Özel Hastaneler için AI Görünürlük: 'En İyi Doktor' ve Randevu Sorguları

ChatGPT'ye 'İstanbul'da en iyi kardiyoloji uzmanı' diye sorulduğunda cevap çoğunlukla 3-5 büyük zincir hastane (Acıbadem, Medical Park, Memorial, Florence Nightingale, Liv) içinde dönüyor. Orta ölçekli özel hastaneler, branş poliklinikleri ya da bağımsız muayenehaneler bu cevap kümesinde neredeyse hiç görünmüyor. Ama gerçek hastalar bu sorguları sorguluyor: 2026'da Türkiye'de hasta yolculuğu artık AI cevap motorlarından başlıyor, geleneksel arama ya da reklam değil AI'da görünmek özel hastane için randevu hattının başlangıç noktası. T.C. Sağlık Bakanlığı'nın 12 Kasım 2025 reklam yönetmeliği klasik tanıtım kanallarını kapadı; 'bilgilendirme' tek meşru yol olarak kaldı.

Bu yazıda orta-büyük ölçek özel hastaneler için AI görünürlük yapısını, randevu-niyetli sorgularda atıflanma metodolojisini, Bursa polikliniği YMYL vakamızın hastane ölçeğine uyarlamasını ve Hospital + Physician + akreditasyon schema zincirini detaylandıracağız. Türkiye özel hastane segmenti için GEO ortalaması 31/100 (Sheltron Endeksi 2026); butik klinik vakasından (24/100) yapısal olarak biraz daha hazırlıklı ama büyük zincirlerle aradaki uçurum AI cevap motorlarında dramatik biçimde görünüyor.

AI Sorgularında 'En İyi' İfadesinin Yasal ve Teknik Gerçekliği

T.C. Sağlık Bakanlığı'nın 12 Kasım 2025 Sağlık Hizmetlerinde Tanıtım ve Bilgilendirme Yönetmeliği Türkiye'de sağlık reklamcılığında köklü bir dönüşüm getirdi: hasta görseli, sponsorlu sosyal medya, 'en iyi', '%100 başarı', 'garantili', 'Türkiye'nin 1 numarası' gibi ifadeler yasak. TTB Etik Kuralları hekim kişisel reklamcılığını da yasakladığı için kurum bilgilendirmesi kanalı tek meşru görünürlük yolu.

Bu yasal çerçeve AI cevap motorlarıyla teknik olarak da uyumlu çalışıyor: ChatGPT, Gemini ve Perplexity zaten 'en iyi' gibi subjective ifadelere değil doğrulanabilir veriye + yapısal sinyale + atıflanabilir kaynağa puan veriyor. Yani Sağlık Bakanlığı'nın yasak ettiği reklam dili AI cevap motorlarında zaten ödüllendirilmiyordu. Mevzuat ve AI optimizasyonu aynı yönde itiyor — özel hastanenin AI'da görünmesi için 'en iyi' demek değil, akredite olduğunu, hangi branşlarda hangi hekimlerin çalıştığını, sertifikalarını ve hasta süreç bilgilerini yapılandırılmış formatta sunmak gerekiyor.

Google Quality Rater Guidelines sağlık YMYL'i 'en yüksek özen kategorisi' olarak işaretliyor; Healthus AI'nın 2026 araştırması sağlık içeriğinde named author + medical credentials + content review tarihinin schema'da işaretli olduğu sayfaların AI Overviews'ta atıflanma oranında belirgin avantaj sağladığını gösteriyor. AirOps 548 bin sayfalık LLM analizi paralel bulgu: structured data + sequential heading + entity references kombinasyonu sağlık YMYL'de 2.8× citation çarpanı yaratıyor.

