Yapay zekâ aramalarında marka görünürlüğünü tek skora indirmek, ölçümü kolaylaştırır ama yönetim kararını zayıflatır. Bir araç markayı 78/100, diğeri 51/100 gösterir; iki sonuç da kendi yöntemine göre tutarlıdır. Asıl soru “skorumuz kaç?” değil; hangi soru setinde, hangi modelde, hangi ülkede, hangi tarihte, kaç tekrarın sonucunda ve hangi görünürlük tanımıyla ölçüm yapıldığıdır.

IAB, 3 Ağustos 2026 tarihli “Measuring Visibility in the AI Era” çalışmasında 20'den fazla şirketin AI görünürlüğü ölçümü sunduğunu ve metodolojilerin birbirinden ayrıldığını belirtiyor.[1] Çalışma görünürlüğü dört başlıkta çerçeveliyor: presence, prominence, portrayal ve persuasion. Türkçe karşılıkla bunlar markanın yanıtta bulunması, ne kadar belirgin olduğu, nasıl anlatıldığı ve karar üzerindeki muhtemel etkisidir. Bu ayrım, “adı geçti” ile “tercih edilen seçenek olarak güçlü biçimde anlatıldı” arasındaki farkı ölçmeye zorlar.

Görünürlüğün temel ölçüm birimi neden marka adı değil, soru kümesi olmalıdır?

AI araması anahtar kelime sıralamasından farklıdır; kullanıcı tam cümlelerle ihtiyaç, karşılaştırma ve kullanım bağlamı sorar. Bu nedenle marka görünürlüğünü ölçmek için önce gerçek satın alma ve araştırma sorularından oluşan bir panel gerekir. Aynı 10 markayı yüzlerce rastgele soruyla taramak yerine, markanın hedeflediği müşteri kararlarını temsil eden sınırlı ama dengeli soru kümeleri daha değerlidir.

Soru paneli en az farkındalık, problem tanımı, kategori karşılaştırması, ürün seçimi ve satın alma sonrası kullanım gibi niyetleri ayırmalıdır. “En iyi X hangisi?” tek başına ölçüm evreni olamaz. Marka kategori lideri gibi görünürken “X sorunu nasıl çözülür?” sorularında hiç yer almıyorsa keşif aşamasındaki görünürlük zayıf kalır. IAB'nin çerçevesi de ölçümün tekrarlanabilir ve karar için açıklanabilir olmasını ister.[1] Bu yüzden panelde her sorunun niyeti, hedef ülkesi, dili ve ölçüm tarihi kayıt altına alınmalıdır. Görünürlük bir ekran görüntüsü değil, tekrar edilebilir deneydir.

Aynı soruyu bir kez sormak neden güvenilir veri üretmez?

Üretken yapay zekâ yanıtları deterministik değildir. Aynı soru farklı oturumda, farklı model sürümünde veya farklı bağlamla başka markaları öne çıkarır. Tek yanıt, markanın “AI'da görünür” olduğunu söylemek için yetersizdir. Ölçüm tekrar sayısı ve oynaklığı birlikte göstermelidir. Temsili bir ölçüm tasarımında 50 soru ve her soru için 5 tekrar kullanılsın. Toplam 250 yanıt oluşur. Marka 250 yanıtın 90'ında geçiyorsa görünme oranı %36'dır: 90 / 250 = %36. Fakat 50 sorunun yalnız 18'inde en az bir kez görünüyorsa soru kapsama oranı da %36'dır. İki oranın aynı çıkması tesadüftür; farklı şeyleri anlatırlar. Birincisi yanıt frekansını, ikincisi kapsanan karar alanını gösterir. Bu sayılar benchmark değildir, ölçüm mantığını göstermek için oluşturulmuştur.

Oynaklık ayrıca raporlanmalıdır. Bir soru 5 denemenin 5'inde aynı markayı gösteriyorsa sinyal güçlüdür. 5 denemenin 1'inde görünüyorsa tek ekran görüntüsü yanıltıcıdır.

Marka adı geçmek ile belirgin görünmek arasında hangi fark vardır?

