Mimarlık ve İç Mimari Ofisleri için AI Görünürlük: Müşteri Sizi Bulabiliyor mu?

Türkiye, küresel ChatGPT web trafiği listesinde 4.49 puanla dünya birincisi — küresel ortalama 3.92'nin üzerinde. Mimarlık ve iç mimari arayan müşterileriniz bu trafiğin ortasında, ama Türk mimarlık ofislerinin yaklaşık %62'si AI cevap motorlarında hiç görünmüyor (Sheltron sektör araştırması, 2026). ChatGPT'ye "Beşiktaş'ta restorasyon mimarı" sorulduğunda otomatik olarak Tabanlıoğlu, Autoban veya Erginoğlu & Çalışlar gibi global yayınlarda yoğun atıflanan büyük büroları öneriyor — niş, butik veya orta ölçekli ofisler genelde listenin dışında kalıyor.

Bu yazıda mimarlık ofisinizin AI cevap motorlarında neden görünmediğini, Schema.org Architect dedicated type'ının pratik gücünü ve niş uzmanlık (restorasyon, butik konut, sürdürülebilir mimari) pozisyonlamasıyla nasıl büyük büroların önüne geçebileceğinizi açıklayacağız. Sonunda Sheltron'un Beşiktaş butik mimarlık ofisi vakasında 8 haftada %5'ten %51'e çıkan gerçek mention rate yolculuğunu okuyacaksınız.

AI Müşteri Kazanımının Yeni Çağı: Türkiye Dünya #1

Mimarlık müşterilerinin %47'si proje danışmanı seçimi öncesi ChatGPT veya Gemini'ye soruyor — özellikle konut sahipleri ve KOBİ ölçekli ticari müşteriler. Bu davranış değişimi RFP süreçlerini doğrudan etkiliyor.

Architecture RFP araştırması 2026 (Monograph) RFP karar faktörlerini sıralıyor: (1) reputation ve word of mouth, (2) named team experience, (3) chemistry, (4) project history. Bu listenin en kritik gözlemi: müşteriler RFP shortlist'lerini oluştururken AI cevap motorlarının ilk 2-4 önerisini referans alıyor. Yani AI'da görünmüyorsanız, RFP davetine bile çıkamıyorsunuz.

Türkiye'nin global ChatGPT trafiği bu fırsatı daha net yapıyor. Forbes, Harvard Business Review ve Andreessen Horowitz 2026'da GEO (Generative Engine Optimization) disiplinini dijital pazarlamanın en kritik önceliklerinden biri olarak konumlandırdı — ama Türk mimarlık ofislerinin büyük çoğunluğu hâlâ Instagram + proje galerisi merkezli pazarlamayı yeterli sayıyor. Erken hareket edenler için pazar boş.

Müşteri Mimar Ararken AI'ya Ne Soruyor?

ChatGPT, Gemini ve Perplexity'ye müşterilerin sorduğu mimari sorgular spesifik niyet içeriyor: "İstanbul Beşiktaş restorasyon mimarı", "Kadıköy butik konut iç mimari", "Antalya sürdürülebilir villa mimarı", "Bursa tarihi yapı röleve uzmanı". AI bu sorgulara cevap verirken iki kanonik kaynağa bakıyor: Wikipedia/ArchDaily/Dezeen gibi global otoriteler ve siteleri Schema.org yapısal verisiyle zenginleştirilmiş yerel ofisler.

Tabanlıoğlu Architects (1990), Autoban (2003, Seyhan Özdemir + Sefer Çağlar) ve Erginoğlu & Çalışlar Architects (1993) gibi büyük Türk firmaları AI cevaplarında doğal olarak öne çıkıyor — çünkü ArchDaily, Archilovers, World Architects ve e-architect platformlarında düzinelerce proje bibliyografisi var. AI bu otorite zincirini "güvenilir kaynak" olarak değerlendiriyor.

Peki niş bir butik ofis ne yapabilir? İki yol var: (1) Aynı otorite platformlarına proje gönderip yıllarca beklemek, veya (2) kendi schema otoritesini kurarak niş sorgularda AI'a doğrudan kanonik kaynak olarak görünmek. İkinci yolun zaman ufku 6-12 hafta — birinci yolla karşılaştırılamaz.

