11. Bölüm: Yapay Zekâ Çağında İçerik

Son güncelleme: 1 Kasım 2026.

Yıllarca içerik planı aynı cümleyle başladı: “Bu kelime çok aranıyor, bir blog yazısı yazalım.” Böyle binlerce “X nedir?”, “X nasıl yapılır?” yazısı üretildi ve trafik getirdikleri için değerliydiler. Bugün aynı soruların büyük bir kısmının cevabı arama sonuç sayfasında ya da bir sohbetin içinde veriliyor.

Önceki iki bölüm teknik taraftaydı: botlar sayfaya ulaşabiliyor mu, sayfayı okuyup alıntılayabiliyor mu? Bu bölümle kitabın dördüncü kısmına, içerik ve otoriteye geçiyoruz. İlk soru da en temel olanı: Cevabı yapay zekâ yazıyorsa, sitede biz ne yazacağız?

Bunun için iki kavram öneriyorum. Karar Destek İçeriği (Decision Support Content), kullanıcının bir kararı vermesine yardım eden içerik. Tıklama Dayanıklılığı (Click Resilience) ise kullanıcı cevabı aldıktan sonra da sayfanın ona bir şey verebilmesi. İkisi de aynı yerden çıkıyor: yapay zekânın tek paragrafta özetleyemediği şeylerden.

1. Bilgi içeriği tek başına neden yetmiyor

İlk bölümde soruları, kullanıcının cevabı aldıktan sonra ne yaptığına göre ayırmıştık. En çok etkilenen grup, cevabı tek paragrafta verilebilen bilgi sorularıydı. O günden bu yana bu etkiyi ölçen yeni çalışmalar yayımlandı.

Ahrefs, Şubat 2026’da 300.000 anahtar kelimenin masaüstü verisine baktı. AI Bakışı görünen sorgularda birinci sıradaki sonucun tıklama oranı, AI Bakışı olmasaydı beklenecek orandan yaklaşık yüzde 58 düşüktü. Sıra aşağı indikçe etki azalıyor; onuncu sırada yüzde 19 civarında (Ahrefs). Ahrefs bunun bir korelasyon olduğunu, öne çıkan snippet gibi başka arama özelliklerinin de tıklama oranlarını yıllardır düşürdüğünü ayrıca not ediyor.

Seer Interactive’in Nisan 2026’da yayımladığı çalışma da aynı yönü gösteriyor (Seer Interactive). 53 marka ve 5,47 milyon sorguda, AI Bakışı görünen sorgulardaki organik tıklama oranı Ocak 2025’te yüzde 3,19’du, Aralık 2025’te yüzde 1,31’e indi. Ocak ve Şubat 2026’da kısmi bir toparlanma oldu ve oran Şubat’ta yüzde 2,36’ya çıktı. Araştırmacılar oranların AI Bakışı öncesindeki seviyeye dönmesini beklemiyor.

Bu rakamlar ağırlıkla ABD verisi ve sonuçlar sorgu türüne göre çok değişiyor. Bizim müşterilerimizde AI Bakışı Türkiye’de açıldıktan sonra tıklamaları ciddi şekilde düşen olmadı, küçük düşüşler gördük.

Yine de yön belli. Cevabı tek paragrafta verilebilen bir soru için yazılmış sayfa, artık tıklamadan çok o paragrafın kaynağı olmaya aday. Bu, bilgi içeriğini değersiz yapmıyor. Sadece tek başına bir trafik stratejisi olarak yetmiyor.

2. Herkesin yazdığı bilgi

Bilgi içeriğinin bir sorunu daha var: Çoğu birbirinin tekrarı. “Dolum makinesi nedir?” sorusunun cevabı yirmi farklı sitede hemen hemen aynı cümlelerle yazıyor. Yapay zekâ bu cevabı yazarken belirli bir siteye ihtiyaç duymuyor; hangisini seçse aynı şeyi söylüyor.

Google’ın üretken yapay zekâ araması rehberi bu ayrımı açıkça yapıyor (Google Search Central). Rehbere göre sıradan içerik (commodity content) “is often based on common knowledge, which could originate from anyone”, yani çoğu zaman herhangi birinden çıkabilecek ortak bilgiye dayanıyor. Güçlü sayfalar ise ortak bilginin ötesine geçen, uzmanlığa ya da deneyime dayanan bir bakış sunuyor. Rehber, içeriği başkalarının söylediklerini tekrarlayarak değil, konu hakkında kendi bildiklerinize dayanarak üretmenizi öneriyor.

