13. Bölüm: Marka ve Varlık (Entity)

Son güncelleme: 1 Kasım 2026.

Bir müşterinin arayıp “ChatGPT sizin şu modeli ürettiğinizi söyledi” dediğini düşünün, oysa o model yıllar önce üretimden kalkmış. Ya da yapay zekânın markanızı aynı adı taşıyan başka bir firmayla karıştırdığını. Çoğu marka yapay zekânın kendisini nasıl anlattığını ancak böyle bir sorun çıkınca merak ediyor.

Bu riskleri 3. bölümde saymış, ayrıntısını 13. ve 14. bölümlere bırakmıştım. Bu bölüm o işin ilk yarısı: Yapay zekâ markanızı tanıyor mu, tanıyorsa doğru mu tanıyor?

Konunun merkezinde varlık (entity) kavramı var. Arama motorları ve yapay zekâ modelleri bilgiyi kelime dizileri olarak değil, birbirine bağlı “şeyler” olarak tutmaya çalışıyor; markanız da bu şeylerden biri. Ne olduğunuz, ne yaptığınız, nerede olduğunuz ve kimlerle ilişkili olduğunuz ne kadar açık ve tutarlı anlatılırsa, yapay zekânın sizi doğru anlatma ihtimali o kadar artıyor.

Bu bölüm en çok küçük ve orta ölçekli markaları ilgilendiriyor. Büyük markaları yapay zekâ zaten iyi tanıyor. Asıl risk, internette hakkında az şey yazılmış markalarda.

1. Kelimeden varlığa

Google, Bilgi Grafiği’ni (Knowledge Graph) Mayıs 2012’de “things, not strings” başlıklı bir yazıyla duyurdu (Google). Yazıdaki örnek konuyu iyi anlatıyor: Birisi “taj mahal” yazdığında bunlar arama motoru için yıllarca sadece iki kelimeydi. Oysa bu kelimeler dünyanın en ünlü anıtlarından birini, Grammy ödüllü bir müzisyeni ya da Atlantic City’deki bir kumarhaneyi kastediyor olabilir. Bilgi Grafiği’nin amacı bu ayrımı yapmaktı, yani kullanıcının hangi “şeyi” kastettiğini anlamak.

Google o gün Bilgi Grafiği’nde 500 milyondan fazla nesne ve bunlar arasında 3,5 milyardan fazla bilgi ve ilişki olduğunu söylüyordu. Mayıs 2020’deki bir yazıda ise sayının beş milyar varlık hakkında 500 milyardan fazla bilgiye ulaştığını açıkladı (Google). Aynı yazıya göre bu bilgiler web’deki içeriklerden, açık kaynaklı ve lisanslı veritabanlarından geliyor; Wikipedia sık kullanılan bir kaynak ama tek kaynak değil.

Hayali bir dolum makinesi üreticisi alalım, adı Örnek Dolum olsun. Arama motorunun gözünde “Örnek Dolum” bir kelime dizisi değil, şu özellikleri olan bir şey:

• Bir şirket.
• Dolum makineleri üretiyor.
• Merkezi Bursa’da.
• 2005’te kurulmuş.
• Ürünlerinden biri X-200 adlı bir makine.
• Kurucusu belli bir kişi.

Bu bilgilerin her biri bir ilişki. Yapay zekâ “Bursa’daki dolum makinesi üreticileri” sorusuna cevap verirken bu ilişkilerden yararlanıyor. İlişkilerden biri eksikse ya da yanlışsa marka o cevaba hiç girmiyor ya da yanlış bir bilgiyle giriyor.

Varlık çalışması, markanız hakkındaki temel gerçeklerin internetin her yerinde aynı ve açık şekilde yazılı olmasını sağlamaktır.

2. Yapay zekâ markanızı nereden tanıyor?

Yapay zekânın iki bilgi kaynağını, modelin hafızasını ve canlı aramayı, 3. bölümde görmüştük. Marka söz konusu olunca bu ayrım iki ayrı iş çıkarıyor.