Hangi niş sorgularda AI'da görünmediğinizi öğrenmek için içerik açığı analizi aracını 90 saniyede çalıştırabilirsiniz: domain + 1-2 rakip mimarlık ofisi + kategori girdileriyle "rakipte var sizde yok" sorguları otomatik tespit eder.

Schema.org Architect: Dedicated Type'ın Gücü

Schema.org Architect dedicated type, mimarlık ofisleri için tanımlanmış özel bir yapısal veri tipidir — generic ProfessionalService veya LocalBusiness'tan farklı olarak AI'ya doğrudan "bu bir mimarlık pratisyeni" sinyali verir. 2026'da JSON-LD'nin birincil değeri klasik SEO değil; ChatGPT bu kodu doğrudan parse eder, Perplexity citation kaynağı olarak değerlendirir, AI agents Organization/Service/Review schema'sını otomatik okur.

Pratik fark net: aynı bölgede 2 mimarlık ofisi karşılaştırıldığında AI multi-signal evaluation yapıyor — depth (alan derinliği), specificity (sektör spesifikliği) ve credibility (otorite kanıtları). Generic ProfessionalService schema kullanan ofis "bu bir profesyonel hizmet" der; AI tahmin yapmak zorunda kalır. Architect schema kullanan ofis "bu özel olarak mimar" der; AI niş sorguda doğrudan kategorize eder.

Temel JSON-LD yapısı bu şekilde görünür (basitleştirilmiş örnek):

{
  "@context": "https://schema.org",
  "@type": "Architect",
  "name": "Örnek Mimarlık",
  "url": "https://orneklim.com",
  "areaServed": "İstanbul Beşiktaş",
  "knowsAbout": ["Restorasyon", "Butik Konut", "Sürdürülebilir Mimari"],
  "memberOf": {
    "@type": "Organization",
    "name": "TMMOB Mimarlar Odası İstanbul Büyükkent Şubesi"
  },
  "founder": {
    "@type": "Person",
    "name": "Mimar Adı",
    "jobTitle": "Kurucu Mimar",
    "alumniOf": "İstanbul Teknik Üniversitesi Mimarlık Fakültesi"
  }
}

Bu kodu manuel yazmak yerine Schema Markup Üreticisi form üzerinden Architect tipinde JSON-LD üretebilirsiniz; sonra Schema Markup Doğrulayıcı ile mevcut sayfanızda hata olup olmadığını test edebilirsiniz.

Portföyü AI-Okur Formatta Yapılandırma

Mimari portföyün AI cevap motoru tarafından "okunabilir" olması için her proje altı alanda yapılandırılmalı: proje tipi, alan (m²), kullanılan malzemeler, teslim yılı, lokasyon (mahalle bazında), müşteri tipi (konut/ticari/kurumsal). Yalnızca görsel galeri yetmez — AI istatistiksel kategorize etmek için metin tabanlı meta veri arıyor.

Pratik fark şu: 50 projelik bir butik ofis düşünün. Eğer her proje sadece görsel ve "2024 Konut" etiketiyle dururken AI "Beşiktaş 200m² butik konut iç mimari" sorgusunda bu ofisi atlayacak. Aynı 50 proje şu alanlarla yapılandırıldığında:

• type: Residential / Commercial / Restoration / Hospitality
• area: 180m², 250m² vs.
• materials: Doğal taş, ahşap, alçıpan vs.
• completionYear: 2024
• neighborhood: Beşiktaş, Etiler, Cihangir
• clientType: Aile, kurumsal, butik otel

Aynı sorguda AI ofise doğrudan yönelir. Bu detay seviyesi başlangıçta zahmetli görünse de tek seferlik bir yapılandırmadır; sonrasında her yeni projede form üzerinden 5 dakikada güncellenir.

Sheltron'un Türkiye GEO Endeksi araştırması — 2.400+ firma 18 sektörü kapsayan — Türkiye'de mimarlık ortalama GEO hazırlık skorunu 28/100 olarak ölçtü. Bu rakam çoğu ofisin portföyünün AI tarafından okunamadığı anlamına geliyor.

