BIST 100 Şirketlerinde Wikidata Tutarlılığı: Site, Wikidata ve Wikipedia Birbirini Doğruluyor mu?

Kısa cevap: büyük ölçüde hayır. Eylül 2026 itibarıyla KAP'ın BIST 100 listesindeki 100 şirketin 61'inin Wikidata'da kendine ait bir öğesi var ve bu öğelerin 51'inde resmî site adresi doğru. Buna karşılık ana sayfası okunabilen 90 kurumsal sitenin hiçbiri, Organization şemasındaki sameAs alanıyla Wikidata'ya bağlanmıyor. Kayıtlar şirketleri tanıyor, şirketler kayıtları tanımıyor.

Bu rapor, Sheltron'un Eylül 2026'da kendi topladığı ham veriye dayanıyor. Türkiye'nin en büyük 100 halka açık şirketinde, yapay zekâ sistemlerinin bir markayı tek bir varlık (entity) olarak tanıması için gereken üç yüzeyin birbirine bağlanıp bağlanmadığını ölçtük: kurumsal site, Wikidata ve Wikipedia. Bu bağlantı önemli, çünkü dil modelleri az bilinen varlıklarda belirgin biçimde daha az doğru bilgi veriyor. Head-to-Tail çalışmasında GPT-4'ün olgusal doğruluğu en bilinen varlıklarda %40,3 iken az bilinenlerde %19,0'a iniyor.

Öne çıkan bulgular (Eylül 2026, n = 100):

• 61 şirketin kendi Wikidata öğesi var; 9 şirkette yalnız grubun, markanın ya da bir santralin öğesi bulunuyor; 30 şirket için dört arama yolunda öğe bulunamadı.
• Öğesi olan 61 şirketin 51'inde (%83,6) Wikidata'daki resmî site KAP'taki alan adıyla eşleşiyor.
• 57 şirketin kendi öğesine bağlı en az bir Wikipedia maddesi var; 43 şirketin yok.
• Okunabilen 90 kurumsal sitenin 22'sinde Organization şeması var, hiçbirinde sameAs Wikidata'yı göstermiyor. 83 sameAs bağlantısının 82'si sosyal medya.
• Site, Wikidata ve Wikipedia'yı doğru biçimde birbirine bağlayan şirket sayısı 0.

Wikidata ve Wikipedia herkesçe düzenlenebildiği, endeks bileşimi de dönemsel olarak değiştiği için tüm rakamlar Eylül 2026 sonundaki durumu gösterir.

BIST 100 şirketlerinin kaçı Wikidata'da kendi kaydıyla var?

Eylül 2026 itibarıyla BIST 100'ün 61 şirketinin Wikidata'da kendine ait bir öğesi var. Dokuz şirkette yalnız ana grubun, markanın ya da bir santralin öğesi bulunuyor; 30 şirket için dört farklı arama yolunda hiçbir öğe bulunamadı. Yani endeksin beşte ikisi, açık bilgi grafiğinde ayrı bir şirket kaydıyla görünmüyor.

Wikidata'nın ölçeği düşünüldüğünde bu açık dikkat çekici. Wikidata API'sine göre Eylül 2026'da platformda 123.507.028 öğe var ve kayıtları 43.387 aktif kullanıcı düzenliyor. Kayıt eşiği de yüksek değil: Wikidata'nın önemlilik ölçütlerine göre bir öğe için geçerli bir Wikimedia site bağlantısı, ciddi ve herkese açık kaynaklarla tanımlanabilen bir varlık olmak ya da yapısal bir ihtiyacı karşılamak koşullarından birini sağlamak yeterli. KAP'ta kaydı olan halka açık bir şirket ikinci koşulu rahatlıkla karşılayabilir.

Dolaylı kayıt neden yetmez?

