Türk E-ticaret Sitelerinin Ürün Verisi AI Alışverişe Hazır mı? 57 Mağazada Product Şeması Doluluk Oranı

Türk e-ticaret sitelerinin ürün verisi AI alışverişe kısmen hazır. T.C. Ticaret Bakanlığı'na göre Türkiye'de e-ticaret hacmi 2025'te %52,2 artışla 4 trilyon 567 milyar liraya ulaştı. Sheltron'un Eylül 2026'da ölçtüğü 57 büyük e-ticaret sitesinin %89,5'i ürün sayfasında fiyat teklifini, para birimini ve stok durumunu yapılandırılmış veriyle veriyor. Ürünü tanımlayan ve karşılaştırmayı mümkün kılan alanlarda oran belirgin biçimde düşüyor: GTIN veren site %28,1, kargo bilgisi veren %28,1, iade politikası veren %31,6, ortalama puan veren %24,6.

Google'ın merchant listing belgesinden derlediğimiz 10 alanlık sette site ortalaması %62,1, medyan %60. On alanın tamamını dolduran site çıkmadı; 6 sitenin ölçtüğümüz ürün sayfalarında hiç Product işaretlemesi yoktu. Örneklem Türkiye'nin en çok ziyaret edilen sitelerinden seçildiği için Bakanlığın saydığı 634 bin e-ticaret işletmesinin tamamını temsil etmiyor. Ölçülen şey alanların sayfada bulunup bulunmadığıdır; ChatGPT, Gemini ya da Google AI Mode'un bu alanları nasıl kullandığı bu çalışmanın konusu değil. Mağazalar şablonlarını her an değiştirebileceği için bütün rakamlar Eylül 2026 durumunu yansıtır.

Türk e-ticaret sitelerinin ürün verisi AI alışverişe ne kadar hazır?

Temel katman hazır, güven ve karşılaştırma katmanı eksik. Fiyat teklifi, para birimi ve stok durumu ölçülen 57 sitenin 51'inde yapılandırılmış veri olarak bulunuyor. Buna karşılık aynı ürünü farklı mağazalarda eşleştiren GTIN, kargo ve iade koşulları ile müşteri puanı sitelerin üçte birinden azında işaretleniyor.

Bu ayrım önemli, çünkü AI alışveriş yüzeyleri ürünleri karşılaştırarak öneriyor. Google, Mayıs 2025'te Shopping Graph'ta 50 milyardan fazla ürün listelemesi bulunduğunu ve bunların saatte 2 milyardan fazlasının yenilendiğini açıkladı. Google Merchant Center'ın otomatik ürün güncellemeleri de fiyat, stok ve ürün durumu bilgisini mağazanın ürün sayfasındaki yapılandırılmış veriden okuyabiliyor. Fiyat ve stok ürünü listeye sokan bilgiler; bir ürünü rakibinden ayırabilecek bilgiler ise çoğunlukla eksik alanlarda duruyor.

Google'ın merchant listing için zorunlu tuttuğu set (name, image, offers ve teklif içinde price ile priceCurrency) ürün sayfalarının %84,8'inde eksiksiz. 57 sitenin 46'sında ölçülen bütün ürün sayfaları bu seti taşıyor, 7 sitede ise hiçbir sayfa taşımıyor. Başka bir deyişle büyük mağazaların çoğu ürün listelemesine girmek için gereken asgari bilgiyi veriyor; fark önerilen alanlarda açılıyor.

Kısacası, CrUX Türkiye ilk 1.000 listesinden seçilip Eylül 2026'da ölçülen 57 e-ticaret sitesinden hiçbiri, Google'ın merchant listing belgesinden derlenen 10 alanın tamamını ürün sayfasında doldurmuyor.

Bu ölçümü nasıl yaptık?

Örneklem, Chrome UX Report'un Ağustos 2026 Türkiye listesinin en üst kovasında (ilk 1.000 site) elle e-ticaret olarak etiketlenen 105 siteden tohumlu rastgele seçilen 60 mağazadır. Bunların 57'sinde en az bir ürün sayfası ölçülebildi. Toplam 151 doğrulanmış ürün sayfası hem sunucudan gelen ham HTML'iyle hem de tarayıcıda işlenmiş hâliyle okundu.