Hafızada model, eğitim verisinde markanız hakkında okuduklarından bir izlenim oluşturuyor. Kandpal ve arkadaşlarının “Large Language Models Struggle to Learn Long-Tail Knowledge” başlıklı çalışması, bir modelin bir soruyu doğru cevaplama ihtimalinin, eğitim sırasında o soruyla ilgili kaç belge gördüğüyle güçlü şekilde ilişkili olduğunu gösterdi (arXiv). Çalışma, bu bağımlılığı azaltmanın bir yolunun modelin cevap verirken dışarıdan bilgi getirmesi olduğunu da söylüyor.

Hakkında binlerce haber, yorum ve forum konuşması olan bir marka modelin hafızasında güçlü bir yer tutuyor. İnternette hakkında birkaç sayfa bulunan bir KOBİ ise “uzun kuyruk” bilgi sayılıyor. Model böyle bir marka hakkında ya az şey biliyor ya da bildiği az şeyi başka bilgilerle karıştırıyor. Uydurma riski en çok burada.

Canlı aramada durum farklı. Kullanıcı markanız hakkında güncel ya da spesifik bir şey sorduğunda model çoğu zaman arama yapıyor ve cevabı bulduğu sayfalardan yazıyor: sitenizden, İşletme Profilinizden, rehberlerden, haberlerden, şikayet sitelerinden. Burada sorun hafızadaki eksiklik değil, bulunan sayfaların ne söylediği.

İki tarafın zaman ölçeği de farklı. Hafıza uzun vadeli bir iş; markanız hakkında web’de ne kadar çok ve tutarlı yazılırsa bir sonraki model güncellemesinde o kadar iyi tanınırsınız ve bunu bir haftada değiştiremezsiniz. Canlı aramada ise modelin bulacağı sayfaları düzeltmek haftalar içinde sonuç verebiliyor. Yanlış anlatılan bir marka için ilk adım hep burası.

Küçük markalar için bunun iyi bir tarafı var. Model markanızı hafızasından iyi bilmiyorsa büyük ihtimalle arama yapıyor, yani sizin kontrol edebildiğiniz taraf devreye giriyor. Ama arama yaptığında karşısına eski ya da tutarsız bilgiler çıkarsa onları da aynı güvenle aktarıyor.

3. Önce ölçün: Yapay zekâ sizi nasıl anlatıyor?

Bir şeyi düzeltmeden önce ne durumda olduğunu bilmek gerekiyor. Bunun için markanız hakkında standart bir soru seti hazırlayın ve farklı platformlarda düzenli olarak sorun. Aşağıdaki sekiz soru iyi bir başlangıç.

Son satır diğerlerinden farklı. İlk yedi soru markanızın adını içeriyor ve sizi ne kadar doğru tanıdığını ölçüyor. Sonuncusu ise kategori içinde akla gelip gelmediğinizi ölçüyor. Model sizi doğru tanıyıp kategori sorusunda hiç anmayabilir; bunlar ayrı problemler.

Soruları her platformda ayrı sorun. ChatGPT, Gemini, AI Modu, Copilot ve Perplexity farklı kaynaklara bakıyor ve birinde doğru, diğerinde yanlış anlatılabilirsiniz; platform farklarını 4. bölümde konuşmuştuk. Her soruyu birkaç kez de sorun. 3. bölümde gördüğümüz gibi cevaplar her seferinde değişiyor ve tek bir cevapta çıkan yanlış ile her seferinde çıkan yanlış aynı ağırlıkta değil. Cevabın altında hangi sayfalara link verildiğini de not edin; yanlış bilginin nereden geldiğini bulmanın en kısa yolu bu.

Bu ölçümün sistemli hâlini 7. bölümde anlatmıştım. Burada eklenecek tek şey, marka sorularını kategori sorularından ayrı bir set olarak tutmak.

