Çok Dilli GEO: İhracatçı Türk Markaları Yabancı Dilde AI Cevaplarında Nasıl Görünür?

Çok Dilli GEO: İhracatçı Türk Markaları Yabancı Dilde AI Cevaplarında Nasıl Görünür?

Siteniz İngilizce. Markanız değil.

Çeviri düğmesi dil sorununu çözer, görünürlük sorununu çözmez. 128 marka, 12 pazar ve 13 dil üzerinde yapılan 167.551 URL atıflık bir analiz, AI cevaplarındaki atıfların %85,7'sinin markanın sahip olmadığı sitelere gittiğini gösteriyor. Yalnızca %14,3'ü markanın kendi alan adına (arXiv:2606.25787, 24 Haziran 2026). Yani bir alıcı Almanca ya da İngilizce soru sorduğunda, cevabı büyük ölçüde sizin siteniz değil, sizin hakkınızda yazan üçüncü taraflar belirliyor.

Türk ihracatçısının klasik refleksi şu: "Bizim İngilizce sayfamız var." Doğru. Ama İngilizce cevap uzayında sizin hakkınızda üçüncü taraf iz yoksa, o %85,7'lik alan boş demektir. İngilizce sayfanızın varlığı bu boşluğu doldurmaz.

TL;DR — 60 saniyede tablo

Sorgu dili değiştiğinde AI'ın kullandığı kaynak havuzu da değişir. Aynı model, aynı soru, farklı dil — farklı firma önerir. İhracatçı için doğru soru "sitem çevrildi mi" değil, "hedef dilde hakkımda kim yazıyor" sorusudur.

Doğrulanmış veri bloğu:

• %85,7 owned-dışı: AI atıflarının %85,7'si markanın sahip olmadığı sitelere gidiyor; kendi alan adı payı %14,3 — arXiv:2606.25787, 167.551 URL atfı, 128 marka, 12 pazar, 13 dil, Haziran 2026.
• Dil, kaynak karışımını yeniden yazıyor: İspanyolca sorgular AI Overviews'te sosyal kaynak atfını İngilizceye göre ~1,4x artırıyor, ama ChatGPT'de ~0,5x'e düşürüyor — Profound, 3,25 milyar AI atfı, 7 model, 14 ülke, Mart 2026.
• Model dil değiştirince bilgi kaybediyor: Qwen-2.5-7B İngilizcede %66,69 doğruluk, düşük kaynaklı dillerde %52,26 — 14,4 puanlık düşüş (PolyFact, arXiv:2606.06586, UCL, 4 Haziran 2026).
• Eğitim verisi asimetrik: Llama 3.1'in 15 trilyon eğitim token'ının yalnızca %8'i İngilizce dışı — Meta Llama 3 raporu, aktaran Duane Forrester, 12 Nisan 2026.
• Alıcı davranışı değişti: B2B yazılım alıcılarının %51'i araştırmaya Google yerine AI chatbot ile başlıyor (Nisan 2025'te %29); %33'ü daha önce hiç duymadığı bir tedarikçiden satın almış — G2, 1.076 alıcı, Mart 2026.
• hreflang AI aramada güvenilmez: ChatGPT, Perplexity ve Claude testlerde sık sık yanlış dil sürümünü döndürdü; hiçbiri hreflang sinyaline uyar görünmüyor — Glenn Gabe (GSQi), 1 Aralık 2025, nitel test.

2026'nın ilk yarısında Türkiye 136,1 milyar dolar ihracat yaptı, yıllık %3,6 artışla; 50 il ihracatını artırdı ve 21 il 1 milyar doları aştı (TİM/Ticaret Bakanlığı verisi, 14 Temmuz 2026). Aynı dönemde alıcının araştırma başlangıç noktası bir chatbot'a kaydı. Bu iki cümle arasındaki boşluğun adı: yabancı dildeki cevaplarda görünmezlik.

Dil değişince AI görünürlüğü neden sıfırlanır?

