7. Bölüm: AI Görünürlüğü Nasıl Ölçülür?

Son güncelleme: 1 Kasım 2026.

Klasik SEO’da ölçüm görece kolaydı. Bir kelimede kaçıncı sırada olduğunuza bakardınız, Search Console da gösterimi, tıklamayı ve ortalama pozisyonu verirdi. Yapay zekâ aramasında bu kolaylık yok. Aynı soru her seferinde farklı bir cevap alıyor (3. bölüm), her platform farklı kaynaklara gidiyor (4. bölüm) ve platformların çoğu size kendi verisini göstermiyor.

Elimizde 6. bölümde kurduğumuz 30–50 ticari prompt’luk liste var. Bu bölüm o listede nasıl göründüğünüzü ölçmekle ilgili. Tek bir skor yerine beş ölçüt kullanacağız, her prompt’u birkaç kez çalıştıracağız, platformları ayrı tutacağız ve araçlara nereye kadar güvenilebileceğine bakacağız. Sonunda her ay doldurabileceğiniz bir tablo çıkıyor.

1. Tek skor neden yanıltıyor

Yapay zekâ görünürlük araçlarının çoğu sonucu tek bir sayıyla özetliyor: “AI görünürlük skorunuz 42.” Yöneticiye sunması kolay bir sayı. Bence işe yaradığından çok yanıltıyor.

İlk bölümde bir markanın yapay zekâ cevabında birbirinden çok farklı hallerde yer alabileceğini anlatmıştım: anılmak, önerilmek, kaynak gösterilmek, tıklanmak ve bunların üstüne doğru ya da yanlış anlatılmak. 3. bölümde bu hallerin birbirinden bağımsız olabildiğini gördük. Rehber yazınız kaynak gösterilirken öneri listesinde rakipleriniz yer alabiliyor.

Her hal başka bir soruna işaret ediyor. Hiç anılmıyorsanız sorun büyük ihtimalle temelde; ya sayfalarınız ilgili aramalarda bulunamıyor ya da marka olarak yeterince tanınmıyorsunuz. Anılıyor ama önerilmiyorsanız, sizi öne çıkaracak bilgi ne sitenizde ne de site dışında yazıyor olabilir. Öneriliyor ama link almıyorsanız, yapay zekâ sizi kendi sitenizden değil başka kaynaklardan öğreniyor. Öneriliyor ama yanlış anlatılıyorsanız, bir yerlerde eski ya da tutarsız bilgi duruyor.

Tek skor bu dört durumu birbirine karıştırıyor. 42’den 38’e düştüğünde neyin bozulduğunu da, neyi düzeltmeniz gerektiğini de söylemiyor. Tek skor bir şeylerin değiştiğini söyler, neyin değiştiğini söylemez. Beş ayrı ölçüt bu yüzden var.

2. Beş ölçüt

Ölçütler birbirinin üzerine kuruluyor. Önce soruda var mısınız, ona bakılıyor. Sonra öneriliyor musunuz, size link veriliyor mu, rakibe karşı durumunuz ne ve en son da doğru anlatılıyor musunuz.

3. Prompt Kapsamı

Prompt Kapsamı (Prompt Coverage), listenizdeki soruların kaçında markanızın anıldığını gösteriyor. Genişliği ölçüyor: Hangi sorularda görünüyorsunuz, hangilerinde hiç yoksunuz.

Burada bir tanım sorunu var. 3. bölümdeki değişkenlik yüzünden her prompt’u birden fazla kez çalıştırıyoruz ve beş çalıştırmanın birinde anılmakla beşinde anılmak aynı şey değil. Önce her prompt için bir anılma oranı hesaplayın, yani o prompt’un çalıştırmalarının kaçında adınız geçtiğini. Sonra bir eşik koyun. Çalıştırmaların en az yarısında anıldığınız prompt’u “kapsanmış” saymak makul bir başlangıç.

Mesela 40 prompt’luk listede en az yarı yarıya anıldığınız 14 prompt varsa Prompt Kapsamınız yüzde 35.

Asıl işe yarayan kısım kırılımlar. Kapsamı 6. bölümdeki persona kümelerine ve prompt türlerine göre ayırınca boşluklar ortaya çıkıyor. Satın alma müdürünün sorularında varken üretim müdürünün teknik sorularında hiç yoksanız, eksik olan büyük ihtimalle teknik içerik. Problem ve çözüm sorularında görünüp kategori keşfi sorularında görünmüyorsanız, rehber yazılarınız kaynak gösteriliyor ama markanız kısa listeye girmiyor demektir.