4. Sitenizdeki kurumsal bilgi

Yapay zekâ markanız hakkında bir şey ararken ilk bakacağı yerlerden biri sizin siteniz. Buna rağmen birçok sitede markanın temel bilgileri açıkça yazmıyor. Hakkımızda sayfası “Sektörde lider, yenilikçi çözümler” gibi cümlelerle dolu; kuruluş yılı, adres, ürün grupları ve hizmet bölgesi ise ya hiç yok ya da sayfanın bir köşesinde bir görselin içinde.

Sitenizde markanın kimliğini anlatan tek ve açık bir sayfa olmalı. Genelde bu hakkımızda sayfası oluyor. Bu sayfada şunlar düz metin olarak yazmalı:

• Markanın tam ve resmî adı, varsa kısa adı.
• Ne yaptığı, tek cümleyle: “Örnek Dolum, kozmetik ve temizlik ürünleri için sıvı dolum makineleri üreten bir firmadır.”
• Kuruluş yılı ve merkez adresi.
• Ürün ya da hizmet grupları.
• Hizmet verdiği bölgeler ve ülkeler.
• Kurucular ya da yöneticiler.
• Sertifikalar, üyelikler ve öne çıkan referanslar.
• Resmî sosyal medya ve profil adresleri.

Liste sıradan görünebilir, ama bir yapay zekânın “Örnek Dolum nedir?” sorusuna doğru cevap vermesi için gereken bilgilerin neredeyse tamamı bu. 3. bölümde konuştuğumuz gibi model paragraf okuyor. “Örnek Dolum, 2005’ten beri Bursa’da dolum makinesi üretiyor” gibi tek başına anlamlı bir cümle onun işini çok kolaylaştırıyor.

Bu sayfaya yapılandırılmış veri eklemek de iyi bir fikir. Google’ın Organization (kuruluş) yapılandırılmış verisi için yazdığı rehber, bu işaretlemenin Google’ın kuruluşunuzun idari bilgilerini daha iyi anlamasına ve sizi diğer kuruluşlardan ayırt etmesine yardım edebileceğini söylüyor (Google Search Central). Rehbere göre zorunlu bir alan yok; kuruluşunuzla ilgili olan alanları eklemeniz öneriliyor. Bilgiyi her sayfaya değil, ana sayfaya ya da hakkımızda sayfası gibi kuruluşu anlatan tek bir sayfaya koymak yeterli.

İki alan ayrıca işe yarıyor. sameAs alanı, kuruluşunuz hakkında ek bilgi içeren başka sitelerdeki sayfaların adresini tutuyor; Google’ın örneğinde bunlar sosyal medya ya da yorum sitelerindeki profiller. “Bu LinkedIn sayfası, bu YouTube kanalı ve bu site aynı markaya ait” demenin yolu bu. Resmî ad (legalName) ve vergi numarası (taxID) gibi kimlik alanları da aynı ya da benzer adı taşıyan kuruluşlardan ayrılmanıza yardım ediyor.

Yapılandırılmış veri zorunlu değil, faydalı; bunu 2. bölümde de söylemiştim. Google’ın yapay zekâ optimizasyon rehberi de yapay zekâ araması için özel bir schema.org işaretlemesi gerekmediğini yazıyor. Yine de aynı bilgiyi düz metinde ve yapılandırılmış veride birlikte vermek, yanlış anlaşılma ihtimalini azaltıyor.

5. Her yerde aynı marka

Siteyi düzeltmek işin bir kısmı. Yapay zekâ markanızı sadece sitenizden öğrenmiyor. Google İşletme Profili, Bing Places, Apple Business Connect, Yandex Haritalar, LinkedIn, sosyal medya hesapları, B2B rehberler, pazar yerleri, sektör dernekleri, eski basın bültenleri… Markanız hakkında bilgi veren onlarca yer var.

Bu yerlerdeki bilgiler birbirini tutmuyorsa yapay zekâ seçim yapmak zorunda kalıyor ve her zaman doğru olanı seçmiyor.