Liste kaynağı, Chrome kullanıcı verisinden türetilen CrUX top lists deposudur. Plan ilk 5.000 siteye bakmaktı; yalnız ilk 1.000'lik kova 60'tan fazla e-ticaret sitesi içerdiği için evren bu kovayla sınırlandı. Türkiye vitrini olan ve fiziksel ürünü sepet üzerinden tüketiciye satan siteler dahil edildi. Yemek ve hızlı teslimat uygulamaları, ilan siteleri, fiyat karşılaştırma siteleri ve çok ülkeli küresel alan adları dışarıda kaldı.

Seçilen 60 sitenin 8'i pazaryeri, 21'i çok markalı perakendeci, 31'i kendi markasını satan mağaza. Üç site ölçülemedi: ikisi gerçek Chrome tarayıcısına da 403 döndü, birinde ürün sayfası doğrulanamadı. Ölçülen 57 sitenin 8'i pazaryeri, 19'u perakendeci, 30'u marka mağazası.

Ürün adresleri önce sitemap'ten, sitemap yoksa ya da erişim engelliyse Chrome ile açılan bir liste sayfasından (kategori ya da ana sayfa) toplandı (17 site). Her siteden 6 aday adres rastgele seçildi, doğrulanan ilk 3 ürün sayfası ölçüme girdi; toplam 230 aday denendi. 46 sitede 3, 2 sitede 2, 9 sitede yalnız 1 ürün sayfası ölçülebildi. Tek sayfaya düşen sitelerin çoğunda ikinci ziyarette bot doğrulama sayfası çıktı.

Bir sayfanın ürün sayfası sayılması şemaya bağlı değildi: görünür metinde "sepete ekle", "tükendi", "gelince haber ver" gibi bir ifade aranıyordu. İlk turda büyük harfle yazılmış "GELİNCE HABER VER" gibi ifadeler Türkçe "İ" harfi yüzünden eşleşmedi; ek doğrulama turuyla 17 sayfa geri kazanıldı. JSON-LD blokları ve microdata birlikte ayrıştırıldı, 19 alan tek tek kaydedildi.

10 alanlık uyum skoru Sheltron'un bu çalışma için derlediği bir ölçüttür, Google'ın verdiği bir puan değildir. Set name, image, price, priceCurrency, availability, brand, gtin, aggregateRating, shippingDetails ve hasMerchantReturnPolicy alanlarından oluşur.

Küresel çalışmalar ürün işaretlemesinin yaygınlığını ölçüyor. Mannheim Üniversitesi'nin Web Data Commons çalışmasına göre Product işaretlemesi yapan web sitesi sayısı 2017'den 2024'e 581 binden 3,3 milyona çıktı. HTTP Archive Web Almanac 2024 JSON-LD'nin sayfaların %41'inde kullanıldığını raporluyor. Türk mağazalarında alan düzeyi doluluğu ölçen, yöntemi ve ham verisi açık bir çalışmaya ise bulabildiğimiz kadarıyla rastlamadık.

Hangi ürün şeması alanları dolu, hangileri boş?

Kimlik ve fiyat alanları dolu, karşılaştırma ve güven alanları boş. name, image, offers, priceCurrency ve availability sitelerin %89,5'inde, price ve sku %87,7'sinde var. En az doldurulan alanlar review (%19,3), aggregateRating (%24,6), GTIN ve shippingDetails (%28,1) ile hasMerchantReturnPolicy (%31,6); bu beş alanın her biri sitelerin üçte birinden azında bulunuyor.

Tablo iki farklı soruyu cevaplıyor. Site sütunu, alanın ölçülen sayfalardan en az birinde bulunup bulunmadığını gösteriyor. Ürün sayfası sütunu ise 151 sayfanın yüzde kaçında bulunduğunu; işaretlemesi hiç olmayan sayfalar da bu paydada sıfır olarak yer alıyor. İki oran arasındaki en büyük fark aggregateRating'de: puan 14 sitede görülüyor ama sayfaların yalnız %16,6'sında. Puanı olan 14 sitenin 6'sında puan, ölçülen üç sayfanın yalnız bir ya da ikisinde bulunuyor; büyük olasılıkla yalnız yorumu olan ürünlerde işaretleniyor.

