Türkçe Sorgularda LLM'ler Kimi Kaynak Gösteriyor?

Türkçe Sorgularda LLM'ler Kimi Kaynak Gösteriyor?

Türkçe bir soru sorduğunuzda yapay zekânın baktığı ikinci kaynak Türkçe değil. Stanford araştırmacılarının 9–22 Şubat 2026 arasında 12.600 model-soru örneğini ölçtüğü denetimde, Türkçe sorgularda en çok atıf alan ikinci alan adı İngilizce Wikipedia çıktı — T24'ün hemen ardından, Anadolu Ajansı'nın ve BBC'nin önünde.

Bu yazının ne olduğu konusunda baştan net olalım: Türkiye pazarı için bağımsız, sürekli ve ticari markaları kapsayan bir "Türkçe LLM atıf endeksi" bugün yok. Sheltron'un da böyle bir veri seti yok. Türkçe web'de dolaşan "AI şu kaynakları tercih ediyor" rakamlarının neredeyse tamamı global çalışmaların uyarlaması ve çoğunun birincil kaynağı yok. Aşağıdaki analiz orijinal bir endeks değil: global veriyi tek tek birincil kaynağına kadar takip eden, Türkçe'yi ayrı bir bölge olarak ölçen tek akademik çalışmayı Türkçe'ye taşıyan ve ölçüm boşluğunun tam olarak nerede durduğunu işaretleyen bir sentez.

TL;DR — Türkçe atıf tablosu, bir bakışta

• Türkçe sorgularda en çok atıf alan ilk 8 alan adının 3'ü İngilizce içerik yayınlıyor: İngilizce Wikipedia (2. sıra), BBC (4.), The Guardian (8.). Kaynak: arXiv:2605.22785, Şubat 2026.
• Zirvede bir Türk yayıncı var: T24 günde ortalama 12,6 atıfla listenin başında; Anadolu Ajansı 10,6 ile üçüncü sırada.
• Sorun doğruluk değil. Türkçe bölgede model doğruluğu %90,0 — ABD-Kanada'nın (%91,3) hemen altında, Hintçe'nin (%79,3) çok üstünde. Türkçe'de mesele yanlış cevap değil, atıf kompozisyonu.
• Atıf vermemek dile bağlı değil. McGill/Media Ecosystem Observatory denetiminde 9.227 yanıtın %82'si hiçbir kaynak göstermedi; bu oran Fransızca hikâyelerde %81, İngilizce'de %82.
• Kimin atıf aldığı ise dile bağlı. İngilizce Wikipedia, altı değerlendirme bölgesinin beşinde en çok atıf alan ilk üç alan adı arasında — Türkçe, Arapça, Hintçe ve Rusça dahil.
• Modeller istenince kaynak gösterebiliyor. Kullanıcı açıkça atıf talep ettiğinde yayıncı adını anma oranı Claude'da %97'ye, Gemini'de %95'e çıkıyor. Bu bir yetenek sınırı değil, varsayılan tasarım tercihi.

Neden "hangi sayfa" değil "hangi alan adı" sorusu?

Alan adı düzeyindeki atıf dağılımı, bir markanın AI yanıtına girip giremeyeceğini sayfa düzeyindeki iyileştirmelerden daha güçlü belirler. Sebebi basit: LLM aramaları çok dar bir kaynak havuzundan besleniyor.

Karşılaştırmalı bir ölçümde LLM tabanlı arama motorları yanıt başına ortalama 4,3 URL ve 3,4 alan adı gösterirken, geleneksel arama motorları 10,3 URL ve 7,3 alan adı gösteriyor (arXiv:2512.09483, Aralık 2025 — 55.936 sorgu, 6 LLM arama motoru, 124.287 alan adı, 1.418.733 atıf linki). Yani AI yanıtındaki kaynak kapısı, klasik arama sonuç sayfasına göre yarıdan fazla daralmış durumda.

