LLM trafigi izleme: uc sinyal (egitim, alintilar, yonlendirmeler)
Published: May 1, 2026
LLM trafigi gercekten nedir
LLM trafigi genellikle tek bir sayi olarak tartisilir ve bu cerceveleme cogu seyi masada birakir. Kendi sitenizde, AI faaliyeti aslinda dogrudan olcebileceginiz uc farkli sinyal olarak ortaya cikar, her biri farkli bir AI davranisi tarafindan uretilir ve her biri farkli ise isaret eder. Dorduncu bir sinyal olan Share of Voice, site disinda olculur. Bu, daha az guvenilir bir performans boyutudur, ancak cogu ekibin su anda site disi gorunum icin kullandigi yaklasimdir. Ekipler AI kanal buyumesine odaklandikca, markalarin performansi olcmek icin bu uc sinyal modeli etrafinda yonelmeleri gerektigine inaniyoruz.
Her sinyal ayri ayri takip edilmeye degerdir, kullanicinin her birinin meydana geldiginde nerede oldugu siralanir: herhangi bir kullanici dahil olmadan once egitim zamani, bir kullanicinin su anda soru sordugu canli bir sohbet ve bir kullanicinin sitenizde oldugu bir tiklama. Bu uc sinyal modeli, AI’nin bir siteyle gercekten nasil etkilesime girdigini yakalar, bu da yayincilarin ve e-ticaret operatorlerinin karar vermek icin ihtiyac duydugu seydir. AI Channel Analytics‘i ayni model etrafinda olusturduk.
Tek bir sayi yerine uc sinyalde dusunmeye basladiginizda, ekiplerin en sik sordugu sorular, LLM trafiginin nasil izlenecegi, dashboard’a neyin ait oldugu ve hangi sayilarin en yararli oldugu, yanitlanmasi cok daha kolay hale gelir.
GA4 ve diger istemci tarafi analitik araclarinin bununla neden zorlandigi
Sinyallere girmeden once, mevcut analitik araclarinin neyi gosterip gosteremeyecegi hakkinda hizli bir soz. GA4 baskin aractir ve AI trafigi soz konusu oldugunda iyi bilinen sinirlari vardir. Ayni sinirlar Adobe Analytics, Mixpanel, Amplitude, Heap, Plausible, Fathom, Matomo ve gercek bir tarayicida tetiklenen bir JavaScript etiketine bagimli olan diger her arac icin gecerlidir. Neden, yapilandirilabilir olmaktan cok mimaridir, bu nedenle farkli bir arac denemek genellikle sizi ayni yere getirir.
GA4 icin tam resmi ozellikle LLM trafigi analitiklerinizdeki bir kor noktadir‘da ele aldik, bu yuzden iste kisa versiyon. Her sinyal istemci tarafi analitiklerle farkli sekilde etkilesime girer.
- Egitim taramalari gorunmez cunku botlar JavaScript calistirmaz. OpenAI, Anthropic ve Google AI egitim getirileri tasarim geregi istemci tarafi etiketleri tetiklemez. GA4, Adobe, Mixpanel, Amplitude, Heap ve Plausible ile Fathom gibi gizlilik onceki araclar, bir tarayici etiketlerini calistirmadigi surece istek loglamadiklari icin bu acigi paylasir.
- Sohbet alintilari sitenizin tamamen disinda gerceklesir. AI, sayfanizi bir kullanici adina sunucu tarafi olarak ceker ve yaniti sohbet icinde olusturur. Hicbir tarayici acilmaz, hicbir analitik olay tetiklenmez, bu nedenle bu faaliyet hicbir istemci tarafi aracta gorunmez.
- Gercek kullanici yonlendirmeleri her istemci tarafi aracta kismen gorunurdur, ancak tipik olarak 2,5x ila 5x eksik sayilir. Mobil LLM uygulamalari, dis baglantilari yonlendireni cikaran izole WebView’lerde olusturur. Gemini ve Claude, test edilen platformlarin cogunda hicbir atribusyon sinyali gecirmez. Google AI Overviews, ayirmayi zorlastiran organik arama altinda gruplanir. Ayni gruplama, okudugunuz raporun GA4, Adobe veya gizlilik onceki bir alternatif olup olmadigini gostermek icin ayni sekilde gorunur.