Mimar Profil + "Named Individuals Matter" E-E-A-T

2026 RFP araştırması (Monograph) çarpıcı bir bulgu paylaştı: müşteriler proje danışmanı seçerken bireysel mimara firm credential'dan daha fazla değer veriyor. Yani "X Mimarlık Ofisi" yerine "Mimar Y Z'nin liderliğindeki ekip" daha güçlü E-E-A-T sinyali. Bu doğrudan Schema.org Person + Architect bağlantısının önemini artırıyor.

Kurucu / partner mimar profili için minimum schema alanları şunları içermeli:

1. Mimarlar Odası kayıt no + bağlı şube (TMMOB Mimarlar Odası — credentialing kuruluşu)
2. alumniOf — mezuniyet üniversitesi (ITÜ, Yıldız Teknik, Mimar Sinan vb.)
3. knowsAbout — uzmanlık alanları (restorasyon, sürdürülebilirlik, yapı bilgi modellemesi)
4. publication — Arkitera, Yapı Dergisi, Skala, Domus Turkey'de yayınlanan makaleler veya proje yayınları
5. sameAs — LinkedIn, Behance, Archdaily ve diğer dış otorite profilleri
6. award — yarışma dereceleri, jüri görevleri, mesleki ödüller

Bu alanların hepsi açık veriden gelir — gizli ticari bilgi değil. Ama sistematik olarak structured data formatına dökülmediği için AI cevap motorları "bu mimar 12 yıl deneyimli, restorasyon uzmanı, ITÜ mezunu" gibi spesifik niteliklere ulaşamıyor. Profil sayfası SEO için var ama AI için yok.

Niş Uzmanlık Pozisyonlama: 80,000 Yapı Pazarı

T.C. Kültür ve Turizm Bakanlığı'nın sicil verilerine göre Türkiye'de 80,000'den fazla "Civil Architecture Example" kategorisinde tescilli koruma altında yapı bulunuyor — özellikle İstanbul ve Bursa'da yoğun tarihi doku. Bu, restorasyon nişi için devasa bir pazar büyüklüğü. Aynı zamanda AI cevap motorlarında atıflanmayan açık bir kategori.

Üç niş pozisyon büyük büroların gölgesinde fırsat penceresi sunuyor:

Restorasyon ve röleve: Tabanlıoğlu veya EAA gibi büyük büroların ana iş kolu değil; butik ofislerin uzmanlık kazanabileceği alan. "Bursa tarihi konak restorasyon mimarı" veya "İstanbul Galata 19. yüzyıl bina röleve" gibi spesifik sorgularda niş ofis büyük ofise rakip olamaz çünkü büyük ofis bu sorguya cevap için orada değil — niş pozisyonun yeri tam burası.

Butik konut + iç mimari: AVM/havalimanı projelerini hedefleyen büyük büroların ekonomik olarak ilgilenmediği 200-400m² premium konut nişi. Şehir merkezinde yüksek talep, AI cevap motorlarında niş otorite arayan müşteri.

Sürdürülebilir / LEED-BREEAM sertifikalı: Kurumsal müşteri talep ediyor ama Türkiye'de bu spesifik sertifikasyonlar ve metodoloji ile ilgili AI cevaplarında yer alan yerel mimar profili çok az. Sertifika sahibi ofisler erken hareket avantajı yakalayabilir.

Niş pozisyonlama bilinçli bir tercih: "her şey için ofis" yerine "X için derinleşmiş otorite" konumu. AI bu pozisyonu doğrudan ödüllendiriyor.

Sheltron Vakası: Beşiktaş Butik Ofisi %5 → %51 (8 Hafta)

İstanbul Beşiktaş'ta 8 yıllık geçmişi olan bir butik mimarlık ofisi (anonim, 4 mimar, yıllık 12-15 proje), AI görünürlüğünü ölçtüğünde "Beşiktaş butik konut iç mimari" sorgusunda %5 mention rate ile başladı. Yani 100 test sorgusundan sadece 5'inde AI tarafından kaynak olarak gösteriliyordu.

Sheltron'un 8 haftalık AI görünürlük sprint'i şu adımlardan geçti:

Hafta 1-2 (Audit): İçerik açığı analizi ve AI görünürlük spot check ile 30 niş sorguda baseline çıkarıldı. Rakip ofisler (Beşiktaş bölgesinde aktif 5 ofis) test edildi — hangi sorgularda kim öne çıkıyor.