Bir dil modeli dil değiştirdiğinde yalnızca kelime değiştirmez — beslendiği kaynak havuzunu da değiştirir. Cevabı üreten motor aynıdır; ama o motorun eriştiği retrieval sonuçları, indeksteki dil dağılımı ve modelin iç akıl yürütme dili farklıdır. Bu üç katmanın üçü de ihracatçının aleyhine çalışır.

Birinci katman: eğitim verisi asimetrisi. Llama 3.1'in 15 trilyon token'lık eğitim setinin yalnızca %8'i İngilizce dışı içerikten oluşuyor. Büyük LLM benchmark'larının %75'inden fazlası da önce İngilizce görevler için tasarlanmış (Duane Forrester, 12 Nisan 2026). Modelin dünya bilgisi İngilizce üzerinden kurulmuş; diğer diller bu bilginin üzerine serilmiş ince bir katman.

İkinci katman: web'in kendisi dengesiz. W3Techs'in Haziran 2026 ölçümüne göre web sitelerinin %49,7'si İngilizce. İspanyolca ve Almanca %6,0, Japonca %5,0, Fransızca %4,6, Portekizce %4,1, Rusça %3,5. Bir modelin bir dilde "bildiği" şey, o dilde yazılmış olanla sınırlıdır.

Üçüncü katman ve en az bilineni: dil geçişinde bilgi kaybı. UCL ekibinin PolyFact çalışması (von Rad ve ark., arXiv:2606.06586, 4 Haziran 2026) tipolojik olarak farklı 12 dilde modelleri test etti. OLMo-2-7B İngilizcede %57,93 doğruluk gösterirken düşük kaynaklı dillerde %51,80'e iniyor. Qwen-2.5-7B'de fark daha sert: %66,69'a karşı %52,26.

Kritik bulgu şu: hata "model bilmiyordu"dan kaynaklanmıyor. Model doğru cevabı ara katmanlarda buluyor, ancak hedef dile eşlerken kaybediyor. İngilizce ağırlıklı eğitim verisi iç akıl yürütmeyi İngilizceye yönlendiriyor, çıktı diline dönerken bilgi eriyor. Yani Almanca bir soruda adınızın anılmaması, modelin sizi bilmediği anlamına gelmiyor — hatırladığını Almancaya taşıyamadığı anlamına geliyor.

Hangi dilde hangi kaynak baskın?

Sorgu dili, AI'ın hangi tür kaynağa güvendiğini yeniden yazıyor. Profound'un Mart 2026'da yayımladığı analiz bunun bugüne kadarki en geniş kanıtı: 3,25 milyar AI atfı, 7 model (ChatGPT, Claude, Google AI Mode, AI Overviews, Gemini, Copilot, Perplexity), 14 ülke. Her ülke yalnızca kendi ana dilindeki promptlarla filtrelenmiş — Brezilya sadece Portekizce, Japonya sadece Japonca; ABD, İngiltere ve Avustralya İngilizce baz çizgisi. Not: bu 14 ülkenin içinde Türkiye yok.

Önce modellerin sosyal kaynaklara genel eğilimi:

Şimdi asıl mesele. Aynı dil, iki modelde zıt yönde çalışıyor. İspanyolca sorgular AI Overviews'te sosyal atıfı İngilizceye göre yaklaşık 1,4 katına çıkarıyor (Meksika %22,5, İspanya %20,0), ama ChatGPT'de yaklaşık yarıya düşürüyor (Meksika %4,70, İspanya %4,24). İspanyolca konuşan pazara girerken "sosyal içeriğe yatırım yapalım" kararı, hangi motorda görünmek istediğinize göre doğru ya da tamamen yanlış olur.