Daha kritik bulgu şu: alan adlarının yalnızca %38'i hem LLM aramalarında hem geleneksel aramada ortak çıkıyor; %37'si sadece LLM sonuçlarına özgü. Bu, Google'da ilk sayfada olmanın AI yanıtına girmeyi garanti etmediğinin — ve tersinin de mümkün olduğunun — sayısal karşılığı. GEO nedir sorusunun teknik cevabı büyük ölçüde bu %37'lik ayrık kümede saklı.

Pratikte bu, iki aşamalı bir eleme demek. Birinci aşamada model bir güven havuzu kuruyor: hangi alan adlarının bu konuda söz sahibi olduğuna karar veriyor. İkinci aşamada o havuzun içinden pasaj seçiyor. Birinci aşamada elenen bir site, sayfası ne kadar iyi yazılmış olursa olsun ikinci aşamayı hiç görmüyor. Klasik aramada zayıf bir sayfa yine de onuncu sırada var olabilir; AI yanıtında dört URL'lik listeye girmeyen kaynak tamamen yok.

Bu yüzden AI görünürlüğünde doğru birim sayfa değil, alan adı: model önce hangi kaynağa güveneceğine karar veriyor, sonra o kaynağın içinden hangi pasajı alacağına. İkinci aşamanın nasıl işlediğini LLM'ler sayfanın neresinden alıntı yapar yazısında ayrıntılı işledik; bu yazı birinci aşamayla ilgileniyor.

Global tablo: LLM'ler hangi tip alan adlarına yaslanıyor?

Global atıf dağılımında üç alan adı tipi baskın: kullanıcı üretimi topluluk platformları, ansiklopedik referanslar ve büyük haber ajansları.

Peec AI'ın 30 milyon kaynak üzerinden çıkardığı genel sıralamada AI arama motorlarının en çok atıf verdiği alan adları sırasıyla Reddit, YouTube, LinkedIn, Wikipedia ve Forbes (Search Engine Land aktarımı, 31 Mart 2026). Aynı çalışma platform bazında ayrışmayı da gösteriyor: ChatGPT ağırlıklı olarak Wikipedia, Reddit ve Forbes'a; Perplexity ise Reddit, LinkedIn ve G2'ye yaslanıyor. Çalışmada yüzde kırılımı yayımlanmadı — internette dolaşan "Reddit tüm atıfların %40'ı" tipi rakamların bu araştırmada karşılığı yok.

Semrush'ın 230 binden fazla prompt ve 100 milyondan fazla atıf üzerinden yürüttüğü üç aylık çalışma (14 Temmuz – 12 Ekim 2025) bu tablonun ne kadar oynak olduğunu gösteriyor. ChatGPT'de Reddit, yanıtların yaklaşık %60'ından yaklaşık %10'una düştü; kırılma Eylül 2025 ortasında, Google'ın num=100 parametresini kaldırmasıyla aynı döneme denk geldi. Semrush'ın kendi uyarısı önemli: çalışma "bu değişimlerin tam olarak neden yaşandığını söylemiyor." Yani zamanlama çakışmasını nedensellik gibi okumak yanlış olur.

Aynı çalışmadan iki referans nokta daha: Google AI Mode'da LinkedIn yanıtların yaklaşık %15'inde, Wikipedia yaklaşık %3'ünde görünüyor.

Bu üç veri setinden çıkan pratik sonuç şu: AI atıf havuzu hem dar hem oynak. Tek bir platformdaki tek bir kaynak tipine bağlı görünürlük, bir algoritma güncellemesinde yarıya inebiliyor. Bu yüzden çok platformlu ölçüm şart; farklı motorların kaynak profillerini multi-platform AI citation karşılaştırması yazısında yan yana koyduk.

Platform ve model farkları: aynı soruya farklı kaynak profili

Aynı sorguya farklı modeller ciddi ölçüde farklı kaynak setleriyle cevap veriyor — ve bu fark her zaman "model daha iyi arıyor" anlamına gelmiyor.

Stanford denetiminde tek bir yayıncının (BBC) modeller arası atıf payı şöyle dağıldı:

Kaynak: arXiv:2605.22785, Şubat 2026.