Dolum makinesinde bunun karşılığı şöyle. “Dolum makinesi nedir?” ortak bilgi. Şu soruların cevabı ise değil:

• Sizin makinelerinizde köpüren bir sıvı sabun hangi hızda doldurulabiliyor?
• Hangi şişe boyutlarında format değişimi ne kadar sürüyor?
• Kurulumdan sonraki ilk ay en sık hangi sorunlar çıkıyor?
• Hangi durumda müşteriye pistonlu yerine dalıcı nozullu sistem öneriyorsunuz ve neden?

Bunları ancak makineyi üreten, kuran ve servisini veren bilir. Yapay zekâ bu bilgiyi başka bir yerden öğrenemez, sizden öğrenmek zorunda. Özgün veri, gerçek testler ve vaka çalışmaları gibi kopyalanamayan içerik türleri 12. bölümün konusu.

3. Karar Destek İçeriği

Karar Destek İçeriği dediğim şey, kullanıcıya bir şeyi öğretmekten çok bir kararı vermesine yardım eden içerik. Bilgi içeriği “Bu nedir?” sorusunu cevaplar. Karar destek içeriği “Benim durumumda hangisi, neden ve ne kadara?” sorusunu.

Aynı konuda iki türün farkı:

Sol sütundaki sorular ortak bilgi ve yapay zekâ onları iyi özetliyor. Sağ sütundakilerin cevabı ise kullanıcının durumuna göre değişiyor: kapasiteye, ürünün kıvamına, bütçeye, servis beklentisine. Yapay zekâ bu sorulara da cevap veriyor, ama bunun için birinin bu değişkenleri ve aralarındaki ilişkiyi açıkça yazmış olması gerekiyor.

Karar destek içeriği bu yüzden iki şey kazandırıyor. Yapay zekânın karar sorularına verdiği cevaplarda kaynak ve öneri olma ihtimaliniz artıyor; 3. bölümde anlattığımız sorgu yelpazesi zaten bu alt soruları arıyor. Kullanıcı da cevabı aldıktan sonra detay için sayfanıza gelmeye devam ediyor. Bu ikincisine 6. başlıkta döneceğim.

4. Karar destek içeriğinin türleri

Tek bir format yok. Kullanıcının karar sürecindeki farklı adımlara farklı içerikler karşılık geliyor:

• Seçim rehberi: kapasiteye, ürün tipine ve bütçeye göre hangi modelin uygun olduğunu anlatan, “hangi durumda hangisi?” sorusunu cevaplayan sayfa.
• Karşılaştırma: iki yöntemi, iki modeli ya da iki yaklaşımı aynı kriterlerle yan yana koyan sayfa. 10. bölümdeki tablo kuralları burada çok işe yarıyor.
• Maliyet açıklaması: fiyatı paylaşamasanız bile fiyatı neyin belirlediğini, hangi seçimin maliyeti nasıl etkilediğini anlatan sayfa.
• Hesaplayıcı ya da yapılandırıcı: kullanıcının kendi değerlerini girip sonuç aldığı araç. Günlük üretimden saatlik kapasiteye, kapasiteden nozul sayısına giden bir hesaplayıcı gibi.
• Kontrol listeleri: “Satın almadan önce sormanız gerekenler”, “Kurulumdan önce hazırlamanız gerekenler”.
• Uygunluk ve sınırlar: ürününüzün neye uygun olduğunu, neye olmadığını açıkça söyleyen sayfa.
• Kanıt: gerçek kurulumlar, müşteri örnekleri, test videoları, referanslar. Bunlar 12. bölümde ayrıntılı olarak var.

Uygunluk ve sınırlar maddesi ayrıca üzerinde durmaya değer. Markalar ürünlerinin neye uygun olmadığını yazmaktan çekiniyor. Oysa yapay zekâ bir kullanıcıya karşılaştırmalı bir cevap verirken “X şu durumda uygun, şu durumda değil” diye yazabileceği açık bir bilgi arıyor. Siz vermezseniz onu bir forum yorumundan ya da rakibin karşılaştırma sayfasından alıyor. “Bu makine şu ürünler için uygun değildir” diyebilen bir sayfa, hem kullanıcının hem yapay zekânın güvendiği sayfalardan biri oluyor.

