8. Bölüm: AI Trafiği ve İş Sonucu

Son güncelleme: 1 Kasım 2026.

Bir bütçe toplantısında “ChatGPT bizi önerdi” diyen bir ekran görüntüsü bir süre iş görür. Er ya da geç biri “Bu bize ne kazandırdı?” diye sorar. 7. bölümdeki görünürlük ölçümü bu soruya cevap vermiyor. Siteye ziyaretçi, ziyaretçiden de satış, teklif ya da müşteri çıkıp çıkmadığına ayrıca bakmak gerekiyor.

Bunu yapmak klasik SEO’ya göre daha zor. Yapay zekânın etkisinin bir kısmı Analytics’te kendi adıyla görünüyor, bir kısmı başka kanalların içinde kayboluyor, bir kısmı da hiçbir raporda iz bırakmıyor. Yapılacak iş, görünen kısmı doğru ayırmak, görünmeyeni makul bir varsayımla tahmin etmek ve ikisini raporda birbirine karıştırmamak.

1. Trafik ile iş sonucu aynı şey değil

Voleybol ve basketbol ayakkabısı satan bir e-ticaret müşterimizde bir dönem trafik yüzde 10 düştü, ciro ise yüzde 180 arttı. Sadece trafik grafiğine bakan biri o dönemi kötü bir dönem diye raporlardı.

Bu örnek yapay zekâ trafiğiyle ilgili değil, ama bölümün ana fikrini iyi özetliyor: Trafik bir araç, iş sonucu ise amaç.

Yapay zekâ aramasında bu ayrım daha da belirginleşiyor. İlk bölümde anlattığım gibi bilgi amaçlı ara ziyaretlerin bir kısmı artık sohbetin içinde kalıyor. Siteye gelen ziyaretçi azalabilir, ama gelenler karara daha yakın.

B2B’de fark daha keskin. Makine sektöründeki bir müşterimizin sitesine günde 30–40 ziyaret geliyor, sattığı makinenin fiyatı 20.000 Euro civarında. Böyle bir sitede ayda birkaç yüz ziyaretin artıp azalması tek başına pek bir şey anlatmıyor. Yapay zekâdan gelen tek bir doğru talep, trafik grafiğindeki bütün dalgalanmalardan daha değerli olabilir.

Ölçümü üç katmanda düşünmek işi kolaylaştırıyor. İlki görünürlük, yani yapay zekâ cevaplarında anılıp anılmadığınız, önerilip önerilmediğiniz ve kaynak gösterilip gösterilmediğiniz; bu 7. bölümün konusuydu. İkincisi ziyaret: Bu cevaplardan sitenize kaç kişi, hangi sayfalara geliyor ve sitede ne yapıyor? Üçüncüsü iş sonucu: Bu ziyaretlerden ve raporlara yansımayan etkiden kaç satış, teklif, telefon ve yeni müşteri çıkıyor?

Bu bölüm son iki katmanla ilgili. Görünürlük ölçümü ne kadar iyi olursa olsun, iş sonucuna bağlanmadıkça yönetime yarım bir cevap verir.

2. Gözlenen, tahminî ve modellenmiş etki

İlk bölümde yapay zekânın etkisini bu üç türe ayıracağımızı söylemiştim. Bence yapay zekâ raporlamasındaki en büyük hata, bu üçünü aynı tabloda, aynı kesinlikteymiş gibi göstermek.

Gözlenen etki en güvenilir olanı ama resmin tamamı değil. Kullanıcı yapay zekâdan sitenize tıkladıysa ve tarayıcı bu bilgiyi taşıdıysa görüyorsunuz; tıklamadıysa ya da bilgi yolda kaybolduysa görmüyorsunuz. O yüzden gözlenen etkiyi bir alt sınır gibi okumak gerekiyor.

Tahminî etki görünmeyen kısmı doldurmaya çalışıyor ve tek bir kuralı var, o da varsayımı yazmak. “Doğrudan trafikteki artışın bir kısmını yapay zekâya bağladık” diyorsanız hangi sayfalara, hangi döneme ve neden bağladığınızı da yazın. Okuyan kişi varsayıma katılmayabilir, ama en azından neye katılmadığını bilir.