Cozum daha iyi bir etiket, daha temiz bir UTM stratejisi veya farkli bir istemci tarafi aracina gecmek degildir. Cozum, kenarda, kullanici ajani, dogrulanmis IP araligi ve ters DNS ile siniflandirilmis ve AI yuzeyi basina dikilmis sunucu tarafi yakalamadir. Bu, uc sinyali ayni anda gormenin tek yoludur ve trafigin geri kalani icin calismaya devam ettiginiz istemci tarafi analitik aracindan bagimsizdir.
Sinyal 1: LLM egitimi
LLM egitimi, modellerinin bir sonraki versiyonunu beslemek icin markanizi ve iceriginizi okuyan AI’dir. OpenAI, Anthropic, Google, Common Crawl ve ByteDance’in egitim tarayicilari, sayfalarinizi surekli bir zamanlamada ceker, icerigi alir ve sonraki egitim dongusune yuvarlar. Bu, sonraki her etkilesimin temelidir. Bir model sayfanizi emmemisse, sizi alintilayamaz, urununuzu oneremez ve size bir kullanici gonderemez.
Bu ayrica GA4 ve diger her istemci tarafi analitik aracinin sifir gorunurluge sahip oldugu sinyaldir. Egitim taramalari yalnizca sunucu tarafi istek loglarinizda gorunurdur.
AI egitim taramalari simdi arama motoru olceginde
Cogu ekibin gozden kacirdigi hacim baglami: Tipik bir icerik zengini sitedeki AI egitim tarama hacmi simdi onde gelen arama motorlarindan gelen tarama hacmiyle rekabet ediyor. OpenAI, Anthropic, Google, Common Crawl ve ByteDance egitim tarayicilari birlikte Google Search ve Bing’in birlesik istek hacmiyle ayni buyukluk siralamasinda istek hacmi uretiyor. Bircok sitede, AI egitim getirileri sikliginda zaten arama motoru getirilerini asiyor.
Bu artik kucuk veya yan kanal sinyali degildir. AI araclarinin markaniz hakkinda ne bildigine karar veren tarayicilar, son yirmi yildir Google Search’un markaniz hakkinda ne bildigine karar veren tarayicilarla ayni yogunlukta geliyor.
Neye bakilmali
Dogru izleme yerinde oldugunda, egitim sinyali eylem icin onemli olan birkac boyuta bolunur:
- Gunluk hacim AI motoru basina, 30 gunluk ve tum zamanlarin akan pencerelerinde.
- Egitim kapsami sitenizdeki yuksek degerli sayfalarin yuzdesi olarak, bolume gore ayrilmis.
- En cok cekilen sayfalar disari baglanti, yenileme sikligi ve hangi AI yuzeylerinin cektigi ile.
- Sayfa turu ozeti AI’nin urun sayfalarinizi mi, kategori sayfalarinizi mi, makalelerinizi mi yoksa ucunu de mi okudugunu bir bakista gorebilmeniz icin.
- AI motoru dokumu. OpenAI hakim olabilir Google’in AI egitimi sessizken; Anthropic Common Crawl katalogu ortuyorken bloglarinizla kalabilir.
- Medya turleri. Bu, cogu ekibin unuttugu boyuttur. Bunun hakkinda daha fazlasi sonraki.
Egitim verisi olarak medya: makale govdesinin otesinde
Cogu ekibin dusuncesindeki en buyuk bosluk, egitimin sadece metin olmamasidir. AI botlari ayrica goruntulerinizi, videonuzu ve sesinizi ceker. Her biri ayri bir egitim yuzeyidir ve her biri farkli sinyal degeri tasir.