5. Kullanıcının kısıtlarıyla yazmak

İlk bölümdeki soruyu hatırlayın: “Günde 3.000 şişe sıvı sabun dolduracağız. Ürün köpürüyor, bütçemiz 25.000 Euro civarında. Türkiye’de servis veren hangi üreticilere bakmalıyım?” Bu soruda dört kısıt var: kapasite, ürünün özelliği, bütçe ve servis.

Karar destek içeriği bu kısıtların etrafında yazılır. 6. bölümde prompt araştırmasıyla kullanıcıların hangi kısıtlarla soru sorduğunu bulmayı anlatmıştım. Şimdi o listeyi içeriğe çevirme sırası. Her ana kısıt için sitede üç sorunun cevabı bulunmalı:

• Bu kısıt kararı nasıl etkiliyor? Köpüren bir ürün için hangi yöntem, hangi ayar, hangi hız?
• Sizin ürününüz bu kısıtta nerede duruyor? Hangi model, hangi kapasite ve bütçe aralığı?
• Kısıtın sınırı nerede? Hangi noktadan sonra başka bir çözüm gerekiyor?

Buradaki tuzak, her kısıt kombinasyonu için ayrı sayfa açmak. “Günde 3.000 şişe köpüren sabun dolum makinesi”, “günde 5.000 şişe köpüren şampuan dolum makinesi” diye yüzlerce sayfa üretmek, 3. bölümde bahsettiğim ölçekli içerik kötüye kullanımı riskine girer. Kısıtları tek bir seçim rehberinde, bir tabloda ya da bir hesaplayıcıda toplamak daha doğru. Kullanıcı kendi kombinasyonunu orada bulur, yapay zekâ da cevabını kurmak için gereken ilişkiyi tek bir yerde okur.

6. Tıklama Dayanıklılığı

Tıklama Dayanıklılığı (Click Resilience) tek bir soruya dayanıyor: Kullanıcı cevabı yapay zekâdan aldıktan sonra sayfanıza gelmek için hâlâ bir sebebi var mı?

Bunu kendi sayfalarınızda denemek kolay. Sayfayı açın ve yapay zekânın onu üç cümlede özetlediğini düşünün. Kullanıcı o üç cümleyi okudu. Sayfada ona verebileceğiniz başka ne kaldı?

Hiçbir şey kalmıyorsa sayfa tıklama açısından kırılgan. Kaynak gösterilebilir, markanızı görünür kılabilir, ama trafik getirmesi zor. Çok şey kalıyorsa dayanıklı.

Bir özetin kullanıcıya veremediği şeyler genelde şunlar:

• Kendi durumu için hesap yapmak. “Günde 3.000 şişe için kaç nozul gerekiyor?” sorusunu genel bir cevap değil, kullanıcının kendi değerleriyle çalışan bir hesaplayıcı cevaplar.
• Görmek: köpüren bir ürünün gerçekte nasıl dolduğunu gösteren video, kurulum fotoğrafları, makinenin ölçüleri ve yerleşim planı.
• Doğrulamak: satın alma ekibinin isteyeceği teknik föy, sertifikalar, garanti koşulları, referans listesi.
• Özetin sığdıramadığı tam bir karşılaştırma tablosu.
• Bir iş yapmak: teklif istemek, numune göndermek, demo randevusu almak, satın almak.
• Kullanılacak bir dosya: indirilebilir kontrol listesi, şartname şablonu, teknik çizim.
• Güvenmek için gereken bilgi: gerçek müşteri örnekleri, ekibin kim olduğu, servis ağının nerede olduğu.

Bu maddelerin çoğu zaten karar destek içeriğinin parçaları. İki kavram birbirini tamamlıyor: Karar destek içeriği sizi yapay zekânın cevabına sokuyor, tıklama dayanıklılığı da cevaptan sonra kullanıcıyı size getiriyor.

Google’ın rehberinde de bu yönde bir işaret var. Google, yapay zekâ cevaplarının cevabı destekleyen sayfalara belirgin, tıklanabilir linkler gösterdiğini ve kullanıcıların daha derine inmek için bu linkleri kullandığını yazıyor. Aynı rehber, içeriği destekleyen kaliteli görsel ve videoların yapay zekâ özelliklerinde görünmek için ek yollar açtığını da belirtiyor (Google Search Central).