Dokuz şirketin durumu ayrı bir risk taşıyor. Borusan Birleşik Boru ile Borusan Yatırım için yalnız Borusan Holding öğesi, Zorlu Enerji için Zorlu Holding öğesi, MLP Sağlık için Medical Park marka öğesi, Çan2 Termik için ise santralin kendi öğesi bulunuyor. Eczacıbaşı İlaç, Altınay Savunma, DAP Gayrimenkul ve Işıklar Enerji'de de tablo benzer. Bu durumda bir yapay zekâ sistemi, borsada işlem gören tüzel kişiyle grubu ya da markayı aynı varlık sayabilir. Grubun kuruluş yılı, merkezi veya çalışan sayısı listelenen şirketin bilgisiymiş gibi aktarılabilir.

Kaydı bulunamayan şirketlerin ortak noktası ne?

Kaydı bulunamayan 30 şirketin 18'inin KAP'taki tescil yılı 2000 ve sonrası; bu grupta medyan tescil yılı 2008. Kendi öğesi olan 61 şirkette ise yalnız 9 şirketin tescili 2000 ve sonrasına ait, medyan 1983. KAP tescil tarihi kuruluş tarihiyle aynı şey olmadığı için bu veri kesin bir yaş karşılaştırması sunmuyor, ancak eğilim belirgin: tüzel kişiliği daha yeni olan şirketlerin açık bilgi grafiğinde kaydı çok daha seyrek.

Borsa bilgisi de eksik. Wikidata'nın tamamında borsa (P414) özelliği Borsa İstanbul olarak girilmiş yalnız 24 öğe var ve bunların 20'sinde işlem kodu niteleyicisi dolu. BIST 100'ün kendi öğesi olan 61 şirketinden yalnız 15'inin kaydında Borsa İstanbul bilgisi bulunuyor. Bir makine için "bu şirket halka açık mı, hangi kodla işlem görüyor?" sorusunun cevabı, çoğu şirkette açık bilgi grafiğinde yer almıyor.

Wikidata'daki resmî site adresi şirketin gerçek sitesiyle eşleşiyor mu?

Çoğunlukla evet. Kendi öğesi olan 61 şirketin 51'inde (%83,6) Wikidata'daki resmî web sitesi özelliği (P856), şirketin KAP'ta beyan ettiği alan adıyla aynı. Yedi öğede bu alan hiç doldurulmamış, üç öğede ise eski bir ünvana ya da marka sitesine ait adres duruyor.

P856 özelliği Wikidata'da bir öğenin "resmî sayfasının URL'si" olarak tanımlanıyor ve tek bir en iyi değer taşıması bekleniyor. Bilgi grafiğinden kurumsal siteye giden en doğrudan, makinece okunabilir köprü bu özellik. P856 boş kaldığında, "bu öğe ile bu alan adı aynı şirketi anlatıyor" bilgisi yalnız ad benzerliğine kalıyor.

Resmî site alanı boş olan yedi öğe Balsu, Çimsa, Gübre Fabrikaları, Hektaş, İzdemir Enerji, Oyak Çimento ve Sasa'ya ait. Bu öğelerin bir kısmı yalnız etiket ve açıklamadan oluşuyor. Farklı adres taşıyan üç öğede ise şu tablo görülüyor:

• Türk Altın İşletmeleri: Öğe hâlâ eski ünvan Koza Altın adıyla duruyor ve P856 değeri kozaaltin.com.tr. Bu adres kalıcı yönlendirmeyle turkaltinisletmeleri.com'a gidiyor, yani kullanıcı doğru siteye ulaşıyor ama kayıt güncel alan adını göstermiyor.
• Bera Holding: P856 değeri, önceki ünvana ait kombassan.com.tr adresi.
• Arçelik: Öğede arcelikas.com ve arcelik.com.tr adresleri kayıtlı; şirketin KAP'ta beyan ettiği adres ise arcelikglobal.com.

P856 tanımı eski adresleri de kabul ediyor, dolayısıyla eski adresin kayıtta bulunması tek başına hata değil. Sorun, bu üç öğede güncel alan adının hiç yer almaması. Ünvan değişikliği ya da marka ayrışması yaşayan şirketlerde bu köprü kendiliğinden güncellenmiyor.

Hangi BIST 100 şirketlerinin Türkçe ve İngilizce Wikipedia maddesi var?