Daha iyi izleme yerinde oldugunda, her AI motorunun gercekten neyi tukettigini gormek icin sayfalari sayfa olmayan medyadan ayirabilirsiniz:
Pratik anlami: alt metniniz, transkriptleriniz ve sayfa ici semaniz artik sadece SEO hijyeni degildir. Egitim girdileridir. Ne kadar net olurlarsa, bir model markanizi ve iceriginizi gelecekteki bir kullaniciya o kadar dogru sekilde temsil eder. Urun beslemelerinin ve yapilandirilmis verilerin egitim yuzeyi haline geldigi bu hikayenin Shopify tarafi Shopify Agentic Plan: Kontrolunuzun otesindeki urun verileri’nde ele aliniyor.
Onemli KPI’lar
Egitim sinyali icin dogru soru “ne kadar taraniyoruz” degil, “dogru icerik, onemli AI motorlari tarafindan yeterince sik tarandi mi” sorusudur. Ham loglardan o soruya ulasmak icin metodoloji AI bot davranisi: bir log analiz metodolojisi‘dadir.
Sinyal 2: Sohbet alintilari, gercek zamanli katman
Sohbet alintilari, bir kullanicinin canli sorusunu yanitlamak icin sohbet ortasinda sayfanizi ceken AI’dir. Bunlar ChatGPT, Claude ve Perplexity’den gelen canli getirilerdir. Her getirme, tanim olarak, birinin bir soru sordugu ve modelin sayfanizin en iyi yanit oldugune karar verdigi bir andir. Bu, soru su anda yanitlandigi icin uc sinyalin en yuksek niyetli olanidir.
Ayrica, AI’nin gorusunde hangi icerigin gercekten referans kalitesinde oldugunu kanitlayan sinyaldir. Egitim size neyin emildigini soyler. Alintilar size neyin kullanildigini soyler.
Neye bakilmali
Alinti sinyali, egitim sinyaliyle ayni boyutlar boyunca bolunur, ancak her birinin anlami degisir:
- Gunluk hacim asistan basina canli getirilerin. Belirli bir sayfadaki bir artis, genellikle bir konu haber dongusu veya yaygin olarak sorulan yeni bir karsilastirma sorusuyla iliskilendirir.
- Alinti kapsami, son penceredeki referans kaliteli iceriginizin en az bir kez cekilen payi.
- En cok cekilen sayfalar onlari ceken asistanla. Buradaki surprizler kuraldir, istisna degildir. AI’nin alintiladigi sayfalar nadiren beklediginiz sayfalardir.
- AI yuzey dokumu. Farkli asistanlar farkli iceriklere oncelik verir. ChatGPT ve Perplexity, yapilandirilmis urun ve referans icerigini tercih etme egilimindedir; Claude, uzun aciklayici yazilari tercih etme egilimindedir.
- Medya turleri. Canli alinti getirileri cogunlukla sayfalardir; goruntuler ve videolar daha az alintilanir, ancak multimodal yanitlar yayginlastikca artiyorlar.
Bu sinyal neden essiz sekilde degerli
Canli bir alinti, AI ekosisteminin urettigi bir guven oyuna en yakin seydir. Gercek bir kullanicinin onunde, “bu sayfa bu soru icin dogru kaynaktir” diyen modeldir. Sadece bir sinyal izliyorsaniz, bu olurdu.
Sorun su ki bunlarin hicbiri GA4 veya herhangi bir istemci tarafi araca gorunmez, cunku getirme sunucu tarafi gerceklesir ve kullanici asla sayfaniza inmez. Alintilari gormenin tek yolu kenardir.
Alintilar vs. Share of Voice (SOV)
Share of Voice, sunucu tarafi alintilari goremedikleri zaman cogu ekibin su anda kullandigi site disi alternatifdir. Markanizin bir temsili prompt sepetinde AI yanitlarinda ne siklikla gorundugunun bir olcumudur. Profound, Otterly, Peec, Evertune, AthenaHQ, BrandRank.AI, Ahrefs Brand Radar ve Semrush ile BrightEdge icindeki AI modulleri dahil olmak uzere artan bir arac kategorisi, ChatGPT, Claude, Gemini ve Perplexity’yi olcekte sorgular, marka bahsetmelerini sayar ve rakip bir kume karsisinda goreceli bir pay raporlar.