Uçtan uca %28,5 ile %0,0 arasında bir fark var ve bu fark tek başına "hangi model daha iyi kaynak buluyor" sorusunun cevabı değil. Araştırmacıların kendi uyarısı net: bu ayrışma robots.txt ve lisans uyumu farklarından kaynaklanıyor olabilir. Bir model bir yayıncıyı hiç göstermiyorsa bunun sebebi o yayıncıyı bulamaması değil, taramama ya da lisanslamama kararı olabilir.

Markalar açısından bunun anlamı şu: AI görünürlüğü tek bir platformda ölçülemez. ChatGPT'de görünmeyen bir marka Perplexity'de birinci kaynak olabilir; Gemini'de öne çıkan bir site Claude'un yanıtında hiç geçmeyebilir. Model bazlı Türkçe atıf davranışındaki farkları Gemini 2.5 Pro Türkçe atıflanma karşılaştırması ve Claude 5 Sonnet Türkçe atıflanma erken testi yazılarında ayrı ayrı test ettik.

Google tarafındaki mekanizma ise ayrı bir katman: AI Overviews'ın kaynak seçimi klasik organik sıralamayla birebir örtüşmüyor. Bu farkı Google AI Overview kaynak gösterme rehberi yazısında adım adım açtık.

Türkçe sorgularda durum: elimizdeki tek gerçek ölçüm

Türkçe sorgularda LLM atıf davranışını ölçen bilinen tek akademik çalışma, "Evaluating Commercial AI Chatbots as News Intermediaries" başlıklı Stanford kaynaklı denetim (arXiv:2605.22785, Şubat 2026).

Metodoloji: 9–22 Şubat 2026 arasında 14 gün boyunca, 2.100 soru ve 12.600 model-soru örneği. Altı model test edildi (Gemini 3 Flash, Gemini 3 Pro, Grok 4, Claude 4.5 Sonnet, GPT-5, GPT-4o-mini). Altı bölge/dil kapsandı: ABD-Kanada, Arapça, Fransızca (Afrique), Hintçe, Rusça ve Türkçe. Sorular aynı gün BBC'nin bölgesel servislerinde yayımlanan haberlerden üretildi; modellerin web araması açıktı ve kendilerine açıkça kaynak gösterme talimatı verildi.

Türkçe sorgularda en çok atıf alan sekiz alan adı (14 günlük ortalama, tüm modeller, atıf/gün):

Kaynak: arXiv:2605.22785, Figure 8/9.

Tablodaki iki noktayı dürüstlük adına işaretlemek gerekiyor. Birincisi, VertexAI bir yayıncı değil — Gemini'nin altyapısından gelen bir atıf artefaktı; gerçek bir haber kaynağı olarak okunmamalı. İkincisi, BBC'nin hangi dil servisinin (bbc.com/turkce mi, bbc.com/news mi) atıf aldığı figürde ayrıştırılmamış; bu satırı "İngilizce" olarak kesin saymak doğru olmaz.

Bu iki kaydı düştükten sonra bile tablo net bir şey söylüyor: Türkçe bir sorguya verilen cevapta ikinci en sık başvurulan kaynak İngilizce Wikipedia. Türk yayıncılar listede güçlü şekilde var — T24 zirvede, Anadolu Ajansı ve Cumhuriyet ilk altıda — ama İngilizce kaynaklar Türkçe sorgu havuzunun içine yapısal olarak yerleşmiş durumda.

Doğruluk tarafında Türkçe'nin durumu iyi: bölge doğruluğu %90,0, günlük hata sayısı 14,9. Karşılaştırma için: ABD-Kanada %91,3, Rusça %89,9, Arapça %89,2, Fransızca %88,9, Hintçe %79,3. Yani modeller Türkçe soruları doğru cevaplıyor. Sorun cevabın yanlışlığı değil, cevabın nereden geldiği.

İki araştırma, iki farklı sorun: atıf vermemek ile yanlış tarafa atıf vermek

Bu ayrım, Türkçe içerikte bugüne kadar hiç kurulmadı ve kurulmadığı için yanlış bir anlatı yerleşti. Netleştirelim.