Modellenmiş etki en iddialısı. Etkiyi diğer kanallardan, sezondan ve kampanyalardan ayırmaya çalışıyor. Doğru kurulduğunda çok değerli ama çoğu işletme için ilk adım değil; 9. başlıkta buna döneceğiz.

Aşağıda her yöntemin yanında hangi tür etkiyi ölçtüğünü de belirttim. Aynısı raporlar için de geçerli: Bir rapordaki her rakamın yanında, o rakamın gözlenen mi, tahminî mi, modellenmiş mi olduğu yazmalı.

3. Analytics’te yapay zekâ trafiğini ayırmak

Gözlenen etkinin ilk kaynağı web analitiği. Türkiye’de sitelerin büyük çoğunluğu Google Analytics 4 kullandığı için örnekleri onun üzerinden veriyorum; mantık diğer araçlarda da aynı.

Google Analytics 13 Mayıs 2026’da yapay zekâ asistanlarından gelen trafik için ayrı bir sınıflandırma getirdi (Google Analytics). Yönlendiren site (referrer) tanınan bir yapay zekâ asistanıysa oturumun aracı (medium) otomatik olarak “ai-assistant” oluyor, bu ziyaretler varsayılan kanal grubunda “AI Assistant” kanalında toplanıyor ve kampanya adı “(ai-assistant)” olarak görünüyor.

Böylece hiçbir ayar yapmadan raporlarda yapay zekâ asistanlarından gelen trafiği ayrı bir satır olarak görebiliyorsunuz. Google 11 Haziran 2026’da buna Kaynak Grubu (Source Group) adında yeni bir alan da ekledi; bu alanda ChatGPT ve Perplexity gibi yeni trafik kaynakları için hazır gruplama var.

Yine de bu kanala tek başına güvenmeyin. Search Engine Journal’ın haberine göre Google örnek olarak ChatGPT, Gemini ve Claude’u sayıyor ama tanınan kaynakların tam listesini yayınlamıyor (Search Engine Journal). Listede olmayan bir araçtan gelen trafik hâlâ “Yönlendirme (Referral)” içinde kalabilir.

Kendi özel kanal grubunuzu (custom channel group) kurmak bu yüzden işe yarıyor. Google’ın yardım sayfası bunun için hazır bir örnek veriyor: “AI assistants” adında bir kanal açıp kaynağı bir düzenli ifadeyle (regex) eşleştirmek ve bu kanalı “Referral” kanalının üstüne taşımak. Aynı sayfaya göre özel kanal grupları raporlara geriye dönük uygulanabiliyor (Google Analytics Yardım), dolayısıyla Mayıs 2026 öncesini de aynı tanımla karşılaştırabiliyorsunuz.

Başlangıç için şuna benzer bir ifade yeterli:

chatgpt\.com|chat\.openai\.com|perplexity\.ai|gemini\.google\.com|copilot\.microsoft\.com|claude\.ai

Listeyi ayda bir gözden geçirin. Referral raporunda tanımadığınız yeni bir yapay zekâ aracı görürseniz ekleyin.

Kanal ayrıldıktan sonra her ay dört şeye bakmak yeterli:

• Hangi sayfalara geldikleri. Açılış sayfası raporunu yapay zekâ kanalıyla filtreleyin; karşınıza tahmin ettiğiniz sayfalar değil, bir karşılaştırma yazısı, bir teknik özellik sayfası ya da eski bir rehber çıkabilir.
• Hangi platformdan geldikleri. ChatGPT, Gemini, Perplexity ve Copilot’u ayrı ayrı görün; 4. bölümde gördüğümüz gibi her platform farklı davranıyor.
• Sitede ne yaptıkları: dönüşüm oranı, gelir, ortalama sipariş tutarı, form doldurma, telefon tıklaması.
• Zaman içinde nasıl değiştiği. Tek bir ayın rakamı az şey söyler, üç aylık eğilime bakın.