Yararli bir yon sinyalidir, ancak AI kanal performansini olcmek icin tercihimiz yukaridaki alinti sinyalidir, cunku getirmeyi yapan yuzey tarafindan sayfa duzeyinde gercek getirileri yakalar. SOV’un alintilarin sahip olmadigi yapisal kor noktalari vardir.
SOV olasiliksaldir, alintilar gozlemlenmistir. AI modelleri, sicaklik ayarlarina, sohbet baglamına ve gunun saatine bagli olarak ayni prompt’a farkli yanitlar verir. Ayni sorguyu iki kez calistirin ve iki farkli marka bahsetme seti alabilirsiniz. SOV araclari bunu ornekleme ve ortalama alarak hafifletir, ancak temel oynaklik gercektir ve herhangi bir tek sayinin hassasiyeti, cogu raporun onerdigi gibi daha dusuktur. Buna karsilik, alinti verileri, gercek getirilerin bir sunucu logudur: her biri oldu ve her biri sayilabilir.
SOV promptlari ornekler; alintilar gercek sohbetlere baglidir. Bir SOV araci, analistin sectigi bir prompt sepeti calistirir. Gercek kullanicilar farkli sorular, farkli sekillerde, farkli onceki baglamla sorar. Ornek, musterilerinizin gercekten sordugu seyle eslesebilir veya eslesmeyebilir ve cogu arac prompt setini seffaf hale getirmez. Canli bir alinti, tanim olarak, gercek bir soru soran gercek bir kullanicidan geldi, bu yuzden ornekleme onyargisi yoktur.
Modeller degisir. Her yeni model surumu, sistem promptu degisikligi veya geri alma degisikligi neyin alintilandigini kaydirir. Gecen ceyrekligin modellerine karsi olculen bir SOV rakami, bu ceyrekligin modellerine karsi alinandan farkli bir olcumdur ve cogu arac raporlarinda model surumlemesi konusunda seffaf degildir. Alinti faaliyeti gercek zamanli olarak ayarlanir cunku aradaki cikarim katmani olmadan dogrudan getirmeden yakalanir.
SOV’u kullanmanin en temiz yolu, ikame olarak degil, alinti sinyalinin yaninda kullanmaktir. SOV, markanizin yanitlarda ne siklikla yuzeye ciktiginin yon belirleyici, site disi bir kiyaslamasidir. Alintilar, AI’nin onlari uretmek icin gercekten hangi sayfalari kullandiginin dogrulanmis, site ici kayididir. Birlikte kullanildiginda, site disi simulasyon ve site ici gercek, her ikisinin de tek basina verdigi resimden daha tam bir resim verir.
Onemli KPI’lar
Tipik bir desen, gercek yayinci ve e-ticaret dağıtımlarından alinmistir: kucuk bir evergreen sayfa kumesi alintilarin cogunu uretirken, ana sayfa nadiren ilk 50’ye girer. Model, derin karsilastirma rehberinizin bir soruya dogru yanit oldugune karar verirse, o sayfayi haftada yuzlerce kez ceker ve ana sayfanizi hic cekmez. Bu istediginiz operasyonel sinyaldir.
Sinyal 3: Gercek kullanicilar, yuksek niyetli yonlendirme
AI motorlari arastirma motorlaridir, kesinti kanallari degil. ChatGPT, Claude, Perplexity veya Copilot’ta bir alintiya tiklayan bir kullanici zaten sorusunu sormus, yaniti degerlendirmis ve sayfanizi sonraki adim olarak secmistir. Sitenize indiklerinde, onlari kesen herhangi bir kanaldan gelen bir kullanicidan dusunce egrisinde daha ileridedirler. Dağıtımlarımızda, bu sosyal, display ve hatta sik sik odeme aramasindan daha yuksek donusum oranlari ve daha kisa dusunce pencerelerine donusur. Cerceveleme onemlidir, cunku AI tarafindan yonlendirilen kullanicilar ulastiklarinda on niteliklidir; daha genis alici yolculugu baglami icin AI bir arastirma motorudur, bir satis kanali degil‘a bakin.
