Otomotiv Yedek Parça ve Aftermarket için AI Görünürlük 2026

Türkiye aftermarket pazarı $4.8 milyar seviyesine ulaştı, ihracat $1.9 milyara yükseldi — TAYSAD'ın 2025 Türkiye Aftermarket Raporu verileriyle. Küresel ölçek daha çarpıcı: OESA'nın 2026 Aftermarket Outlook'u küresel pazarı $620 milyar olarak ölçtü ve 2030 projeksiyonunu $850 milyar (CAGR %6.5) verdi. Türkiye TecAlliance TecDoc veritabanında 1.4 milyondan fazla yedek parça kayıtlı — küresel B2B parça arama standardının kalbinde.

Ama ChatGPT'ye "BMW 320i 2018 fren disk öneri" diye sorduğunuzda Türkiye'deki spesifik bir aftermarket parça mağazası önerisi karşınıza çıkmıyor. Cevap Brembo, ATE, TRW gibi global parça markalarını listeliyor — distribütör veya bayi yok. Türkçe satıcı önerisi olarak ototicaret.com gibi marketplace'ler beliriyor; spesifik aftermarket mağazası kanonik öneri olarak yer almıyor. Türkiye aftermarket GEO ortalaması 22/100 (Sheltron Endeksi 2026) — e-ticaret ortalamasının altında, sanayi ortalamasının üstünde.

Bu yazıda otomotiv yedek parça ve aftermarket sektöründe AI cevap motorlarının nasıl davrandığını, Schema.org AutoPartsStore + Product + isAccessoryOrSparePartFor zincirinin pratik mimarisini, OE numarası + cross-reference yapısını, DIY/DIFM (Do-It-Yourself / Do-It-For-Me) bölümlemesinde AI sorgu farkını ve Sheltron Konya aftermarket vakasında 7 haftada %8'den %52'ye çıkan anonim mention rate hikayesini inceleyeceğiz.

%97 AI Cevabı Satın Alma Kararını Etkiliyor — Yedek Parça Pazarı Hareket Etmedi

Cars.com 2026 AI Survey otomotiv alıcıların %97'sinin AI cevabının satın alma kararını etkilediğini bildirdiğini gösterdi. Aynı eğilim aftermarket parçada da geçerli, hatta daha keskin: parça satın alımı yüksek teknik, çok parametreli (marka × model × yıl × motor × varyant × OE numarası) bir karar — alıcı AI'ya en doğal sorularını sorduğu yer.

McKinsey'in 2025 Global Automotive Aftermarket raporu pazarı iki bölüme ayırıyor: DIFM (Do-It-For-Me) %78 ve DIY (Do-It-Yourself) %22. DIFM modeli servis + parça birlikte (kullanıcı parçayı kendi takmıyor, mekaniğe götürüyor) — AI sorgularına daha açık çünkü servis önerisi de parça kararıyla iç içe geçiyor. DIY modeli ise teknik bilgi sahibi kullanıcı + spesifik OE numarası arıyor — sorgular daha hassas.

Gerçek aftermarket sorgu örnekleri:

• DIFM tarafı: "İstanbul Kadıköy BMW 320i fren disk değişimi nereden alınır?"
• DIFM tarafı: "Mercedes C200 2019 amortisör servisi İstanbul"
• DIY tarafı: "BMW 320i F30 2018 ön fren disk OE 34106797603 muadil"
• DIY tarafı: "Audi A4 B9 yağ filtresi OE 06H115403B Bosch eşdeğer"
• B2B tarafı: "Toyota Corolla 2020 hava filtresi distribütör Türkiye TecDoc"

Bu sorgulardaki ortak nokta: AI OE numarası + marka + model + varyant kombinasyonunda spesifik veri istiyor. Generic "yedek parça satıcı" listesi cevap olarak yetmiyor — yapılandırılmış teknik veri olmayan mağaza AI tarafında görünmez kalıyor.