Ürün sayfası düzeyinde en çok eksik alan sıralaması şöyle: review %11,9, aggregateRating %16,6, shippingDetails %25,8, gtin %26,5, mpn %29,1, hasMerchantReturnPolicy %32,5. Bir site işaretleme yapmaya karar verdiğinde temel alanları neredeyse her zaman doğru dolduruyor. Product işaretlemesi bulunan 133 sayfada name %100, fiyat teklifi, para birimi ve stok durumu %99,2 oranında dolu. Eksiklik, zorunlu olmayan alanlarda yoğunlaşıyor.

Biçim tarafında JSON-LD açık farkla önde: işaretlemeli 133 sayfanın 121'i JSON-LD, 10'u yalnız microdata, 2'si ikisini birlikte kullanıyor. JSON-LD'nin temel yapısı ve AI sistemleri açısından yeri için Schema.org ve JSON-LD rehberimize bakabilirsiniz.

GTIN neden AI alışverişte en kritik eksik alan?

GTIN, aynı ürünü farklı satıcılarda tek kimlikle eşleştiren küresel ürün numarasıdır. Google bu alanı merchant listing için önerilen alanlar arasında sayıyor; OpenAI'ın ürün feed spesifikasyonu ise Google uyumlu biçimde geçerli bir GTIN ya da MPN istiyor (identifier_exists=no değilse), kendi biçiminde ise GTIN'i isteğe bağlı sayıyor. Ölçülen 57 sitenin yalnız 16'sı ürün sayfasında GTIN veriyor.

Bir AI asistanı "bu kulaklığın en uygun fiyatı nerede?" sorusuna cevap ararken farklı mağazalardaki aynı ürünü birbirine bağlamak zorunda. Ürün adları mağazadan mağazaya değişir, varyant adları tutarsızdır. GTIN bu eşleştirmeyi tahmine bırakmadan yapar. Google'ın merchant listing belgesi GTIN değerinin sayısal biçimde verilmesini istiyor.

OpenAI'ın ürün feed spesifikasyonu Eylül 2026 itibarıyla GTIN için 8, 12, 13 ya da 14 haneli, kontrol basamağı geçerli bir değer bekliyor. GTIN ya da MPN zorunluluğu Google uyumlu biçimde geçerli; ana tabloda marka ve stok durumu zorunlu. Belgede standart yüklemelerin yalnız ABD için açık olduğu belirtiliyor. Feed ile ürün sayfası farklı kanallar; ancak çoğu mağazada ikisi aynı ürün veritabanından beslendiği için ürün sayfasındaki GTIN eksikliği feed'de de bir boşluğa işaret edebilir. Feed'leri ölçmedik. Agentic commerce protokollerinin genel çerçevesi için ACP ve UCP rehberimize bakabilirsiniz.

GTIN doluluğu site tipine göre ayrışıyor. Marka mağazalarının 30'da 10'u, perakendecilerin 19'da 4'ü, pazaryerlerinin ise 8'de 2'si ürün sayfasında GTIN veriyor. Bunun olası bir açıklaması, markaların barkodu kendi ürün bilgi sisteminde tutması, pazaryerlerinde ise ürün verisinin satıcı girişine bağlı olması; ancak bu veri nedenini değil yalnız durumu gösteriyor. MPN de sitelerin %28,1'inde var, dolayısıyla ürün tanımlayıcı açığı GTIN'le sınırlı değil.

Bir sınırlılığı belirtmek gerekiyor: GTIN alanının varlığını ölçtük, değerlerin kontrol basamağı doğrulanmadı. Alan dolu olduğu hâlde geçersiz bir değer taşıyan sayfalar da olabilir. GTIN'in feed, ürün sayfası ve varyant düzeyinde nasıl kurgulanacağı e-ticaret AI görünürlük master rehberimizde adım adım anlatılıyor.