Bir dolum makinesi üreticisi, yapay zekâ kanalından gelenlerin çoğunun “köpüren ürünlerde dolum” anlatan teknik sayfaya geldiğini görürse o sayfaya teklif formunu ve servis bilgisini koymanın öncelikli olduğunu anlar. Rakamı raporlamaktan daha değerli olan, bu tür çıkarımlar.

AI Bakışı ve AI Modu’ndan gelen tıklamalar ise Analytics’te ayrı görünmüyor. Google organik trafiğinin içindeler ve bugün onları ayırmanın bir yolu yok. Search Console tarafında neler görülebildiğine 5. başlıkta bakacağız.

4. Yapay zekâ ziyaretleri neden “Doğrudan” görünüyor

Analytics bir ziyaretin nereden geldiğini iki şeyden anlıyor: tarayıcının gönderdiği yönlendiren bilgisi (referrer) ve linkin sonuna eklenen kampanya etiketleri (UTM parametreleri). İkisi de yoksa ziyaret “Doğrudan (Direct)” olarak kaydediliyor.

Yapay zekâ trafiğinde bu bilgi sık kayboluyor. Mobil uygulamalar, uygulama içi tarayıcılar ve kopyalanıp yapıştırılan linkler yönlendiren bilgisini taşımayabiliyor. Platformların linklere kendi etiketini eklemesi bu yüzden çok şey değiştiriyor. ChatGPT, web kaynaklı cevaplardaki linklere “utm_source=chatgpt.com” etiketini ekliyor. Google da Ekim 2026’da Gemini’nin dışarı verdiği linklere UTM parametreleri eklemeye başladı; ama Search Engine Journal’ın haberine göre bu uygulama belgelenmiş değil ve hangi durumlarda devreye girdiği bilinmiyor (Search Engine Journal).

Bu etiketlere ne kadar bağlı olduğumuz Ekim 2026’da ortaya çıktı. Search Engine Journal’ın derlediği verilere göre GPT-6’nın kullanıma açıldığı günlerde ChatGPT, cevap içindeki linklere “utm_source=chatgpt.com” etiketini eklemeyi bıraktı (Search Engine Journal). 9 Ekim’den itibaren Graphite’ın takip ettiği sitelerde ChatGPT kaynaklı oturumlar yüzde 22 ile 57 arasında düştü. Adobe’dan Cedric Huesler’in incelediği yaklaşık 500 sayfada ChatGPT ziyaretleri günde yaklaşık 31.000 azalırken doğrudan trafik günde yaklaşık 26.000 arttı. Huesler’e göre OpenAI 14 Ekim’de bunun bir hata olduğunu doğruladı ve düzeltme 15 Ekim’de yayılmaya başladı. OpenAI’ın bu konuda kamuya açık bir açıklaması yok.

Yapay zekâ trafiğindeki ani bir düşüş her zaman ziyaretçi kaybı anlamına gelmiyor. Bazen ziyaretçi geliyor ama etiketsiz geliyor. Aynı haberde Huesler’in, ChatGPT tıklamalarının çoğunun yönlendiren bilgisi olmadan geldiğini ve bu yüzden UTM etiketinin sayılması gerektiğini söylediği aktarılıyor.

Böyle olayları raporlarınıza not edin. Analytics’e 8–15 Ekim 2026 için bir açıklama (annotation) ekleyin; altı ay sonra o dönemin grafiğine bakan biri ne olduğunu bilmeden yanlış sonuç çıkarabilir. O hafta doğrudan trafiğe düşen oturumlar geriye dönük de düzelmiyor.

Yapay zekâ kanalını doğrudan trafikle yan yana izlemek de bu yüzden işe yarıyor. Yapay zekâdan sık trafik alan açılış sayfalarında doğrudan trafik aniden artarken yapay zekâ trafiği aynı anda düşüyorsa, büyük ihtimalle bir ölçüm sorunu var.