Sheltron'un e-ticaret sektör sayfasında detaylandırdığımız ürün-citation mantığı aftermarket için de geçerli, ama parça katalog karmaşıklığı (240+ marka cross-reference, milyonlarca OE numarası) e-ticaretten bir kat daha derin.

Schema.org AutoPartsStore + Product + isAccessoryOrSparePartFor Zinciri

Schema.org AutoPartsStore otomotiv yedek parça satışı için dedicated tip — generic LocalBusiness veya Store'dan farklı. Tek başına yeterli değil; Product + isAccessoryOrSparePartFor field'larıyla kombinasyon AI'ya "bu mağaza X marka için Y modelin Z parçasını satıyor" yapısal cevabını veriyor.

Temel JSON-LD yapısı:

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "BMW 320i F30 2018 Ön Fren Disk",
  "productID": "34106797603",
  "sku": "BREMBO-09.A185.11",
  "brand": { "@type": "Brand", "name": "Brembo" },
  "isAccessoryOrSparePartFor": [
    {
      "@type": "Car",
      "brand": { "@type": "Brand", "name": "BMW" },
      "model": "3 Serisi 320i",
      "vehicleModelDate": "2018",
      "vehicleConfiguration": "F30 LCI"
    }
  ],
  "additionalProperty": [
    { "@type": "PropertyValue", "name": "OE Numarası", "value": "34106797603" },
    { "@type": "PropertyValue", "name": "Çap (mm)", "value": "330" },
    { "@type": "PropertyValue", "name": "Tip", "value": "Havalandırmalı" }
  ],
  "offers": {
    "@type": "Offer",
    "price": "1850",
    "priceCurrency": "TRY",
    "availability": "https://schema.org/InStock",
    "seller": {
      "@type": "AutoPartsStore",
      "name": "Örnek Aftermarket",
      "address": "Konya, Türkiye",
      "areaServed": "Türkiye"
    }
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.7",
    "reviewCount": "38"
  }
}

Bu yapının kritik üç bileşeni: (1) isAccessoryOrSparePartFor alanı OE eşdeğer doğrulamayı AI'ya sinyal olarak iletiyor, (2) additionalProperty OE numarası alanı milyonlarca parça arama standardının Türkiye karşılığı, (3) brand cross-reference (Brembo + OEM markası BMW) AI'ya "hangi muadil markalar hangi araçlara uyar" cevabını veriyor.

Manuel yazmak pratik değil — 1000+ ürün için PIM (Product Information Management) sisteminden Schema feed otomasyonu kurulmalı. Form üzerinden tek-ürün yapılandırılması için Sheltron Schema Markup Üreticisi kullanılabilir.

OE Numarası ve Cross-Reference: AI'nın Teknik Doğruluğu Nasıl Test Ettiği

Aftermarket pazarın en kritik parametresi OE (Original Equipment) numarası. Üretici (OEM) parça numarasıyla muadil markalar (Brembo, ATE, TRW, Mann-Filter, NGK, Sachs vb.) arasındaki uyumluluk haritası TecDoc ve CATKIT gibi B2B veri standartlarıyla yönetiliyor. Hella'nın B2B kataloğu ve Bosch'un cross-reference veritabanı 240+ marka uyumluluk tablosu standardını kullanıyor — bir OEM parça için 8-15 muadil seçenek tipik.

AI cevap motorları teknik doğruluğu OE numarası ile çapraz-doğrulama üzerinden test ediyor. "BMW 320i 2018 hava filtresi OE 13718577171" gibi sorguda AI:

1. Schema'da OE numarasının doğru iletilip iletilmediğini kontrol ediyor
2. Muadil markaların (Bosch, Mann-Filter, Mahle) cross-reference yapısının olup olmadığını ölçüyor
3. Fiyat + stok durumunun yapılandırılmış formatta olduğunu doğruluyor

Üçü de yapılandırılmamışsa parça mağazası bu sorguda görünmez. Üçü de yapılandırılmışsa AI sorguya doğrudan kanonik cevap olarak mağazayı önerebiliyor.