Hayali bir senaryo: Örnek Dolum iki yıl önce fabrikasını Bursa’da şehir içindeki eski binasından organize sanayi bölgesine taşımış. Sitesini ve İşletme Profilini güncellemiş. Ama üç sektör rehberinde, eski bir fuar katılımcı listesinde ve birkaç haber sitesinde hâlâ eski adres yazıyor. Kullanıcı “Örnek Dolum’un fabrikası nerede?” diye sorduğunda model iki adres görüyor ve eski adresi yazan kaynak sayısı daha fazla. Cevapta eski adresin çıkma ihtimali hiç de düşük değil.

Tutarlılık için kontrol edilecek temel bilgiler:

• Ad. Marka her yerde aynı yazılıyor mu? “Örnek Dolum”, “Örnek Dolum Makineleri”, “OrnekDolum” ve “Örnek Makine” aynı marka mı, farklı marka mı? Yapay zekâ için bu her zaman açık değil.
• Adres ve telefon. Özellikle taşınma ya da şube kapanışından sonra en sık bozulan bilgi bu.
• Ne yaptığınız. Bir rehberde “ambalaj makineleri”, diğerinde “kozmetik üreticisi”, bir başkasında “makine ithalatçısı” diye geçiyorsanız model sizi yanlış kategoriye koyabilir.
• Ürün listesi. Üretimden kalkan ürünler eski kataloglarda, pazar yerlerinde ve bayi sitelerinde yaşamaya devam ediyor.
• Kurucu ve yöneticiler. Ayrılan bir ortak ya da değişen bir genel müdür, eski haberlerde markanın yüzü olarak kalabiliyor.

Bunun için bir envanter çıkarın. Markanızın adını Google’da, Bing’de ve yapay zekâ platformlarında arayın. Karşınıza çıkan her profili, rehber kaydını ve önemli haberi bir tabloya yazın. Her birinde adres, telefon, açıklama ve ürün bilgisinin doğru olup olmadığını işaretleyin. Sonra en çok görünenlerden başlayarak düzeltin.

Bu iş sıkıcı. Ama bence bir markanın yapay zekâ görünürlüğü için yapabileceği en az riskli ve en somut işlerden biri. Kendi kontrolünüzdeki profilleri bir günde düzeltebilirsiniz. Rehberler ve pazar yerleri biraz daha uzun sürüyor. Eski haberlerdeki bilgileri ise çoğu zaman değiştiremiyorsunuz; onların etkisini, güncel ve doğru bilginin sayısını artırarak azaltıyorsunuz.

6. Bilgi Grafiği ve bilgi paneli

Google’da bir markayı aradığınızda sağ tarafta, mobilde ise üstte çıkan kutuya bilgi paneli (knowledge panel) deniyor. Bu panel, Google’ın Bilgi Grafiği’nde o marka hakkında tuttuğu bilgilerin görünen yüzü.

Bilgi paneliniz varsa Google sizi bir varlık olarak tanıyor demektir. Ama panelde yanlış bir bilgi olabilir ve Google bunun için iki yol sunuyor (Google). Panelin altındaki “Geri bildirim” bağlantısıyla herkes yanlış bilgiyi bildirebiliyor; Google bu bildirimleri, hataların sistemlerinden nasıl geçtiğini anlamak için incelediğini yazıyor.

İkinci yol paneli sahiplenmek. Bir kişi ya da şirket kendi panelini “Get verified on Google” süreciyle sahiplenebiliyor. Google’ın yardım sayfasına göre bunun için panelin altındaki “Claim this knowledge panel” bağlantısına tıklayıp, panelde listelenen resmî sitelerden ya da profillerden birine, örneğin YouTube, Search Console, X (Twitter) ya da Facebook hesabına giriş yapıyorsunuz (Google Yardım). Doğrulanan taraf panelde değişiklik önerebiliyor ve tercih ettiği fotoğrafı bildirebiliyor.

Yardım sayfası bir ayrımı da hatırlatıyor: Belirli bir adreste ya da hizmet bölgesinde müşterilere hizmet veren yerel işletmeler için doğru araç bilgi paneli değil, Google İşletme Profili. İkisi birbirine benzese de farklı sistemler. Ayrıca her bilgi paneli sahiplenilebilir değil.