BIST 100 şirketlerinin 57'sinin kendi Wikidata öğesine bağlı en az bir Wikipedia maddesi var: 54'ünün Türkçe, 50'sinin İngilizce, 47'sinin her iki dilde maddesi bulunuyor. 43 şirketin kendi öğesine bağlı bir madde yok. Borsada işlem görmek, Wikipedia'da yer almak için tek başına yeterli sayılmıyor.

Bu dağılım, iki Wikipedia'nın büyüklüğü düşünüldüğünde dikkat çekici. Eylül 2026'da Türkçe Vikipedi'de 701.458 madde, İngilizce Wikipedia'da 7.245.734 madde bulunuyor. İngilizce Wikipedia yaklaşık on kat büyük olduğu halde BIST 100'de Türkçe kapsam biraz önde: yalnız Türkçe maddesi olan 7 şirkete karşılık yalnız İngilizce maddesi olan 3 şirket var.

Wikipedia'da yer almak, Wikidata'da kayıt açmaktan çok daha zor. İngilizce Wikipedia'nın şirketlere yönelik önemlilik yönergesi, konudan bağımsız birden fazla güvenilir ikincil kaynakta "önemli ölçüde yer almayı" şart koşuyor ve borsada işlem görmek için açıkça "önemlilik bu ya da başka hiçbir durumda otomatik değildir" diyor. Bu yüzden bir şirketin Wikipedia maddesi, kendi yazabileceği bir şey değil; bağımsız basının ve sektör kaynaklarının onu ne kadar ele aldığının bir sonucu. Marka bahislerinin yapay zekâ görünürlüğündeki rolü de aynı mekanizmaya dayanıyor.

Wikipedia maddesinin bağlandığı öğe de önemli. Dolaylı kayıtlı dokuz şirketin bir kısmında Wikipedia maddesi aslında var, ama listelenen şirkete değil gruba ya da markaya bağlı. Bu ölçümde yalnız şirketin kendi öğesine bağlı maddeler sayıldı. Aynı ayrım, beşinci bölümde anlatılan Migros örneğinde daha görünür hâle geliyor.

Kurumsal siteler Wikidata ve Wikipedia'ya geri bağlanıyor mu?

Neredeyse hiç. Ana sayfası okunabilen 90 kurumsal sitenin 22'sinde (%24,4) Organization türünde şema, 16'sında sameAs alanı var; sameAs alanında Wikidata gösteren site yok. Tek Wikipedia bağlantısı da şirket maddesine değil bir anlam ayrımı sayfasına gidiyor. 83 sameAs bağlantısının 82'si sosyal medya hesabı.

Schema.org'un sameAs tanımı bu alanı "öğenin kimliğini tartışmasız biçimde gösteren bir referans sayfasının URL'si" olarak açıklıyor ve örnek olarak öğenin Wikipedia sayfasını, Wikidata kaydını ve resmî siteyi sayıyor. Google'ın Organization yapılandırılmış veri dokümanı da bu bilgilerin ana sayfaya ya da kuruluşu anlatan tek bir sayfaya yerleştirilmesini öneriyor. Ölçümümüz tam olarak bu noktaya, yani ana sayfaya baktı.

Kademeler şöyle: 90 sitenin 27'sinde (%30) herhangi bir JSON-LD bloğu var, 22'sinde bu bloklar arasında Organization ya da alt türü bulunuyor, 16'sında (%17,8) sameAs alanı dolu. Bu 16 sitedeki 83 bağlantının dağılımı açık bir alışkanlığı gösteriyor: Instagram 17, YouTube 16, Facebook 16, LinkedIn 15, Twitter ve X toplam 14, diğer platform hesapları 4. Wikidata bağlantısı sıfır, Wikipedia bağlantısı bir.

O tek Wikipedia bağlantısı Ülker'e ait ve Türkçe Vikipedi'deki "Ülker" sayfasına gidiyor. Bu sayfa bir anlam ayrımı sayfası: aynı adı taşıyan kişileri, şirketi, yıldız kümesini ve bir spor salonunu listeliyor. Şirketin maddesi ise "Ülker (şirket)" başlığında. Niyet doğru, hedef yanlış: sameAs'ın amacı kimliği tartışmasız göstermekken bağlantı, kimliği tartışmaya açan sayfaya çıkıyor.