Pratik altyapı kurulumu üç adımda:

Adım 1 — TecDoc/CATKIT entegrasyonu: Türkiye'de büyük distribütörler bu veri akışını feed olarak sunuyor; küçük mağazalar için temel cross-reference manual eklenebilir (200-500 SKU başlangıç için).

Adım 2 — additionalProperty OE field'ı: Her ürün sayfasında Schema.org additionalProperty kullanılarak OE numarası, çap, kalınlık, motor kodu gibi teknik parametreler yapılandırılır.

Adım 3 — Real-time inventory + fiyat sync: ERP sistemiyle entegrasyon — stok değiştiğinde Schema availability state'i (InStock / OutOfStock / PreOrder) otomatik güncellenir. Eski crawl'da yanlış sinyal AI'nın citation deprioritize davranışını tetikliyor.

DIY vs DIFM: Sorgu Davranışı ve AI Cevap Formatı Farkı

DIY ve DIFM segmentleri AI sorgu davranışında ayrılıyor. DIY kullanıcısı (mekanik tecrübe sahibi, OE numarasıyla arama yapan, fiyat sensitif): teknik parametre + muadil marka karşılaştırması istiyor. DIFM kullanıcısı (mekaniğe götüren, parça + servis paket arayan): "X parça nereden alınır + nerede taktırılır" kombine cevabı istiyor.

AI cevap formatı farkı pratik olarak:

• DIY sorgusu ("BMW 320i F30 ön fren disk muadil Brembo Bosch karşılaştırma"): AI cevap olarak teknik karşılaştırma tablosu üretiyor — fiyat, marka, çap, kalınlık parametreleri. Mağaza önerisi sekonder.
• DIFM sorgusu ("İstanbul Kadıköy BMW fren disk değişimi nereden"): AI cevap olarak servis + parça birlikte sunan mağaza/servisleri öneriyor. Lokasyon + uzmanlık + müşteri yorumu primary sinyaller.

Bu fark içerik stratejisini şekillendiriyor. DIY için: Teknik karşılaştırma sayfaları, OE numarası filtre arama, marka cross-reference tabloları öncelik. DIFM için: Lokasyon + servis kombinasyonu sayfaları, montaj garantisi, müşteri yorumları (Schema Review) öncelik.

Yapay zekareklami.com'un otomotiv sektör danışmanlık sayfası bu iki segmentin GEO uygulamasını ajans desteğiyle birleştiren yaygın model — kendi ekibinizle yapamayacağınız feed entegrasyonları için.

DIFM Servis Otoritesi: Parça + Montaj Paket Cevabı

DIFM segmentinin AI görünürlüğü için servis otorite sayfası + parça katalog birlikte konumlandırılması gerekiyor. Schema.org tipinde AutoRepair (servis tarafı) + AutoPartsStore (parça tarafı) çift-yönlü yapılandırılmalı. Bu kombinasyon AI'ya "bu mağaza hem parça hem montaj sağlıyor" yapısal cevabını veriyor.

Servis otorite sayfası alanları:

• Yetkili lisans bilgisi: Üretici onaylı eğitim sertifikaları, marka uzmanlığı (BMW Service, Mercedes Authorized vb. — knowsAbout schema field)
• Hizmet kapsamı: Mekanik, elektrik, kaporta, klima, motor (her biri ayrı Service tipi)
• Teknisyen profili: Üretici eğitim sertifikaları, deneyim yılı (Person + worksFor)
• Garanti politikası: warrantyPromise, durationOfWarranty (Türkiye yasal min. 6 ay)
• Müşteri yorumları: Schema Review + aggregateRating
• Lokasyon + saatler: openingHours, areaServed (ilçe-mahalle granülerite)

DIFM AI sorgularında "servis + parça paket" mağazaları, sadece parça satan mağazalardan 2.3-2.8x daha fazla mention rate alıyor (Sheltron portföy ortalaması, 2026).