Bilgi paneliniz yoksa endişelenmeyin. Panel çıkmaması Google’ın sizi hiç tanımadığı anlamına gelmiyor. Ama bir panelin oluşması için Google’ın markanız hakkında yeterli ve tutarlı bilgi bulması gerekiyor. Panelin yolu da bu bölümün geri kalanından geçiyor: açık bir kurumsal sayfa, tutarlı profiller ve markanızdan bahseden güvenilir kaynaklar.

7. Wikipedia ve Wikidata

Google’ın 2020 tarihli yazısına göre Wikipedia, Bilgi Grafiği için sık kullanılan bir kaynak. Wikipedia ve onun yapılandırılmış veri kardeşi Wikidata, yapay zekâ modellerinin de tanıdığı kaynaklar. Bu yüzden birçok marka “Bize bir Wikipedia sayfası açalım” fikrine kapılıyor. Burada dikkatli olmak gerekiyor.

Wikipedia’da kendi markanız hakkında yazmak çıkar çatışması sayılıyor. Wikipedia’nın politikasına göre bir katkı için para aldıysanız ya da almayı bekliyorsanız bunu açıklamak zorundasınız; bu, Wikimedia Vakfı’nın kullanım koşullarının bir gereği (Wikipedia). Bir ajansa para verip markanız hakkında gizlice madde yazdırmak kurallara aykırı ve maddenin silinmesiyle sonuçlanabilir.

Wikipedia her şirket hakkında madde de kabul etmiyor. Maddenin konusu bağımsız ve güvenilir kaynaklarda yeterince ele alınmış olmalı. Önce hakkınızda bağımsız kaynakların yazması gerekiyor; Wikipedia maddesi onun sonucu olabilir.

Wikidata’nın kuralları biraz daha esnek ama yine de var. Wikidata’nın önemlilik (notability) politikasına göre bir kaydın kabul edilmesi için ya bir Wikimedia projesinde geçerli bir sayfası olması, ya ciddi ve herkese açık kaynaklarla tanımlanabilen, açıkça ayırt edilebilir bir varlık olması ya da başka kayıtlar için yapısal bir ihtiyacı karşılaması gerekiyor (Wikidata).

Markanız hakkında zaten bir Wikipedia maddesi ya da Wikidata kaydı varsa, içindeki bilgilerin doğru olup olmadığını kontrol edin. Yanlış bir bilgi varsa kurallara uyarak, çıkar ilişkinizi açıklayarak ve bağımsız bir kaynak göstererek tartışma sayfasında düzeltme önerin. Yoksa zorla açmaya çalışmayın. Önce markanız hakkında bağımsız ve güvenilir kaynakların yazmasına odaklanın; bunu 14. bölümde konuşacağız.

8. Adınız başka bir şeyle karışıyorsa

Bazı markaların adı yaygın bir kelime, bir yer adı ya da başka bir şirketin adıyla aynı. Bu durumda yapay zekânın sizi doğru varlıkla eşleştirmesi zorlaşıyor. Google’ın 2012’deki “taj mahal” örneği de bu sorunu anlatıyordu.

Markanızın adı karışmaya açıksa:

• Adınızı her yerde aynı tamlayıcıyla kullanın. Sadece “Örnek” yerine “Örnek Dolum Makineleri” gibi kategoriyi de taşıyan bir ad.
• Sizi ayıran bilgileri öne çıkarın. Şehir, sektör, kuruluş yılı ve ana ürün ilk paragrafta ve profil açıklamalarında yazsın.
• Profilleri birbirine bağlayın. Sitenizden resmî profillerinize, profillerinizden sitenize link verin. Yapılandırılmış verideki sameAs alanı bunun makinenin okuduğu hâli.
• Karıştırıldığınız markayla aradaki farkı açıkça yazın. Sık karıştırılıyorsanız SSS sayfasında tek bir cümle bile işe yarayabilir: “Örnek Dolum’un, aynı adı taşıyan X firmasıyla bir ilişkisi yoktur.”