Birinci sorun: atıf hiç verilmiyor. McGill Centre for Media, Technology and Democracy ve Media Ecosystem Observatory'nin Mart 2026'da yayımladığı "AI News Audit" çalışması 2.267 Kanada haberini ChatGPT, Gemini, Claude ve Grok üzerinde, İngilizce ve Fransızca olarak test etti. Sonuç: 9.227 yanıtın %82'si hiçbir kaynak göstermedi. Yayıncı adını anma oranı modeller arasında %1 ile %16 arasında değişti.

İlginç olan, link verme oranlarının çok daha yüksek olması: Gemini %69, Claude %66, Grok %45, ChatGPT %29. Yani link var, isim yok. Çalışmanın kritik gözlemi şu: modeller Wikipedia, Reuters, AP ve ABD yayıncılarına yüksek oranda link veriyor — "bunların hiçbiri, o içeriği üreten Kanadalı haber odalarına trafik üretmiyor."

Ve burada naif "yapay zeka Türkçe'ye ayrımcılık yapıyor" tezini çürüten bulgu geliyor: atıfsızlık oranı Fransızca hikâyelerde %81, İngilizce'de %82. Araştırmanın kendi ifadesiyle, "atıf boşluğu dile özgü bir olgu değil."

İkinci sorun: atıf veriliyor ama yanlış tarafa. Stanford verisi tam olarak bunu ölçüyor. Kim atıf alıyor sorusu dile bağlı — ve Türkçe sorgularda cevabın önemli bir kısmı İngilizce kaynaklar.

Marka görünürlüğü açısından ikinci sorun birincisinden daha tehlikeli. Atıf hiç verilmediğinde herkes eşit derecede görünmez olur. Atıf verildiğinde ama sistematik olarak başka bir dil ekosistemine verildiğinde, sizin ürettiğiniz Türkçe içerik başkasının görünürlüğünü finanse eder hâle gelir.

"Anglophone retrieval pivot": mekanizma nasıl işliyor?

Anglophone retrieval pivot, modelin hedef dildeki soruyu alıp cevabı İngilizce kaynaktan bulması ve sonucu hedef dilde sunmasıdır. Kullanıcı Türkçe soruyor, Türkçe cevap alıyor — ama cevabın arkasındaki kaynak Türkçe değil.

Stanford çalışması bu davranışı doğrudan tanımlıyor: "Hintçe sorgu → İngilizce retrieval pivot → cevap, hedef Hintçe makale yerine İngilizce kanonik olgudan türetiliyor."

Ölçeği gösteren rakamlar:

• İngilizce Wikipedia, global olarak en çok atıf alan tek kaynak: günde 79,9 atıf, tüm atıfların %3,5'i.
• Global ilk 10 alan adının 9'u ağırlıklı İngilizce. Tek istisna aa.com.tr (Anadolu Ajansı) — ilk 10'daki tek İngilizce olmayan alan adı.
• Araştırmanın doğrudan ifadesi: "Altı değerlendirme bölgesinin beşi İngilizce olmayan içerik içermesine rağmen, İngilizce Wikipedia global olarak en çok atıf alan tek kaynak."
• Rusça'da tablo daha keskin: en.wikipedia.org ve theguardian.com birlikte atıfların %5,4'ünü alırken, en görünür Rus yayıncı rbc.ru %2,2'de kalıyor. İki İngilizce kaynak, yerel lider yayıncının 2,5 katı.
• Hintçe'de mekanizma en uç hâlinde: İngilizce Wikipedia, Hintçe sorgularda birinci sırada (%3,1 pay) ve her Hintçe yayıncıyı geçiyor.

Türkçe bu spektrumda Hintçe kadar uçta değil — T24'ün zirvede olması ve Anadolu Ajansı'nın global ilk 10'a girmesi Türkçe haber ekosisteminin görece güçlü olduğunu gösteriyor. Ama Türkçe de bu eğilimin dışında değil: ikinci sıradaki kaynak İngilizce.

