Bu rehberde, sitenin teknik mimarisini LLM’lerin okuma–anlama–alıntılama davranışına göre nasıl kurman gerektiğini anlatıyorum. Amaç: içeriğinin yalnızca indekslenmesi değil, AI yanıtlarında kullanılabilir ve referanslanabilir hale gelmesi.

Yönetici Özeti: SGE/AI Overviews çağında LLM görünürlüğü; keşif, anlama ve kaynak seçimi için doğru site mimarisi, schema, llms.txt ve parçalanabilir içerik bloklarıyla kurulur.

SGE / AI Overviews hangi siteleri daha kolay kullanır?

AI Overviews çoğu zaman “en uzun” içeriği değil, en iyi yapılandırılmış ve en kolay alıntılanabilir içeriği tercih eder. Öne çıkan sinyaller şunlardır:

• Net soru–yanıt kurgusu (Answerability)
• Tutarlı başlık hiyerarşisi (H1–H2–H3)
• Varlıkların (entity) açık tanımı ve ilişkilerinin netliği
• Kısa, tek fikirli ve kaynaklanabilir paragraflar
• Temiz HTML ve hızlı sayfa deneyimi
• Tutarlı schema.org/JSON-LD katmanı
• Güçlü iç link ağı ve konu kümeleri (topic cluster)

Geleneksel SEO vs SGE Optimizasyonu

LLM’ler için teknik site mimarisinin 6 temel katmanı

1. Bilgi mimarisi: Hub → Cluster → Support

LLM görünürlüğü için içerik rastgele blog yazılarından oluşmamalı. En azından şu yapı gerekir:

• Hub: Ana konu sayfası (ör. “LLM Visibility / LLM-SEO”)
• Cluster: Hub’ı besleyen alt rehberler (SGE, entity graph, schema, FAQ, ölçümleme)
• Support: Sık sorular, kısa rehberler, checklist’ler ve örnekler

Bu yapı hem kullanıcı hem de sistemler için “konu derinliği” üretir. Sonuçta site, “tekil yazılar” değil, bir “bilgi haritası” gibi görünmeye başlar.

2. İç linkleme: Anlam ağı (Entity Graph) kurmak

LLM’ler tek sayfa okumuyor; sitenin genel tutarlılığını tarıyor. İç linkleme, klasik “SEO linkleme” değil; anlamsal bir navigasyon olmalı.

• Her cluster yazı, hub sayfaya dönmeli
• Her yazı en az 3–5 ilgili yazıya bağlanmalı
• Link metinleri “anlam taşımalı” (genel ifadeler yerine net kavram)

Bu yaklaşımı özellikle “Entity Graph (Varlık Ağı)” yazılarınla birlikte bir standart haline getirmen, sitenin “tekil içerik” değil “tutarlı varlık” olarak algılanmasını güçlendirir.

3. HTML yapısı: Parçalanabilir içerik üretmek

AI sistemleri içeriği bloklara böler ve “en işe yarar parçayı” seçer. Bu yüzden sayfayı şöyle kurgulamak gerekir:

• Her H2 altında tek amaç
• Paragraflar kısa ve tek fikirli
• Listeler ve tablolar (özellikle kıyas tabloları) kontrollü ve okunabilir
• Gereksiz görsel şişkinliği ve karmaşık HTML yok

Pratik kural: Bir paragraf tek başına alındığında bile anlamlı olmalı.

4. Schema.org + JSON-LD: Makine okur katmanı

Schema, LLM görünürlüğünde iki kritik şeyi güçlendirir: varlık netliği ve bağlam.

Minimum set:

• Organization / LocalBusiness (Upper4AI)
• WebSite + SearchAction
• WebPage
• BlogPosting (her yazıda)
• BreadcrumbList
• Uygunsa FAQPage

Buradaki kritik nokta “eklemek” değil; @id mantığının tutarlı olması, sameAs alanlarının doğru olması ve sayfalar arası bütünlüğün korunmasıdır. “JSON-LD: İnsan Dilinden Makine Anlamına Çeviri” yazına burada mutlaka iç link ver.