4. Öneri Oranı

Öneri Oranı (Recommendation Rate), cevapların kaçında markanızın önerildiğini gösteriyor. Beş ölçüt içinde iş sonucuna en yakın olanı bu. 3. bölümde de söylediğim gibi satışı çoğu zaman önerilmek getiriyor.

Zor kısmı, anılmakla önerilmek arasındaki çizgiyi her seferinde aynı yerden çekmek. Model markanızı kullanıcının ihtiyacına uygun bir seçenek olarak sunuyorsa önerilmişsiniz: “Köpüren ürünler için X’in dalıcı nozullu modelleri uygun” ya da “Bütçenize ve kapasitenize göre X ve Y’ye bakabilirsiniz.” Adınız geçiyor ama öneri olarak değil de “Türkiye’de X, Y ve Z gibi üreticiler var” türünden bir sayımın içinde ya da olumsuz bir bağlamda geçiyorsa, sadece anılmışsınız.

Bu ayrım her platformda ve her ay aynı uygulanmalı. Ölçümü kim yaparsa yapsın, aynı cevabı aynı şekilde kodlayabilmeli. Kuralı yazıya dökün ve birkaç örnek cevapla birlikte saklayın.

Öneri Oranı’nı hesaplarken paydaya sadece marka adı geçmeyen prompt’ları koyun. “X Makine güvenilir mi?” diye sorulan bir prompt’ta adınızın geçmesi zaten beklenir. Bu oran, kullanıcının sizi henüz bilmediği sorularda bir şey anlatıyor.

Bazı araçlar listede kaçıncı sırada olduğunuzu da raporluyor. 3. bölümde Rand Fishkin’in yapay zekâda “sıralama pozisyonu” veren araçlar için ne dediğini görmüştük. Sıra her çalıştırmada değişiyor; bakılacak şey, çok sayıda çalıştırmada ne sıklıkla önerildiğiniz.

5. Linkli Kaynak Oranı

Linkli Kaynak Oranı (Linked Citation Rate), cevapların kaçında sizin alan adınıza link verildiğini gösteriyor. Markanızın adı geçse de geçmese de sayfanızın cevaba kaynak olup olmadığını ölçüyor.

Bu oranı iki şekilde hesaplamak işe yarıyor. Genel oran, sitenize link verilen cevapların toplam cevaplara oranı; rehber içerikleriniz problem ve çözüm sorularında kaynak gösteriliyorsa burada görünür. İkincisi, önerildiğiniz cevapların kaçında sitenize de link verildiği. Bu ikinci oran düşükse yapay zekâ sizi öneriyor ama bilgiyi başka bir yerden alıyor.

O durumda link alan kaynaklara bakın. Bir pazar yeri mi, bir sektör rehberi mi, rakibin karşılaştırma yazısı mı, bir forum mu? Bu liste yapay zekânın sizi kimden öğrendiğini gösteriyor. Bu kaynaklarla nasıl çalışılacağı 14. bölümün konusu.

Link sayarken platform farkını hesaba katın. 4. bölümde gördüğümüz gibi ChatGPT ve Gemini’de kaynakların bir kısmı metnin içinde değil, Kaynaklar düğmesinin arkasında duruyor. Hangisini sayacağınıza baştan karar verin ve her ay aynı kuralı uygulayın. Metin içi linkle kaynak listesindeki linki ayrı sütunlarda tutmak daha doğru, çünkü kullanıcının tıklama ihtimali ikisinde çok farklı.

Linkli Kaynak Oranı tıklamayı ölçmüyor; link verilmesi kullanıcının tıkladığı anlamına gelmiyor. Tıklamayı ve iş sonucunu 8. bölümde, Analytics ve diğer veri kaynaklarıyla ele alıyoruz.

6. Rakiple aynı cevapta: Karşılaştırmalı Kazanma Oranı

Karşılaştırmalı Kazanma Oranı (Comparative Win Rate), siz ve bir rakibiniz aynı cevapta geçtiğinizde yapay zekânın hangisini öne çıkardığını gösteriyor.

