AI Görünürlük İzleme Nasıl Çalışır? Neleri Ölçmeniz Gerekir (2026)

AI görünürlük izleme nasıl çalışır?

İzleme, dışarıdan bakınca bir gösterge paneli gibi görünür ama altında dört adımlı, tekrarlanabilir bir boru hattı vardır: sorgu seti → çalıştırma → ayrıştırma → puanlama.

Önce sabit bir soru seti tanımlanır; bu set dönemler arası karşılaştırmanın temelidir ve keyfi olarak değiştirilirse trend anlamını yitirir. Ardından bu set her motorda çalıştırılır ve dönen yanıtın ham metni, tarihi ve varsa kaynak linkleri kaydedilir. Üçüncü adımda yanıt metni ayrıştırılır: marka adı geçiyor mu, hangi cümlede, hangi sırada, hangi sıfatlarla. Son adımda bu ayrıştırma sayısal bir skora dönüştürülür.

Kritik nokta şudur: LLM yanıtları deterministik değildir. Aynı soruyu aynı gün iki kez sorduğunuzda farklı markalar farklı sırayla listelenebilir. Bu yüzden ciddi bir izleme kurulumu tek ölçüm değil, tekrarlı örnekleme yapar ve ortalamayı raporlar. Tek çalıştırmaya dayalı 'bu hafta düştük' yorumları, çoğu zaman gürültüyü trend sanmaktan ibarettir.

Neleri ölçmek gerekir? Dört temel boyut

AI görünürlüğü tek bir sayı değildir; dört bağımsız boyutun bileşimidir. Botfusions'ın AI Visibility Score'unda kullanılan ağırlıklar, boyutların ticari değeriyle orantılıdır:

Mention Rate en yüksek ağırlığa sahiptir çünkü sıfır anılma durumunda diğer üç boyut tanımsızdır: yanıt içinde hiç yoksanız sıranız, tonunuz ve alıntınız da yoktur. Position, aynı yanıt içinde ilk anılan markanın hatırlanma ve tıklanma avantajını yakalar. Sentiment, anılmanın olumlu mu yoksa 'pahalı', 'karmaşık', 'sınırlı' gibi olumsuz bir çerçevede mi yapıldığını ayırır. Citation en düşük ağırlıktadır çünkü en nadir gerçekleşen ama gerçekleştiğinde en değerli sinyaldir.

İkincil metrikler: asıl kararları bunlar verdirir

Dört temel boyut skoru üretir; kararları ise çoğunlukla aşağıdaki ikincil metrikler verdirir. Skor size 'iyi mi kötü mü' der, ikincil metrikler 'ne yapmalı' der:

• Kaynak payı (share of citation): Yanıtlarda alıntılanan URL'lerin kaç yüzdesi size, kaç yüzdesi rakibe, kaç yüzdesi üçüncü taraf liste/inceleme içeriğine ait. Üçüncü taraf payı yüksekse sorun sitenizde değil, site dışı ayak izinizdedir.
• Motorlar arası sapma: Perplexity'de görünüp Gemini'de görünmemek teknik bir sorunu işaret eder (tarayıcı erişimi, prerender, şema); tüm motorlarda görünmemek içerik ve otorite sorununu işaret eder.
• Sorgu kapsamı (query coverage): Sorgu setinizin hangi niyet kovalarında (kategori, problem, karşılaştırma, satın alma) boş döndüğü. Boş kovalar, içerik takviminizin ilk maddesidir.
• Rakip yer değiştirme: Sizin yerinize hangi marka anılıyor ve o markanın hangi sayfası alıntılanıyor. Bu, ne üretmeniz gerektiğine dair en somut girdidir.
• Değişim nedeni etiketi: Her ölçüm döngüsünde model güncellemesi, kendi yayınınız veya rakip yayını olarak nedeni etiketleyin. Etiketlenmemiş dalgalanmalar üç ay sonra yorumlanamaz.

Ölçümü bozan dört yaygın hata

İzleme kurulumlarının çoğu teknik olarak çalışır ama yanlış şeyi ölçtüğü için yanlış karar verdirir. En sık görülen dört hata:

• Markalı sorgularla ölçmek: 'Botfusions nedir?' sorusunda anılmanız beklenen sonuçtur, başarı değil. Görünürlük, marka adınızın geçmediği ticari sorgularda ölçülür.
• Tek çalıştırma ile trend iddia etmek: Olasılıksal yanıtlarda tek örnek, gürültüdür. Tekrarlı örnekleme yapılmadan haftalık karşılaştırma anlamlı değildir.
• Tek motorla yetinmek: Motorların kaynak seçimi belirgin biçimde farklıdır; tek motorlu ölçüm hem yanlış iyimserlik hem yanlış alarm üretir.
• Ölçümü uygulamadan ayırmak: İzleme aracı bir termometredir, sıcaklığı söyler ama değiştirmez. Şema, cevap-öncelikli içerik, varlık haritalama ve site dışı ayak izi olmadan skor kendiliğinden yükselmez.