Mekanizmanın markalar için pratik sonucu şu: sadece Türkçe yayın yapmak, Türkçe sorgularda görünmenizi garanti etmiyor. Model, Türkçe sorunun arkasındaki kavramı İngilizce kanonik kaynakta doğrulama eğiliminde. Bu, çok dilli varlık tutarlılığını (entity consistency) teknik bir zorunluluk hâline getiriyor.

Türkiye bağlamı: tek platforma sıkışmış bir pazar

Türkiye, AI kaynaklı web trafiğinin platform dağılımında dünyanın en yoğunlaşmış pazarlarından biri. We Are Social ve Meltwater'ın "Digital 2026 Global Overview" verisine göre Türkiye'de AI kaynaklı web trafiğinin %94,49'u ChatGPT üzerinden geliyor; dünya ortalaması %80,92. Aynı rapordan bir başka rakam: Türkiye'de aylık ChatGPT kullanım oranı %39,7.

Bu rakamı doğru okumak önemli. Ölçülen şey kullanıcı sayısı değil, AI kaynaklı web trafiğinin platformlar arası dağılımı. Metodoloji detayı sınırlı yayımlandı, dolayısıyla kesin bir pazar payı gibi değil, bir yoğunlaşma göstergesi olarak kullanmak doğru olur.

Yine de yön açık: Türkiye'de AI görünürlüğü pratikte büyük ölçüde ChatGPT görünürlüğü demek. Bu iki sonuç doğuruyor.

Birincisi, risk yoğunlaşması. Semrush verisinde ChatGPT'de Reddit'in payının yaklaşık %60'tan yaklaşık %10'a düşmesi üç ay içinde gerçekleşti. Trafiğinin %94'ü tek platformdan gelen bir pazarda, o platformdaki tek bir kaynak-seçim değişikliği görünürlüğünüzü bir çeyrekte silebilir.

İkincisi, ölçüm kolaylığı. Yoğunlaşma bir avantaj da sunuyor: sınırlı kaynakla ölçüm yapacaksanız hangi platformdan başlayacağınız Türkiye'de tartışmalı değil. ChatGPT'de ölçün, sonra Gemini ve Perplexity'yi ekleyin. Bu sıralama diğer pazarlarda geçerli olmayabilir ama Türkiye verisi bunu destekliyor.

Bu iki maddenin kesişimi şu strateji: tek platformda ölçün, ama tek platforma bağımlı olmayacak şekilde içerik üretin. Kaynak profilleri modeller arasında sert biçimde ayrıştığı için (BBC örneğinde %28,5'e karşı %0,0), bugün ChatGPT'de görünen bir marka yarın öne çıkacak modelde sıfırdan başlayabilir. Farklı platformların Türkçe sorgu davranışını Perplexity Pro ve Free Türkçe sorgu karşılaştırması yazısında ayrıca test ettik.

Bir Türk markası bu tabloda nasıl yer alır?

Önce en önemli kaydı düşelim: Stanford verisi haber sorgularından üretildi. Sorular güncel haber olaylarına dayanıyordu; ticari sorgularda ("İstanbul'da en iyi muhasebe yazılımı", "X ürünü kaç TL") kaynak kompozisyonunun birebir aynı davranacağını iddia etmek veri dışı olur. Haber sorgularında yayıncılar, ticari sorgularda ise inceleme siteleri, forumlar ve marka sitelerinin ağırlığı farklıdır.

Ne söylenebilir: retrieval mekanizmasının dil davranışı sorgu tipinden bağımsız çalışan bir altyapı özelliği. Yani "İngilizce kanonik kaynağa yaslanma" eğiliminin ticari sorgularda da bir karşılığı olması beklenir — ama bunun ölçüsü bilinmiyor. Türkçe ticari sorgularda alan adı düzeyinde atıf dağılımını ölçen açık bir veri seti yok. Bu, bu yazının en dürüst cümlesi.