Bir yanıtta adın bulunması en düşük görünürlük seviyesidir. Marka ilk iki öneriden biri olarak mı geliyor, uzun bir alternatif listesinde son sırada mı kalıyor, yoksa yalnız kaynak bağlantısında mı görünüyor? Bu sorular prominence, yani belirginlik katmanını ölçer.[1] Basit bir ağırlıklı puan sistemi kurulur. İlk öneri 3, ikinci grup 2, yalnız yardımcı liste 1 puan alsın. 100 yanıt içinde marka 10 kez ilk öneri, 20 kez ikinci grup, 30 kez yardımcı listede yer alıyorsa toplam 100 puan elde eder: 10×3 + 20×2 + 30×1 = 100. Azami teorik puan 300 olduğundan normalize belirginlik %33,3 olur. Bu puan evrensel standart değildir; kurum içi karşılaştırma mekanizmasıdır. Kullanılıyorsa formülü sabit tutulmalı ve raporda açıkça yazılmalıdır.

IAB'nin uyarısı tam da burada önemlidir: farklı sağlayıcıların farklı model, soru evreni ve ağırlıklarla ürettiği skorlar birbirinin yerine geçmez.[1] Skor ancak yöntem sabitse trend göstergesi olur.

“Nasıl anlatılıyoruz?” metriği neden görünme oranından daha değerlidir?

Marka sık görünürken yanlış özelliklerle, eski fiyat bilgisiyle veya kategori dışı bir konumlandırmayla anlatılabilir; ölçüm bunu ayrıca yakalamalıdır. Portrayal, yani markanın nasıl betimlendiği bu nedenle ayrı ölçülmelidir. Yanıttaki marka tanımı ürün verisiyle uyumlu mu, hedef konumlandırmayı taşıyor mu, olumsuz veya belirsiz iddialar tekrar ediyor mu?

Bu alan yüzde skordan çok sınıflandırma ister. Her yanıt “doğru”, “eksik”, “yanlış”, “güncel değil” ve “riskli claim” etiketlerinden biriyle sınıflandırılır. En çok tekrar eden yanlış anlatım, SEO ekibinin değil ürün verisi, içerik ve itibar yönetiminin ortak problemi olabilir. OpenAI 24 Mart 2026'da ürün keşfi için merchant feed ve promosyon bilgilerinin ChatGPT'ye aktarılmasını genişlettiğini, Shopify Catalog dahil veri kaynaklarıyla ürün bilgisinin daha güncel taşınmasını hedeflediğini açıkladı.[4] Bu, görünürlüğün yalnız web sayfası metnine bağlı olmadığını gösteriyor. Yapılandırılmış ürün verisi ve ticari sistemlerin sağlığı da AI yanıtının doğruluğunu etkileyen yeni katmanlar hâline geliyor. Bu katmanın kendisini ürün verisinin neden yeni rekabet alanı olduğu yazısında inceledik.

Kaynak gösterimi ile marka görünürlüğü neden ayrı KPI olmalıdır?

Bir yapay zekâ yanıtı markadan söz edip markanın kendi sitesini kaynak göstermeyebilir. Tersi de mümkündür: site kaynak listesinde yer alır, fakat marka ana yanıtta görünmez. Bu iki durum farklı optimizasyon sorunlarına işaret eder. Mention, yani marka adı geçişi ile citation, yani kaynak gösterimi ayrı sayılmalıdır.

Semrush 9 Haziran 2026 tarihli “Ghost Citations” çalışmasında 115 sorgu, 14 ülke ve 4 AI motoru üzerinde yaptığı analizde çok sayıda kaynak alan adının yanıtta açık marka görünürlüğü üretmediğini gösterdi.[6] Çalışmanın örneklemi bütün web'i temsil etmez; seçilen sorgu ve araçlarla sınırlıdır. Değeri, kaynak olmanın görünür marka anlatımıyla aynı şey olmadığını ampirik olarak göstermesidir.

Kaynak oranı ölçülürken alan adı düzeyinin yanında sayfa türü de tutulmalıdır. Ürün sayfası, kategori, yardım merkezi veya üçüncü taraf inceleme sayfası farklı bilgi ihtiyacını karşılar. Marka görünür fakat sürekli üçüncü taraf kaynaklarla açıklanıyorsa owned content, yani markanın kendi içeriği yeterince alıntılanabilir olmayabilir.

Google’ın üretken AI raporu hangi boşluğu kapatıyor?

