LLM görünürlük zinciri, bir markanın yapay zekâ cevabında önerilmesi için art arda sağlanması gereken altı koşuldur: Erişilebilirlik, varlık tanınırlığı, kategori eşleşmesi, koşul kanıtı, dış doğrulama ve doğru çerçeve. Zincir en zayıf halkası kadar güçlüdür. Bir halka eksikse diğerlerindeki güç cevaba taşınmaz; bu yüzden görünürlük çalışması en öndeki kopuk halkayı bulmakla başlar.
İki marka düşünün. Birincisinin sitesi zengin içerikle dolu, ama güvenlik ayarları yapay zekâ tarayıcılarını engelliyor. İkincisinin sitesi erişilebilir, içerik de iyi, ama firma adı dış kaynaklarda üç farklı biçimde yazılıyor. İki markanın sorunu farklı, sonuç aynı: İkisi de cevapta yok.
Görünürlük tek bir özelliğe bağlı değil; bir dizi koşulun hepsinin sağlanmasına bağlı. Recro bu diziye LLM görünürlük zinciri diyor. Zincir modeli, “neden görünmüyoruz?” sorusunu tek bir büyük sorun olmaktan çıkarıp sırayla kontrol edilebilecek altı soruya bölüyor.
Yapay zekâ bir markayı iki yoldan tanır
Zincirin halkalarını anlamak için önce modelin bilgiye iki yoldan ulaştığını ayırmak gerekiyor.
Eğitim verisi. Büyük dil modelleri, eğitildikleri tarihe kadar toplanan metinlerden öğrenir. Markanın modelin “kendi bilgisinde” nasıl yer aldığı, geçmişte web’de ne kadar ve nasıl anıldığına bağlıdır. Bu yol yavaş değişir.
Canlı arama. ChatGPT’nin arama özelliği, Perplexity, Google’ın AI Overviews ve AI Mode deneyimi cevap anında web’i tarar. Google, AI Mode’da tek bir soruyu çok sayıda alt sorguya böldüğü “query fan-out” tekniğini kullandığını açıkladı. Bu yol hızlı değişir ve B2B karar sorularının çoğunda belirleyicidir.
Altı halka iki yolda da geçerli, ama ağırlıkları farklı. Erişilebilirlik ve koşul kanıtı canlı aramada; varlık tanınırlığı ve dış doğrulama ise iki yolda da kritik.
Altı halka
- Erişilebilirlik. Yapay zekâ araçlarının kullandığı tarayıcılar sayfalara ulaşabiliyor mu? Robots.txt kuralları, güvenlik duvarı ve CDN ayarları, yalnızca JavaScript ile yüklenen içerik ya da giriş gerektiren sayfalar bu halkayı koparabilir.
- Varlık tanınırlığı. Model markayı tekil ve tutarlı bir varlık olarak tanıyor mu? Firma adının kaynaklarda farklı yazılması, aynı adı taşıyan başka şirketler ya da eski unvanlar bu halkayı zayıflatır.
- Kategori eşleşmesi. Model markayı doğru kategoriye yerleştiriyor mu? Kendini “çözüm ortağı” ya da “teknoloji şirketi” gibi genel ifadelerle tanımlayan markalar, belirli bir kategori sorusunda eşleşmekte zorlanır.
- Koşul kanıtı. Sorudaki koşula (sertifika, kapasite, entegrasyon, bölge, fiyat modeli) cevap veren bilgi açıkça yayımlanmış mı? Bu halka İçerik ve İletişim GAP’lerinin yaşandığı yerdir.
- Dış doğrulama. Markanın iddiaları bağımsız kaynaklarda tutarlı biçimde geçiyor mu? Bu halka Otorite GAP’inin yaşandığı yerdir.
- Doğru çerçeve. Model markayı önerdiğinde doğru gerekçeyle ve güncel bilgiyle mi anlatıyor? Eski ürün, yanlış hizmet alanı ya da yanlış fiyat bilgisi görünürlüğü zarara çevirebilir.
Erişilebilirlik: Hangi tarayıcılar, hangi ayarlar?
Bu halka en teknik, en sık atlanan ve kopunca en ağır sonucu doğuran halkadır: Tarayıcı sayfaya ulaşamazsa sonraki halkaların hiçbiri çalışmaz.
| Tarayıcı | Sahibi | Ne için kullanılır |
|---|---|---|
| GPTBot | OpenAI | Model eğitimi için içerik toplama |
| OAI-SearchBot | OpenAI | ChatGPT arama sonuçlarında siteleri gösterme |
| ChatGPT-User | OpenAI | Kullanıcının isteğiyle sayfanın anlık okunması |
| PerplexityBot | Perplexity | Perplexity cevaplarında kaynak gösterme |
| Googlebot | Arama, AI Overviews ve AI Mode | |
| Google-Extended | İçeriğin Gemini modellerinin eğitiminde kullanımını kontrol eden işaret |
OpenAI’ın dokümantasyonu bu tarayıcıların robots.txt ile ayrı ayrı yönetilebildiğini belirtiyor: Bir site OAI-SearchBot’a izin verip GPTBot’u engelleyebilir. Yani “içeriğim model eğitiminde kullanılmasın” tercihi, “ChatGPT aramasında görünmeyeyim” sonucunu doğurmak zorunda değil. Ama bu ayrımın bilinçli yapılması gerekiyor.