Bu boşlukta bir marka ne yapabilir? Kendi verisini toplayabilir. Sheltron'un kendi sitesi üzerinde 8 Mart – 5 Temmuz 2026 arasındaki 120 günlük ölçümünden birkaç somut rakam (Sheltron kendi ölçümü, Clarity verisi):

• Share of Answers: %25,37 — izlenen sorgu setinde yanıtların dörtte birinde kaynak olarak yer alma oranı.
• 720 sayfa atfı — aynı dönemde ölçülen toplam sayfa düzeyi atıf.
• AI referral: 0,35 — atıf başına düşen tıklama son derece düşük. Atıf alıyor olmak trafik almak demek değil.
• Amiral gemisi içerik: 157 atıf (toplamın %22'si) — tek bir kapsamlı içerik, tüm atıfların beşte birinden fazlasını topluyor.
• Cluster performansı: maliyet ve ROI kümesi ~121 atıf, işletmelerin AI uyumu kümesi ~100 atıf.

Arama tarafında aynı dönem (21 Ocak – 20 Temmuz): 786 tık, 59.502 gösterim, %1,32 tıklama oranı, ortalama pozisyon ~9. İçerik tipi verimi ise en öğretici kısım: veri raporu formatındaki yazılar yazı başına ~1.182 gösterim üretirken, sektör rehberleri ~115 gösterimde kaldı. Aradaki 10 kat fark, "hangi tip içerik atıf çekiyor" sorusunun en net cevabı.

Bu rakamlar bir sektör endeksi değil, tek bir sitenin ölçümü. Ama gösterdiği örüntü tutarlı: özgün veri içeren içerik, jenerik rehberden bir büyüklük mertebesi daha fazla görünürlük üretiyor — ki bu, Anglophone pivot'a karşı en işlevsel savunma. İngilizce Wikipedia'nın sunamayacağı tek şey, sizin ölçtüğünüz Türkiye verisidir.

Bu tip ölçümü kendi markanız için kurmak isterseniz AI share of voice nasıl ölçülür yazısındaki metodolojiyi izleyebilir, atıf takibinin teknik tarafı için firstcitation.com'u inceleyebilirsiniz.

Ne yapmalı: Türkçe atıf görünürlüğü için 7 adım

Türkçe sorgularda AI kaynağı olabilmek için gereken yedi temel adım şunlardır:

1. Türkçe ve İngilizce varlık tutarlılığı kurun. Marka adınız, kurucu adı, adres, ürün adları her iki dilde birebir aynı yazılsın. Anglophone pivot çalıştığında model sizi İngilizce kanonik kayıtta arayacak; orada tutarsız bir iz bırakırsanız eşleştirme kopar.
2. Wikipedia ve ansiklopedik kaynaklardaki izinizi denetleyin. İngilizce Wikipedia global olarak en çok atıf alan kaynak (arXiv:2605.22785). Sektörünüzü, şehrinizi, ürün kategorinizi anlatan İngilizce maddelerde markanızın doğru bağlamda geçip geçmediğini kontrol edin. Manipülasyon değil — doğruluk denetimi.
3. Ticari sorgularda kendi atıf tablonuzu çıkarın. Genel veri Türkçe ticari sorguları kapsamıyor. 30–50 sorgudan oluşan bir set kurun, dört platformda (ChatGPT, Gemini, Claude, Perplexity) aylık ölçün, hangi alan adlarının çıktığını kaydedin. Bu tablo sektörünüz için literatürde yok — üretebilecek tek taraf sizsiniz.
4. Yayıncı adı verilmesini kolaylaştırın. Modeller isim vermeyi teknik olarak yapabiliyor (talep edildiğinde Claude %97, Gemini %95). Marka adını başlıkta, ilk paragrafta, yazar bloğunda ve yapılandırılmış veride tekrarlamak, model kaynak adı üretirken tutunacak bir dal bırakır.
5. Veri üretin, rehber yazmayı bırakın. Sheltron'un kendi ölçümünde veri raporu formatı sektör rehberinin 10 katı gösterim üretti (1.182'ye karşı 115). Türkçe web'de jenerik rehber doygun; ölçülmüş rakam kıt.
6. Türk yayıncı ekosistemine girin. Türkçe sorgularda T24, Anadolu Ajansı, Cumhuriyet ve Haberler ilk yedide. Bu alan adlarında geçen bir marka, doğrudan atıf havuzunun içinde konumlanır. Bu bir dijital PR işidir, link satın alma işi değil.
7. Tek platforma bağlı ölçmeyi bırakın. BBC'nin model bazlı atıf payı %28,5 ile %0,0 arasında değişiyor. Tek platformda ölçülen görünürlük yanıltıcı bir güven verir.