Sheltron Vakası: Konya Aftermarket %8 → %52 (7 Hafta)

Konya'da faaliyet gösteren orta ölçekli bir aftermarket mağazası (anonim, 12 yıllık geçmiş, 1800+ aktif SKU, ağırlıklı Alman premium markalar BMW + Audi + Mercedes, DIFM modeli — servis + parça paket) AI görünürlük baseline ölçümünde %8 mention rate seviyesindeydi. 35 niş aftermarket sorgu setinde (BMW 320i fren disk muadil, Mercedes E200 amortisör Türkiye, Audi A4 yağ filtresi Konya vb.) sadece 3 sorguda kaynak olarak görünüyordu.

Sheltron'un 7 haftalık aftermarket GEO sprint'i şöyle ilerledi:

Hafta 1 (Audit + ilk Schema deploy): 35 niş sorguda baseline ölçüldü; rakip analizi (ototicaret, sahibinden ticari, ulusal distribütör ağı) tamamlandı. Schema.org AutoPartsStore + Product + isAccessoryOrSparePartFor + AutoRepair (servis tarafı) site geneline uygulandı. İlk 200 yüksek-talep SKU yapılandırılmış formata dönüştürüldü.

Hafta 2-3 (TecDoc entegrasyon + OE field): Mağazanın distribütör feed'inden TecDoc kaynaklı OE numarası + cross-reference verisi sisteme entegre edildi. additionalProperty alanında OE numarası, motor kodu, varyant kodu, çap/kalınlık teknik parametreleri yapılandırıldı. 1800 SKU'nun 1400'ü tam yapılandırılmış schema'ya dönüştü.

Hafta 4 (Servis otorite sayfası): Yetkili BMW + Audi + Mercedes mekanik servis sayfaları detaylandırıldı. Teknisyen profilleri (üretici eğitim sertifikaları + deneyim yılı), garanti politikası (1 yıl iş garantisi), hizmet listesi (Service schema tipiyle modüler). Marka uzmanlığı vurgusu knowsAbout field'ında yapılandırıldı.

Hafta 5 (İçerik derinleştirme): "BMW 320i F30 fren disk seçimi: OE vs Muadil karşılaştırma" ve "Mercedes E200 amortisör değişim rehberi" gibi 4 derinlemesine teknik içerik yayınlandı — her biri 1800+ kelime, FAQ schema entegre, marka cross-reference tablosu içeriyor.

Hafta 6 (Yorum + otorite zinciri): Mevcut Google yorumlarının 24 tanesi Schema Review formatında siteye entegre edildi (yıldız, satın alınan parça, montaj durumu, doğrulanmış müşteri). Yerel BAYDER (Bayi Dernek) profili güncellendi; Konya OSB üye platformunda profil oluşturuldu.

Hafta 7 (Ölçüm + ince ayar): 7. hafta sonunda mention rate %52 — başlangıçtaki %8'in 6.5 katı. "Konya BMW fren disk değişimi" sorgusunda 1. öneri, "BMW 320i F30 ön fren disk muadil" sorgusunda ilk 3'te. İş sonucu: AI üzerinden gelen DIFM müşteri talepleri aylık 9-12 yeni randevu seviyesine yükseldi; ortalama sepet 2.400 TL parça + 800 TL montaj = 3.200 TL.

Genel Müdür yorumu (anonim): "Müşterilerimiz artık önce ChatGPT'ye 'Konya'da BMW fren disk değiştir' diye soruyor. Schema + OE numarası + servis sayfası + 24 yorum kombinasyonundan önce biz görünmüyorduk — ototicaret ve generic sonuçlar çıkıyordu. 7 haftada 'Konya BMW fren disk' sorgusunda 1. öneriye geldik; aylık 9-12 yeni DIFM randevu AI üzerinden geliyor."

Bu vaka aftermarket'in kendine özgü iki gerçeğini netleştirdi: (1) OE numarası + cross-reference + servis otorite birleştirilmediği sürece niş sorgularda görünmek mümkün değil, (2) DIFM segmenti (servis + parça paket) DIY-only mağazalardan 2-3 katı mention rate alıyor — Türkiye pazarında DIFM hâkim olduğu için fırsat penceresi burada en geniş.