Hospital Schema vs LocalBusiness — Yapısal Fark

Bursa Polikliniği vakasında MedicalBusiness schema kullanılmıştı (butik 3 hekim, 7 personel). Orta-büyük ölçek özel hastaneler için doğru schema Hospital — Schema.org hierarchisinde MedicalBusiness'ın daha kapsamlı alt türü. Hospital schema şu ek alanları sağlar:

• department array: her bölüm için ayrı MedicalSpecialty (kardiyoloji, ortopedi, nöroloji, kadın doğum, çocuk sağlığı, dahiliye, üroloji vb.)
• medicalSpecialty enumeration: branş kategorizasyonu Schema.org enum'una uygun
• employee array: her hekim için ayrı Person + Physician zincirleme şema
• availableService array: tanı, tedavi, ameliyat hizmetleri MedicalProcedure schema
• hasCredential: JCI (Joint Commission International), ISO 9001, ISO 15189, TÜRKAK akreditasyon sertifikaları
• openingHoursSpecification: 7 gün × 24 saat acil servis vs poliklinik saatleri ayrımı
• aggregateRating: hasta yorumları aggregate (mevzuata uygun, yorum başına değil)
• paymentAccepted: SGK + özel sigorta + tamamlayıcı sigorta + nakit
• acceptsReservations: true + ContactPoint: online randevu sistemi

Generic LocalBusiness schema 'burası bir yerel işletme' der; ChatGPT/Gemini/Perplexity sayfanın hangi sağlık kuruluşu olduğunu tahmin etmek zorunda kalır. Hospital schema 'burası kategorize özel hastane, X branşları var, Y akreditasyonu sahip' sinyalini doğrudan iletir. Bu kategorize fark AI cevabında niş sağlık sorguları için kritik — özellikle '[ilçe] kardiyoloji randevu', '[şehir] çocuk doktoru online randevu', '[şehir] acil servis bekleme süresi' gibi randevu-niyetli sorgularda.

Physician Schema: Hekim Profilinin Yapısallaştırılması

Hospital schema'nın employee array'ine her hekim için ayrı Person + Physician + MedicalSpecialty zinciri yerleştirilir. TTB tescil numarası + tıp fakültesi + uzmanlık + uzmanlık sonrası eğitim alanları doğrulanabilir resmi veriler — TTB Etik Kuralları çerçevesinde kişisel reklam değil, kurum bilgilendirmesi sınıfında.

Her hekim Physician schema'sının minimum zorunlu alanları:

• name: Doktor Tam Adı + Unvan (Uzm. Dr. / Doç. Dr. / Prof. Dr.)
• jobTitle: Branş + Pozisyon (örnek: 'Kardiyoloji Uzmanı, Bölüm Başkanı')
• medicalSpecialty: Schema.org Enumeration (Cardiology, Orthopedics, Obstetrics vb.)
• alumniOf: Tıp fakültesi + uzmanlık eğitimi yapılan kurum (CollegeOrUniversity referansı)
• memberOf: TTB tabip odası + bağlı il şubesi (Organization referansı; tescil no ek property olarak)
• worksFor: Hospital MedicalOrganization referansı (entity @id ile)
• hasCredential: Uzmanlık diploma + yan dal sertifikaları + uluslararası fellowship

Güçlendirici alanlar: award (akademik veya kurumsal ödüller), publication (PubMed indeksli makaleler), sameAs (LinkedIn + Doximity + ResearchGate + üniversite profili), knowsLanguage (yabancı dil; sağlık turizmi için kritik), knowsAbout (alt uzmanlık alanları).

15-50 hekim arası orta-büyük hastane için her hekim sayfası bu yapıyla zenginleştirilir; site geneline @graph wrapper içinde tek Hospital entity + tüm Physician'ların referansı tek otorite zinciri oluşturur. AirOps araştırmasının net bulgusu: birbirine entity reference ile bağlı yapılarda AI cevabında sequential atıflanma oranı 2.8 kat artıyor.

Akreditasyon Sinyali: JCI, ISO, TÜRKAK

Türkiye'de özel hastane akreditasyonları AI cevap motorlarının güven sinyali olarak okuduğu kritik yapısal veri. Joint Commission International (jointcommissioninternational.org) global ölçekte sağlık kuruluşları için en yüksek standart; Türkiye'de büyük zincirler dışında orta-ölçek hastanelerin çoğunda yok ama JCI Türkiye listesinde 40+ kuruluş 2026 itibariyle.