En yüksek skorlu sitelerde bile eksik kalan alan: puan

En yüksek skoru alan sitelerde bile eksik kalan alan puan. 10 alanlık skorda %90'a ulaşan 7 sitenin 6'sında eksik olan tek alan aggregateRating. Örneklem genelinde puan veren site oranı %24,6, yorum işaretleyen site oranı %19,3; ürün sayfası düzeyinde oranlar %16,6 ve %11,9'a iniyor.

En yüksek skoru alan yedi site Hepsiburada, Çiçeksepeti, LC Waikiki, Mavi, Kaft, Derimod ve Freshscarfs. Çiçeksepeti'nde eksik alan puan değil GTIN; diğer altısında puan. Çiçeksepeti ve Mavi'nin skoru Eylül 2026'da ölçebildiğimiz tek ürün sayfasına dayanıyor, bu nedenle site geneli için kesin not olarak okunmamalı. Skor dağılımının geri kalanı şöyle: 21 site %70-89, 21 site %50-69, 2 site %30-49, 6 site %0-29 aralığında.

Google'ın ürün snippet belgesi Product işaretlemesinde review, aggregateRating ya da offers alanlarından en az birini zorunlu tutuyor. Rich Results Test, puan ya da yorum olmadan yalnız offers verildiğinde uyarı gösterebiliyor. Sitelerin çoğu offers vererek zorunluluğu karşılıyor ve puan alanını boş bırakıyor.

Puanın neden eksik olduğunu bu veri söylemiyor. Yorum sistemi ayrı bir servis üzerinden çalışıyorsa, puan ürün şablonundaki işaretlemeye bağlanmamış olabilir. Bağlanırken dikkat edilmesi gereken nokta, puanın sayfada görünen gerçek müşteri yorumlarına dayanmasıdır. Sayfada görünmeyen ya da başka bir kaynaktan kopyalanan puan işaretlemesi, düzeltilmesi gereken yeni bir sorun yaratır.

AI asistanları "en çok beğenilen" ya da "yorumları iyi olan" gibi niteleyici sorgularda ürünleri sıralarken bir sinyale ihtiyaç duyar. Bu sinyali hangi kaynaktan aldıkları ölçülmedi. Yine de ürün sayfasında makine okunur puan yoksa, mağazanın kendi yorum verisi bu karşılaştırmaya yapılandırılmış biçimde girmez. ChatGPT'nin ürün önerilerinde hangi sinyallerin öne çıktığını ChatGPT e-ticaret görünürlüğü yazımızda ele aldık.

Kargo ve iade bilgisi ürün sayfasında yoksa kayıp mı?

Her zaman değil. Google kargo ve iade politikasını ürün sayfası dışında Search Console ayarlarından ve organizasyon düzeyi işaretlemeden de alabiliyor; Search Console ayarı sitedeki yapılandırılmış veriden öncelikli sayılıyor. Bu yüzden ürün sayfasındaki %28,1'lik kargo ve %31,6'lık iade oranı, Google'a hiç bilgi verilmediği anlamına gelmiyor.

Google 12 Kasım 2025'te yayımladığı Search Central blog yazısında bu seçenekleri organizasyon düzeyi kargo politikası işaretlemesiyle genişletti ve Search Console'da yapılan ayarların sitedeki yapılandırılmış veriden öncelikli olduğunu belirtti. İade politikası belgesi de bir öncelik sırası veriyor: Content API for Shopping, ardından Merchant Center ya da Search Console ayarları, ardından ürün düzeyi işaretleme, en son organizasyon düzeyi işaretleme. Organizasyon düzeyi işaretlemenin iade politikasını anlatan tek bir sayfada yer alması öneriliyor.

Ölçümümüz bu tablonun yalnız bir parçasını görüyor. Ürün sayfasında shippingDetails 16 sitede, hasMerchantReturnPolicy 18 sitede var; ikisini birlikte veren site 12 (%21,1). Organizasyon düzeyi iade politikası ise hiçbir ürün sayfasında görülmedi. Bu beklenen bir sonuç, çünkü Google bu işaretlemeyi politika sayfasına koymayı öneriyor. Mağazaların Search Console ya da Merchant Center ayarlarını ve politika sayfalarını ölçmedik.