Son madde tuhaf görünebilir. Ama yapay zekâ “A ve B aynı şirket mi?” sorusuna cevap ararken böyle açık bir cümle bulursa onu kullanabiliyor. Bulamazsa tahmin ediyor.

9. Markanın arkasındaki insanlar

Varlık sadece şirket değil. Kurucunuz, mühendisleriniz ve içerik yazarlarınız da birer varlık. Google’ın 2020 tarihli yazısı, bilgi panellerinin şirketler gibi kişiler tarafından da sahiplenilebildiğini anlatıyor.

Uzman görüşünün kopyalanamayan içerik türlerinden biri olduğunu 12. bölümde konuştuk. Uzmanın kim olduğu belli değilse bu katkı yarıda kalıyor. Google’ın içerik değerlendirme soruları da yazar sayfası ve sitenin hakkında sayfası gibi, yazar ve site hakkındaki arka plan bilgisini güven veren işaretler arasında sayıyor (Google Search Central).

Pratikte yapılacaklar:

• Yazarlar ve uzmanlar için profil sayfaları açın. Adı, unvanı, deneyimi, uzmanlık alanı ve yazdığı içerikler bu sayfada dursun.
• Kişiyi şirketle bağlayın. Profil sayfasından kişinin LinkedIn gibi resmî profillerine, o profillerden de şirketin sitesine bağlantı olsun.
• Kişiyi her yerde aynı adla ve unvanla anın. Bir yerde “Mak. Müh. Ayşe Y.”, başka bir yerde “Ayşe Yılmaz, Teknik Müdür” yazması iki farklı kişi gibi okunabiliyor.
• Ayrılan kişilerin bilgisini güncelleyin. Şirketten ayrılmış bir uzmanın hâlâ “baş mühendisimiz” olarak göründüğü sayfalar da markanın eski bilgilerinden biri.

Bence aynı mantık bu kitap için de geçerli. Bir fikrin kime ait olduğu ve o kişinin hangi kuruluşla çalıştığı belli olduğunda, fikir başka bir cevaba taşındığında da sahibini kaybetmiyor.

10. Başkaları sizden bahsediyor mu?

Buraya kadar anlatılanlar markanın kendini nasıl anlattığıyla ilgiliydi. Yapay zekâ bir markayı değerlendirirken başkalarının ne dediğine de bakıyor.

Ahrefs’in Mayıs 2025’te 75.000 marka üzerinden yayımladığı çalışma burada ilginç bir tablo çiziyor (Ahrefs). AI Bakışı’nda markanın anılmasıyla en güçlü ilişkiyi gösteren üç faktörün üçü de site dışı faktörlerdi:

• Markanın web’deki anılma sayısı: 0,664 korelasyon.
• Marka adını taşıyan link metinleri (anchor): 0,527.
• Markalı arama hacmi: 0,392.

Klasik backlink sayısının korelasyonu ise 0,218’de kaldı. Markalı reklam trafiği ve reklam harcaması da zayıf ilişki gösterdi. Ahrefs, web anılmalarında alt yüzde 50’de kalan markaların AI Bakışı’nda neredeyse hiç görünmediğini de not ediyor.

Bu bir korelasyon çalışması. Çok anılan markalar zaten büyük ve bilinen markalar; anılmanın görünürlüğe mi yol açtığı, yoksa ikisinin de marka büyüklüğünden mi kaynaklandığı bu veriden ayrılamıyor. Google da yapay zekâ rehberinde yapay “anılmalar” peşinde koşmanın sanıldığı kadar faydalı olmadığını açıkça yazıyor (Google Search Central). Rehbere göre temel sıralama sistemleri yüksek kaliteli içeriğe odaklanıyor, başka sistemler spam’i engelliyor ve yapay zekâ özellikleri ikisine birden dayanıyor.

Markanızdan bahsedilmesi değerli, ama bahsettirmenin kısa yolu yok. Forumlara sahte yorum yazmak, para verip içerik yerleştirmek ya da aynı tanıtım metnini onlarca siteye dağıtmak, Google’ın da yapay zekâ platformlarının da ayıklamaya çalıştığı şeyler. Gerçek anılma, gerçek bir sebep olduğunda geliyor: yeni bir veri, bir haber, bir müşteri deneyimi, bir uzman görüşü. 12. bölümdeki kopyalanamayan içerik ve 14. bölümdeki üçüncü taraf kaynaklar bu yüzden bu bölümle birlikte okunmalı.