Platform payları da dille birlikte çöküyor veya patlıyor. AI Overviews içinde:

ChatGPT tarafında tablo tersine sabit: Reddit, ölçülen her ülkede sosyal atıfların %51–76'sını alıyor (Hindistan %76, Brezilya %71, İsveç %70, Almanya %69, BAE %51). ChatGPT'de görünmek isteyen bir ihracatçı için bu şu demek: dil ne olursa olsun, İngilizce forum ve topluluk izi belirleyici.

Bu haritanın pratik karşılığı net: hedef pazarın dilini seçtiğinizde, o dilin kaynak ekosistemini de seçmiş olursunuz. Arapça pazarda Instagram'sız, Portekizce pazarda YouTube'suz, İspanyolca pazarda TikTok'suz bir görünürlük planı eksiktir. Aynı planı Almanca için birebir kopyalarsanız boşa para harcarsınız.

İngilizce, Almanca, Arapça: pazar farkları neye benziyor?

Dil ailesi değiştikçe markanın kendi sitesinin ağırlığı da değişiyor. arXiv:2606.25787 çalışması (Perplexity Sonar Pro + Gemini 3.1 Pro + GPT-5.4 üzerinde 189.974 atıf satırı) kendi alan adı oranını dil ailesine göre ayırıyor: Ural dilleri (Estonca, Fince) %15,5; Slav dilleri (Lehçe, Çekçe, Slovakça) %12,5. Fark küçük görünüyor ama yönü nettir — bazı dillerde kendi siteniz daha çok, bazılarında daha az iş görür.

Yerel otorite kaynakları da sabit değil. Wikipedia payı Fincede %5,70 ile en yüksek, Lehçede %3,71 ile en düşük. Litvanya'da yerel iş gazetesi vz.lt (%4,38) Wikipedia'yı geçiyor. Polonya'da en çok atıf alan alan adı YouTube (%6,4); dört kariyer portalı toplamda 637 atıf alırken Lehçe Wikipedia 297 atıfta kalıyor — yaklaşık 2,1 kat fark. Yani "Wikipedia sayfası açalım" hamlesi bazı pazarlarda merkezî, bazılarında marjinaldir.

Kaynak havuzu ayrıca dar. Alan adlarının yaklaşık %18'i atıfların %80'ini alıyor (Zipf α=0,86; R²=0,983). Bu, hedef pazar başına izlemeniz gereken kaynak sayısının yönetilebilir olduğu anlamına gelir: her dil için 15-25 alan adlık bir "atıf mıknatısı" listesi, o pazarın cevap uzayının büyük kısmını temsil eder.

Model seçimi kapsamı da belirliyor. Aynı çalışmada Perplexity tüm atıfların %68,6'sını üretiyor (90.276 atıf, 15.995 farklı alan adı, %16,8 kendi alan adı). Gemini 23.032 atıf / 6.568 alan adı. GPT 18.206 atıf / 3.284 alan adı ile en dar kaynak havuzuna sahip. Havuz daraldıkça içine girmek zorlaşır — ve ChatGPT tam da Türkiye tarafının en yoğun kullandığı motor. Digital 2026 raporuna göre Türkiye'de AI kaynaklı web trafiğinin %94,49'u ChatGPT üzerinden geliyor; küresel ortalama %80,92 (We Are Social & Meltwater, Ocak 2026). Bu bir kullanıcı sayısı sıralaması değil, trafik kompozisyonu — ama Türk markalarının hangi motoru ciddiye alması gerektiğini söylüyor.

Alıcı tarafında ne olduğunu da bilmek gerekir. G2'nin Mart 2026'da 1.076 B2B yazılım alıcısı ve karar vericisiyle yaptığı araştırmada (Kuzey Amerika, EMEA, APAC): %71'i araştırmada AI chatbot kullanıyor, %53'ü bunu geleneksel aramadan verimli buluyor, %69'u chatbot yönlendirmesiyle başta planladığından farklı bir tedarikçi seçmiş, %85'i chatbot tarafından anılan tedarikçiye daha olumlu bakıyor. Uyarı: bu örneklem B2B yazılım alıcısıdır. Makine, tekstil veya gıda ihracatına birebir genellenemez — ama satın alma araştırmasının nereye kaydığına dair elimizdeki en sağlam göstergelerden biri.