Altyapı tarafında bir kırılma daha yaşandı. Cloudflare, 1 Temmuz 2025’ten itibaren yeni alan adlarında yapay zekâ tarayıcılarını varsayılan olarak engellemeye başladı; site sahibinin açıkça izin vermesi gerekiyor. Pazarlama ekibi içerik üretirken, hosting ya da CDN ayarının bu tarayıcıları dışarıda bıraktığından haberdar olmayabiliyor.
Varlık tanınırlığı: Model markayı kim olarak biliyor?
Model bir markayı, farklı kaynaklardaki bilgileri tek bir “varlık” altında birleştirebildiği ölçüde tanır. Google’ın Bilgi Grafiği (Knowledge Graph), Wikidata gibi açık bilgi tabanları ve tutarlı dizin kayıtları bu birleştirmeyi kolaylaştırır. Sitedeki Organization işaretlemesinde yer alan sameAs alanı, markanın LinkedIn sayfası, dizin kayıtları ve diğer resmi profillerini aynı varlığa bağlayan teknik adımlardan biridir.
Türkiye’deki markalar için ek bir risk var: “Şirketi”, “A.Ş.”, “San. ve Tic.” gibi eklerin ve Türkçe karakterlerin kaynaklar arasında farklı yazılması, modelin aynı şirketi iki ayrı varlık sanmasına yol açabiliyor. Bunu ihracatçı markalar yazısında ayrıntılı ele aldık.
Zincir neden en zayıf halkası kadar güçlü?
Halkalar sırayla çalışır. Erişilemeyen bir sayfanın içeriği ne kadar iyi olursa olsun modele ulaşmaz. Model markayı tanıyamıyorsa doğru kategoriye yerleştiremez. Kategori eşleşmesi yoksa koşul kanıtına hiç bakılmaz.
Bu yüzden zincirin sonundaki halkaya yapılan yatırım, öndeki bir halka kopukken etkisiz kalır. Dış kaynaklarda doğrulama kurmaya çalışan ama sitesi tarayıcılara kapalı bir marka, bütçesinin önemli kısmını kopuk bir zincire harcar.
Hangi halkanın kopuk olduğunu nasıl anlarsınız?
| Halka | Belirti | İlk kontrol |
|---|---|---|
| Erişilebilirlik | Marka arama yapan hiçbir araçta, hiçbir soruda kaynak olarak geçmiyor | robots.txt, güvenlik duvarı ve CDN ayarları, sayfaların JavaScript olmadan okunabilirliği |
| Varlık tanınırlığı | Model markayı başka bir şirketle karıştırıyor ya da “bilgim yok” diyor | Firma adının sitede, dizinlerde ve LinkedIn’de aynı yazılıp yazılmadığı; Organization ve sameAs |
| Kategori eşleşmesi | Marka adıyla sorulunca tanınıyor, kategoriyle sorulunca çıkmıyor | Ana sayfa ve hizmet sayfalarındaki kategori tanımı |
| Koşul kanıtı | Keşif sorularında var, koşullu sorularda yok | Sorulardaki koşulların sayfa metninde açıkça yazılıp yazılmadığı |
| Dış doğrulama | Model markayı temkinli ya da belirsiz anlatıyor | Bağımsız kaynaklardaki kayıtların sayısı ve tutarlılığı |
| Doğru çerçeve | Marka cevapta var ama yanlış ya da eski bilgiyle | Eski sayfalar, distribütör içerikleri, güncellenmemiş dizin kayıtları |
Kontrol baştan sona sırayla yapılmalı. İlk kopuk halka bulunduğunda, sonraki halkaların durumu ancak o halka onarıldıktan sonra doğru okunabilir.
Doğru çerçeve neden son ama en pahalı halka?
Zincirin son halkası, markanın cevaba girdiği ama yanlış anlatıldığı durumdur. Üç yıl önce bırakılmış bir ürün hâlâ önerilir, markaya hizmet vermediği bir bölge atfedilir ya da eski bir fiyat bilgisi aktarılır. Alıcı bu bilgiyle satış ekibine geldiğinde, ilk görüşme düzeltmeyle başlar. Sağlık ve regülasyonlu sektörlerde yanlış temsil, görünmemekten daha büyük bir risk taşır. Bu halka ancak cevabın içeriği okunarak ölçülebilir; yalnızca “marka geçti mi?” sayımı onu göremez.
Recro zinciri nasıl kullanıyor?
Recro İçgörü Modeli, simülasyon sonuçlarını zincir modeline göre okur. Markanın görünmediği her soru için hangi halkanın koptuğu belirlenir ve aksiyon planı zincirin başından sonuna doğru sıralanır; böylece yatırım önce en öndeki kopuk halkaya gider.
Tek simülasyon · 4 kilit sütun · 90+ adım
Recro’yu ayıran, her marka için sıfırdan kurulan dört sütundur. Dördü, 90+ adımlı tek bir simülasyonun ayaklarıdır; her sütun bir sonrakinin girdisini üretir.