Örnek kullanım: sekiz haftalık bir izleme döngüsü

Somutlaştıralım. İstanbul merkezli bir B2B SaaS ekibi, ChatGPT ve Gemini'de sektör sorgularında hiç anılmıyordu; klasik SEO organik trafiği getiriyor ama marka adı AI yanıtlarında geçmiyordu.

1-2. hafta — temel ölçüm. 60 ticari sorgu, 7 motor ve tekrarlı örnekleme ile bir temel (baseline) alındı. Mention Rate sıfıra yakın çıktı. Kaynak payı tablosu, yanıtların ağırlıklı olarak üçüncü taraf 'en iyi X araçları' liste içeriklerini alıntıladığını gösterdi.

3-4. hafta — teşhis. Boş dönen sorgu kovaları kategori ve karşılaştırma sorularıydı. Sitede bu niyetlere doğrudan cevap veren pasaj yoktu; ayrıca sayfalar istemci tarafında render ediliyordu, yani AI tarayıcıları içeriği göremiyordu.

5-7. hafta — uygulama. Statik ön-render, Organization ve FAQPage şeması, her sayfaya 40-60 kelimelik doğrudan cevap bloğu ve boş kovaları kapatan karşılaştırma içerikleri yayına alındı.

8. hafta — yeniden ölçüm. Aynı 60 sorgu, aynı metodoloji. ChatGPT mention rate %0'dan %73'e çıktı. Bir başka anonim vakada aynı yaklaşım ChatGPT + Copilot'ta %0 → %58 ve müşteri adayı başına maliyette ₺180 → ₺35 sonucu verdi; AI kaynaklı trafiğin dönüşüm oranı %4,1 ve hemen çıkma oranı organik aramaya kıyasla %23 daha düşük ölçüldü. Müşteri adları gizlilik sözleşmeleri kapsamında anonimleştirilmiştir.

Döngünün öğrettiği şey şudur: ölçüm tek başına skoru yükseltmedi; ölçümün gösterdiği boşluğu kapatan uygulama yükseltti.

Botfusions'ın yaklaşımı

Botfusions izlemeyi bir ürün değil, uygulamanın girdisi olarak konumlandırır. Farkımızı dürüstçe üç maddede özetleyebiliriz.

Kapsam. Ölçüm sekiz büyük motorda yapılır: ChatGPT, Perplexity, Gemini, Claude, Copilot, Meta AI, Google AI Overviews ve DeepSeek. Piyasadaki birçok kurulum iki-üç platformla sınırlıdır ve motorlar arası sapmayı göremez.

Metodoloji. AI Visibility Score, yukarıdaki dört boyutun ağırlıklı ortalamasıdır (Mention %40, Position %30, Sentiment %20, Citation %10). Kendi benchmark çalışmamızda 80 ticari niyetli sorgu 7 modelde test edilerek 560 veri noktası toplanmıştır; aynı metodoloji müşteri ölçümlerinde de kullanılır, yani yayımladığımız kamuya açık rapor ile size verdiğimiz rapor aynı yöntemi paylaşır.

Ölçüm → uygulama zinciri. Her ölçüm döngüsü bir eylem listesiyle biter: eksik şema, kapatılacak sorgu kovası, üretilecek cevap pasajı, kurulacak site dışı ayak izi. Botfusions bir izleme aracı değil, GEO uygulama katmanıdır; izlemeyi de bu yüzden yapar. Yalnızca gösterge paneli isteyen ekipler için piyasadaki izleme araçları makul bir seçimdir ve bizimle birlikte de kullanılabilir.

İlgili kaynaklar ve vaka çalışmaları

Bu rehberde geçen ölçüm çerçevesini derinleştirmek için:

• GEO ölçümleri ve karar çerçevesi — hangi metrik hangi kararı verdirir, önceliklendirme nasıl yapılır
• AEO araçları ne yapar, ne yapmaz — izleme, uygulama ve içerik katmanlarından oluşan yığın kurulumu
• AI görünürlük ve itibar araçları karşılaştırması — araç kategorileri ve satıcı bazlı dürüst karşılaştırma
• AI Görünürlük Benchmark Raporu 2026 — 80 sorgu, 7 model, 560 veri noktası; metodolojinin kamuya açık hâli
• Ölçüm metodolojimiz — skor hesabı ve veri toplama kuralları
• Vaka çalışmaları — anonimleştirilmiş sonuçlar ve öncesi/sonrası ölçümler
• GEO hizmeti ve ücretsiz GEO hazırlık kontrolü — ölçümü uygulamaya bağlamak isteyen ekipler için