Dil ve satın alma ilişkisine dair klasik referans da hâlâ yerinde: CSA Research'ün Kantar ile 29 ülkede 8.709 tüketiciyle yaptığı çalışmada katılımcıların %76'sı kendi dilinde bilgi içeren ürünü tercih ediyor, %40'ı başka dildeki sitelerden asla satın almıyor. APAC'ta oran daha yüksek (Tayvan %94, Kore %92, Çin %92, Japonya %90, Endonezya %88). Bu bir B2C anketi ve AI öncesi bir döneme ait — ama yerelleştirmenin neden opsiyonel olmadığının standart referansı.

Teknik altyapı: hreflang, lang etiketi, ayrı içerik mi çeviri mi?

Kötü haberle başlayalım: hreflang, AI aramada çalışmıyor. Glenn Gabe (GSQi), 1 Aralık 2025'te Fransızca, İtalyanca ve İspanyolca sorgularla ampirik bir test yaptı. Google, Bing, Copilot ve Gemini doğru dil sürümünü tutarlı biçimde döndürdü. ChatGPT, Perplexity ve Claude ise sık sık yanlış dil sürümünü ya da doğrudan İngilizce URL'i getirdi; hiçbiri hreflang sinyaline uyar görünmüyordu. Bu nitel bir test, küçük örneklem — istatistik değil, gözlem olarak okunmalı. Ama Türkçe SEO içeriğinin hâlâ hreflang'i uluslararası görünürlüğün çözümü diye anlattığı düşünülürse, tek başına bu gözlem bile duruşu değiştirmeye yeter.

Yapılması gerekenler, öncelik sırasıyla:

1. <html lang="de"> doğru olsun. hreflang'e güvenemediğinizde sayfanın kendi dil beyanı tek kesin sinyaldir. Çeviri eklentisiyle içerik değişip lang etiketi tr kalıyorsa, modele "bu Türkçe bir sayfa" diyorsunuz.
2. Her dil ayrı ve kalıcı URL'de yaşasın. JavaScript ile çalışan dil değiştiriciler aynı URL'de farklı dil sunar; crawler ve retrieval katmanı bunu ayrı bir belge olarak göremez. /de/, /en/ gibi alt dizinler en dayanıklı yapıdır.
3. Yapısal veri her dilde ayrı doldurulsun. Organization, Product ve FAQPage şemalarındaki metin alanları hedef dilde olmalı; inLanguage alanı boş bırakılmamalı.
4. Ürün ve teknik verisi makine-okunur olsun. İhracatçı için en yüksek getirili yapı burada: ölçü, standart, sertifika, kapasite, HS kodu, teslim şekli. Katalog verinizi AI platformlarına hazırlamak için GEO Builder tam da bu işi yapıyor.
5. Her dil için tek kanonik kaynak. Aynı içeriğin .com, .com.tr ve pazaryeri sayfasında farklı sürümleri varsa, model hangisine güveneceğini bilemez.

Ayrı içerik mi, çeviri mi? Cevap ikisinin ortasında: temel ürün ve şirket sayfaları çevrilir, otorite içeriği hedef dilde yeniden üretilir. Bir Alman alıcının sorduğu soru, bir Türk alıcının sorduğu soruyla aynı değildir; Alman alıcı CE, REACH, DIN ve tedarik güvenliği sorar. Bu soruların cevabı, Türkçe bir yazının çevirisinden çıkmaz.

Makine çevirisi tuzağı nedir?

Makine çevirisi görünürlük üretmez; yalnızca okunabilirlik üretir. İkisi aynı şey değildir.

