Bir hekim sitesi için yapay zekâ görünürlüğü ölçmeye başladığınızda ilk gördüğünüz tablo genellikle kafa karıştırır. Panelde görünürlük yüzde yüz yazar, hemen yanındaki sütunda ortalama konum beş çıkar. İkisi birbiriyle çelişmiyor, farklı şeyleri ölçüyorlar. Ama bunu bilmeyen biri o ekrana bakıp "birinci sıradayım" der ve yanlış yere bütçe ayırır.
Bu alandaki en pahalı hatalar teknik değil, kavramsal. Aşağıda ölçümün nasıl okunacağını, en sık düşülen tuzakları ve bu işi sürdürülebilir kılan dört kuralı topladım.
Önce neyin değiştiğini görmek gerekiyor
Arama motoru dönemi seçim yapma dönemiydi. Kullanıcı on bağlantı görür, birkaçını açar, karşılaştırır, kararını kendi verirdi. Bugün hasta odaya bir sonuç listesiyle değil, hazır bir cevapla giriyor. "ChatGPT'ye sordum, şöyle dedi." "Gemini bunu önerdi."
Dikkat çeken kısım cümlenin kendisi değil, arkasındaki güven. Hasta o cevabı sorgulamıyor, kaynağını merak etmiyor, ikinci bir yere bakmıyor. Yapay zekânın yanıtını bir otorite beyanı gibi kabul edip çoğu zaman ona göre hareket ediyor.
Bu yüzden üretken arama optimizasyonu, yani GEO, arama motoru optimizasyonundan ayrı bir başlık değil. Onun üzerine kurulan bir katman. O tek cevabın içinde adınız geçmiyorsa, hasta sizi hiç değerlendirmiyor.
Birinci kural: GEO, SEO'nun üzerine kurulur
En sık karşılaştığım yanlış varsayım, GEO'nun SEO'nun yerini aldığı düşüncesi. Gerçek bunun tersi.
Modeller cevabı boşluktan üretmiyor. Taranabilen, indekslenen, teknik olarak sağlıklı ve konu bütünlüğü olan sayfalardan öğreniyorlar. Site hızı, taranabilirlik, iç bağlantı düzeni, başlık hiyerarşisi ve içerik derinliği hâlâ geçerli; üstelik GEO'nun ön koşulu. Google'ın kendi açıklaması da bu yönde: yapay zekâ yanıtlarında yer almak için ayrı bir optimizasyon yok, geçerli olan standart teknik gereklilikler.
Zayıf bir SEO altyapısı üzerine GEO çalışması kurmak, temeli atılmamış binaya çatı yapmaya benziyor. Arama sonuçlarında bulunamayan bir sayfa, yapay zekâ cevabında da kaynak gösterilmiyor.
Buna bir ekleme: model konu kapsamınızı tek bir yazıdan değil, birbirine bağlı sayfa kümesinden okuyor. Bir konuda tek yazı yayımlamak yerine o konunun alt başlıklarını kapsayan bir içerik kümesi kurmak, hem klasik sıralamada hem yapay zekâ cevaplarında karşılığını veriyor.
Alıntılanmak ile tanınmak aynı şey değil
Ölçüme başlayan herkesin karşılaştığı bir tablo var: site yapay zekâ cevaplarında onlarca kez kaynak gösteriliyor, buna karşılık marka anılması sıfır çıkıyor. Bu bir çelişki değil, iki ayrı şeyin ölçüldüğünün göstergesi.
Atıf, modelin cevabı kurarken sayfanızı kaynak olarak kullanmasıdır. Anılma ise cevabın metninde adınızın geçmesidir. İkisi bağımsız hareket eder; sayfanız otuz kez alıntılanabilir ve adınız hiç geçmeyebilir.
Yukarıdaki hasta davranışı bu ayrımı kritik hâle getiriyor. Hasta kaynak listesindeki bağlantıya tıklamıyor. Cevabı okuyor, içindeki ismi aklında tutuyor, gerisini bırakıyor. Kaynak gösterilmek içeriğinizin güvenilir bulunduğunu söyler; adınızın geçmesi, modelin sizi o konuyla ilişkilendirilmiş bir varlık olarak tanıdığını söyler. Randevu ikincisinden çıkıyor.
İçeriği güçlü ama kurumsal kimliği zayıf sitelerde birinci yüksek, ikinci düşük olur. Bu bir içerik sorunu değil, varlık tanımlama sorunudur.