Akreditasyon schema entegrasyonu hasCredential property üzerinden işliyor; her sertifika ayrı bir EducationalOccupationalCredential entity'si olarak modellenmeli:

"hasCredential": [
  {
    "@type": "EducationalOccupationalCredential",
    "name": "JCI Akreditasyonu",
    "credentialCategory": "international quality accreditation",
    "recognizedBy": {
      "@type": "Organization",
      "name": "Joint Commission International",
      "url": "https://www.jointcommissioninternational.org/"
    },
    "datePublished": "2024-03-15",
    "validFor": "P3Y"
  }
]

Aynı yapı ISO 9001 (kalite yönetim), ISO 15189 (medikal laboratuvar), ISO 22000 (gıda güvenliği — hastane mutfağı için), TÜRKAK (Türk Akreditasyon Kurumu), TS EN 15224 (sağlık hizmetlerinde kalite) için tekrarlanır. Akreditasyon listesi schema'da yapılandırılmış olduğunda AI cevabı 'JCI akredite özel hastane' sorgularında bu kuruluşu öne çıkarır.

Randevu Sorguları için OnlineBooking Sinyali

Özel hastane AI sorgularının en yüksek dönüşümlü kategorisi randevu-niyetli sorgular: 'İstanbul Avrupa yakası online doktor randevu', '[şehir] kardiyoloji muayene fiyatı', 'acil servis bekleme süresi [şehir]', 'tatil günleri açık özel hastane Anadolu yakası'. Bu sorgular hastanın karar verme süreci içinde son aşamada — schema sinyali sayfada yoksa AI cevabı geneliyor, randevu trafiği büyük zincirlere kayıyor.

Hospital schema'da acceptsReservations: true + ContactPoint + URL olarak randevu sistemi entegrasyonu yapılır. Online randevu sistem URL'i (kendi randevu portalı veya enabiz.gov.tr entegrasyonu) potentialAction olarak ReserveAction tipinde işaretlenmeli:

"potentialAction": {
  "@type": "ReserveAction",
  "name": "Online Randevu",
  "target": {
    "@type": "EntryPoint",
    "urlTemplate": "https://example-hastane.com/randevu",
    "actionPlatform": ["https://schema.org/DesktopWebPlatform", "https://schema.org/MobileWebPlatform"]
  },
  "result": {
    "@type": "Reservation",
    "name": "Doktor Randevusu"
  }
}

Bu sinyal AI cevap motorlarına 'buradan direkt randevu alınabilir' diyor; randevu-niyetli sorgularda bu işareti taşıyan kuruluşlar AI cevap kümesinin üst sıralarında yer alıyor. Bursa Polikliniği vakasında butik ölçek için bu mantık Q&A ve services üzerinden işliyordu; orta-büyük hastanede ReserveAction schema kritik ek katman.

Branş Bazlı İçerik Stratejisi

AI sorgularında 'en iyi kardiyoloji uzmanı [şehir]' gibi branş-spesifik sorgularda yapısal olarak öne çıkmak için her ana branşa özel landing page + MedicalSpecialty schema + branş hekimleri zinciri + hasta bilgilendirme makaleleri kombinasyonu gerek.

Tipik 25-100 yataklı özel hastane için minimum branş içerik mimarisi:

• Ana branşlar (8-12 adet): Kardiyoloji, dahiliye, kadın doğum, çocuk sağlığı, ortopedi, nöroloji, üroloji, göz, KBB, dermatoloji, psikiyatri, fizik tedavi
• Her branş için ayrı sayfa: MedicalSpecialty schema + bölüm tanımı + bölümdeki hekimler array + verilen hizmetler MedicalProcedure listesi + sıkça sorulan hasta soruları FAQPage
• Her hekim için ayrı profil sayfası: Physician schema + CV + sertifikalar + akademik makaleler + Türkçe + yabancı dil bilgisi
• Branş başına 6-10 hasta bilgilendirme makalesi: MedicalArticle + reviewedBy Physician + about MedicalCondition + citation (ACOG, NIH, PubMed indeksli akademik kaynaklar)

Toplam 80-150 yapılandırılmış sayfa orta-büyük hastane için minimum mimari. Bursa Polikliniği vakasındaki 8-12 makale + 3 hekim profili katmanı ölçek olarak 10-15 kat genişler. Sprint süresi de buna paralel: butik klinik 10 hafta, orta-büyük hastane 16-20 hafta.