Tuzağın mekanizması şu: çeviri, sitenizdeki %14,3'lük kendi alanınızı düzeltir. Ama atıfların %85,7'si zaten dışarıdadır. Hedef dilde sektör medyası, dizin kaydı, forum bahsi, inceleme sayfası veya ansiklopedi/veritabanı izi yoksa, kusursuz çevrilmiş bir site bile cevap uzayında yalnız kalır.

İkinci sorun kalite: otomatik çeviri sektör terminolojisini kaçırdığında sayfa hedef dilde "yerli" görünmez. Üçüncüsü teknik: çeviri katmanı çoğu zaman lang etiketini, yapısal veriyi ve canonical'ı olduğu gibi bırakır — dil sinyali yarım kalır.

Bu konuda ortalıkta dolaşan tek büyük rakam satıcı verisidir: Weglot'un Search Engine Journal'da yayımlanan sponsorlu çalışması (14 Kasım 2025), 1,3 milyon atıf ve 34.992 sorgu üzerinden çevrilmiş sitelerin AI Overviews'te "%327'ye kadar" daha fazla görünürlük elde ettiğini iddia ediyor. Yazar Weglot'un CMO'su, içerik "sponsored" etiketli. Yönü muhtemelen doğru, büyüklüğü şüpheli. Bütçe kararınızı bu rakama dayandırmayın.

Kendi tecrübemiz: Sheltron'un Search Console verisinde 21 Ocak – 20 Temmuz 2026 arasında ABD'den 12.050 gösterim geldi ve bu gösterimler yalnızca 4 tık üretti — %0,03 tıklama oranı. Aynı dönemde Türkiye'den 752 tık / 36.456 gösterim. Yani ABD tarafında görünüyorduk ama tıklanmıyorduk: dil sinyalimiz karışıktı, içerik İngilizce sorgu niyetiyle eşleşmiyordu. Bunu yaşadık ve düzelttik. Tam da bu yüzden "İngilizce sayfa açtık" cümlesinin bir çözüm olmadığını biliyoruz.

Aynı veri setinden bir ders daha: 12 aylık doğal deneyimizde 5 veri raporu yazısı 5.910 gösterim üretti (yazı başına ~1.182), 43 sektör rehberi ise toplam 4.941 gösterim (yazı başına ~115). Ölçülen AI atıflarının tamamı pillar içeriklere, orijinal veriye ve şehir hub'larına gitti; sektör ve şehir varyantlarına sıfır atıf geldi. Çok dilli stratejide de aynı yasa geçerli: hedef dilde 20 çeviri sayfa değil, 1 orijinal veri parçası atıf çeker.

İhracatçı için öncelik sırası nasıl olmalı?

Sırayı tersten kurmak en yaygın hata: çoğu firma siteyi çevirmekle başlıyor, üçüncü taraf izini hiç kurmuyor. Doğru sıra şudur:

1. Ölçün, sonra harcayın. Hedef pazarın dilinde 30-50 alıcı sorusu tanımlayın ("reliable [ürün] supplier Turkey", "[Produkt] Hersteller Türkei") ve bu sorularda ChatGPT, Perplexity, Gemini ve AI Overviews'in kimi andığını kaydedin. Marka bahsi ve atıf takibini sürekli hale getirmek için firstcitation.com kullanılabilir.
2. Hedef dilde 15-25 alan adlık atıf listesi çıkarın. Atıfların %80'i alan adlarının %18'inden geliyor; hangi %18 olduğunu bilmeden yapılan içerik yatırımı kördür.
3. Üçüncü taraf izini kurun. Hedef dilde sektör medyası, tedarikçi dizinleri, standart ve sertifika veritabanları, ticaret odası kayıtları, İngilizce forum ve topluluk bahisleri. Bu, %85,7'lik alanın işidir ve çeviriyle çözülmez.
4. Dil sinyalini teknik olarak temizleyin. lang, ayrı URL, hedef dilde yapısal veri, tek kanonik sürüm. hreflang'i ekleyin ama ona bel bağlamayın.
5. Hedef dilde orijinal veri üretin. Kapasite, teslim süresi, hata oranı, sertifika kapsamı — kendi rakamınız, hedef dilde yayımlanmış. AI'ın alıntılayacağı şey budur.
6. Platform ekosistemini dile göre seçin. Arapça pazar için Instagram, Portekizce için YouTube, İspanyolca için TikTok; Almanca ve ChatGPT ağırlıklı hedefler için İngilizce forum izi.
7. Çeviriyi ne başa koyun ne sona bırakın. Dördüncü adımla birlikte, teknik dil sinyaliyle eşzamanlı yürütün.