Doğrudan trafiğin içinde kalan yapay zekâ ziyaretlerini tam olarak ayırmak mümkün değil, ama tahmin edilebilir. Ana sayfaya ya da kampanya sayfalarına değil de derin bir teknik sayfaya veya bir blog yazısına doğrudan gelen ziyaretçi genelde adresi ezbere yazmamıştır. Bu ziyaretlerin bir kısmı yapay zekâ uygulamalarından, e-postalardan ya da mesajlaşma uygulamalarından gelir. Bu yolla bulduğunuz rakam gözlenen değil tahminî etkidir ve raporda öyle yazılmalı.

5. Search Console’da AI Bakışı ve AI Modu

Google’ın kendi yapay zekâ özelliklerinden gelen trafik için bakılacak yer Search Console, ama burada da sınırlar var.

Google, AI Bakışı ve AI Modu’ndaki görünürlüğün Search Console performans raporunda “Web” arama türünün içinde sayıldığını belirtiyor (Google Search Central). Bu tıklamalar ve gösterimler genel arama verinizin içinde ve performans raporunda onları ayıran bir filtre yok.

2026’da buna yeni bir rapor eklendi. Google 3 Haziran 2026’da Search Console’da sayfaların üretken yapay zekâ özelliklerinde nasıl göründüğüne dair yeni bilgiler sunmaya başladığını duyurdu, 31 Ağustos 2026’da da bunları bütün sitelere açtı (Google). Search Engine Journal’ın aktardığına göre raporda AI Bakışı, AI Modu ve Discover’daki üretken yapay zekâ özellikleri için gösterim sayısı var; sayfa, ülke ve tarih kırılımı, arama tarafında da cihaz kırılımı veriliyor. Tıklama verisi yok ve yeterli yapay zekâ gösterimi olmayan siteler raporu göremeyebiliyor (Search Engine Journal).

Tıklama olmadığı için bu rapor iş sonucu hakkında bir şey söylemiyor. Söylediği şey, hangi sayfalarınızın Google’ın yapay zekâ cevaplarında kullanıldığı ve bunun hangi ülkelerde olduğu. Raporu şu sırayla kullanabilirsiniz:

1. Yapay zekâ gösterimi en yüksek sayfaları listeleyin.
2. Aynı sayfaların Web performansına bakın: Tıklama, gösterim ve tıklama oranı son altı ayda nasıl değişti?
3. Bu sayfaların Analytics’teki dönüşümlerine bakın.

Yapay zekâ gösterimi artan bir sayfanın tıklama oranı düşüyorsa kullanıcı aradığını cevapta buluyor olabilir. Dönüşümleri de düşüyorsa sorun var. Dönüşümler aynı kalıyor ya da artıyorsa, kaybettiğiniz tıklamalar büyük ihtimalle zaten satışa dönüşmeyen tıklamalardı. Bu çıkarım da tahminî etki sayılır.

AI Bakışı Türkiye’de açıldıktan sonra müşterilerimiz arasında tıklamaları ciddi şekilde düşen olmadı, sadece küçük düşüşler gördük. Düşüşün nerede yoğunlaştığını görmek için ilk bölümde önerdiğim sayfa türüne göre ayırma burada da işe yarıyor; blog, kategori, ürün ve marka sorgularını ayrı izleyin.

Google’ın bu konuda bir iddiası da var. Aynı belgede AI Bakışı olan sonuç sayfalarından gelen tıklamaların “daha kaliteli” olduğunu, yani kullanıcıların sitede daha fazla zaman geçirme eğiliminde olduğunu gördüklerini yazıyor. Bu Google’ın kendi gözlemi; kendi sitenizde kontrol etmeniz gereken bir iddia olarak okuyun.

Google dışında, 2. bölümde bahsettiğimiz Bing Webmaster Tools’taki yapay zekâ performans raporu Copilot’taki kaynak gösterilme verisini veriyor. Orada da tıklama yok. İki rapor birlikte Google ve Bing tarafında hangi sayfalarınızın yapay zekâ cevaplarına girdiğini gösteriyor; bunun işe yansıyıp yansımadığını Analytics’te ve CRM’de arıyoruz.