5. llms.txt + sitemap + robots: Keşif kanalını optimize etmek

Yeni nesil yapay zekâ sistemleri ve tarayıcılar için keşif maliyetini düşürmek büyük fark yaratır.

llms.txt konusunda somut not:
llms.txt, sitenizin kök dizininde yer alan ve LLM’lerin (ChatGPT, Perplexity vb.) sitenizi saniyeler içinde anlamasını sağlayan bir markdown özetidir. Amaç “mucize” değil; önemli sayfaları ve sitenin odak alanını net bir şekilde işaretlemektir.

Bunun yanında:

• sitemap.xml güncel, temiz ve doğru URL’leri içermeli
• robots.txt kritik sayfaları yanlışlıkla engellememeli

6. E-E-A-T + kanıt yapısı: Kaynak olarak seçilmek

AI Overviews, emin olmadığı içeriği alıntılamak istemez. Bu nedenle “güven” katmanı, artık teknik mimarinin parçasıdır.

• Yazar/kurum bilgisi şeffaf olmalı
• İddialar ölçülebilir veya gerekçeli olmalı
• Gerektiğinde seçici dış kaynak verilmelidir
• Güncelleme tarihi, sürüm mantığı ve içerik kapsam sınırları net olmalıdır

Bu kısmı “E-E-A-T ve LLM Performansı” yazına bağlaman, seri bütünlüğünü güçlendirir ve okuyucuyu doğal akışla derinleştirir.

Uygulanabilir checklist

• Hub–cluster yapı kuruldu mu?
• Her yazı hub’a bağlanıyor mu?
• İç linkler semantik mi ve yeterli mi?
• H2 blokları tek amaçlı mı?
• Paragraflar alıntılanabilir mi?
• BlogPosting JSON-LD var mı?
• Organization + WebSite schema tutarlı mı?
• sitemap.xml güncel mi?
• llms.txt hazır mı?
• Yazar/kurum + güncelleme alanları var mı?

SGE / AI Overviews çağında rekabet “kim daha çok yazdı” değil; “kim daha net, daha güvenilir ve daha kullanılabilir bilgi üretti” üzerinden yürüyor. Teknik site mimarisi, LLM görünürlüğünün altyapısıdır: içeriğinin bulunmasını, anlaşılmasını ve gerektiğinde kaynak olarak seçilmesini kolaylaştırır.

Bu içerik, Upper4AI Dijital Görünürlük Projesi kapsamında hazırlanmıştır.

SEO’nun Kırılma Noktası

Arama motoru optimizasyonu (SEO), tarihsel bir dönüşümden geçiyor. Artık yalnızca “mavi linkler” için rekabet etmiyoruz; Google’ın AI Overviews (SGE) sistemi ve diğer büyük dil modelleri, kullanıcı sorularına doğrudan yanıt üretirken hangi kaynakları temel alacağını seçiyor.

Bu yeni düzende görünürlük;

• “Tık aldım mı?” sorusundan,
• “Doğru anlaşıldım mı?” sorusuna evriliyor.

1. Yeni “Sıfırıncı Pozisyon”: AI Overviews ve GSC Sinyalleri

Eskiden SEO’nun zirvesi Featured Snippet’tı. Bugün bu rolü AI Overviews üstleniyor. LLM’ler, kullanıcıya yanıt verirken siteleri birincil kaynak, dipnot veya referans kartı olarak kullanıyor.

GSC’de Bu Etkiyi Nasıl Okursunuz?

Google Search Console henüz “Bu trafik yapay zekâdan geldi” diye ayrı bir metrik sunmuyor. Ancak dolaylı sinyaller vardır:

• Yüksek Gösterim – Düşük CTR: Ortalama konumunuz 1–3 aralığında olmasına rağmen tıklama oranı düşüyorsa, yanıtın büyük kısmı AI tarafından doğrudan SERP’te sunuluyor olabilir (zero-click davranışı).
• Sohbet Diliyle Yazılmış Sorgular: “Benim için en iyi…”, “X yaparsam ne olur?” gibi uzun ve konuşma diline yakın sorguların artması, içeriğinizin LLM yanıt havuzuna girdiğine işaret eder.