Bu çerçeveyi şehir ve sektör düzleminde okumak isterseniz, İzmir ihracat firmaları için AI görünürlük analizi, Gaziantep tekstil ve gıda ihracatı ve Adana sanayi-tarım ihracatı yazıları aynı problemi coğrafya ekseninde ele alıyor. Uygulamanın 16 haftalık haline bakmak isteyenler için makine üreticisi ihracatçı vakası süreci adım adım gösteriyor; hizmet ihracatı tarafı için Trabzon ve Doğu Karadeniz turizm-ihracat yazısı var. Kavramın temeline dönmek isteyen için GEO nedir sayfası başlangıç noktasıdır.

Türkçe tarafında ölçüm boşluğu nerede?

Bu yazının en dürüst bölümü burası: ihracat dillerini kapsayan çok dilli atıf veri setlerinin hiçbirinde Türkçe yok.

Profound'un 14 ülkelik veri setinde Türkiye yok. arXiv:2606.25787'nin 13 dilinde Türkçe yok. PolyFact'in 12 dilinde Türkçe yok. Türkiye'de AI Overviews tetiklenme oranına dair doğrulanabilir tek bir çalışma bulamadık. Türk ihracatçıların kaçının çok dilli sitesi olduğu, yabancı alıcıların Türk tedarikçi ararken hangi dilde sorduğu — bunların hiçbiri kamuya açık olarak ölçülmüş değil.

Türkçede bu konuda yayımlanan içeriklerin neredeyse tamamı ajans hizmet sayfası formatında: örneklem yok, atıf sayısı yok, model karşılaştırması yok, birincil kaynak yok. Boşluk gerçek ve büyük.

Sheltron olarak bu boşluğu kendi ölçümümüzle doldurmayı planlıyoruz: Türkçe ve hedef-dil sorgu çiftleriyle, çok modelli, tekrarlanabilir bir atıf ölçümü. Metodoloji ve ara bulguları The GEO Authority üzerinde yayımlıyoruz.

Kendi sitemizde ölçtüğümüz sayı bu iddianın arkasındaki temeli veriyor: 8 Mart – 5 Temmuz 2026 arası 720 sayfa atfı, %25,37 AI görünürlük payı ve tek bir amiral gemisi içeriğin 157 atıfla toplamın %22'sini alması. Atıf çeviriden değil, orijinal veriden geliyor — hangi dilde olursa olsun.

Bir sonraki adım

İhracat yapıyorsanız cevaplamanız gereken tek soru şu: hedef pazarınızın dilinde bir alıcı "güvenilir Türk tedarikçi" diye sorduğunda, cevapta kimin adı geçiyor?

Bunu tahmin etmeyin, ölçün. Sheltron'un hızlı değerlendirme aracıyla markanızın hangi dillerde ve hangi motorlarda göründüğünü çıkarabilir, hangi üçüncü taraf kaynakların sizi taşıdığını görebilirsiniz. Daha geniş kurumsal çerçeve için yapay zeka çözümleri sayfamıza bakabilirsiniz.

Hedef pazara özel uygulama desteği mi arıyorsunuz? Sektör bazlı danışmanlık için yapayzekareklami.com; ajans tarafındaki uygulama için partner GEO ajansımız Lein Digital devrede.

Eren Çöp — Kurucu & GEO Stratejisti, Sheltron Teknoloji