6. Markalı arama: Tıklamayan kullanıcının izi

İlk bölümdeki senaryoyu hatırlayın. Satın alma müdürü ChatGPT’de markanızı görüyor ama linke tıklamıyor. Akşam Google’a markanızın adını yazıp sitenize oradan geliyor. Analytics bu ziyareti markalı organik arama olarak kaydediyor; kararı başlatan yapay zekâ cevabı hiçbir raporda yok.

Bu yüzden yapay zekânın dolaylı etkisini aramaya markalı sorgulardan başlamak mantıklı. Yapay zekâ markanızı daha sık anıyor ve öneriyorsa, markanızı arayanların sayısının da zamanla artması beklenir.

Bunu izlemek 2026’da kolaylaştı. Google Kasım 2025’te Search Console’a markalı sorgular filtresini (branded queries filter) getirdi (Google Search Central), Mart 2026’da da filtrenin uygun bütün sitelere açıldığı duyuruldu. Search Engine Journal’ın derlediği ayrıntılar şöyle (Search Engine Journal):

• Filtre performans raporunda; sorguları markalı ve markasız olarak ayırıyor.
• Hangi sorgunun markalı sayılacağına Google otomatik karar veriyor. Marka adı, yazım hatalı halleri ve markayla ilgili ürün ya da hizmet adları markalı sayılabiliyor; siz liste ekleyemiyorsunuz.
• Alt mülklerde (örneğin site.com/blog/) ve gösterim sayısı düşük sitelerde filtre görünmüyor.
• Bazı mülklerde markalı ve markasız ayrımı ancak 21 Şubat 2026 civarından itibaren görünüyor; veri geriye dönük uygulanmıyor.

Son madde Türkiye için can sıkıcı bir sınır. AI Bakışı ve AI Modu Türkiye’de 18 Şubat 2026’da açılmaya başladı, yani bazı sitelerde bu filtreyle “AI Bakışı öncesi ve sonrası” karşılaştırması yapılamayabilir. Daha eskiye giden bir karşılaştırma için markalı sorguları sorgu filtresiyle kendiniz ayırmanız gerekiyor.

Markalı aramada üç şeye bakın. Birincisi markalı gösterim ve tıklamaların tek aylık değil, üç ve altı aylık eğilimi. Sonra marka ile birlikte aranan kelimeler: “X makine köpüren ürün”, “X makine servis”, “X makine fiyat” gibi sorgular kullanıcının sizi bir yerde görüp ayrıntı aradığını gösterebilir. Bir de bu verinin 7. bölümde ölçtüğümüz görünürlükle birlikte nasıl hareket ettiği. Görünürlük artarken markalı arama da artıyorsa bu anlamlı bir işaret.

Ama dikkatli olun. Markalı aramadaki artışın tamamını yapay zekâya yazmak, raporlamadaki en kolay ve en yanlış yoldur. Markalı aramayı reklam, fuar, basın haberi, sosyal medya, sezon ve satış ekibinin çalışması da etkiliyor. Markalı arama verisi tek başına kanıt değil, tahminî etkinin bir parçası. Aynı dönemde başka neyin değiştiğini raporun yanına yazın.

7. CRM ve “Bizi nereden duydunuz?” sorusu

Analytics’in göremediğini müşteri size kendisi söyleyebilir. İlk bölümde bunun en basit ama bence en değerli yöntem olduğunu söylemiştim.

Müşterinin kendi beyanına dayanan bu yönteme beyana dayalı kaynak ataması (self-reported attribution) deniyor. Analytics bir tıklamanın izini sürüyor, bu yöntem ise kişiye ne hatırladığını soruyor. İkisi farklı şeyleri ölçüyor, o yüzden birlikte okunmalı. Kurulum için:

• Teklif ve iletişim formuna “Bizi ilk nerede duydunuz?” sorusunu ekleyin. Seçeneklere Google aramasının yanında ChatGPT, Gemini, Google AI Modu, Copilot, Perplexity ve Claude’u da koyun, en sona serbest metin alanı bırakın.
• Telefonla gelen talepleri unutmayın. B2B’de taleplerin önemli bir kısmı telefonla geliyor; satış ekibi ilk görüşmede aynı soruyu sorsun ve CRM’e aynı seçeneklerle işlesin.
• “Google’da aradım” diyen kişiye bir soru daha sorun: “Neyi aradınız, bizi ilk nerede görmüştünüz?” Markanızı arayan biri sizi zaten bir yerden duymuştur ve bu ikinci soru çoğu zaman asıl kaynağı ortaya çıkarır.
• Gizli form alanlarıyla (hidden fields) ziyaretçinin ilk geldiği kaynağı ve ilk açılış sayfasını CRM’e taşıyın. Böylece aynı kayıtta Analytics’in gördüğü kaynakla müşterinin söylediği kaynak yan yana durur.
• Talebi satışa kadar takip edin. Yapay zekâdan gelen talebin kaçının teklife, kaçının satışa dönüştüğünü ancak CRM söyleyebilir.

Dolum makinesi örneğinde bu şöyle işliyor. Bir satın alma müdürünün ChatGPT’ye günde 3.000 şişe köpüren ürün dolduracak, 25.000 Euro civarında bir makine sorduğunu varsayalım. Cevapta markanızı görüyor, iki gün sonra Google’da markanızı arayıp sitenize geliyor ve teklif formunu dolduruyor. Analytics bu talebi markalı organik aramaya yazıyor. Formdaki soru olmasa bu satışın yapay zekâyla başladığından haberiniz olmazdı.

Yöntemin sınırları da var. İnsanlar kaynağı yanlış hatırlayabiliyor ya da formdaki ilk seçeneği işaretleyip geçebiliyor. Bu yüzden beyana dayalı veri Analytics verisinin yerine değil, yanına konuyor. Yine de B2B gibi az sayıda ve yüksek değerli talebin geldiği işlerde yapay zekânın etkisini görmenin bence en güçlü yolu bu.

8. Dönüşüm oranını doğru okumak

Yapay zekâdan gelen ziyaretçinin daha iyi dönüşüp dönüşmediğinin tek bir cevabı yok.

Bizim müşterilerimizde yapay zekâ platformlarından gelen trafik toplam trafiğin genelde yüzde 10’unun altında, ama bu ziyaretçilerin dönüşüm oranı yüzde 6–7 civarında. E-ticarette genel dönüşüm oranının yüzde 1 civarında olduğu düşünülürse bu büyük bir fark.

Yayımlanmış çalışmalar ise birbirinden farklı sonuçlar veriyor. Ahrefs’in Haziran 2025’te kendi sitesi için paylaştığı veride, yapay zekâ aramasından gelen ziyaretçiler son 30 günde trafiğin yüzde 0,5’ini oluştururken üyeliklerin yüzde 12,1’ini getirdi. Ahrefs bunu klasik organik aramaya göre 23 kat yüksek dönüşüm olarak yorumladı; tek bir siteye ait veri olduğunu ve bu oranın yapay zekâ araması büyüdükçe korunacağından şüpheli olduğunu da yazdı (Ahrefs).

180 Marketing’in Şubat 2026’da yayımladığı analizde, 94 e-ticaret sitesinin 2025 yılına ait GA4 verisinde ChatGPT’den gelen ziyaretlerin dönüşüm oranı yüzde 1,81, markasız organik aramadan gelenlerinki yüzde 1,39 çıktı (180 Marketing).

Kaiser ve Schulze’nin Marketing Science’ta 2026’da yayımlanan akademik çalışması ise Ağustos 2024 ile Temmuz 2025 arasında 973 e-ticaret sitesini inceledi. ChatGPT trafiği toplam trafiğin yüzde 0,2’sinin altındaydı. ChatGPT’nin dönüşüm oranı ve oturum başına geliri ücretli sosyal medyadan yüksek, diğer yerleşik kanalların hepsinden düşüktü. Araştırmacılar ChatGPT dönüşüm oranlarının zamanla yükseldiğini ve bilgi yoğun, karmaşık satın almalarda yapay zekânın daha fazla değer katabildiğini de not ediyor (Frankfurt School).