İkinci kural: terminolojiyi bilmeden veri okunmaz
Panelde gördüğünüz her sayı bir şey ölçüyor. Hangi şeyi ölçtüğünü bilmiyorsanız, o sayı sizi yanlış yere götürüyor.
Beş ölçüt şu sırayla değerlendirilir.
Görünürlük giriş eşiğidir; cevapta hiç yer almıyorsanız gerisinin anlamı yok. Ortalama konum ikincidir ve burada düşük değer iyidir; ilk üç güçlü, dört ile on arası geliştirmeye açıktır. Kaç farklı istemde kaynak gösterildiğiniz üçüncü ve en çok atlanan ölçüttür; tek bir soruda otuz kez alıntılanmak, otuz farklı soruda birer kez alıntılanmaktan zayıf bir sonuçtur, çünkü ikincisi konu kapsamınızın genişliğini gösterir. Kaynak listesindeki sıranız dördüncüdür; ikinci sırada gösterilmekle yedinci sırada gösterilmek aynı ağırlıkta değildir. Rakiplere göre ses payınız beşincidir ve burada mutlak sayıdan çok eğilim ile aradaki mesafe okunur.
Buna anlatım tonunu da ekleyin. Görünürlüğün yüksek olması, modelin sizden nasıl söz ettiği hakkında hiçbir şey söylemez.
Bir uyarı daha: aracın verdiği sayı bir gerçek değil, bir ölçümdür. Aynı istemi farklı gün, farklı ülke ya da farklı model sürümüyle sorduğunuzda sonuç değişir. Tek bir ölçüme bakıp karar vermek, terminoloji bilmemek kadar yaygın bir hata.
Üçüncü kural: önce baz çizgisi, sonra araç
Bu işi elle takip etmek mümkün değil. Kaç istemde göründüğünüzü, hangi sırada alıntılandığınızı, rakiplerin payını ve zaman içindeki eğilimi düzenli toplayan bir araç seti olmadan yönetim değil, tahmin yaparsınız.
Ama araç seçiminden önce gelen bir adım var: baz çizgisi. Ölçüme başlamadan önceki durumu kaydetmeyen kişi, üç ay sonra iyileştiğini mi kötüleştiğini mi bilemez. GEO metrikleri doğası gereği oynak; anlamlı olan tek şey kendi eğiliminizdir.
Baz çizgisini elle tutmak için sitede ücretsiz bir görünürlük testi var: branşınıza ve bölgenize göre on beş soru üretiyor, siz kendi asistanınıza sorup gördüğünüzü işaretliyorsunuz.
Araç karar vermez, veri üretir. Kararı terminolojiyi bilen kişi verir. İkisi birbirinin yerine geçmez.
Dizinler neden öne çıkıyor
Hekim tavsiyesi sorularında sağlık dizinlerinin öne çıkması tesadüf değil.
"Hangi doktora gitmeliyim" tipi bir soruda model, tek tek hekim sitelerinden çok hekim listesi tutan platformları kaynak gösterir. Sebebi şu: modeller varlıkları, o varlıklardan söz eden üçüncü kaynaklardan öğrenir. Kendi sitenizde uzmanlık iddia etmeniz bir beyandır; aynı bilginin bağımsız bir platformda bulunması doğrulamadır. Model doğrulanmış bilgiye daha çok ağırlık verir.
Pratik sonucu net: anılma sorunu yalnızca kendi sitenizi iyileştirerek çözülmez. Adınızın site dışında, bağımsız kaynaklarda geçmesi gerekir. Sağlık dizinleri, mesleki kuruluş sayfaları ve akademik kayıtlar bu işlevi görür.
Kendi sitenizde yapılacaklar
Kendi mülkünüzde yapılacak iş de var ve çoğu tekniktir.
Yapılandırılmış veri, yani şema işaretlemesi, bir varlık olarak tanınmanın en doğrudan aracı. Sağlık siteleri için Physician ve MedicalClinic şemalarında hekim adı, unvan, uzmanlık, adres ve sunulan hizmetler makine tarafından okunabilir biçimde tanımlanmalı. Bu bilgilerin sayfada görünmesi yetmez, işaretlenmiş olması gerekir.
llms.txt dosyası, sitenizin yapay zekâ sistemleri için hazırlanmış haritası. Kim olduğunuzu, hangi konularda yazdığınızı ve öncelikli sayfalarınızın nerede olduğunu tanımlar. Platformların otomatik ürettiği sürümler genellikle yalnızca ana sayfa bağlantısı içerir; elle yazılıp içerik kümelerinin eklenmesi gerekir. Henüz benimsenmiş bir standart değil, açık bir öneri; buna karşılık maliyeti düşük.