Bu ayrica geleneksel bir analitik aracinin gorebildigi tek sinyaldir ve cogu ekibin “LLM trafigi” duydugunda varsayilan olarak yoneldigi sinyaldir. Aynı zamanda WebView bosluğu ve Gemini/Claude no-referrer bosluğunun GA4’i 2,5 ile 5 kat eksik raporlamasina neden oldugu sinyaldir, bu yuzden yuksek niyet, sitenizdeki diger her kanaldan daha sayisiz kalmaktadir.
Neye bakilmali
- Kaynak asistana gore oturumlar, yonlendirici basliklarina guvenmek yerine sunucu tarafi siniflandirilmistir.
- Hedef sayfa dagilimi. AI tarafindan yonlendirilen kullanicilar ana sayfaya degil, derin sayfalara inme egilimindedir.
- Kaynaga gore donusum orani, organik temel cizginize karsi karsilastirilmistir. Dağıtımlarımızda, AI tarafindan yonlendirilen donusum tipik olarak oturum basinda sosyal’dan daha yuksek calisir.
- Satin alma suresi pencereleri. ChatGPT kullanicilari ayni gun donusum egilimindedir; Perplexity kullanicilari genellikle uc ila bes gun alir; Gemini ortada oturur.
- Gelir atribusyonu. En temiz vakalar icin dogrulanmis IP-siparis eslestirmesi, geri kalan icin olasiliksal eslestirme.
LLM’lerden Google Analytics’te yonlendirme trafigi nasil olculur (durust yanit)
Kisa yanit: tamamen olcamazsiniz. UTM’ler ChatGPT’den mevcuttur ancak Gemini veya Claude’dan degildir. Yonlendiriciler masaustu tarayicilardan mevcuttur ancak mobil uygulamalarda kaldirilir. AI Overviews ayirma yetenegi olmadan organik arama altinda gorunur. utm_source=chatgpt.com ve chatgpt.com, claude.ai, perplexity.ai, gemini.google.com ve copilot.microsoft.com yonlendiricileri uzerinde filtreleyerek kismi bir resim olusturabilirsiniz, ancak gercek trafiğin yaklasik dortte birine bakacaksiniz.
Durust yanit, bu sinyali sunucu tarafi yakalamaktir. Calistirdigimiz her cihaz cihaz testiyle birlikte tam atribusyon haritasi LLM trafigi analitiklerinizdeki bir kor noktadir‘dadir.
LLM atribusyon bosluğunun en buyuk oldugu yer mobildir
Iste yonlendirme eksik sayiminin en onemli kismi: Hedef kitlenizin cogunun kullandigi cihaz, AI atribusyonunun acikça gorulmesinin en zor oldugu cihazdir. Mobil, tuketici odakli site oturumlarinin yuzde 70 ila 90’ini yonlendirir ve LLM uygulamalarinin yasadigi yerdir. Test ettigimiz platformlarda, mobil onemli olan her LLM icin en az takip edilen yuzeydir.
Yapisal neden, mobil LLM uygulamalarinin dis baglantilari, yonlendiriciyi cikaran ve oturumu onceki herhangi bir tarayici baglamından ayiran izole WebView’lerde olusturmasidir. iOS WebKit’in Akilli Takip Onleme’si, donusumun icinde gerceklesse bile WebView’in cerez kisitlamalarina tabi oldugu iPhone’da sorunu daha da kotulestiriyor.
Sonuc, gercek hedef kitle cogunlukla mobil olsa da, LLM trafigi yalnizca yonlendirme gorunumu cogunlukla bir masaustu gorunumu gibi gorunmesidir. GA4 sayilarindan cikarilan platformlar arasi karsilastirmalar, bu mobil bosluk hesaba katildiginda yorumlanmasi daha kolaydir. Masaustu senaryolari dahil tam cihaz cihaz matrisi LLM trafigi analitiklerinizdeki bir kor noktadir‘dadir.