Her rakip için sizinle birlikte geçtiği cevapları ayırın, sonra bunların kaçında sizin daha uygun seçenek olarak sunulduğunuzu sayın. Yapay zekâ ikinizi de önerip birini öne çıkarmıyorsa o cevap berabere sayılır ve hesaba girmez.

Bu ölçüt en çok iki tür prompt’ta işe yarıyor. Biri doğrudan karşılaştırmalar, yani “X Makine mi, Y Makine mi?” ya da “Pistonlu mu, dalıcı nozullu mu?” gibi sorular. Bunlarda yapay zekâ genelde bir tarafı açıkça öne çıkarıyor. Diğeri kısa liste soruları: Kategori keşfi sorularında ikiniz de listedeyseniz, hangisinin kullanıcının ihtiyacına daha uygun anlatıldığına bakın.

Sayıdan çok gerekçeler değerli. Yapay zekâ bir rakibi öne çıkarırken genelde bir sebep söylüyor: “Y’nin Türkiye genelinde servis ağı var”, “Y daha hızlı teslim ediyor”, “Y’nin köpüren ürünler için özel bir modeli var.” Bu gerekçeleri toplayınca rakibinizin hangi bilgisinin yapay zekâya ulaştığını, sizinkinin hangisinin ulaşmadığını görüyorsunuz. Belki sizin de Türkiye genelinde servis ağınız var ama bunu hiçbir yerde açıkça yazmıyorsunuz.

Üç ila beş rakiple sınırlı kalın. Satış ekibinin teklif aşamasında en sık karşılaştığı rakipler genelde doğru seçim.

7. Temsil Doğruluğu ve doğruluk kartı

Temsil Doğruluğu (Representation Accuracy), yapay zekânın markanız hakkında söylediklerinin ne kadarının doğru olduğunu gösteriyor. İlk bölümde yanlış anlatılmanın bence en tehlikeli durum olduğunu söylemiştim; bu ölçüt o riski sayıya döküyor.

Hesaplamak için önce bir doğruluk kartı hazırlayın, yani markanız hakkında doğru bilinen bilgilerin listesini. Bir dolum makinesi üreticisi için bu kartta şunlar olabilir:

• Üretilen makine tipleri ve artık üretilmeyenler
• Model bazında kapasiteler
• Uygun olduğu ve olmadığı ürün tipleri
• Fiyat aralığı ya da fiyatı etkileyen etkenler
• Servis verilen bölgeler ve yedek parça süresi
• Sertifikalar
• Adres, iletişim bilgileri ve kuruluş yılı

Sonra cevaplarda markanız hakkında geçen her bilgiyi bu kartla karşılaştırıyorsunuz. Temsil Doğruluğu, doğru bilgi sayısının markanız hakkındaki toplam bilgi sayısına oranı.

Yanlışları saymakla kalmayın, türüne göre de ayırın, çünkü her tür başka bir yerden geliyor. Eski bilgi (eski fiyat, artık üretilmeyen bir model, taşınmadan önceki adres) genelde güncellenmemiş bir sayfadan ya da eski bir rehber kaydından çıkıyor. Yanlış bilgi, yani olmayan bir özellik ya da yanlış bir kapasite, tutarsız bilgiden ya da modelin kendi ürettiği bir şeyden gelebilir. Eksik bilgi, bir ürün grubunuzun ya da hizmet bölgenizin hiç anılmaması demek. Bir de karıştırma var: Markanızın benzer isimli başka bir firmayla ya da bir rakiple karıştırılması.

Bu ölçüt en çok marka adı geçen prompt’larda anlam kazanıyor; 6. bölümde marka doğrulama prompt’larını listeye almamızın sebebi de buydu. 3. bölümdeki Tow Center çalışmasında araçlar yanlış bilgiyi de emin bir dille söylüyordu. O yüzden Temsil Doğruluğu’nu otomatik araçlara bırakmayın, en azından temel bilgiler için cevapları bir insan okusun. Yanlış anlatılan bir markanın nasıl düzeltileceğine 13. bölümde geliyoruz.

8. Aynı prompt’u birkaç kez çalıştırmak

Beş ölçütün hepsi bir orana dayanıyor ve oran ancak yeterince gözlemle anlam kazanıyor. 3. bölümde SparkToro ve Gumshoe’nun çalışmasını konuşmuştuk. Araştırmacılar her prompt’u her platformda 60 ila 100 kez çalıştırdı ve çok sayıda sorguda görünürlük yüzdesinin sıralama pozisyonundan çok daha tutarlı olduğunu buldu. Güvenilir bir görünürlük verisi için kaç çalıştırma gerektiği sorusu ise açık kaldı (Search Engine Journal).