Bu sinyaller, LLM görünürlüğünü tam olarak ölçmez; yalnızca Google ekosistemindeki etkisini dolaylı olarak gösterir.

2. Google Search Console’un Gerçek Rolü: Teşhis Katmanı

Burada kritik bir ayrım yapmak gerekir: LLM’ler Google Search Console’a bakmaz. Ancak Search Console, LLM’lerin bir siteyi sağlıklı okuyabilmesi için gereken teknik zeminin doğru olup olmadığını doğrular.

GSC şu sorulara cevap verir:

1. Sayfa taranabiliyor mu?
2. Dizine ekleme, canonical ve robots ayarları temiz mi?
3. Yapılandırılmış veriler okunabiliyor mu?

Eğer bu katmanda sorun varsa LLM’ler içeriği hiç görmeyebilir ya da eksik/hatalı görür. Bu nedenle GSC, LLM görünürlüğünün kendisi değil, ön koşuludur.

3. Google-Extended ve İzin Yönetimi (Stratejik Karar)

LLM uyumu yalnızca içerik meselesi değildir; aynı zamanda izin meselesidir. Googlebot, sitenizi arama sonuçları için tarar. Google-Extended ise Google’ın yapay zekâ modellerinin (Gemini, Vertex AI) eğitiminde kullanılan ayrı bir kullanıcı aracısıdır.

İçeriğinizin AI eğitiminde kullanılmasını istemiyorsanız:

User-agent: Google-Extended
Disallow: /

Stratejik Not: Google-Extended bir “SEO ayarı” değildir. Bu tercih, içerik varlığınızın yapay zekâ ekosisteminde nasıl konumlanacağını belirler. AI Overviews içinde kaynak olarak görünmek isteyen sitelerin, bu erişimi bilinçli biçimde değerlendirmesi gerekir.

4. İçerik Stratejisi: Information Gain (Bilgi Kazanımı)

LLM’ler mevcut bilgiyi özetlemekte iyidir; ancak aynı şeyi tekrar eden içerikleri referans almaz. Google’ın yeni patentlerinde sıkça geçen Information Gain kavramı burada devreye girer.

GSC ile Nasıl Uygulanır?

1. GSC’de en çok gösterim alan sayfaları belirleyin.
2. Bu sayfaları rakiplerle karşılaştırın.
3. Eğer aynı bilgiyi tekrar ediyorsanız, LLM sizi kaynak seçmez.
4. Özgün veri, deneyim veya yeni bir bakış açısı ekleyin.

LLM’ler “yeni bilgi” sunan kaynakları tercih eder.

5. “Yanıt Motoru” Optimizasyonu (AEO) ve Regex Analizi

LLM’ler soru-cevap formatını sever. GSC Performans raporunda Regex filtreleriyle hangi sorulara yanıt verdiğinizi görebilirsiniz.

Örnek Regex:

^(kim|nedir|ne zaman|nerede|neden|nasıl|hangisi|ne kadar|farkı ne)

Eylem Planı:

• Bu sorguları filtreleyin.
• Yanıtları sayfa girişinde 2–3 cümleyle net biçimde verin.

Bu adımlar taktik seviyededir. Asıl etki, bu yanıtların bütüncül içerik mimarisiyle tutarlı olmasına bağlıdır.

6. Yapısal Veri (Schema) ile Bağlam Yaratmak

LLM’ler metni okuyabilir; Schema ise içeriğin ne olduğunu kesinleştirir.

• Product Schema: Fiyat, stok, teslimat bilgileri.
• FAQ / How-To: Adım adım talimatlar.
• Author (Person): E-E-A-T için yazar kimliği.