Google, 3 Haziran 2026'da Search Console için üretken AI performans raporunu duyurdu ve 31 Ağustos'ta küresel kullanıma açtı.[2] Rapor üretken AI deneyimlerinden gelen gösterimleri; sayfa, ülke, cihaz ve tarih kırılımlarında incelemeye imkân veriyor.[2] Raporun sınırı da burada başlar: tıklama ve sorgu verisi içermiyor, yalnız gösterim tarafını gösteriyor.[2] Bu veri yine de, “AI bizi söyledi mi?” ölçümünün yanına platformun kendi kaydını ekler.

Google'ın Temmuz 2026'da yayımladığı AI search optimization rehberi de üçüncü taraf araçların Google'ın dahili sıralama veya AI metriklerine erişmediğini açıkça belirtiyor.[3] Bu sınır önemlidir. Harici visibility platformu yön gösterir; Search Console ise Google ekosistemindeki gerçekleşmiş gösterim sinyalini verir. İki kaynağın adı aynı “görünürlük” olsa bile veri üretim yöntemleri farklıdır. Karar sistemi bu verileri tek sayıya ezmemelidir. AI yanıt paneli, platformun kendi ölçümü ve site analitiği yan yana tutulmalıdır.

AI yönlendirmesi iş sonucuna dönüşüyor mu, nasıl anlaşılır?

Görünürlük ticari sonucun ön koşulu olabilir; kendisi sonuç değildir. AI referanslı oturumların ürün görüntüleme, sepete ekleme, dönüşüm, tekrar ziyaret ve yeni müşteri oranı ayrı izlenmelidir. Bu trafiğin attribution tarafını AI trafiğinin e-ticarette nasıl ölçüleceği yazısında ayrıca ele aldık. Marka çok görünür olup yanlış kitle çekiyorsa trafik artarken iş kalitesi düşebilir. Adobe, 2026'nın ilk çeyreğine ilişkin ABD perakende verisinde AI kaynaklı trafiğin yıllık bazda güçlü büyüdüğünü ve AI referanslı ziyaretlerin bazı etkileşim ölçülerinde diğer trafik kaynaklarından farklı davrandığını bildirdi.[5] Adobe'nin verisi ABD'deki kendi Analytics ekosistemiyle sınırlıdır; Türkiye pazarına veya her sektöre doğrudan taşınamaz. Benzer biçimde Similarweb, Haziran 2025-Mayıs 2026 döneminde dünya genelinde AI referral ziyaretlerinin ortalama aylık 770,7 milyona ulaştığını ve yıllık %117,4 büyüdüğünü hesapladı.[7] Bu da kendi ölçüm metodolojisinin çıktısıdır.

Bu rakamların amacı “AI trafiği her marka için hızla büyür” demek değildir. AI keşfinin artık davranış analitiğinde ayrı kanal olarak takip edilmeye değecek ölçekte olduğuna işaret eder.

Görünürlük panelinde hangi metrikler birlikte tutulmalıdır?

Tek metrik yerine karar katmanları kullanılmalıdır. Üst katman AI yanıtındaki varlığı; ikinci katman anlatım kalitesini; üçüncü katman kaynak gösterimini; dördüncü katman gerçekleşen site davranışını ölçer. Her katmanın sahibi de farklı olabilir.

Ölçüm	Sorduğu soru	Veri kaynağı	Yönetim riski
Soru kapsama oranı	Kaç karar sorusunda görünüyoruz?	Sabit prompt paneli	Soru evreni kötü seçilirse yanıltır
Yanıt frekansı	Tekrarlarda ne kadar sık geçiyoruz?	Çoklu AI koşusu	Model sürümü değişimini gizleyebilir
Belirginlik	Yanıtın neresinde ve hangi rolde yer alıyoruz?	Yanıt analizi	Ağırlık formülü keyfî olabilir
Anlatım doğruluğu	Marka doğru özelliklerle mi betimleniyor?	İçerik sınıflandırması	İnsan kontrolü olmadan claim hatası kaçabilir
Kaynak oranı	Hangi sayfalar citation alıyor?	AI yanıtı ve kaynak listesi	Mention ile citation karıştırılabilir
AI gösterim	Gerçek arama davranışı var mı?	Platformun kendi raporu	Tüm AI motorlarını kapsamaz
AI referral kalitesi	Trafik ne yapıyor?	Web analitiği	Attribution sonucu abartılabilir
Ticari sonuç	Trafik değer üretiyor mu?	CRM/sipariş analitiği	Nedensellik kanıtı sanılmamalı

Rakip karşılaştırması hangi durumda anlamlı, hangi durumda gürültüdür?