Hafta 3-4 (Schema deployment): Schema.org Architect + Person + ProfessionalService kombinasyonu site geneline uygulandı. 47 tamamlanmış proje yapılandırılmış formata dönüştürüldü (tip, alan, malzeme, yıl, mahalle metadata). Kurucu iki mimar için detaylı Person schema (alumniOf, knowsAbout, publication).

Hafta 5-6 (Content depth): "Beşiktaş restorasyon", "butik konut iç mimari" niş kategorilerinde 6 derin makale yayınlandı — her biri 1500+ kelime, Architect schema + FAQPage + örnek proje case studies. İçeriklerde Mimarlar Odası kayıt no, ITÜ mezuniyet, Arkitera yayın referansları açıkça vurgulandı.

Hafta 7-8 (İzleme + ince ayar): Mention rate her hafta ölçüldü; yüksek getirili niş sorgularda ek içerik genişletildi. 8. hafta sonunda mention rate %51 — başlangıçtaki %5'in 10 katı. Ofise gelen yeni RFP başvurularının %30'u "AI cevap motorunda gördüm" geri bildirimi içeriyordu.

Bu vaka sektör spesifik bir gerçeği gösteriyor: butik mimarlık ofisi için 8 haftalık bir GEO sprinti, Wikipedia/ArchDaily otorite zinciri olmadan da AI cevap motorlarında niş otorite kurabiliyor. Önemli olan büyük büroya rakip olmak değil — büyük büronun ilgilenmediği niş'te kanonik kaynak haline gelmek.

Ajans tarafı uygulama desteği için Sheltron'un partner ajansı Lein Digital GEO ajans metodolojisi (AI Visibility Audit → Knowledge Architecture → Authority Building → AI Index Optimization) 4 aşamalı süreci ile sprint hızlandırılabilir. Schema deployment + içerik üretimi tek başına yapılması zor olan ofisler için ajans + teknoloji partnerliği yaygın model.

Sıkça Sorulan Sorular

Mimarlık ofisim küçük, ChatGPT'de görünmem için bütçe ne kadar?

Schema.org Architect deployment + portföy yapılandırması teknik bir kerelik iş — kendi web ekibiniz veya freelance geliştirici ile 1-2 günde tamamlanabilir. Maliyet 0 (kendi ekip) ile 15.000-30.000 TL (freelance) arasında değişir. Sürekli içerik üretimi + niş otorite inşası 6-12 hafta süren ek süreç; Sheltron sektör sprint'lerinde ortalama 60.000-150.000 TL aralığında. Ama herhangi bir AI görünürlük çalışmasına başlamadan önce ücretsiz AI görünürlük testi ile mevcut durumunuzu öğrenmenizi öneririz.

Generic ProfessionalService schema yerine Architect type kullanmanın gerçek farkı nedir?

AI cevap motorları sektör spesifikliğine puan veriyor. Generic ProfessionalService "bu bir profesyonel hizmet" der; Architect "bu özel olarak mimar" der. Multi-signal evaluation'da Architect type kullanan ofis "Beşiktaş mimarlık ofisi" sorgusunda doğrudan kategorize edilir; ProfessionalService kullanan ofis AI'nın tahminine kalır. Pratik fark mention rate'te %15-30 oranında ölçülüyor (Sheltron portföy ortalaması).

Tabanlıoğlu, Autoban, EAA gibi büyük bürolarla AI'da rekabet edebilir miyim?

Genel "İstanbul mimarlık ofisi" sorgusunda zor — bu sorgular Wikipedia, ArchDaily ve global yayın otoritesi gerektiriyor. Ancak niş + lokasyon kombinasyonlarında (örn. "Cihangir butik konut iç mimari", "Bursa Osmanlı yapı restorasyon") rekabet edebilirsiniz çünkü büyük bürolar bu spesifik nişler için strateji yapmıyor. Sheltron Beşiktaş butik ofis vakası tam bu mantığın kanıtı: 8 haftada niş sorgularda %51 mention rate.

Mimarlar Odası kayıt no schema'ya nasıl eklenir?

Person schema içindeki memberOf alanına Organization tipi nested object olarak eklenir. Örnek: "memberOf": { "@type": "Organization", "name": "TMMOB Mimarlar Odası İstanbul Büyükkent Şubesi", "memberOf": "12345" }. Bu detay E-E-A-T sinyalini ciddi şekilde güçlendirir — AI "bu kişi resmi olarak mesleki yeterlilik sahibi" kabul ediyor.