Asıl soru, Google dışındaki sistemlerin bu bilgiye nasıl ulaşacağı. Ürün sayfasını doğrudan okuyan ve Google'ın mağaza ayarlarına erişimi olmayan bir AI asistanı için kargo ücreti ve iade koşulu sayfada makine okunur biçimde yoksa belirsiz kalır. Schema.org MerchantReturnPolicy tipi bu bilgiyi applicableCountry, returnPolicyCategory, merchantReturnDays, returnFees ve returnMethod gibi özelliklerle tanımlıyor.

Pratik öneri iki katmanlı: Google için Search Console ve Merchant Center ayarlarını tamamlayın, iade politikası sayfasına organizasyon düzeyi işaretleme koyun. Standart dışı iade koşulu olan ürünlerde ise politikayı Offer altında ürün düzeyinde verin.

Pazaryerleri marka mağazalarından daha mı hazır?

Ortalamada evet, ama fark alan bazında değişiyor. 10 alanlık skorda pazaryerleri ortalama %71,3, marka mağazaları %61,7, çok markalı perakendeciler %58,9 aldı. GTIN'de sıralama tersine dönüyor: markaların 30'da 10'u ürün sayfasında GTIN verirken pazaryerlerinde bu sayı 8'de 2. Tip farkı, hangi eksiğin önce kapatılacağını da değiştiriyor.

Pazaryerlerinin öne geçmesinde kargo bilgisi belirleyici görünüyor: 8 pazaryerinin 5'i ürün sayfasında shippingDetails veriyor. Perakendecilerde bu sayı 19'da 3. Pazaryerlerinde ürün sayfası şablonu platform düzeyinde yönetildiğinden, eklenen bir alan tüm satıcıların ürünlerine aynı anda yansıyabiliyor.

Marka mağazaları iade politikasında öne çıkıyor: 30 markanın 11'i ürün sayfasında hasMerchantReturnPolicy veriyor. Buna karşılık hiç Product işaretlemesi bulunmayan 6 sitenin 4'ü marka mağazası, 2'si perakendeci. Marka grubunda hem en eksiksiz hem de en eksik siteler bir arada duruyor; ortalama bu dağılımı gizliyor.

Alt örneklemler küçük. 8 pazaryerindeki bir sitenin farklı ölçülmesi ortalamayı birkaç puan oynatır. Bu yüzden tipler arasındaki farklar kesin bir sıralama olarak değil, eğilim olarak okunmalı. Yine de bir sonuç açık: Pazaryerleri 10 alanlık ürün verisi skorunda ortalama %71,3 ile marka mağazalarının (%61,7) önünde.

Kendi sitesinde satış yapan bir marka için çıkarım şu: ürün pazaryerinde de listeleniyorsa, AI asistanı aynı ürün için pazaryeri sayfasında daha zengin yapılandırılmış veri bulabilir. Markanın kendi sayfasında GTIN, puan ve kargo bilgisinin eksik olması, karşılaştırmada pazaryeri sayfasını öne çıkarabilir. Bu etkiyi ölçmedik; ama veri boşluğu gerçek. Sektöre özel tablo için e-ticaret sektör sayfamıza göz atabilirsiniz.

JSON-LD ham HTML'de mi, JavaScript ile mi geliyor?

Büyük çoğunlukla ham HTML'de. Ürün sayfalarının %84,1'inde Product işaretlemesi sunucudan gelen ilk HTML'de bulunuyor. Yalnız JavaScript çalıştıktan sonra ortaya çıkan sayfaların oranı %4,0 ve bu durum 2 sitede görülüyor. Sayfaların %11,9'unda ise işaretleme hiç yok. Site düzeyinde 57 sitenin 49'u (%86,0) en az bir ürün sayfasında işaretlemeyi ham HTML'de veriyor.

JavaScript bağımlılığı Türk mağazalarında yaygın bir sorun değil; asıl açık, eksik alanlarda ve bir sonraki başlıkta ele alınan bot korumasında.