Burada bir nokta özellikle önemli: sameAs ile Wikidata'ya bağlanmak için Wikipedia maddesi gerekmiyor. Kendi öğesi olan 61 şirketin her biri, ana sayfa şemasına tek satırlık bir Wikidata adresi ekleyerek bu köprüyü kurabilirdi. Organization şemasının nasıl kurulacağını Schema.org JSON-LD rehberimizde, tür ve özellik ayrıntılarını ise teknik rehberde anlattık.

Sınırlılığı da belirtelim: yalnız ana sayfanın ham HTML'i okundu. JavaScript ile sonradan eklenen şema ya da "Hakkımızda" sayfasındaki Organization tanımı sayılmadı. On site ise güvenlik duvarı ve benzeri nedenlerle okunamadı.

Kuruluş yılı ve merkez bilgisi yüzeyler arasında tutarlı mı?

Büyük ölçüde evet, ama çelişkiler endeksin en bilinen şirketlerinde de görülüyor. Wikidata'da merkez bilgisi dolu 47 şirketin 5'inde bu bilgi KAP'taki merkez adresiyle çelişiyor. Ana sayfa şemasında kuruluş tarihi veren 6 sitenin 3'ü, Wikidata'dakinden farklı bir yıl yazıyor. Migros'ta ise Wikipedia maddeleri şirketin değil markanın öğesine bağlı.

Kendi öğesi olan 61 şirketin 50'sinde kuruluş tarihi (P571), 47'sinde merkez (P159) dolu. Karşılaştırmada öne çıkan çelişkiler şunlar:

Bu farkların hepsi bir tarafın yanlış olduğu anlamına gelmiyor. Wikidata bir tesisin bulunduğu yeri ya da grubun ticari başlangıcını, KAP ve kurumsal site ise tüzel kişinin güncel adresini ya da farklı bir başlangıç tarihini kaydetmiş olabilir. Ama bir dil modeli için soru tektir: "Bu şirketin merkezi neresi?" Yüzeyler farklı cevap verdiğinde model birini seçer ya da ikisini karıştırır.

Migros: bölünmüş kimlik

Migros örneği bu sorunun en açık hâli. Türkçe "Migros (Türkiye)" ve İngilizce "Migros (Turkey)" maddeleri, 1954 kuruluş yılını taşıyan marka ve zincir öğesine bağlı. Borsada işlem gören Migros Ticaret A.Ş.'nin kendi öğesi ise ayrı: kuruluş yılı 2008, resmî sitesi migroskurumsal.com ve hiçbir Wikipedia maddesine bağlı değil. Şirketin kendi sitesindeki şema 1954'ü veriyor, yani markanın öğesiyle uyumlu, şirketin öğesiyle çelişkili.

Aynı şirkete iki öğe

İki şirkette kopya kayıt var. Türkiye Sınai Kalkınma Bankası için iki ayrı Wikidata öğesi bulunuyor: Wikipedia maddelerine bağlı olan öğe kuruluş yılını 1950, bağlantısız ikinci öğe 1963 olarak veriyor. Çimsa'da ise Türkçe Vikipedi bağlantısını taşıyan öğe neredeyse boş, tanımlayıcı bilgiler Wikipedia bağlantısı olmayan ikinci öğede duruyor. Bilgi iki kayda bölündüğünde hiçbiri tam resmi vermiyor.

Çelişkili kayıtların yapay zekâ yanıtlarına nasıl yansıyabileceğini AI halüsinasyonu rehberimizde, yanlış bilginin yayılma yollarını ise negatif GEO yazımızda ele aldık.

Site, Wikidata ve Wikipedia'yı doğru bağlayan kaç şirket var?

Hiç yok. Wikidata tarafı 48 şirkette eksiksiz: kendi öğesi var, resmî site doğru ve en az bir Wikipedia maddesine bağlı. Siteden bu kayıtlara geri bağlantı da şart koşulunca tek aday Ülker kalıyor. Onun bağlantısı da anlam ayrımı sayfasına gittiği için doğru kurulmuş zincir sayısı sıfır.