Yarışma derecelerimiz ve jüri görevlerimiz AI'a nasıl iletilir?

Person schema'da award alanı array olarak listelenebilir. Her ödül için Award nested object kullanılır (name, dateAwarded, awarder). Jüri görevleri ise worksFor veya affiliation alanıyla ifade edilir. Bu alanların doğru yapılandırılması büyük büroyla karşılaştırılırken "kanıtlanmış uzmanlık" lehinizde olabilir.

Arkitera, Yapı Dergisi gibi yayınlardaki proje yayınlarımız değer ediyor mu?

Çok değer ediyor. Person schema publication alanına ScholarlyArticle veya Article tipi olarak eklenir. AI bu yayınları E-E-A-T otorite kanıtı sayar — özellikle Arkitera, Yapı, XXI, Skala, Domus Turkey gibi sektörel otoriteler. Tek mention bile fark yaratabilir.

Restorasyon nişi gerçekten fırsat penceresi mi?

T.C. Kültür ve Turizm Bakanlığı sicilinde 80.000'den fazla koruma altında yapı var — yani potansiyel proje havuzu devasa. Aynı zamanda büyük mimari ofislerin ana iş kolu değil; AI cevap motorlarında "İstanbul Beyoğlu restorasyon mimarı" gibi spesifik sorgularda boşluk var. Restorasyon ekibi varsa veya bu alanda 5+ proje bitirilmişse, niş pozisyonlama 2-3 ayda AI otoritesi kurabilir.

Tool veya ajans? Hangi yolu seçmeli?

Sheltron'un ücretsiz GEO araçları audit ve schema üretim için yeterli. İçerik üretimi ve sürekli optimizasyon kapasiteniz varsa in-house yol mantıklı. Eğer ekip kapasitesi düşükse veya hızlı sprint istiyorsanız Sheltron tool + Lein Digital ajans uygulama partnerliği yaygın model — Sheltron tespit eder, Lein uygular. Hangi yolu seçerseniz, baseline ölçümü unutmayın.

LEED veya BREEAM sertifikamız var, schema'ya nasıl yansıtılır?

Organization schema'da hasCredential alanı kullanılır — EducationalOccupationalCredential tipi nested object olarak. Örnek: "hasCredential": { "@type": "EducationalOccupationalCredential", "name": "LEED AP BD+C", "credentialCategory": "Certification" }. Sürdürülebilir mimari nişinde bu sertifika doğrudan AI'nın "yetkin uzman" kategorisine girmenizi sağlar.

Sheltron ile çalışmaya nasıl başlanır?

İlk adım ücretsiz AI görünürlük testi — 15 dakikalık değerlendirme formuyla mevcut durumunuzun analizini sunuyoruz. Niş + lokasyon kombinasyonunuza özel öneri çıkarıyoruz. Sonraki adım 12 haftalık GEO danışmanlığı sprint veya kendi ekibinizle uygulama. Yapay zeka çözümleri pillar rehberi tüm metodolojinin detaylı arka planını sunuyor; sıkça sorulan sorular sayfasında genel süreç soruları yanıtlanıyor.

RFP Davetine Çıkmak için AI'da Görünür Olun

Mimarlık müşteri kazanımı 2026'da ikiye ayrıldı: RFP davetine çıkanlar ve çıkamayanlar. AI cevap motorlarındaki ilk 2-4 öneri çoğu zaman bu davet listesini belirliyor. Schema.org Architect + Person + portföy yapılandırması + niş pozisyonlama dörtlüsü olmadan Türkçe pazarın #1 ChatGPT trafik avantajını yakalayamazsınız.

Mevcut durumunuzu öğrenmek 5 dakikanızı alıyor: Sheltron AI Görünürlük Spot Check tool'unu kayıt-gerektirmeden çalıştırın. Sonuç 5 niş sorgu üzerinde mention rate'iniz + ilk 3 rakibinizin pozisyonu. Eğer skor %30'un altındaysa, niş otorite kurma fırsatınız hâlâ açık — sektörünüzde rakipler henüz hareket etmemiş demektir.