Bu sonuçlar birbiriyle çelişiyor gibi görünüyor ama farklı şeyleri ölçüyorlar. Bir yazılım şirketinin üyelik dönüşümüyle bir e-ticaret sitesinin satış dönüşümü aynı şey değil. ChatGPT’yi markasız organik aramayla karşılaştırmakla bütün kanallarla karşılaştırmak da farklı sonuç veriyor. Üstelik düşük hacimli bir kanalda birkaç satış oranı çok oynatabiliyor.

Başkasının çarpanını ödünç almak yerine kendi verinize bakın. Bunu yaparken:

• Benzerini benzeriyle karşılaştırın. Yapay zekâ trafiğini toplam organik trafikle değil, markasız organik trafikle kıyaslayın; markalı arama zaten sizi tanıyan kullanıcıdır ve doğal olarak çok iyi dönüşür.
• Aynı sayfa türlerine bakın. Blog trafiğiyle ürün sayfası trafiğinin dönüşümü zaten farklı; karşılaştırmayı açılış sayfası türüne göre yapın.
• Yeterli veri bekleyin. Ayda 5 satış getiren bir kanalda oranı yorumlamak için en az üç aylık toplam veriye bakın.
• Sadece oranı değil değeri de ölçün: oturum başına gelir, ortalama sipariş tutarı, B2B’de teklif tutarı ve kapanan işlerin değeri.

9. Modellenmiş etki ne zaman gerekir

Gözlenen ve tahminî etki çoğu işletme için yeterli bir tablo veriyor. Ama yapay zekâ için ciddi bir bütçe ayrılacaksa yönetim “Bu artış zaten olmayacak mıydı?” diye soracaktır.

Bu soruya cevap vermek için etkiyi diğer etkenlerden ayıran yöntemler gerekiyor. Kontrol gruplu karşılaştırmada yapay zekâ için iyileştirdiğiniz bir sayfa grubunu, benzer ama dokunmadığınız bir sayfa grubuyla karşılaştırırsınız; iki grup arasındaki fark, yaptığınız işin etkisine dair en temiz işaretlerden biridir. Zaman serisi analizinde geçmiş veriden, hiçbir şey yapmasaydınız ne olacağını tahmin eden bir model kurup gerçekleşen rakamla karşılaştırırsınız. Pazarlama karması modeli (Marketing Mix Modeling) ise bütün kanalların harcama ve sonuç verisini birlikte modelleyip her kanalın katkısını tahmin eder. Bu sonuncusu genelde büyük bütçeli ve uzun geçmiş verisi olan markalara uygun.

Kontrol gruplu karşılaştırma bir dolum makinesi üreticisinde şöyle işleyebilir. 10 ürün sayfasından 5’ine kapasite tablosu, uygun ürün tipleri, servis bölgesi ve teslim süresi ekleniyor, diğer 5’ine dokunulmuyor. Üç ay sonra iki grubun yapay zekâ görünürlüğü, yapay zekâ trafiği ve teklifleri karşılaştırılıyor. Bu, “Sayfaları iyileştirdik, talep arttı” cümlesinden çok daha güçlü bir kanıt.

Bu yöntemlerin hiçbiri kesin sonuç vermiyor. Modellenmiş bir etkiyi raporlarken tek bir rakam yerine bir aralık verin ve yöntemi açıkça yazın. Önce gözlenen ve tahminî etkiyi düzgün kurun; modellemeyi o temel oturduktan ve yeterli veri biriktikten sonra düşünün.