Aşağıdaki karne (Sheltron ölçümü, Eylül 2026), üç yüzeyin her birinde ve aralarındaki bağlantıda nerede durulduğunu özetliyor. Paydalar farklı: Wikidata ölçütleri 100 şirket ya da kendi öğesi olan 61 şirket üzerinden, site ölçütleri ise ana sayfası okunabilen 90 site üzerinden hesaplandı.

Tablo tek yönlü bir güveni gösteriyor. Herkesin düzenleyebildiği Wikidata, çoğu şirketi doğru siteye ve doğru Wikipedia maddesine bağlıyor. Şirketler ise kendi sitelerinde bu kayıtlara işaret etmiyor. Sonuç olarak BIST 100'de Wikidata tarafı 48 şirkette hazır, ama bu hazırlığı siteden doğrulayan şirket yok.

Bu tek yönlülüğün pratik bir karşılığı var. Bir tarayıcı ya da yapay zekâ sistemi şirketin sitesinden yola çıktığında, "bu site hangi bilgi grafiği kaydına karşılık geliyor?" sorusunun cevabını sitede bulamıyor. Eşleştirmeyi ad benzerliğiyle kendisi yapmak zorunda kalıyor ve ilk bölümde gördüğümüz grup, marka ve tesis öğeleri tam da bu noktada karışıklığa yol açıyor. Dijital kimliğin bu katmanını SME-Index ve dijital işletme kimliği yazımızda daha geniş bir çerçevede anlattık; varlık otoritesinin kavramsal arka planı için The GEO Authority yayınlarına da bakabilirsiniz.

Sektörler arasında fark var mı?

Var, ama örneklem küçük olduğu için yalnız üç sektörde oran anlamlı. Mali kuruluşlarda 30 şirketin 19'u (%63) Wikidata tarafında eksiksiz; imalatta bu sayı 30'da 13 (%43), elektrik, gaz ve su sektöründe 9'da 3. Madencilikteki 4 şirketin hiçbirinde Wikidata tarafı tam değil.

Sektörler KAP şirket kartlarındaki ana sektör alanına göre gruplandı:

İmalattaki fark dikkat çekici: 20 şirketin kendi öğesi var, ama yalnız 13'ünde resmî site doğru. Resmî site alanı boş kalan ya da eski adres taşıyan öğelerin çoğu bu sektörde. Mali kuruluşlar site tarafında da önde: Organization şeması taşıyan 22 sitenin 10'u, sameAs kullanan 16 sitenin 8'i bu sektöre ait. Dört banka sitesi, Organization'ın bankalara özgü alt türü BankOrCreditUnion'ı kullanıyor.

Bu tablo sektörlerin yapay zekâ görünürlüğüne hazırlığını ölçen Türkiye GEO Endeksi 2026 çalışmasını tamamlıyor. Endeks sektörlerin genel hazırlığını puanlıyor ama Wikidata ve Wikipedia eşleşmesine bakmıyor; bu ölçüm aynı soruya kimlik katmanından yaklaşıyor.

Bu boşluk yapay zekâ görünürlüğü için neden önemli?

Yapay zekâ sistemleri bir şirketi yalnız adından değil, birbirini doğrulayan kayıtlardan tanır. Wikipedia ve bilgi grafikleri bu kayıtların merkezinde duruyor. Kayıt eksik, bölünmüş ya da çelişkili olduğunda model şirketi grubuyla, markasıyla ya da aynı adı taşıyan başka bir şeyle karıştırabilir.

Bu ilişkinin iki kanalı var. Birincisi bilgi grafikleri. Google, Knowledge Graph'ı 2012'de tanıtırken 500 milyonu aşkın nesne ve 3,5 milyarı aşkın olgudan söz etmiş, kaynakları arasında Freebase ve Wikipedia'yı saymıştı. Bilgi paneli yardım sayfası da bu olguların olgusal bilgi derleyen çeşitli kaynaklardan geldiğini belirtiyor.

