor. Kullanıcı sizi görmüyor, ama sizin hakkınızdaki (doğru ya da yanlış) bilgiyi alıyor. Dolayısıyla iki risk var: birincisi cevapta hiç geçmemek, ikincisi cevapta yanlış veya eski bilgiyle geçmek. GEO/AIEO ikisini birden ele alır.
“Klasik SEO” ile GEO/AIEO Aynı Şey Değil mi?
Örtüşüyorlar ama aynı değiller. İyi SEO — hızlı site, temiz teknik yapı, otoriter içerik — GEO için de sağlam bir zemindir; bu emeği çöpe atmıyorsunuz. Fark, hedefte ve ölçütte: SEO bir sayfayı bir sıralamaya taşımaya çalışır; GEO ise bir bilgi parçasının, bir yapay zeka tarafından anlaşılıp, güvenilir bulunup, cevaba alınmasını hedefler. Yapay zeka modelleri “anahtar kelime yoğunluğuna” değil; net tanımlara, yapılandırılmış olgulara, tutarlılığa ve alıntılanabilir kaynaklara bakar.
Pratikte bu şu demektir: bir yapay zekanın “İstanbul’da B2B yapay zeka danışmanlığı yapan, kendi metodolojisi olan bir firma öner” sorusuna sizi katabilmesi için, kim olduğunuzu, ne yaptığınızı ve neyle farklılaştığınızı makinenin tereddütsüz çıkarabileceği biçimde ifade etmiş olmanız gerekir. “Yıllardır sektörün lideriyiz” gibi doğrulanamayan cümleler modeli ikna etmez; net, tutarlı ve yapılandırılmış olgular ikna eder.
Adım 1 — robots.txt: AI Botlarına Kapıyı Bilerek Aralayın
Yapay zeka sistemlerinin sitenizi okuyabilmesi için, sitenizi tarayan botlarını engellememeniz gerekir. Birçok kurumsal site, güvenlik ya da eski bir yapılandırma yüzünden bu botları farkında olmadan bloklar. robots.txt dosyanızda kime izin verdiğinizi bilerek karar verin. Öne çıkan yapay zeka kullanıcı-ajanları (user-agent) şunlardır:
Karar sizindir ve iki katmanlıdır: model eğitimi için taranmak istemeyebilirsiniz ama cevaplarda alıntılanmak isteyebilirsiniz — bu ikisi çoğu zaman farklı botlarla yönetilir. Genel kural: kamuya açık, sizi doğru tanıtan içerik (hizmetler, çerçeveler, sıkça sorulanlar) için bu botlara izin verin; özel panolar, müşteri verisi ve işlem uçları için engellemeye devam edin. Önemli bir uyarı: robots.txt bir nezaket sözleşmesidir, güvenlik duvarı değil; hassas içeriği gizlemek için değil, taranmasını istemediğiniz alanları belirtmek için kullanılır.
Adım 2 — llms.txt: Yapay Zekaya “Önce Şuraya Bak” Demek
llms.txt, sitenizin kök dizinine koyduğunuz, yapay zeka sistemlerine yönelik sade bir Markdown haritasıdır. Mantığı şu: bir dil modeli, karmaşık, menülerle ve reklamlarla dolu bir HTML sayfasını okumaktansa, sizin özenle hazırladığınız temiz bir özet ve bağlantı listesini okumayı tercih eder. llms.txt dosyanızda kim olduğunuzu bir-iki cümleyle tanıtır, ardından en önemli sayfalarınıza (hizmetler, metodoloji, iletişim, sıkça sorulanlar) açıklamalı bağlantılar verirsiniz.
Dürüst bir çerçeve notu: llms.txt henüz evrensel olarak zorunlu tutulan resmi bir standart değil, yükselen bir uzlaşıdır ve her sistem onu okumaz. Ama maliyeti düşük, riski yok ve sizi “yapay zekaya kendini nasıl özetlersin” sorusunu bilinçli yanıtlamaya zorlar. Bunu, insan ziyaretçi için hazırladığınız “hakkımızda” sayfasının makineye yönelik, damıtılmış versiyonu olarak düşünün.