Onemli KPI’lar
Bunun daha genis alici yolculuguna nasil uydugu hakkinda daha derin bir bakis icin AI bir arastirma motorudur, bir satis kanali degil‘a bakin. Cerceveleme onemlidir, cunku AI tarafindan yonlendirilen kullanicilar genellikle huninin ortasinda arastirmacidir ve kanali yalnizca ayni oturumdaki donusumu uzerinde yargilamak onun dusuk degerlendirilmesine yol acacaktir.
Sinyalden eyleme: LLM trafigi verilerinin etkiyi nasil yonlendirdigi
Olcum, yalnizca eyleme yol actiginda degerini kazanir. Uc sinyal birlikte takip edildiginde, capraz sinyal verilerinden iki oneri deseni guvenilir sekilde ortaya cikar, ayrica bir ekibin ne uzerinde calistigini tutabilecegi sureli bir log.
Icerik tazeligi
Son 30 gunde en cok egitim taranan URL’ler, getirme sikligina gore siralanmis. Oneri dogrudur: onlari dogru tutun, cunku modeller su anda sayfada ne varsa onu ogrenecek ve markanizi gelecekteki kullanicilara uygun sekilde temsil edecektir. OpenAI’nin gece egitim aldigi guncel olmayan bir sayfa, ChatGPT’nin bir sonraki egitim dongusu icin yanlis temsil edecegi guncel olmayan bir sayfadir.
Eylem: tekrar eden bir kadansta her ust taranan sayfayi gozden gecirin, guncel olmayan her seyi duzeltin ve neyin ne zaman gozden gecirildigine dair bir kayit tutun, boylece tazelik tek seferlik bir denetim yerine takip edilen bir is akisi haline gelir.
Taranmis ancak alintilanmamis sayfalar
AI egitim botlarinin getirdigi ancak ayni pencerede sifir alinti ve sifir yonlendirme uretmis sayfalar. E-ticaret icin urunlere ve kategorilere bolunmus, yayincilar icin makale turlerine bolunmus. Bu, alinti bosluğudur ve genellikle uzerinde harekete gecilecek en yuksek kaldirac desenidir.
Botlar sayfayi okudu. Model onu alintilamayi secmedi. Duzeltme neredeyse her zaman ayni degisiklik ailesidir: daha net basliklar, daha iyi aciklamalar, FAQ tarzi metin ve urunu, hedef kitleyi ve aciklayici soruya yaniti adlandiran JSON-LD.
Eylem: sayfayi daha alintilanabilir hale getirmek icin yeniden yazin, ardindan duzeltmeyi dogrulamak icin sonraki iki hafta boyunca o URL uzerinde alinti sinyalini izleyin.
Capraz sinyal eylem haritasi
Uc sinyalin tumunu yakaladiginizda, dort desen ortaya cikar ve her biri belirli bir ise isaret eder. Her hucre, o sinyalin aktif (sayfa orada gorunuyor), eksik (sinyal yok), zayif (sinyal var ancak yetersiz performans gosteriyor) veya soru desen icin gecerli olmadiginda uygulanamaz olup olmadigini gosterir.
“LLM trafigi verileri eylem yonlendirir” derken kastettigimiz budur. Uc sinyal yan yana oturdugunda, her desen belirli bir is turune isaret eder, boylece bir ekip bu hafta gonderilecek bir degisikligi onceliklendirebilir ve gelecek hafta etkiyi kontrol edebilir.
Egitim ve alintilar icin icerik kapsaminizi nasil karsilastirilir
Google Search caginda, indeksleme temel saglik metrigiydi. Bir sayfa siralanabilmeden, tiklama kazanabilmeden veya donusum yapabilmeden once, indekste olmaliydi. Kapsam, LLM cagi icin ayni metriktir ve sinyallerden herhangi birine katlanmadan kendi seyi olarak izlenmeyi hak eder.