İkincisi eğitim verisi. GPT-3 makalesindeki eğitim karışımında Wikipedia toplam ağırlığın %3'ünü oluşturuyor, ama eğitim boyunca 3,4 kez okunuyor. Filtrelenmiş Common Crawl verisi ise %60 ağırlığa rağmen yalnız 0,44 kez görülüyor. Başka bir deyişle Wikipedia'daki bir cümle, eğitim sırasında ortalama bir web sayfasındaki cümleden çok daha sık görülüyor. Head-to-Tail çalışması da sonucun öbür yüzünü gösteriyor: GPT-4'ün doğruluğu en bilinen varlıklarda %40,3, orta bilinirliktekilerde %33,4, az bilinenlerde %19,0. Bu rakamlar 2023 sürümlerine ait ve güncel modellere doğrudan taşınamaz, ama eğilim açık.

Wikipedia'nın Türkçe sorgularda hangi rolü üstlendiğini Türkçe sorgularda LLM kaynakları analizimizde, güven sinyallerinin genel çerçevesini ise E-E-A-T ve yapay zekâ yazımızda inceledik.

Bu sorunu içeriden de tanıyoruz. Sheltron'un Ağustos 2026 tarihli iç ölçümünde, Google Knowledge Graph arama API'si "sheltron" sorgusuna yalnız ortaçağ piyade düzeni Schiltron'u döndürüyordu; Wikidata'da aynı çakışma vardı ve Türkçe Vikipedi'de sonuç yoktu. Kimlik açığı yalnız büyük şirketlerin sorunu değil. Ama BIST 100 şirketlerinin elinde, çoğu küçük şirkette bulunmayan bir avantaj var: Wikidata tarafı büyük ölçüde hazır, eksik olan yalnız siteden kurulacak köprü.

Bir uyarıyı da açık yazalım: bu ölçüm, yapay zekâ asistanlarının bu şirketleri nasıl tanıdığını doğrudan ölçmedi. Knowledge Graph kayıtları ve model yanıtları ayrı bir çalışmanın konusu. Ölçülen, açık kaynak yüzeyler arasındaki bağlantının varlığı ve tutarlılığı.

Ölçüm hangi kurallarla yapıldı ve sınırları neler?

Bu Sheltron ölçümünün örneklemi, KAP'ın Endeksler sayfasında XU100 bileşeni olarak listelenen 100 şirket; veriler Eylül 2026 sonunda toplandı. Web adresleri ve merkez bilgileri KAP şirket kartlarından, Wikidata bilgileri API ve SPARQL sorgularından alındı. Kurumsal sitelerde yalnız ana sayfanın ham HTML'i okundu, JavaScript çalıştırılmadı.

Yöntemin ana kuralları şunlar:

1. Örneklem: KAP'ın "temel endeks" olarak tanımladığı ve Ocak 1986'da 0,01 başlangıç değeriyle başlayan XU100'ün Eylül 2026 sonundaki 100 bileşeni. Endeks bileşimi dönemsel olarak değişir; 19 Kasım 2026'daki bileşim farklı olabilir.
2. Wikidata eşleştirmesi: Dört arama yolu kullanıldı: Borsa İstanbul kaydı olan öğeler, KAP alan adıyla tam metin araması, ünvandan türetilen adlarla Türkçe ve İngilizce varlık araması, Türkiye filtresiyle tam metin araması. Otomatik seçilen 44 eşleşmenin tamamı ve belirsiz kalan adaylar elle doğrulandı.
3. Doğrudan ve dolaylı kayıt: Öğe listelenen tüzel kişiyi ya da ünvanı değişmiş aynı şirketi temsil ediyorsa doğrudan sayıldı. Yalnız grup, marka ya da tesis öğesi varsa dolaylı sayıldı ve "kendi öğesi yok" grubuna girdi. Marka öğelerini kabul eden farklı bir kural, doğrudan sayısını en fazla 9 artırırdı.
4. Bulunamayan kayıtlar: 30 şirket için "Wikidata'da yok" değil, "dört arama yolunda bulunamadı" ifadesi doğru. Arama dışında kalan bir öğe varsa bu sayı yanlış olabilir.
5. Kurumsal site: Ana sayfa tarayıcı kimliğiyle çekildi. 90 site okunabildi; 7'si güvenlik duvarı nedeniyle 403, 1'i 404, 1'i zaman aşımı, 1'i yönlendirme döngüsü döndürdü. Site oranlarının paydası 90.
6. Karşılaştırma dışı alan: KAP tescil tarihi mevcut tüzel kişinin sicil tarihidir, kuruluş tarihi değildir. Bu nedenle Wikidata kuruluş yılıyla KAP tescil yılı arasındaki farklar tutarsızlık olarak sayılmadı.