Kritik Fark: Schema mucize yaratmaz; ama LLM’lerin tahmin etme ihtiyacını azaltır ve kesin bilgiye yönlendirir.

7. Gelecek Perspektifi (Temkinli Bakış)

Google Search Console sürekli evriliyor. İleride şunlar görülebilir:

• AI Overviews’ta kaynak gösterim sayıları.
• Sohbet bazlı yönlendirmeler.
• Semantik otorite metrikleri.

Ancak bugün yapılması gereken, geleceği beklemek değil, mevcut sinyalleri doğru yorumlamaktır.

Beklemek Yerine Anlamlandırın

Google Search Console size bir sayfanın var olduğunu söyler. Ama ne olduğunu söylemez. LLM çağında görünürlük:

• Tarandım mı? → Yeterli değil.
• Dizindeyim mi? → Yeterli değil.
• Doğru anlaşıldım mı? → Asıl soru bu.

Eyleme Geçin Siteniz Search Console’da “temiz” görünebilir. Peki ChatGPT ve Gemini sizi doğru tanıyor mu?

Upper4AI Dijital Varlık Analizi ile Google altyapınızı ve LLM uyumunuzu birlikte değerlendirelim.

Dijital pazarlamanın en köklü kurallarından biri değişti.
“En yakın kebapçı” araması, yerini şu soruya bıraktı:

“Bu bölgede misafir ağırlayabileceğim, sakin ve puanı yüksek bir yer öner.”

Yıllardır yerel işletmeler için başarının ölçütü Google Haritalar’da (Local Pack) ilk 3 sırada yer almaktı. Ancak yapay zekâ çağında (LLM Era), kullanıcılar artık sadece bir adres listesi değil; seçilmiş, doğrulanmış ve gerekçelendirilmiş öneriler istiyor.

Eğer işletmeniz Google Haritalar’da yer alıyor ama ChatGPT, Gemini veya Perplexity’nin öneri listelerinde görünmüyorsa, sorun SEO değil; dijital varlık (entity) inşasıdır.

Yerel Görünürlük Artık Ne Anlama Geliyor?

Geleneksel Local SEO yaklaşımı, işletmeyi harita üzerindeki bir “pin” olarak ele alır. Amaç, bu pini arama yapan kişiye göstermektir.

LLM (Büyük Dil Modeli) sistemleri için yerel görünürlük ise çok daha farklı bir kavramdır.

Klasik SEO: Anahtar kelime + konum
LLM görünürlüğü: Anlamsal bağlam + güven sinyalleri + varlık tutarlılığı

Bir yapay zekâ modeli sizi sadece haritada bulunduğunuz için önermez. Web üzerinde sizinle ilgili dolaşan verileri toplar, bu verilerin birbiriyle tutarlı olup olmadığına bakar ve sizi anlamlı bir entity (varlık) olarak tanımlayabiliyorsa öneri listesine dahil eder.

Bu nedenle haritada görünmek ile yapay zekâ tarafından önerilmek artık iki ayrı disiplindir.

ChatGPT ve Gemini Yerel İşletmeleri Nasıl Tanıyor?

Bir kullanıcının
“İzmir Alsancak’ta en iyi kahveci hangisi?”
sorusuna cevap verebilmesi için LLM’lerin elinde işletmeye ait yapılandırılmış bir bilgi seti bulunmalıdır.

Bu noktada sistemler şunları sorgular:

Bu işletme gerçekten bu konumda mı? (harita verisi)
Bu işletme hakkında web üzerindeki diğer kaynaklar ne söylüyor? (web verisi)
Sunulan hizmetler kullanıcının ihtiyacıyla örtüşüyor mu? (içerik ve bağlam)

Kritik nokta şudur:
Harita verisi tek başına bir bilgi kaynağı değildir; yalnızca konum doğrulayıcıdır.