Kapsam, AI’nin gercekten okudugu ve kullandigi onemsediginiz icerigin yuzdesidir. AI kanali icin kuzey yildizi numarasina en yakin seydir cunku diger her sinyalin akis yukarisinda yer alir. Bir model sayfanizi emmemisse, AI onu alintılayamaz. Bir sayfa hic alintilanmamissa, AI oraya bir kullanici gonderemez. Kapsam, huninin geri kalaninin bile mumkun olup olmadigina karar veren kapidir.
Kapsami kendi metrigi olarak ele almak, uc sinyalin herhangi birinden ayri olarak, AI kanalini, organik aramaya asina ekiplerin zaten anladigi bir sekilde olculebilir hale getirir. Soru “tarand mi” yerine “dogru icerigin yetecek kadari yaniti karsiliyor mu” haline gelir. Kapsam, ilk iki sinyal boyunca temiz bir sekilde bolunur.
Egitim kapsami karsilastirma
Once kayit icerik evreninizi tanimlayin. Bir e-ticaret ekibi icin bu tipik olarak tum aktif urun sayfalari, tum kategori sayfalari ve tum evergreen rehberlerdir. Bir yayinci icin makale arsivi artı referans ve konu inis sayfalaridir. Evren, paydadir.
Sonra sorun: son 30 gunde, bu URL’lerin yuzde kaci ana AI motorlarindan herhangi birinden dogrulanmis bir egitim tarayicisi tarafindan en az bir kez cekildi? Bu sizin 30 gunluk egitim kapsaminiz. Makul dahili baglanti ve temiz bir site haritasi olan saglikli bir site yuzde 90 veya daha yuksek calismalidir. Bunun altinda, kesfedilebilirlik sorununuz var: botlar envantarinizin anlamli bir kesimi bulamiyor veya ona donmuyor.
Sonra ayni sayiyi AI motoruna gore bolun. Motor basina kapsam, kaldiracin yasadigi yerdir. OpenAI yuzde 95’i kapsayabilir, Google yuzde 40’i kapsar, Anthropic yuzde 70’i kapsar. Bu yayilma, yuzeye ozel erisime nereye yatirim yapacaginizi (robots.txt incelemesi, site haritasi gonderme, yapilandirilmis veri iyilestirmeleri) ve gelecekteki bir kullanici sordugunda hangi modellerin markanizi dogru veya kotu temsil edecegini tam olarak soyler.
Alinti kapsami karsilastirma
Alinti kapsami ayni sekilde olusturulur ancak daha dar bir paydaya karsi: referans kalitesi iceriginiz, AI’nin sitenizi dogru anladiginda alintilamasini bekleyeceginiz sayfalar. Bir e-ticaret ekibi icin bu tipik olarak rehberler, karsilastirmalar ve FAQ tarzi icerikler, urun sayfalarinin kendileri degil. Bir yayinci icin evergreen ve referans makaleleridir.
Sorun: son 30 gunde, bu referans URL’lerin yuzde kaci ChatGPT, Claude veya Perplexity’den en az bir canli getirme aldi? Bu sizin 30 gunluk alinti kapsaminiz. Referans icerigi iyi yapilandirilmis, iyi baslikli ve JSON-LD ile zenginlestirilmis bir site yuzde 60 ila 80 calismalidir. Yuzde 40’in altindaki bir alintilanabilirlik sorunu, neredeyse her zaman daha net basliklar, daha iyi aciklamalar, FAQ tarzi metin ve daha fazla yapilandirilmis veri ile cozulebilir.
Sonra asistana gore bolun. ChatGPT cogu sitede hacmi domine edecek; Claude, dogrulanamayan bot trafigi ile dogru sekilde basa cikmayan herhangi bir araçta yetersiz temsil edilecektir; Perplexity yapilandirilmis urun ve referans iceriginde asiri indekslenecektir.