Türkçe kaynaklarda benzer bir ölçüm aradık. İki arama sorgusunun ilk sayfasında Türk şirketlerinin Wikidata, Wikipedia ve sameAs tutarlılığını ölçen bir çalışma bulunamadı. Bu, böyle bir çalışmanın hiç olmadığı anlamına gelmiyor; bizim taramamızda çıkmadığı anlamına geliyor. Ham veri, şirket bazındaki eşleştirme kararları ve gerekçeleri ayrı bir yöntem dosyasında kayıt altına alındı.

Kendi şirketinizde site, Wikidata ve Wikipedia tutarlılığını nasıl denetlersiniz?

Dört kontrol yeterli: listelenen tüzel kişinin kendi Wikidata öğesi var mı, resmî site özelliği güncel alan adını gösteriyor mu, öğeye bağlı bir Wikipedia maddesi var mı ve ana sayfadaki Organization şemasının sameAs alanı bu kayıtlara gidiyor mu. Dördü de herkese açık araçlarla kontrol edilebilir.

1. Kendi öğenizi bulun. Wikidata'da şirketinizin ünvanıyla arama yapın ve çıkan öğenin grubunuzu, markanızı ya da bir tesisinizi değil, borsada işlem gören tüzel kişiyi anlattığından emin olun. Aynı şirkete ait ikinci bir öğe görürseniz kopya kaydı birleştirme için bildirin.
2. Resmî site ve temel bilgileri eşleyin. P856 değerinin güncel alan adınızı gösterdiğini, merkez ve kuruluş yılının KAP'taki ve sitenizdeki bilgilerle aynı olduğunu kontrol edin. Ünvan ya da alan adı değişikliği yaşadıysanız eski adresin tercih edilen değer olarak kalmadığına bakın.
3. Wikipedia maddesinin bağlandığı öğeyi kontrol edin. Maddeniz varsa hangi öğeye bağlı olduğuna bakın: Migros örneğinde olduğu gibi marka öğesine bağlı olması, şirket öğesini maddesiz bırakabilir. Maddeniz yoksa bunun yolu bağımsız kaynaklarda yer almaktan geçer.
4. Ana sayfadan geri bağlantı kurun. Organization şemanızın sameAs alanına Wikidata öğenizin adresini ve varsa Wikipedia maddenizin tam başlıklı adresini ekleyin. Wikipedia bağlantısının bir anlam ayrımı sayfasına değil şirket maddesine gittiğini tarayıcıda açarak doğrulayın.

Şemayı yazmak için Sheltron'un ücretsiz Schema Markup Üretici aracını, yayına aldıktan sonra sameAs ve Organization alanlarını kontrol etmek için Schema Markup Doğrulayıcı aracını kullanabilirsiniz. Şirketinizin dijital kimliğinin bütününü görmek isterseniz SME-Index bu kontrollerin daha geniş bir setini tek skorda topluyor. Bu işi kurum içinde sürdürecek ekipler için Wikidata ve şema eğitimine GEO Akademi programlarından ulaşılabilir.

Bu kontrollerin çoğu tek seferlik iş, ama etkisi kalıcı: bir kez kurulan köprü, şirketinizi anlatan kayıtları birbirine bağlar ve yapay zekâ sistemlerinin eşleştirmeyi ad benzerliğiyle tahmin etme ihtiyacını azaltır. Şirketinizin yapay zekâ yanıtlarında nasıl temsil edildiğini görmek isterseniz Sheltron hızlı değerlendirme ile başlayın; kimlik kayıtlarınızdaki kopuklukları da bu değerlendirmede birlikte ele alalım.

Ajans desteği mi arıyorsunuz? Partner GEO ajansımız Lein Digital.