LLM’ler, işletmenin ne olduğunu ve neden önerilmesi gerektiğini anlayabilmek için harita kaydından çıkarak web sayfasına yönelir. Eğer bu sayfa teknik olarak okunabilir değilse veya hiç yoksa, sistem yanlış bilgi üretme (hallucination) riskini almamak için işletmeyi önermez.

Google İşletme Profili (GİP) Neden Tek Başına Yetersiz?

Google İşletme Profili, yerel SEO’nun temelidir; ancak bir web sitesi değildir.
GİP, Google ekosistemi içinde duran izole bir listeleme kartıdır.

Bu durum LLM’ler açısından üç temel boşluk yaratır:

Sınırlı bağlam: Karakter ve alan kısıtları, işletmenin uzmanlığını ve farkını anlatmak için yetersizdir.
Mülkiyet sorunu: GİP verisi Google’a aittir; farklı LLM sistemleri bu veriye her zaman erişemez veya güvenmez.
Doğrulama eksikliği: Web üzerinde destekleyici bir kaynak yoksa, bu bilgiler doğrulanmamış iddia olarak değerlendirilir.

Özetle:
GİP bir listeleme aracıdır; bir varlık inşa aracı değildir.

Alt Sayfa (Entity Page) Neden Kritik?

Bir işletmeyi yapay zekâya güvenilir bir entity olarak tanıtmanın en sağlam yolu, o işletmeye özel hazırlanmış bir alt sayfa oluşturmaktır.

Bu sayfa sıradan bir iletişim veya hakkımızda sayfası değildir.
İşletmenin dijital kimlik kartıdır.

Bu sayfada:

GİP ile birebir eşleşen NAP (isim, adres, telefon) bilgileri yer alır.
İşletmenin ne yaptığı, kime hizmet verdiği ve uzmanlık alanları açıkça tanımlanır.
Harita sinyali (geçici) ile web varlığı (kalıcı) birbirine sabitlenir.

Tek şubeli veya çok şubeli olmanız fark etmez.
Her lokasyonun, kendini açıkça tanımlayan ve harita kaydıyla konuşan bir entity sayfasına ihtiyacı vardır.

Harita + Web + Schema Birleşince Ne Olur?

Upper4AI yaklaşımında LLM uyumlu yerel görünürlük üç temel bileşen üzerine kurulur:

Google İşletme Profili: Fiziksel varlığın kanıtı
Özel alt sayfa: Anlamsal bağlamın merkezi
Schema.org: Makine dilinde güven köprüsü

Schema işaretlemesi, özellikle LocalBusiness, address ve hasMap alanlarıyla yapay zekâya şu mesajı verir:

“Bu web sayfası ile bu harita konumu aynı varlıktır.
Bilgiler tutarlı ve doğrulanabilirdir.”

Bu yapı sayesinde, yalnızca puanı yüksek olan işletmeler değil; dijital kimliği en net tanımlanmış olanlar önerilmeye başlar.

Yerel Görünürlükte Yeni Dönem: Listelemeden Anlama

Dijital dünyada artık iki kavram net biçimde ayrışıyor:

Bulunmak (findability)
Seçilmek (selectability)

Dün, arama sonuçlarında listelenmek yeterliydi.
Bugün ise yapay zekâ tarafından anlaşılan ve güvenilen bir marka olmak zorunlu.

SEO bitmedi; şekil değiştirdi.
Artık amaç algoritmaları zorlamak değil, onlara işletmenin kim olduğunu en net ve teknik biçimde anlatmaktır.

Yorum istemek, fotoğraf yüklemek ve Google İşletme Profilini güncel tutmak hâlâ gereklidir; ancak yeterli değildir. Yapay zekâ çağında yerel görünürlük, harita kaydının güçlü bir web altyapısı ve doğru schema kurgusuyla desteklenmesini zorunlu kılar.

Yerel işletmeler için gelecek, listelemede değil; anlamda ve tutarlılıkta yatıyor.

Bu içerik, Upper4AI Dijital Görünürlük Projesi kapsamında hazırlanmıştır.