Her prompt’u her ay 60–100 kez çalıştırmak çoğu işletme için gerçekçi değil. Uygulanabilir bir düzen şöyle olabilir:

• Her prompt’u her platformda en az 5 kez çalıştırın. Bu bile tek bir ekran görüntüsünden çok daha sağlam bir tablo verir.
• En önemli 10 prompt için bu sayıyı 10’a ya da daha fazlasına çıkarın.
• Kararı tek prompt’a göre değil, prompt gruplarına göre verin. 40 prompt’u 5’er kez çalıştırınca her platformda 200 cevap oluyor ve bu, tek prompt’taki 5 cevaptan çok daha güvenilir bir oran veriyor.

5 çalıştırmalık bir prompt’ta anılma oranı ancak yüzde 0, 20, 40, 60, 80 ya da 100 olabilir. Bir ay 5’te 2, ertesi ay 5’te 3 çıkması yüzde 40’tan yüzde 60’a bir artış gibi görünür. 3. bölümdeki değişkenlik düşünülünce bu fark büyük ihtimalle tesadüf. Tek prompt’taki küçük oynamaları sinyal sanmayın; eğilimi prompt gruplarında ve birkaç ay boyunca arayın.

Çalıştırmaları yaparken ortamı da sabit tutun. 4. bölümde gördüğümüz gibi hafıza, hesap, dil ve konum cevabı etkiliyor:

• Her çalıştırma için yeni bir sohbet açın.
• Hafızası kapalı ya da sadece ölçüm için açılmış hesaplar kullanın.
• Hedef kitlenizin dilinde ve ülkesinde ölçün.
• Her cevabın tarihini, platformunu ve mümkünse modelini kaydedin.
• Ölçümü her ay aynı dönemde yapın.

9. Her platform ayrı

Platformlar birbirinden epey farklı davranıyor. Ahrefs’in verisinde Google’ın AI Modu ile AI Bakışı bile aynı soru için aynı URL’leri sadece yüzde 13,7 oranında kaynak gösteriyordu (Search Engine Journal). ChatGPT, Gemini ve Copilot’un kaynak gösterdiği linklerin ise sadece yüzde 12 civarı Google’ın ilk 10 sonucundaydı (Ahrefs).

O yüzden beş ölçütü her platform için ayrı hesaplayın. ChatGPT’de yüzde 60, AI Modu’nda yüzde 10 Öneri Oranınız varsa, ortalaması size iki platformda da karşılığı olmayan bir yüzde 35 verir. İki ayrı sorun tek bir sayının arkasında kaybolur.

Yöneticiye tek bir özet sunmanız gerekiyorsa platformları eşit değil, sizin için taşıdıkları değere göre ağırlıklandırın. 4. bölümde platform önceliğini belirlerken yaptığımız gibi, Analytics’te hangi platformdan ne kadar ve ne kalitede trafik geldiğine bakarak bu ağırlıkları belirleyebilirsiniz. Platform kırılımını ise raporun ekinde her zaman gösterin.

Başlama sırası için 4. bölümdeki öneri geçerli: önce Google’ın AI Bakışı ve AI Modu, sonra ChatGPT, sonra kitlenize göre Gemini, Copilot ve Perplexity. AI Bakışı her aramada çıkmıyor. Bir prompt’ta hiç çıkmadıysa o cevabı “görünmedi” diye değil, “özellik çıkmadı” diye ayrı kaydedin.

10. Ölçüm tablosu

Ölçüme pahalı bir araç olmadan, basit bir tabloyla başlayabilirsiniz. Her satır bir çalıştırma, yani bir prompt’un bir platformdaki bir cevabı:

Tablodaki değerler sadece doldurma biçimini göstermek için yazılmış örnekler.

Ay sonunda bu satırlardan beş ölçütü platform bazında hesaplıyorsunuz. Aylık rapor da şöyle bir tabloya dönüşüyor:

Raporu her platform için ayrı bir sütunla, persona kümesi ve prompt türü kırılımıyla hazırlarsanız nereye bakmanız gerektiği hemen görünür.