Rakip görünürlüğü yalnız aynı soru evreninde ölçüldüğünde anlam taşır. Marka A için satın alma niyetli, Marka B için genel kategori sorularını kullanıp iki skoru kıyaslamak yöntem hatasıdır. Aynı prompt paneli, aynı tekrar sayısı ve aynı ülke-dil ayarı kullanılmalıdır.

Karşılaştırmanın amacı “rakibin puanı yüksek” demek değil, hangi karar sorularında sistematik olarak geride kalındığını bulmaktır. Örneğin marka ürün karşılaştırmalarında güçlü, problem çözme sorularında zayıfsa içerik açığı daha erken aşamadadır. Rakip adı raporun kahramanı yapılmaz; boşluk, müşteri kararındaki eksik kapsama olarak tanımlanır. Böylece ölçüm kopyalama listesine değil, içerik ve ürün verisi önceliğine dönüşür. Aynı boşluk üç ölçüm döneminde tekrarlanıyorsa müdahale gerekçesi güçlenir; tek koşudaki sapma ise karar vermek için yeterli kanıt sayılmaz. Rapor, farkın büyüklüğü kadar istikrarını da gösterir. Bu ayrım ekiplerin her skor değişiminde içerik stratejisini yeniden kurmasını ve gereksiz reaksiyon üretmesini büyük ölçüde engeller ve ölçüm disiplinini korur.

Ölçüm periyodu neden günlük skor takibine dönüşmemelidir?

AI yanıtları oynak olduğu için her gün skor kontrol etmek ekibi gereksiz reaksiyona itebilir. Büyük içerik değişikliği, ürün feed güncellemesi veya önemli model değişikliği yoksa haftalık veya iki haftalık tekrarlar trendi daha sağlıklı gösterebilir. Yüksek hacimli marka daha sık, niş B2B marka daha seyrek ölçebilir.

Önemli olan aynı soruları, aynı dil ve ülke parametreleriyle, mümkün olduğunca benzer model sürümünde tekrar etmektir. Model sağlayıcı sürümü değiştirirse rapora olay notu düşülmelidir. Aksi hâlde görünürlük sıçraması yapılan içerik çalışmasına yanlışlıkla yazılabilir. Semrush 26 Haziran 2026'da 126 milyon ABD AI promptu üzerinden genişletilmiş AI Visibility Index çalışmasını duyurdu.[8] Büyük örneklem trend üretmek için değerlidir; tek bir markanın kendi müşteri sorularını temsil ettiğini varsaymak doğru değildir. Pazar endeksi ile marka paneli iki ayrı ölçüm katmanı olarak kalmalıdır.

AI görünürlüğünde değişiklik yaptığınızda nedenselliği nasıl sınarsınız?

Bir içerik güncellemesinden sonra görünürlük puanı yükselirse artışı doğrudan yapılan çalışmaya yazmak doğru değildir. Aynı dönemde model sağlayıcı sürüm değiştirmiş, rakip içerik güncellemiş veya soru panelinin örneklemi değişmiş olabilir. Google'ın AI arama rehberi üçüncü tarafların Google'ın dahili model metriklerine erişmediğini açıkça belirttiği için,[3] harici skordaki hareketin nedenini kesin olarak atamak özellikle zordur.

Daha güçlü tasarım, değişen sayfalarla değişmeyen benzer sayfaları ve müdahale edilen prompt kümeleriyle kontrol kümelerini birlikte izlemektir. Temsili bir testte 40 ürün sorusunun 20'sine yeni yapılandırılmış içerik eklensin, 20'si değişmeden kalsın. Dört hafta sonra müdahale grubunda görünme oranı %25'ten %40'a, kontrol grubunda %24'ten %31'e çıkarsa ham artış 15 puandır; fakat genel ortamda 7 puanlık artış da vardır. Basit farkların farkı 8 puandır: (40−25) − (31−24) = 8. Bu hesap nedensellik kanıtı değil, platform etkisini ayırmaya çalışan temsili analizdir. Sonuç raporunda “çalışma görünürlüğü %15 artırdı” denmemelidir. Daha doğru ifade, kontrol grubuna kıyasla 8 puanlık ek hareket gözlendiği ve bunun daha uzun dönemde tekrar doğrulanması gerektiğidir. AI ölçümünde disiplin, iddiayı ölçümün kanıt gücünden daha ileri taşımamaktır.