Uygulama tarafında ekip kapasitesi sınırlıysa Sheltron'un partner ajansı Lein Digital'in 4 aşamalı GEO ajans metodolojisi (AI Visibility Audit → Knowledge Architecture → Authority Building → AI Index Optimization) bu segmentte yaygın model. TecDoc entegrasyonu + servis sayfası içerik üretimi ajans desteği yaygın talep alanı.

Sıkça Sorulan Sorular

Aftermarket mağazamız küçük, 1800 SKU var — tümünü Schema'ya almak için bütçe ne kadar?

Manuel pratik değil. ERP veya PIM sisteminden (Logo, Mikro, SAP Business One gibi) JSON Schema feed otomasyonu — 2-3 haftalık entegrasyon iş, sonrasında otomatik. Maliyet 35.000-90.000 TL aralığında (entegrasyon yazılımcısı + Sheltron Schema şablon kütüphanesi). Sonrasında yeni SKU eklendikçe Schema otomatik üretilir. İlk 4-6 hafta mention rate'i %20-30 seviyesine çekmek için 200-400 en yüksek talepli SKU manuel yapılandırılır, sonra geri kalan otomasyona geçilir.

TecDoc lisansı pahalı — küçük mağazalar için alternatif var mı?

Full TecDoc lisansı küçük mağaza için zorlayıcı (yıllık maliyet €8K-25K). Alternatif: Türkiye distribütörlerinin (Mark Otomotiv, Erbosan, Olçer, Adopen Auto vb.) bayilere açık feed'leri var — bu feedlerde OE numarası + cross-reference bilgisi yer alıyor. Mağaza distribütörden bu veriyi alıp Schema additionalProperty alanına yapılandırabilir. 200-500 SKU başlangıç manuel doldurma da mümkün (Hella ve Bosch B2B kataloglardan OE bakılarak).

DIY vs DIFM hangi tarafa odaklanmalıyım?

Türkiye pazarında DIFM %78 hâkim (McKinsey 2025). Ama bu DIY'ı görmezden gelin demek değil — DIY segmenti ortalama sepet daha yüksek (teknik tüketici premium markaları seçiyor). Strateji: DIFM için lokasyon + servis paket sayfaları, DIY için teknik karşılaştırma + OE arama sayfaları. İkisini de Schema'da AutoPartsStore + AutoRepair çift-tipiyle yapılandır. Ortalama Sheltron portföyünde DIFM 65-70 mention share, DIY 30-35.

isAccessoryOrSparePartFor field'ında her uyum aracını tek tek yazmam mı gerekiyor?

Uygulamada her ürün için sadece spesifik uyum verileri (marka × model × yıl × motor varyantı) yazılır. "BMW 3 Serisi tüm modeller" tarzı geniş ifade yetersiz — AI somut varyant filtresi istiyor. Pratik çözüm: ERP'de bir uyum matrisi tablosu (SKU → araç uyum array'i), Schema feed bunu otomatik olarak isAccessoryOrSparePartFor array'ine dönüştürüyor. Manuel yazımda her ürün için ortalama 3-8 araç varyantı yapılandırılması yeterli.

Brembo, Bosch, Mann-Filter gibi muadil markalar Schema'da nasıl iletilir?

İki katmanda yapılandırılır: (1) Ürünün brand alanında muadil markanın adı (örn. "Brembo"), (2) isAccessoryOrSparePartFor altında OEM (orijinal) araç markası (örn. "BMW"). Ayrıca cross-reference tablosu için additionalProperty alanına "OE Eşdeğer" key-value çiftleri eklenebilir (örn. "OE: 34106797603, Brembo: 09.A185.11, Bosch: 0986479B47"). Bu yapı AI'ya "Brembo X kodu BMW Y modeli için OE Z'nin muadili" cevabını veriyor.

AI'da görünmek için en kritik 5 ürün hangileri?