Varlık ilişkilendirmesi işin özü. Hekim, klinik, uzmanlık, şehir ve tedavi yöntemi arasındaki bağların model tarafından kurulması gerekiyor. Bu tek bir sayfayla değil, tutarlılıkla oluşur: aynı isim, aynı unvan, aynı adres her platformda aynı biçimde geçmeli.
Dördüncü kural: bu bir proje değil, süreklilik
Buraya kadar anlatılanlar bir defa yapılıp bitirilecek işler gibi görünüyor. Değil.
SEO ve GEO, başlangıcı ve bitişi olan bir proje olarak ele alındığında sonuç vermiyor. Model sürümleri değişiyor, rakipler içerik üretiyor, sorular yeniden şekilleniyor. Üç ay çalışıp bıraktığınızda kazanılan konum korunmuyor; boşluğu başkası dolduruyor.
Buna bir de gecikme ekleniyor. Şema eklediğinizde, dizin kaydı açtığınızda ya da yeni bir içerik kümesi yayımladığınızda modelin bunu öğrenmesi haftalar alıyor. Bu gecikmeyi bilmeyen, iki hafta sonra sonuç göremediği için yöntemi terk ediyor. Oysa terk edilen şey yöntem değil, sabır oluyor.
Sürdürülebilir olan yaklaşım şu: düzenli içerik üretimi, düzenli ölçüm, düzenli kimlik tutarlılığı denetimi. Yoğun ama kesintili çalışmaktansa, daha az ama kesintisiz çalışmak açık ara daha iyi sonuç veriyor.
Hangi metriği takip etmeli
Yapay zekâ görünürlüğünü ölçen kurumların çoğu yanlış çıktıyı bekliyor.
Tekrar eden tablo şu: site yapay zekâ cevaplarında yüzlerce kez kaynak gösteriliyor, buna karşılık yapay zekâ platformlarından gelen gerçek ziyaretçi sayısı tek haneli kalıyor. Bu bir kusur değil. Asistan soruyu yerinde cevaplıyor ve kullanıcıyı kaynağa göndermiyor. Hastanın da tıklamaya ihtiyacı yok, cevabı almış durumda.
Buradan çıkan sonuç şu: yapay zekâ görünürlüğü bu aşamada bir trafik kanalı değil, itibar kanalı. Takip edilmesi gereken gösterge oturum sayısı değil, adınızın cevapta geçip geçmediği. Ziyaret artışı beklemek, yanlış metriği ölçmek olur.
Sonucu üç grupta okuyun
Koruyun: ortalama konum ilk üçte, atıf konumu ilk üçte, çok sayıda farklı istemde kaynak, olumlu ton.
Geliştirin: görünürlük var ama konum dört ile on arasında, atıf az sayıda isteme yoğunlaşmış, rakip ses payı daha yüksek.
Öncelikli müdahale: ticari açıdan önemli istemlerde görünürlük sıfır, varlık tanınmıyor, model sizin alanınızda başka siteleri kaynak gösteriyor.
Üçüncü gruptaki tablo genellikle içerik eksikliğini değil, varlık tanımlamasının eksikliğini gösterir. Daha çok yazı yayımlamak bunu çözmez.
Nereden başlanır
Dört kural tek bir cümleye iniyor: bu iş, sürekli yapılan ve anlaşılarak yapılan bir iştir.
Bugün atılacak adım da büyük değil. Bir baz çizgisi kaydedin, kendi alanınızdaki beş soruyu bir yapay zekâ asistanına sorun ve cevapta adınızın geçip geçmediğine bakın. Sonra sitenizde hekim ve klinik şemasının tanımlı olup olmadığını kontrol edin. Bu ikisi, üç ay sonra neye baktığınızı bilmenizi sağlar.
Sorunun kendisi sade: hasta sizin alanınızda soru sorduğunda, yapay zekâ sizin adınızı söylüyor mu? Hasta o cevabı sorgulamadan kabul edeceği için, sorunun ağırlığı da buna göre değerlendirilmeli.
Yazıda geçen kavramların tanımları sözlükte yer alıyor.