Mention Rate Beklenti Aralığı

Bursa Polikliniği 10 haftada %4 → %58 mention rate yolculuğunu yaşadı (butik ölçek). Orta-büyük ölçek özel hastane için 16-20 haftalık sprint sonu beklenti aralığı:

• Genel branş sorguları: %35-50 mention rate (büyük zincirler arasındaki boşluğu doldurmak)
• Niş branş + lokasyon: %50-70 (rekabet en düşük seviyede, en yüksek dönüşüm)
• 'En iyi [branş]' tipi sorgular: %25-40 (yapısal olarak büyük zincirler önde, ama AI subjective ifadeyi azaltırken yapısal sinyale ağırlık veriyor)
• Randevu-niyetli sorgular: %40-60 (ReserveAction schema avantajı belirgin)

AI motor breakdown sağlık YMYL'de Gemini %62 (Google Health Knowledge Graph + Maps entegrasyonu), ChatGPT %54 (Bing local pack), Perplexity %46. Türkiye'de Gemini'nin Google Search Grounding entegrasyonu YMYL niş sorgularda belirgin avantaj veriyor; Bursa vakasıyla paralel sonuç.

Genel Uygulama Çerçevesi

Türkiye özel hastane segmenti için Hospital + Physician + akreditasyon + ReserveAction schema zinciri + 80-150 yapılandırılmış sayfa + NAP tutarlılığı (kurum + her hekim ayrı Google Business Profile + ENABİZ randevu sistemi entegrasyonu + sağlık dizinleri) beşlisi yapısal görünürlüğün temeli.

Sektör segmentasyonu için pratik kategoriler:

Tam donanımlı özel hastaneler (100+ yatak). Hospital schema tam kapsamlı; 8+ branş; 30+ hekim; JCI veya equivalent akreditasyon. Sprint 16-20 hafta. Custom ENABİZ entegrasyonu + Citation Tracker custom dashboard.

Orta ölçek özel hastane (25-100 yatak). Hospital schema temel; 5-8 branş; 15-30 hekim; ISO 9001 + TÜRKAK akreditasyon. Sprint 14-18 hafta. Bu yazının ana hedef segmenti.

Branş polikliniği (10-50 hekim, multi-branş ama hastane değil). MedicalClinic schema (Hospital değil); 4-6 branş; 10-25 hekim; sektör derneği üyelikleri. Sprint 12-16 hafta.

Butik klinik (tek-üç hekim). Bursa vakası birebir uyarlanır — MedicalBusiness schema, 8-12 hasta rehberi, 10 hafta sprint.

Sağlık sektörü rehberinde sektör genel yapı detaylandırılıyor; hızlı değerlendirme formu ile hastane ölçeği + branş kompozisyonu + akreditasyon durumu girilince spesifik sprint planı çıkar.

Sheltron + Lein Digital: Sağlık Sektörü Özel Modeli

Sağlık sektöründe schema + içerik üretimi koordinasyonu hassas — TTB Etik Kuralları + Sağlık Bakanlığı yönetmeliği uyum kontrolü her makalede gerekli. Sheltron teknolojisi (Schema Markup Üretici + Mention Watcher + Citation Tracker) altyapı katmanını kapsıyor; Sheltron sağlık sektör rehberi teknik metodoloji referansı.

Operasyonel uygulamada partner GEO ajansı Lein Digital sağlık YMYL içerik üretiminde mevzuat danışmanı + hekim review + tıbbi editör zincirini koordine ediyor. Sheltron teknolojisi + Lein operasyon ekibi kombinasyonu özel hastane segmentinde 16-20 haftalık sprint için sürdürülebilir yapı.

CTA — Özel Hastane AI Görünürlük Auditi

Özel hastanenizin mevcut AI görünürlük durumunu öğrenmek için iki adım: (1) Sheltron AI Görünürlük Spot Check aracını çalıştırın — kurum adı + ana branşlardan biri + lokasyon girin, 5 niş sorguda mention rate baseline çıksın; (2) hızlı değerlendirme formu ile hastane ölçeği + branş + akreditasyon durumu girince hastaneye özel sprint haritası hazırlanır.

Detaylı YMYL metodoloji için Bursa Polikliniği 10 hafta vakası, schema teknik altyapı için Schema Markup Üretici aracı ve Schema Markup Doğrulayıcı, genel sağlık sektör çerçevesi için sağlık sektör rehberi ve yapay zeka çözümleri pillar sayfası detaylı kaynak.