En yüksek satış hacimli (Pareto %20 SKU'larınız) + en yüksek AI sorgu hacimli (ChatGPT/Perplexity'de en çok aranan parça tipleri) kesişimi. Türkiye aftermarket pazarında bu tipik olarak: (1) fren disk + balata seti, (2) yağ filtresi + yağ, (3) hava + polen filtresi, (4) amortisör, (5) akü. Bu 5 kategori için en popüler 10 araç modeli × 50 SKU = 250 yüksek-öncelikli SKU listesi çıkar. İlk Schema sprint'i bu listeyle başlatılır.

TecAlliance TecDoc Türkiye'de gerçekten standart mı, alternatifi var mı?

Evet, küresel B2B aftermarket parça arama standardı; Türkiye'de büyük distribütörlerin tümü TecDoc beslemesini kullanıyor. Alternatif: yerel CATKIT veritabanı + bazı OEM-spesifik kataloglar (BMW EPC, Mercedes EPC). Ama AI cevap motorları TecDoc beslemesi olan mağazaları daha yapılandırılmış kaynak olarak okuyor. Küçük mağaza TecDoc lisansı olmasa da TecDoc-uyumlu OE numarası formatını manuel ekleyebilir.

Konya gibi orta ölçekli şehirden Türkiye geneline mention rate kazanmak mümkün mü?

Evet — örnekte Konya aftermarket vakası 'Konya BMW fren disk' sorgusunda 1. öneriye geldi + Türkiye genelinde 'BMW 320i F30 fren disk muadil' sorgusunda ilk 3'te. Lokasyon mention rate ile teknik mention rate ayrı sinyaller. Schema'da areaServed alanı geniş tutulduğunda (Konya + Türkiye genel + ihracat yapıyorsa Avrupa) lokasyon-bağımsız teknik sorgularda da görünmek mümkün. Distribütör boyutundaki mağazalar Türkiye geneline daha kolay çıkıyor.

Ücretsiz AI Görünürlük Spot Check aftermarket için ne ölçer?

Sheltron AI Görünürlük Spot Check aracı: domain + ana marka kategorisi (BMW/Mercedes/Audi vb.) + 1-2 ana parça tipi (fren/filtre/amortisör) girilince 5 niş aftermarket sorguda mention rate 0-100 skoru raporluyor. Tipik test seti: '[şehir] [marka] [parça tipi] satın al', '[araç modeli] [parça] muadil', '[parça] OE numarası karşılaştırma', '[marka] [model] servis ve parça'. Skor altındaysa Schema + OE field deployment ilk adım.

Sheltron ile çalışmaya nasıl başlanır?

İlk adım ücretsiz hızlı değerlendirme formu — 5 dakikada baseline mention rate + Schema audit + cross-reference durumu özet raporu. Sonraki adım in-house uygulama veya hibrit model: Sheltron GEO altyapısı + Lein Digital partner ajans uygulaması. Süreç soruları için yapay zeka çözümleri rehberi ve SSS sayfası. Aftermarket için spesifik metodoloji otomotiv sektör rehberi ve otomotiv galerileri vakası okunabilir.

Yedek Parça Mağazanızı AI'da Görünür Kılın

Otomotiv aftermarket pazarı 2026'da ikiye ayrıldı: marketplace gölgesinde kalanlar ve OE numarası + Schema + servis otorite zincirini birleştirerek niş otorite kuranlar. AI cevap motorlarındaki ilk 2-3 öneri DIFM müşterinin randevu listesini, DIY müşterinin satın alma kararını şekillendiriyor.

Mevcut durumunuzu öğrenmek 30-60 saniye sürüyor: Sheltron AI Görünürlük Spot Check kayıt-gerektirmeden 5 niş aftermarket sorgusunda mention rate'inizi raporluyor. Skor %25'in altındaysa niş otorite kurma fırsatı henüz açık — Türkiye aftermarket segmenti rakiplerin büyük kısmı hâlâ marketplace bağımlılığında. Detaylı yol haritası için GEO danışmanlığı sayfamıza, otomotiv sektörü metodolojisi için otomotiv sektör rehberi ve otomotiv galerileri vakası, GEO nedir? sorusu için temel rehberimize göz atabilirsiniz.