Bu adımların teknik altyapı tarafı — yapılandırılmış veri, crawler erişimi, içerik mimarisi — Sheltron'un yapay zeka çözümleri kapsamında ele aldığımız konular. Metodolojinin akademik arka planı için The GEO Authority'nin araştırma bölümü, konuyu sıfırdan öğrenmek isteyenler için GEO Akademi iyi başlangıç noktaları.

Ölçüm boşluğu: neyi bilmiyoruz, bilmek için ne gerekir

Bu yazının sınırlarını açıkça yazmak, iddialarından daha önemli.

Bilmediklerimiz:

• Türkçe ticari sorgularda alan adı düzeyinde atıf dağılımı. Elimizdeki tek Türkçe veri haber sorgularından.
• Türkçe sorgularda AI Overviews'ın kapsama oranı. Google, Türkiye'yi AI Overviews'a dahil etti ancak Türkçe sorgu kapsamı için birincil veri yayımlanmadı.
• Türkçe için zaman serisi. Stanford ölçümü 14 günlük bir pencere; mevsimsellik veya model güncellemesi etkisi bilinmiyor.
• Sektör kırılımı. Hukuk, sağlık, e-ticaret ve finans sorgularında kaynak profilleri büyük olasılıkla farklı — ölçülmedi.

Bunu kapatmak için gereken: sabit bir Türkçe sorgu seti, en az dört platform, en az 90 günlük sürekli ölçüm ve alan adı düzeyinde kayıt. Teknik olarak zor değil; kimse yapmadığı için yok. Sheltron olarak kendi sorgu setimizde bu ölçümü yürütüyoruz ve sektör bazlı kırılımları yayımlamayı planlıyoruz — ama bugün elimizde yayımlanabilir bir Türkiye endeksi olmadığını söylemek, olmayan bir rakam uydurmaktan iyidir.

Bu arada dikkat edilmesi gereken bir nokta daha var: Türkçe web'de dolaşan "Reddit tüm AI atıflarının %40'ı", "ilk 15 kaynak atıfların %68'i" gibi rakamların birincil kaynağı yok ve birbirleriyle çelişiyorlar. Bir rakamı kullanmadan önce metodolojisini bulabildiğinizden emin olun — bu, sıkça sorulan sorular sayfamızda da en çok tekrarladığımız uyarı.

Sonuç: dil değil, kompozisyon problemi

Türkçe sorgularda yapay zeka size ayrımcılık yapmıyor. Doğru cevap veriyor (%90,0 doğruluk), kaynak göstermeme oranı diğer dillerden farklı değil (%82'ye karşı %81). Ama kaynak gösterdiğinde, ikinci sırada İngilizce Wikipedia var.

Bu, Türkçe içerik üreten her marka için tek bir şey demek: Türkçe yayın yapmak sizi AI yanıtına sokmaya yetmiyor. Yetecek olan şey, İngilizce kanonik kaynakların üretemeyeceği bir şey üretmek — ölçülmüş, tarihli, Türkiye'ye ait veri — ve bunu hem Türkçe hem İngilizce varlık kaydınızla tutarlı biçimde yayımlamak.

Markanız Türkçe sorgularda hangi alan adlarıyla yarışıyor, biliyor musunuz? Sheltron'un hızlı değerlendirme aracıyla kendi sorgu setinizde nerede durduğunuzu görebilir, ölçümü kurumsal ölçekte kurmak için ekibimizle iletişime geçebilirsiniz.

Uygulama tarafında ajans desteği mi arıyorsunuz? Partner GEO ajansımız Lein Digital.

Yazar: Eren Çöp — Kurucu & GEO Stratejisti, Sheltron Teknoloji