- Persona oluşturucu: Markanın gerçek alıcılarını temsil eden, sektörüne ve satış yapısına özel karar verici profilleri.
- Soru oluşturucu: Bu kişilerin satın alma yolculuğunda yapay zekâya soracağı, markaya özel karar soruları.
- Rapor oluşturucu: Cevapları markanın hedefleri ve rakipleriyle birlikte, dayandıkları kaynaklarla okuyan rapor.
- Aksiyon önerisi oluşturucu: Sektöre özgü sinyal açıklarını kapatan, önceliklendirilmiş aksiyon listesi.
Zincir modelinde sütunların katkısı:
- Soru oluşturucu, zincirin farklı halkalarını sınayan soru tiplerini doğal satın alma akışına yerleştirir: Markanın adıyla sorulan varlık soruları, kategoriyle sorulan keşif soruları, koşullu eleme soruları ve riski sorgulayan doğrulama soruları. Hangi soru tipinde kopuş başladığı, kopuk halkayı gösterir.
- Rapor oluşturucu, cevapları yalnızca varlık-yokluk olarak değil, içerik olarak okur: Konuşmaya kaynak veren bağlantılar, markanın cevaba girme sırası ve anlatılan bilgilerin doğruluğu. Doğru çerçeve halkası ancak bu okumayla ölçülebilir.
- Aksiyon önerisi oluşturucu, bulguları zincir sırasına göre önceliklendirir. Teknik erişim sorunu varsa liste orada başlar; içerik ve dış kaynak aksiyonları arkadan gelir.
Ölçüm yöntemini AI görünürlüğü nasıl ölçülür yazısında anlattık.
Örnek bulgu formatı · temsili
- Belirti: Marka adıyla sorulunca tanınıyor; kategori ve koşul sorularında hiç yok.
- Kontrol: Site erişilebilir; varlık tutarlı; ana sayfa kendini “entegre çözüm ortağı” olarak tanımlıyor.
- Kopuk halka: Kategori eşleşmesi
- Aksiyon: Ana sayfa ve hizmet sayfalarında kategori tanımı alıcının kullandığı terimlerle yeniden yazılır; koşul kanıtı çalışması bundan sonra başlar.
Yönetici özeti
- Yapay zekâ cevabına girmek altı halkanın art arda sağlanmasına bağlıdır. Zincir en zayıf halkası kadar güçlüdür.
- Erişilebilirlik en sık atlanan halkadır: Tarayıcı ayarları ve CDN varsayılanları, içeriğin modele hiç ulaşmamasına yol açabilir.
- Kontrol baştan sona yapılır ve yatırım en öndeki kopuk halkaya gider. Son halka, doğru çerçeve, ancak cevabın içeriği okunarak ölçülür.
Sık sorulan sorular
Yapay zekâ tarayıcılarına izin vermek zorunda mıyız?
Hayır, bu bir tercih. Ancak arama ve cevap üretiminde kullanılan tarayıcıları engellemek, o araçlarda kaynak olarak görünmeyi büyük ölçüde engeller. Eğitim tarayıcıları ile arama tarayıcıları çoğu zaman ayrı ayrı yönetilebilir.
Sitemizin yapay zekâ tarayıcılarına açık olup olmadığını nasıl anlarız?
robots.txt dosyasındaki kurallara, güvenlik duvarı ve CDN ayarlarına ve sunucu kayıtlarında bu tarayıcıların isteklerine bakarak. Yanıt kodları 403 dönüyorsa tarayıcı engelleniyordur.
Varlık tanınırlığını güçlendirmek için ne yapılabilir?
Firma adının tüm kaynaklarda aynı yazılması, dizin kayıtlarının güncellenmesi, sitede Organization işaretlemesi ve resmi profilleri bağlayan sameAs alanı, LinkedIn şirket sayfasının sitedeki bilgilerle tutarlı olması.
Zincirin hangi halkası en hızlı onarılır?
Erişilebilirlik ve koşul kanıtı site içi düzenlemelerle görece hızlı onarılır. Dış doğrulama ve eğitim verisindeki varlık tanınırlığı zaman alır.
Zincir modeli her sektörde aynı mı?
Halkalar aynı, ağırlıkları farklı. Regülasyonlu sektörlerde doğru çerçeve, ihracatçılarda varlık tanınırlığı, profesyonel hizmetlerde dış doğrulama daha belirleyicidir.
Zincirinizin hangi halkası kopuk? Recro, markanıza özel simülasyonla görünmediğiniz her soruda kopuk halkayı bulur ve aksiyonları zincir sırasına göre önceliklendirir.
Kaynaklar
- OpenAI · Overview of OpenAI crawlers
- Cloudflare · Permission-based approach for AI crawlers (2025)
- Search Engine Journal · Query fan-out technique in AI Mode
- Google Search Central · AI features and your website
- Schema.org · sameAs
Bu yazı yapay zekâ desteğiyle hazırlanmış ve Mehmet Semih İpek kontrolünde yayınlanmıştır.