Genel olarak saglikli nasil gorunur
Kesin esikler arsiv derinligi, icerik karisimi ve kitleye gore degisir, ancak saglikli bir profilin deseni yayinlanmak icin yeterince tutarlidir:
- Egitim kapsami ilk 100 sayfaniz: 30 gunluk bir pencerede yuzde 100’e veya yakininda, en az uc ila dort AI motoruyla aktif olarak getirme.
- Alinti kapsami referans kaliteli iceriginiz: 30 gunluk bir pencerede yuzde 60 ila 80. Yuzde 40’in altinda basliklarda, aciklamalarda ve yapilandirilmis verilerde alintilanabilirlik bosluklarina isaret eder.
- En cok alinti yapilan sayfalar: evergreen, derinlikli, referans kaliteli icerik. Ana sayfa ilk 20’de olmamali.
- Alinti yogunlugu: ilk 30 sayfanizdaki tum alintilarin yuzde 60 ila 80’i normaldir. Yalnizca ilk 5 uzerinde yogunlasma, referans yuzeyinizin cok dar oldugu anlamina gelir. Sayilariniz bu desen ile keskin bir sekilde ayrilirsa, tani genellikle yapilandirilmis veri bosluklari, modelin alintilanabilir kabul etmedigi icerik veya dahili baglanti ve site haritalarinin duzeltebilecegi bir kapsam sorunudur.
Bunlardan herhangi birinden once AI gorunurlugu hakkinda temel primer icin AI gorunurlugunu anlamak‘a bakin. Uc sinyal modeline net bir sekilde eslesen yedi KPI cercevesi icin AI performans metrikleri: her markanin izlemesi gereken yedi KPI‘a bakin.
Tahmin etmeyi birakin, etkinlestirmeye baslayin
LLM trafigi tek bir sayi olarak raporlandiginda, cok yararli baglam kayboluyor. Guclu icerik gercekte oldugundan daha sessiz gorunebilir cunku etkisinin cogu analitik aracin disinda dusuyor. Vaat edici performansi kazanan akis yukari faaliyetine geri izlemek zordur. Ekipler, dogrudan olanlar henuz gorunmedigi icin dolayli sinyallere yaslanir.
Sitenizdeki uc sinyal o resmi doldurur. Egitim size AI’nin markaniz ve iceriginiz hakkinda neyi emdigini gosterir. Alintilar size AI’nin gercek sorulari gercek zamanli yanitlamak icin hangi sayfalara ulastigini gosterir. Yonlendirmeler size AI’nin gonderdigi yuksek niyetli kullanicilari gosterir. Uc sinyalin tumunun akis yukarisinda kapsam yer alir, indekslemenin LLM cagi karsiligi ve huninin geri kalaninin bile mumkun olup olmadigina karar veren kapi.
Birlikte okundugunda, uc sinyal bir ekibe her hafta uzerinde harekete gecilecek net bir capraz sinyal deseni verir. AI superyildizlari korunmasi gereken sayfalardir, alinti bosluklari yeniden yazilmasi gereken sayfalardir, tiklama sorunlari yukleme hizina ve snippet cercevelemesine isaret eder ve kapsam bosluklari kesfedilebilirlige isaret eder. Site disinda, Share of Voice, AI yanitlarinda gerceklesen sohbetler icin yararli bir yon belirleyici karsilastirmadir, ancak gercek performans etkisini olcmek icin, site ici uc sinyal modeli, markalarin AI kanal buyumesine yatirim yaparken etrafinda yonelmeleri gerektigine inandigimiz seydir.
Birlikte, AI kanalini tahmin edilecek bir seyden, ekibinizin guvenle planlayabilecegi, olcebilecegi ve uzerinde harekete gecebilecegi bir seye donusturuyorlar.
Uc Sinyal Tek Bir Panoda
Asagidaki pano, uc site ici sinyali tek bir gorunumde toplar; icerik kapsami yukari akis kapisi olarak yan yana izlenir. Egitim taramalari sayfa basina iner, alintilar motora gore ayrilir ve yonlendirmeler uctan uca gelire kadar atfedilir.