Yalnız JavaScript ile işaretleme üreten siteler için risk somut. Google'ın JavaScript ile yapılandırılmış veri belgesi Google Arama'nın sayfayı işlediğinde DOM'daki yapılandırılmış veriyi anlayabildiğini söylüyor. Aynı belge, dinamik üretilen işaretlemenin Shopping taramalarını daha seyrek ve daha az güvenilir hâle getirebileceği uyarısını da yapıyor; fiyat ve stok gibi hızlı değişen içerik için bu bir sorun. JavaScript çalıştırmayan AI tarayıcıları ise böyle bir sayfada işaretlemeyi hiç görmez.

Sahada görülen değer hataları

Alanın dolu olması, değerin doğru olduğu anlamına gelmiyor. Ölçülen sayfalarda karşılaştığımız hatalar az ama somut:

priceCurrency için Google ISO 4217 biçiminde üç harfli kod istiyor; Türk lirasının kodu TRY. "TL" yazılan 3 ve "try" yazılan 3 sayfa var. Fiyat sorgularında bu hatanın neden önemli olduğunu "Kaç TL?" sorguları yazımızda anlattık. availability tarafında Google tek bir schema.org değeri istiyor; "InStock" yerine "inStock" yazılan değer, schema.org'un tanımlı değerleriyle eşleşmiyor. Sonunda fazladan boşluk olan 3 değeri ve öneksiz yazılmış 3 "OutOfStock" değerini hata saymadık; kırpıldığında ya da kısa adla okunduğunda geçerli değerle eşleşiyorlar. Bu tür hataları yakalamanın yolları Schema Markup Doğrulayıcı hata rehberimizde bulunuyor.

Bot koruması AI tarayıcılarını da durduruyor olabilir mi?

Olabilir; ölçümümüz bunu doğrudan test etmedi ama güçlü bir işaret veriyor. JavaScript çalıştırmayan ve Chrome kimliğiyle istek gönderen istemcimizin denediği 230 aday ürün URL'sinin 63'ü (%27,4) bot doğrulama sayfasına ya da 403 engeline takıldı, 1'i ise 404 döndü. 60 sitenin 12'sinde adayların çoğunluğu engellendi. Bu oran gerçek AI botlarının deneyimini değil, doğrulanmamış bir istemcinin karşılaştığı engeli gösteriyor.

Engellerin dağılımı şöyle: 39 aday Cloudflare doğrulama sayfasına, 21 aday HTTP 403 yanıtına, 3 aday Cloudflare engel sayfasına takıldı. Gerçek Chrome tarayıcısıyla yapılan okumada da 13 sitede en az bir aday engellendi. Yalnız bir ürün sayfası ölçebildiğimiz 9 sitenin çoğunda da neden buydu: ilk sayfadan sonra doğrulama ekranı devreye girdi.

GPTBot, OAI-SearchBot ya da Googlebot ile test etmedik; mağazalar doğrulanmış arama motoru botlarını beyaz listeye alıyor olabilir. Yine de şu nokta açık: doğrulanmamış istemcilere kapanan bir ürün sayfası, üzerindeki şema ne kadar eksiksiz olursa olsun o istemci tarafından okunamaz.

Türk mağazalarında ürün şemasının önündeki asıl engel JavaScript değil bot koruması: JavaScript çalıştırmayan istemcinin denediği ürün URL'lerinin %27,4'ü bot korumasına takıldı. Kampanya dönemlerinde bot koruması sıkılaştırıldığında bu oranın nasıl değiştiği bilinmiyor; ancak Kara Cuma gibi trafiğin yükseldiği dönemlerde kural değişikliği yapılıyorsa AI tarayıcılarının durumu ayrıca kontrol edilmeli.

Yapılacak iş net: sunucu ve CDN kayıtlarında AI botlarının ürün sayfalarına verilen yanıtları inceleyin, doğrulanmış botları IP aralığı ya da ters DNS ile ayırt eden bir kural kurun ve robots.txt dosyanızın bu botlara ne söylediğini kontrol edin. Sheltron'un ücretsiz robots.txt AI bot kontrolü aracı bu son adım için hazır bir kontrol sunuyor.

Kara Cuma'dan (27 Kasım 2026) önce hangi düzeltmeler yapılmalı?