11. Araçlara ne kadar güvenmeli?

Elle ölçüm zaman alıyor ve bir noktadan sonra araç kullanmak mantıklı hale geliyor. Semrush, Ahrefs ve sadece bu işe odaklanan çok sayıda yeni araç, prompt’ları düzenli olarak çalıştırıp görünürlüğü raporluyor. Kullanın, ama şu sınırları bilerek.

İlki API ile arayüz farkı. Bazı araçlar prompt’ları kullanıcının gördüğü arayüzden değil, modelin geliştiricilere açık API’sinden çalıştırıyor. Bir yapay zekâ görünürlük aracı sağlayıcısı olan Genezio, Şubat 2026’da İngiltere bankacılık sektöründe 3.645 sohbet üzerinden GPT-5.2’nin API’sini ChatGPT.com arayüzüyle karşılaştırdı. Model arka planda yaptığı aramalarda iki yol arasında hiç ortak sorgu üretmedi; kaynak gösterilen URL’lerin ise sadece yüzde 12,3’ü iki yolda ortaktı (Genezio). Çalışma tek sektörde, tek modelle ve aracı satan bir şirket tarafından yapıldı, o yüzden sonuçlarını temkinle okumak gerekiyor. Yine de aracınıza sonuçları nereden topladığını sormak için yeterli bir sebep.

Kişiselleştirme ve konum da hesaba katılmalı. Araçlar prompt’ları genelde temiz hesaplarla ve belirli bir ülkeden çalıştırıyor. Karşılaştırılabilir bir ölçüm için bu iyi, ama hafızası, geçmişi ve konumu olan gerçek bir kullanıcının gördüğü cevabı birebir yansıtmıyor. Türkiye’deki kullanıcıyı ölçüyorsanız aracın Türkiye’den ve Türkçe ölçüm yapabildiğinden emin olun.

Bazı araçlar prompt setini de sizin için otomatik üretiyor. 6. bölümde yapay zekâya ürettirilen prompt’lar için yaptığımız uyarı burada da geçerli: Makul görünürler ama gerçek müşterinizin sorularını yansıtmayabilirler. Listeyi kendiniz kontrol edin.

Tek bir “görünürlük skoru” gösteren araçlar bu skoru nasıl hesapladıklarını her zaman açıklamıyor. Rand Fishkin’in SparkToro çalışmasındaki önerisi burada da işe yarar; sağlayıcınızdan yöntemini açıklamasını ve hesabını göstermesini isteyin (Search Engine Journal).

Araçlar anılmayı ve linki otomatik sayabiliyor ama bir bilginin doğru olup olmadığını anlamak için sizin doğruluk kartınıza ihtiyaçları var. Temsil Doğruluğu çoğu araçta ya hiç yok ya da sadece duygu analizi (olumlu, olumsuz) olarak var. Olumlu bir cümle de yanlış olabilir.

Son olarak modeller değişiyor. Platformlar modellerini ve arayüzlerini sık güncelliyor. Görünürlüğünüz bir aydan ötekine değiştiğinde bunun sizin bir değişikliğinizden mi, platformdaki bir değişiklikten mi kaynaklandığını ayırabilmek için platform güncellemelerini not edin.

12. Search Console ve Bing’in raporları

Kendi ölçümünüzün yanında platformların verdiği veriyi de kullanın. 4. bölümde gördüğümüz gibi şu an bunun için iki kaynak var.

Google Haziran 2026’da Search Console’a üretken yapay zekâ özellikleri için ayrı performans raporları ekledi ve 31 Ağustos 2026 itibarıyla bunları bütün sitelere açtı. Rapor şimdilik sadece gösterim veriyor; sayfa, ülke, tarih ve Arama için cihaz kırılımı var. AI Bakışı ile AI Modu ayrı ayrı gösterilmiyor, sorgu ve tıklama verisi de yok (PPC Land, Search Engine Journal). Google ayrıca az gösterim alan sitelerin raporu hiç göremeyebileceğini belirtiyor.

Bing Webmaster Tools’un yapay zekâ performans raporu ise, 2. bölümde bahsettiğimiz gibi, sayfalarınızın Copilot ve Bing’in yapay zekâ cevaplarında kaç kez kaynak gösterildiğini gösteriyor.