10. Tek sayfalık aylık rapor

Bütün bunları bir araya getiren aylık rapor tek sayfayı geçmemeli. Her satırın yanına etki türünü köşeli parantez içinde yazın:

• Yapay zekâ kanalından gelen oturumlar, dönüşümler ve gelir [gözlenen]. GA4’te AI Assistant ve kendi özel kanalınız, platform kırılımıyla.
• Yapay zekâ trafiğinin en çok geldiği 10 sayfa [gözlenen]. Bu sayfaların dönüşüm oranı ve bir önceki aya göre değişimi.
• Search Console’da yapay zekâ gösterimi alan sayfalar [gözlenen]. Gösterim eğilimi ve bu sayfaların Web tıklama oranı.
• Markalı aramalar [tahminî]. Gösterim ve tıklama eğilimi, aynı dönemde markalı aramayı etkileyebilecek diğer gelişmelerle birlikte.
• Derin sayfalara doğrudan gelen trafik [tahminî], yapay zekâ kanalıyla yan yana.
• “Bizi nereden duydunuz?” cevapları [gözlenen, beyana dayalı]. Yapay zekâ araçlarını seçen talep sayısı ve bunların satışa dönüşen kısmı.
• Ayın notları: etiket hataları, platform değişiklikleri, kampanyalar, fuarlar. Rakamları yorumlayacak kişinin bilmesi gereken her şey.

Raporu yönetime sunarken gözlenen rakamın bir taban olduğunu, tavan olmadığını açıkça söyleyin. Yapay zekânın gerçek etkisi muhtemelen görünenden büyük, ama ne kadar büyük olduğunu söylerken varsayımı da göstermek gerekiyor.

Bu rapor, 17. bölümde kuracağımız ölç, teşhis et, düzelt döngüsünün iş sonucu ayağını oluşturacak.

11. Bütçe toplantısına ne götürmeli

Yapay zekânın etkisi üç yerde birden görünüyor: kendi kanalında, başka kanalların içinde ve müşterinin kendi cümlelerinde. İlkini Analytics’te ayırabiliyorsunuz. İkincisini markalı arama ve doğrudan trafik üzerinden, varsayımını yazarak tahmin ediyorsunuz. Üçüncüsünü ancak müşteriye sorarak öğreniyorsunuz.

Bütçe toplantısına bu üç kaynaktan gelen rakamları, her birinin ne kadar kesin olduğunu belirterek götürün. Gözlenen etkiyi taban olarak sunmak, tahminî etkiyi varsayımıyla birlikte göstermek ve dönüşüm oranınızı başkasının çarpanıyla değil kendi markasız organik trafiğinizle karşılaştırmak, bir ekran görüntüsünden çok daha ikna edici.

Kontrol listesi

Kaynaklar

• Google Analytics: What’s new in Google Analytics (AI Assistant trafiği notu 13 Mayıs 2026; Kaynak Grubu notu 11 Haziran 2026)
• Google Analytics Yardım: Traffic-source dimensions (özel kanal grupları ve yapay zekâ asistanları örneği)
• Search Engine Journal: Google Analytics adds AI Assistant as default channel group (14 Mayıs 2026)
• Search Engine Journal: Google Gemini adds UTM parameters for referral attribution (1 Ekim 2026)
• Search Engine Journal: ChatGPT traffic drop appears to be a tracking problem (15 Ekim 2026)
• Google Search Central: AI features and your website (son güncelleme 10 Aralık 2025)
• Google: New opportunities, control and insights for website owners (3 Haziran 2026, güncelleme 31 Ağustos 2026)
• Search Engine Journal: Google Search Console AI reports rolled out worldwide (31 Ağustos 2026)
• Google Search Central Blog: Introducing the branded queries filter in Search Console (Kasım 2025)
• Search Engine Journal: Google answers questions about Search Console’s branded queries filter (12 Mart 2026)
• Ahrefs: Does AI search traffic convert better than traditional search? (16 Haziran 2025)
• 180 Marketing: ChatGPT traffic converts 31% better than non-branded organic search (23 Şubat 2026)
• Frankfurt School: New study, where ChatGPT already works in online shopping (22 Haziran 2026; makale: Kaiser ve Schulze, Marketing Science)

Önceki: 7. Bölüm, AI Görünürlüğü Nasıl Ölçülür? · Kitabın dizini · Sonraki: 9. Bölüm, Yapay Zekâ Botları Sitenizi Nasıl Görüyor?