Sıralama eksik oranına ve düzeltme maliyetine göre yapılmalı. Önce değer hatalarını giderin ve GTIN'i ekleyin, sonra puanı gerçek yorumlara bağlayın, kargo ve iade politikasını Search Console ve organizasyon düzeyinde tanımlayın, işaretlemeyi ham HTML'de tutun ve ürün sayfalarını doğrulanmış botlara açık bırakın.

Düzeltme listesi:

1. priceCurrency değerini "TRY" yapın. Şablonda tek satırlık bir değişiklik; "TL" ya da "try" yazan sayfaların tamamını düzeltir.
2. availability değerlerini schema.org biçiminde yazın. "https://schema.org/InStock" ve "https://schema.org/OutOfStock" gibi tam değerler kullanın, sayfa başına tek değer verin.
3. GTIN'i ürün sayfasına ve feed'e aynı değerle ekleyin. Barkodu olmayan ürünlerde brand ve mpn alanlarını doldurun.
4. aggregateRating'i sayfada görünen yorumlara bağlayın. Yorum servisi ayrıysa puanın ürün şablonundaki JSON-LD'ye aktarıldığını kontrol edin.
5. Kargo ve iade politikasını iki katmanda tanımlayın. Search Console ve Merchant Center ayarlarını tamamlayın, politika sayfasına organizasyon düzeyi işaretleme ekleyin.
6. İşaretlemeyi ham HTML'de tutun. Etiket yöneticisi ya da istemci tarafı kodla eklenen Product bloklarını sunucu şablonuna taşıyın.
7. Ürün sayfalarını doğrulanmış botlara açık tutun. Kampanya öncesi bot koruma kurallarını AI tarayıcıları açısından test edin.

Kampanya takvimi ve feed hazırlığının bütünü için Kara Cuma 2026 AI alışveriş asistanları rehberimize bakabilirsiniz. Kendi ürün sayfanızı bu alanlara göre test etmek için Sheltron'un ücretsiz Schema Markup Doğrulayıcı aracı eksik ve hatalı alanları listeliyor; eksik blokları Schema Markup Üretici ile oluşturabilirsiniz. AI görünürlüğü üzerine araştırma ve stratejileri takip etmek isteyenler thegeoauthority.com, ekibine yapılandırılmış veri eğitimi vermek isteyenler geoakademi.com kaynaklarından yararlanabilir.

Sonuçları okurken sınırlılıkları akılda tutmak gerekiyor. Site başına en çok 3 ürün sayfası ölçüldü ve 9 sitenin skoru tek sayfaya dayanıyor. Evren büyük sitelerden oluşuyor; küçük ve orta ölçekli mağazalarda durumun ne olduğu bilinmiyor. 17 sitede ürünler kategori sayfasından seçildiği için seçim sitemap kadar rastgele değil. Microdata ayrıştırması kaba olduğundan bu biçimi kullanan az sayıda sitede doluluk hafif fazla sayılmış olabilir. Alanların AI asistanlarınca fiilen kullanılıp kullanılmadığı ölçülmedi.

Ürün verisinin teknik hazırlığı, AI cevaplarında görünmenin yalnız bir koşulu. Markanızın hangi ürün sorgularında, hangi rakiplerle birlikte ve hangi kaynaklara dayanılarak önerildiğini izlemek ayrı bir ölçüm gerektiriyor; Sheltron AiSEO bu takibi e-ticaret markaları için sürekli hâle getiriyor. E-ticaret çözümlerimiz sayfasında ürün kataloğu ölçeğindeki yaklaşımı bulabilirsiniz.

Mağazanızın ürün sayfaları bu 57 sitelik tabloda nereye düşüyor? Sheltron'un hızlı değerlendirmesi sitenizi tarıyor, markanızın ChatGPT ve Gemini'de nasıl göründüğünü test ediyor ve sonuçları uzman incelemesiyle paylaşıyor. Ürün sayfası şemanızı bu raporun alanlarıyla birlikte ele almak için oradan başlayabilirsiniz.

Ajans desteği mi arıyorsunuz? Partner GEO ajansımız Lein Digital.