Adım 3 — schema.org Yapısal Verisi: Olguları Makineye Söyleyin
Yapay zekanın sitenizi “anlaması”, aslında sitenizden yapılandırılmış olgular çıkarabilmesi demektir. schema.org sözlüğüyle sayfalarınıza gömdüğünüz JSON-LD yapısal verisi tam da bunu yapar: “Bu bir Organization, adı şu, İstanbul’da, şu hizmetleri veriyor”; “Bu bir FAQPage, şu soru şu cevap”; “Bu bir Article, yazarı şu, yayın tarihi bu” gibi olguları makinenin tereddütsüz okuyacağı biçimde beyan edersiniz. İşe yarayan öncelikli tipler: **Organization** (kimlik ve iletişim), **Service/Product** (ne sunduğunuz), **FAQPage** (sıkça sorulanlar), **Article** ve **BreadcrumbType**.
Yapısal verinin gizli faydası tutarlılıktır. Yapay zeka modelleri, aynı olgunun birden çok yerde (sayfa metni, schema, iletişim bilgisi, harici dizinler) uyumlu tekrarını gördüğünde o bilgiye güvenir. Bu yüzden isim, adres, hizmet tanımı gibi çekirdek olgularınızı her yerde birebir aynı yazın. Uydurma veya süslenmiş veri buraya girmemeli: yanlış yapısal veri, sizi bir cevaba yanlış bilgiyle sokar ki bu, hiç görünmemekten daha maliyetlidir.
Adım 4 — Anlamsal HTML: Makinenin Okuyabildiği Sayfa İskeleti
Görsel olarak kusursuz ama yapısal olarak anlamsız bir sayfa, yapay zeka için okunması zor bir sayfadır. Her şeyi `div` yığınına gömmek yerine anlamsal (semantic) HTML kullanın: tek ve net bir `h1`, mantıklı bir başlık hiyerarşisi (`h2`, `h3`), `article`, `nav`, `main`, `section` etiketleri, gerçek listeler ve gerçek tablolar. Bu, hem ekran okuyucular hem de yapay zeka için sayfanın “neresi ne” bilgisini nettir kılar.
Pratik bir sağlama şudur: sayfanızın sadece metnini alıp (tüm görselleri ve stilleri soyup) okuduğunuzda, konunun ne olduğu ilk paragraftan anlaşılıyor mu? Yapay zeka çoğu zaman tam da böyle okur. Bu yüzden “önce cevap, sonra detay” yapısı — bu yazının her bölümünün açılışında yaptığı gibi — hem insan okuru hem makineyi memnun eder. Kritik bilgiyi sayfanın altına gömmeyin; damıtılmış hâlini yukarı taşıyın.
Adım 5 — WebMCP: Okunmaktan İşlem Yapılmaya
Buraya kadarki adımlar sitenizin **okunmasını** sağlar. Bir sonraki katman, sitenizin bir yapay zeka ajanı tarafından **kullanılmasını** sağlar. WebMCP, sitenizin bir AI asistanının doğrudan çağırabileceği araçlar tanımlamasıdır — örneğin “keşif görüşmesi talebi oluştur”, “bir hizmet hakkında bilgi al”, “iki çözümü karşılaştır”. Bu, Model Context Protocol (MCP) mantığının web sitesi katmanına taşınmış hâlidir: ajan yalnızca hakkınızda konuşmakla kalmaz, sizinle iş yapabilir.
Somutlaştırmak gerekirse: bir müşteri asistanına “bu firmadan demo talebi oluştur” dediğinde, WebMCP araçları tanımlıysa ajan gerçek formunuzun gerçek doğrulayıcısıyla işlem yapar; tanımlı değilse ajan ya vazgeçer ya da uydurur. WebMCP ve `.well-known` kimlik dosyaları, klasik SEO’nun bir adım ötesi olan “agent-hazır site” katmanıdır. Konunun işletme etkisini ayrı bir yazıda — MCP’nin İşletmeniz İçin Ne Anlama Geldiği — derinlemesine ele alıyoruz; burada GEO tablosunun son parçası olarak konumlandırıyoruz.