Ölçüm setine sıfır görünürlük soruları neden özellikle dahil edilmelidir?

Sadece markanın zaten göründüğü soruları izlemek gelişimi olduğundan güçlü gösterir. Panelin bir bölümü markanın bugün hiç görünmediği fakat hedef müşterinin gerçekten sorduğu sorulardan oluşmalıdır. Bu “zero-presence” kümesi, yeni içerik ve ürün verisi çalışmalarının gerçek kapsama genişlemesi üretip üretmediğini gösterir. Temsili olarak 60 soruluk panelin 20'sinde marka hiç görünmüyorsa başlangıç sıfır-kapsama oranı %33,3'tür. Bir ay sonra aynı 20 sorunun 6'sında düzenli görünürlük oluşursa “toplam skor arttı” demekten daha eyleme dönük bir sonuç vardır: daha önce kapalı olan karar alanlarının %30'u açılmıştır, çünkü 6 / 20 = %30. Bu değer gerçek benchmark değildir. Ölçüm, ekiplerin sadece güçlü oldukları soruları optimize etmesini engeller ve büyüme boşluğunu görünür tutar.

Bu ne zaman geçersiz?

Markanın hedef kitlesi yapay zekâ aramalarını henüz anlamlı ölçekte kullanmıyorsa kapsamlı visibility altyapısı erken yatırım olabilir. AI referral oturumu yok denecek kadar az, kategori soruları nadir ve satın alma süreci tamamen kapalı bayi ağı üzerinden yürüyorsa önce temel arama, ürün verisi ve CRM kalitesi iyileştirilmelidir.

Ayrıca prompt paneli satış ekibinin kafasından üretilmişse ölçüm matematiksel olarak düzenli olsa bile yanlış şeyi ölçer. Gerçek müşteri soruları; site araması, çağrı merkezi, satış görüşmeleri, sosyal yorumlar ve arama sorgularından türetilmelidir. Ölçüm sistemi müşteri dilinden koparsa skor yükselir, marka görünürlüğü değil.

Roilab değerlendirmesi

Roilab için AI görünürlüğü bir medya metriği değil, ürün verisi, içerik, teknoloji ve ölçüm sisteminin ortak çıktısıdır. Marka nerede görünüyor, nasıl anlatılıyor, hangi kaynaklar kullanılıyor ve bu görünürlük hangi davranışa bağlanıyor soruları ayrı tutulur. Tek skor, yönetim kuruluna kolay görünür; fakat hangi ekibin neyi değiştireceğini söylemez. Karar üreten ölçüm, sayıyı büyütmekten önce yöntemi sabitler. Soru seti, tekrar sayısı, model, ülke, kaynak ve veri sınırı kayda girer. Sonra değişimin gerçekten markadan mı, platformdan mı geldiği tartışılır.

Başvurun, değerlendirelim.

Kaynaklar

[1] IAB, Measuring Visibility in the AI Era, 3 Ağustos 2026 — https://www.iab.com/guidelines/measuring-visibility-in-the-ai-era/

[2] Google Search Central, Generative AI performance reports in Search Console, 3 Haziran 2026; küresel açılım 31 Ağustos 2026 — https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports

[3] Google Search Central, AI search optimization guide, Temmuz 2026 — https://developers.google.com/search/docs/fundamentals/ai-optimization-guide

[4] OpenAI, Powering Product Discovery in ChatGPT, 24 Mart 2026 — https://openai.com/index/powering-product-discovery-in-chatgpt/

[5] Adobe, Adobe report: U.S. retailers see surge in AI traffic, but many websites are not entirely readable by machines, 16 Nisan 2026 — https://business.adobe.com/blog/ai-traffic-surge-retail-sites-not-machine-readable

[6] Semrush, Why 62% of AI citations don't lead to brand mentions (Ghost Citations Study), 9 Haziran 2026 — https://www.semrush.com/blog/the-ghost-citations-study/

[7] Similarweb, AI Referral Traffic by Industry, 3 Eylül 2026 — https://aisearch.similarweb.com/blog/ai-referral-traffic-by-industry/

[8] Semrush, Expanded 2026 AI Visibility Index analyzing 126 million AI search prompts, 26 Haziran 2026 — https://www.semrush.com/news/463141-semrush-releases-expanded-2026-ai-visibility-index-analyzing-126-million-ai-search-prompts/