11. Yanlış anlatılan markayı düzeltmek

Yapay zekâ markanız hakkında yanlış bir şey söylüyorsa beklentiyi baştan doğru kurmak gerekiyor. ChatGPT’ye ya da Gemini’ye “Markam hakkında bu bilgiyi düzelt” diye istek gönderebileceğiniz resmî bir marka paneli yok. Düzeltme dolaylı yoldan, modelin okuduğu kaynakları düzelterek yapılıyor. Şu sırayla ilerleyebilirsiniz:

1. Kaydedin. Yanlış bilginin çıktığı soruyu, platformu, tarihi ve cevabın ekran görüntüsünü saklayın. Aynı soruyu birkaç kez sorun ve yanlışın ne sıklıkla tekrarlandığını not edin.
2. Kaynağı bulun. Cevabın altındaki kaynak linklerine bakın. Link yoksa yanlış bilgiyi aynen Google’da ve Bing’de aratın. Eski bir rehber kaydı, kapanmış bir şubenin İşletme Profili, eski bir katalog PDF’i ya da bir forum yazısı çoğu zaman sorunun kaynağı.
3. Önce kendi sitenizi düzeltin. Yanlış bilgi sitenizdeki eski bir sayfadan geliyorsa o sayfayı güncelleyin, yönlendirin ya da kaldırın. 3. bölümde konuştuğumuz eski sayfa temizliği burada en etkili adım.
4. Sonra dış kaynakları düzeltin. Kontrolünüzdeki profilleri hemen güncelleyin. Rehberlere, pazar yerlerine ve bayilere düzeltme talebi gönderin. Haber sitelerinde ciddi bir hata varsa editöre yazın.
5. Doğru bilgiyi açıkça yazın. Model eski bilgiyi yeni bir bilgiyle karşılaştıramıyorsa eskisini kullanmaya devam edebilir. Üretimden kalkan bir ürün için “X-200 modelinin üretimi 2024’te durdu; yerine X-300 geldi” diyen bir sayfa ya da paragraf, sessizce silinmiş bir ürün sayfasından daha etkili.
6. Platformlara geri bildirim verin. Google, AI Bakışı’nın altındaki başparmak işaretleriyle ve “Report a problem” seçeneğiyle hatalı, yanlış ya da sorunlu cevapları bildirmenizi istiyor (Google Yardım). Bilgi panelindeki hatalar için panelin geri bildirim bağlantısı var. ChatGPT’de cevabın altındaki geri bildirim düğmelerini ve OpenAI’ın model davranışı geri bildirim formunu kullanabilirsiniz (OpenAI). Bunlar tek tek bir cevabı düzeltmiyor ama platformlara sorunu bildiriyor.
7. Bekleyin ve tekrar ölçün. Canlı aramaya dayanan cevaplar, kaynak sayfalar güncellenip yeniden tarandığında değişebiliyor. Modelin hafızasındaki yanlış ise bir sonraki model güncellemesine kadar sürebiliyor. Bu yüzden düzeltmeden birkaç hafta sonra aynı soru setini tekrar sorun.

Bu süreçte yanlış bilgiyi tekrar tekrar yazan yeni içerikler üretmeyin. “X-200 hakkında doğru bilinen yanlışlar” gibi, yanlış iddiayı başlıklarda ve paragraflarda defalarca tekrar eden sayfalar bence gereksiz bir risk; o iddianın internetteki kopya sayısını artırıyor. Doğru bilgiyi kısa, açık ve tarihli şekilde yazmak yeterli.

12. Marka gücünü takip etmek

Markanın yapay zekâdaki yerini ölçmenin en doğrudan yolu, bu bölümün başında hazırladığımız soru setini düzenli olarak sormak. Bunun yanında markanın genel gücüne dair iki veri daha var ve ikisi de ücretsiz.