İki rapor da hangi sayfalarınızın yapay zekâ cevaplarında göründüğünü söylüyor. Hangi sorularda göründüğünüzü, önerilip önerilmediğinizi, rakibe karşı durumunuzu ve doğru anlatılıp anlatılmadığınızı söylemiyor. Kendi ölçümünüzün yerini tutmuyorlar, onu tamamlıyorlar. Bu raporlara 8. bölümde daha ayrıntılı bakıyoruz.

13. Düşük çıkan oran neye işaret eder

Beş ölçütü ayrı tutmanın faydası, düşük çıkan oranın sizi doğru soruna götürmesi. Kabaca bir eşleştirme şöyle:

Bu tablo bir kural değil, başlangıç noktası; aynı belirti farklı sebeplerden gelebilir. Yine de “görünürlük skorumuz düştü” diye başlayan bir toplantıyla “AI Modu’nda kategori keşfi sorularında Öneri Oranımız düştü, rakip Y’nin servis ağı öne çıkarılıyor” diye başlayan bir toplantı aynı yere varmıyor. İkincisinde ne yapılacağı aşağı yukarı belli.

Ölçüm, teşhis, düzeltme ve yeniden ölçüm döngüsünü 17. bölümde sürekli çalışan bir sisteme dönüştürüyoruz.

14. Önce elle, sonra araçla

Elle ölçümle aracı birbirinin alternatifi olarak görmeyin, sırayla kullanın.

İlk ay elle başlayın. 30–50 prompt’u her platformda birkaç kez kendiniz çalıştırın ve cevapları okuyun. Zaman alıyor ama çok şey öğretiyor. Anılmakla önerilmek arasındaki çizgiyi nereden çekeceğinizi, rakiplerin hangi gerekçelerle öne çıkarıldığını ve yapay zekânın markanız hakkında hangi yanlışları söylediğini ancak cevapları okuyarak öğreniyorsunuz.

Kodlama kurallarınız oturduktan sonra düzenli çalıştırmayı bir araca devredebilirsiniz. Aracı seçerken yukarıdaki sınırları sağlayıcıya sorun.

Araç devreye girdikten sonra da her ay bir kısmını elle okumaya devam edin. En önemli 10 prompt’un cevaplarını bir insanın okuması hem aracın doğru sayıp saymadığını kontrol etmenin hem de Temsil Doğruluğu’nu takip etmenin en güvenilir yolu.

15. Görünürlükten iş sonucuna

Bu ölçümlerin hepsi bir ara hedef. Asıl bakılması gereken, görünürlük arttığında talebin, satışın ve cironun artıp artmadığı. İlk bölümde müşterilerimizde yapay zekâdan gelen trafiğin genelde toplam trafiğin yüzde 10’unun altında kaldığını, ama yüzde 6–7 civarında dönüşüm getirdiğini söylemiştim. Görünürlük tablosunu bu tür iş verisine bağlamak bir sonraki bölümün işi.

Bu bölümden tek bir alışkanlık edinecekseniz, görünürlüğü tek bir sayı olarak değil, beş ayrı soru olarak sormak olsun. Her birini platform platform ve birkaç çalıştırmanın ortalamasıyla cevaplayın; gerisi bu tabloyu her ay aynı kurallarla doldurmaktan ibaret.

Kontrol listesi

Kaynaklar

• Search Engine Journal: AI recommendations change with nearly every query (SparkToro) (30 Ocak 2026)
• Search Engine Journal: Google AI Mode and AI Overviews cite different URLs, per Ahrefs report (15 Aralık 2025)
• Ahrefs: Only 12% of AI cited URLs rank in Google’s top 10 for the original prompt (11 Ağustos 2025)
• Genezio: Zero query overlaps between GPT-5.2 (API) and ChatGPT.com (4 Şubat 2026)
• PPC Land: Google finally gives Search Console its own generative AI visibility reports (Haziran 2026; Google’ın 3 Haziran 2026 duyurusu)
• Search Engine Journal: Google Search Console AI reports rolled out worldwide (Google’ın 31 Ağustos 2026 tarihli küresel açılış notunu aktarıyor)
• Koozai: Bing Webmaster Tools launches AI Performance reporting (13 Şubat 2026)

Önceki: 6. Bölüm, Anahtar Kelimeden Prompt’a · Kitabın dizini · Sonraki: 8. Bölüm, AI Trafiği ve İş Sonucu