Bunun Bir Sonucu Garantilediğini Söylemiyoruz
Dürüst çerçeve: GEO/AIEO bir görünürlük ve erişilebilirlik altyapısıdır, bir trafik ya da müşteri garantisi değil. Bu adımları uygulamak, yapay zeka cevaplarında görünmenizi *mümkün* kılar; sizi otomatik olarak her cevaba sokmaz. Yapay zeka sistemleri hızla değişiyor; hangi botun neyi nasıl okuduğu ve alıntıladığı aylar içinde farklılaşabilir. Bu yüzden GEO’yu tek seferlik bir kurulum değil, tıpkı SEO gibi süregelen bir bakım kalemi olarak düşünmek gerekir. Uydurma metrik ya da “garanti birinci sıra” vaadi veren yaklaşımlardan uzak durun.
Nereden Başlamalı? Bir Öncelik Sırası
Her işletme için aciliyet aynı değil. Pratik bir sıra:
Sıranız ne olursa olsun, ilk adım tahmin etmek değil ölçmektir: sitenizin bugün bir yapay zeka tarafından nasıl “görüldüğünü” denetleyin. AI botlarına açık mısınız, yapısal veriniz var mı, bir model sizi doğru özetleyebiliyor mu? Yazılım Koçu’nun ücretsiz **Yapay Zeka Hazırlık Testi**, sitenizi tam da bu ölçütlerle tarayıp size somut, önceliklendirilmiş bir eksik listesi çıkarır — kayıt gerektirmez, bağlayıcı değildir.
Bu ölçme çalışmasını, Yazılım Koçu’nun dijital dönüşüm yaklaşımının başlangıç aşamasıyla (4VS Yöntemi’nin keşif adımı) aynı mantıkla ele alıyoruz: önce mevcut durumu net görün, sonra en yüksek getirili adımı seçin. Test sonucunu bir yol haritasına dönüştürmek isterseniz, 30 dakikalık ücretsiz keşif görüşmesi iyi bir devam noktasıdır.
GEO/AIEO ile klasik SEO’yu birlikte mi yürütmeliyim?
Evet. GEO, SEO’nun yerini almaz; üzerine kurulur. İyi teknik SEO (hız, temiz yapı, otorite) yapay zeka görünürlüğünün de zeminidir. GEO, bu zemine yapısal veri, AI bot yönetimi, llms.txt ve agent-hazırlık katmanlarını ekler. İkisini ayrı bütçeler gibi değil, aynı görünürlük stratejisinin iki ucu gibi düşünün.
Yapay zeka cevaplarında çıkıp çıkmadığımı nasıl anlarım?
En basit yöntem doğrudan test etmektir: ChatGPT, Perplexity ve Gemini’a müşterinizin sorabileceği gerçek soruları (“İstanbul’da şu işi yapan bir firma öner” gibi) sorup adınızın, doğru bilgiyle, geçip geçmediğine bakın. Ardından teknik tarafı denetleyin: robots.txt izinleriniz, schema.org yapısal veriniz ve sayfa yapınız. Yazılım Koçu Yapay Zeka Hazırlık Testi bu teknik denetimi otomatik yapar.
Bu bir kere yapılıp bitecek bir iş mi?
Hayır. Yapay zeka sistemleri, botları ve cevap üretme biçimleri sürekli değişiyor. GEO/AIEO’yu tıpkı SEO gibi süregelen bir bakım kalemi olarak düşünün: yapısal verinizi güncel tutun, yeni AI botlarının izinlerini gözden geçirin ve modellerin sizi nasıl özetlediğini periyodik olarak yeniden test edin.