İlki markalı aramalar. Google, Kasım 2025’te Search Console’un performans raporuna markalı sorgular filtresini ekledi; Mart 2026’dan itibaren bu filtre uygun bütün sitelerde kullanılabiliyor (Google Search Central Blog). Filtre, marka adınızı, yaygın yazım hatalarını ve markayla ilişkili ürünleri içeren sorguları otomatik olarak ayırıyor. Google’ın açıklamasına göre bu ayrım basit bir anahtar kelime kuralıyla değil, kendi sınıflandırmasıyla yapılıyor.

İlk bölümde, yapay zekâda markanızı görüp linke tıklamayan kullanıcının sonra Google’a gelip markanızın adını yazabileceğini konuşmuştuk. Yapay zekâ görünürlüğünüz artıyorsa izlerinden biri markalı aramaların artması olabilir. Tek başına kanıt değil, ama takip etmeye değer bir sinyal.

Diğeri, müşterinin kendi söylediği. Teklif formlarında ve satış görüşmelerinde “Bizi nereden duydunuz?” sorusuna ChatGPT, Gemini ve diğer yapay zekâ araçlarını seçenek olarak ekleyin. Analytics’in göremediğini müşteri size kendisi söyleyebiliyor.

Bunları 8. bölümde, yapay zekâ trafiğini ve iş sonucunu ölçerken ayrıntılı konuştuk. Marka çalışması yavaş sonuç verdiği için bu ölçümlere aylık değil, üç aylık ve yıllık bakmak daha doğru.

Tarifi siz yazın

Yapay zekâ markanızı bir kelime olarak değil, özellikleri ve ilişkileri olan bir varlık olarak anlamaya çalışıyor. Bu varlığın tarifini siz açık ve tutarlı yazmazsanız, yapay zekâ onu başkalarının yazdıklarından ve kendi tahminlerinden kuruyor.

İşin sırası belli: Önce soru setiyle ne durumda olduğunuzu görün, sonra kendi sitenizi, ardından profilleri ve rehberleri düzeltin. Markalar için bir düzeltme paneli olmadığından her düzeltme modelin okuduğu kaynaklardan geçiyor.

O kaynakların bir kısmı sizin kontrolünüzde değil. Reddit’te, YouTube’da, şikayet sitelerinde ve sektör yayınlarında markanız hakkında yazılanlar bir sonraki bölümün konusu.

Kontrol listesi

Kaynaklar

• Google: Introducing the Knowledge Graph: things, not strings (16 Mayıs 2012)
• Google: Google’s Knowledge Graph and knowledge panels (20 Mayıs 2020)
• Google Knowledge Panel Help: Get verified on Google (1 Kasım 2026’da erişildi)
• Google Search Central: Organization structured data (son güncelleme 8 Eylül 2026)
• Google Search Central: Optimizing your website for generative AI features on Google Search (son güncelleme 10 Temmuz 2026)
• Google Search Central: Creating helpful, reliable, people-first content (son güncelleme 5 Ekim 2026)
• Google Search Help: AI Overviews (1 Kasım 2026’da erişildi)
• Google Search Central Blog: Introducing the branded queries filter in Search Console (20 Kasım 2025, güncelleme 11 Mart 2026)
• arXiv: Large Language Models Struggle to Learn Long-Tail Knowledge (Kandpal ve diğerleri) (Kasım 2022, güncelleme Temmuz 2023)
• Ahrefs: An Analysis of AI Overview Brand Visibility Factors (75K Brands Studied) (26 Mayıs 2025)
• Wikipedia: Paid-contribution disclosure (1 Kasım 2026’da erişildi)
• Wikidata: Notability (1 Kasım 2026’da erişildi)
• OpenAI: Model behavior feedback (1 Kasım 2026’da erişildi)

Önceki: 12. Bölüm, Kopyalanamayan İçerik · Kitabın dizini · Sonraki: 14. Bölüm, Üçüncü Taraf Kaynaklar