7. Tıklamayı hak eden bir sayfa

Bir dolum makinesi üreticisinin “Köpüren ürünler için dolum makinesi seçim rehberi” adında bir sayfa hazırladığını varsayalım. Tıklama dayanıklılığı yüksek bir versiyonu şu parçalardan oluşabilir:

1. Sayfanın başında kısa bir cevap: köpüren ürünlerde hangi yöntemin neden öne çıktığını anlatan iki üç cümle. Bu kısım yapay zekânın alıntılaması için var ve alıntılanması iyi bir şey.
2. Ürün tipi, kıvam ve kapasiteye göre hangi modelin uygun olduğunu gösteren bir seçim tablosu.
3. Kullanıcının günlük üretimini, vardiya sayısını ve şişe hacmini girip kaç nozula ihtiyaç duyduğunu gördüğü bir kapasite hesaplayıcısı.
4. Aynı köpüren ürünün iki farklı yöntemle doldurulmasını yan yana gösteren bir video.
5. Bu yöntemin hangi ürünlerde uygun olmadığı ve o durumda ne önerildiği.
6. Nozul sayısı, otomasyon seviyesi, malzeme gibi seçimlerin maliyete etkisi.
7. “Teklif istemeden önce şu beş bilgiyi hazırlayın” listesi ve hemen altında form.

Bu sayfada yapay zekânın özetleyebileceği kısım sadece ilk madde. Geri kalanı kullanıcının kendi durumuyla, gözüyle görmesiyle ya da bir işlem yapmasıyla ilgili. Kullanıcı yapay zekâdan “Dalıcı nozullu sistem köpürmeyi azaltıyor” cevabını aldıktan sonra da kendi kapasitesini hesaplamak, videoyu izlemek ya da teklif istemek için bu sayfaya gelebilir.

Tıklama dayanıklılığı, cevabı saklamak anlamına gelmiyor. 10. bölümde cevabı başa koymayı önermiştim ve o öneri hâlâ geçerli. Cevabı verin, sonra cevabın ötesindeki her şeyi sunun. Alıntılanabilir olmakla tıklamaya değer olmak arasında seçim yapmak zorunda değilsiniz; iyi bir sayfa ikisini birden yapar.

8. Kaynak gösterilmek yine de işe yarıyor

Tıklama oranları düşerken kaynak gösterilmenin ne kazandırdığını Seer Interactive’in aynı çalışmasından görebiliyoruz. 2025 boyunca bilgi sorgularında ortalama organik tıklama oranları şöyleydi (Seer Interactive):

• Marka AI Bakışı’nda kaynak gösterildiğinde: yüzde 2,07.
• Marka kaynak gösterilmediğinde: yüzde 0,94.
• AI Bakışı olmayan sorgularda: yüzde 3,35.

Kaynak gösterilen marka, gösterilmeyene göre iki kattan fazla tıklama oranı alıyor, ama AI Bakışı’nın hiç olmadığı duruma göre hâlâ geride. Araştırmacılar bunun bir korelasyon olduğunu, daha güçlü markaların kaynak gösterilme ihtimalinin zaten daha yüksek olduğunu not ediyor.

AI Bakışı çıkan bir soruda elinizdeki seçenekler bunlar: Ya kaynak gösterilir ve azalmış ama anlamlı bir tıklama alırsınız, ya da gösterilmez ve çok daha azını alırsınız. AI Bakışı’nın hiç çıkmadığı eski duruma dönmek seçenekler arasında yok.

Kaynak gösterilmenin tıklama dışında da getirisi var. 3. bölümde markanın cevapta anılmasının ve önerilmesinin ayrı değerleri olduğunu, 8. bölümde de yapay zekâ etkisinin markalı arama ve müşteri beyanı gibi dolaylı yollardan geri döndüğünü konuştuk. Bilgi içeriğiniz kaynak gösterildikçe, kullanıcının karar aşamasına geldiğinde adınızı hatırlama ihtimali artıyor.

9. Elinizdeki içeriği yeniden gözden geçirmek

Yeni içerik üretmeden önce elinizdekine bakın. Çoğu sitede yıllar içinde birikmiş yüzlerce bilgi yazısı var. Hepsini silmek de, hepsini olduğu gibi bırakmak da yanlış olur.

İçeriği üç gruba ayırarak başlayabilirsiniz:

Birinci gruptaki sayfalar için Filmler.com’daki yaklaşım iyi bir örnek. Orada yaklaşık 450.000 oyuncu ve ekip kaydının hepsini değil, sadece içerik girilmiş sayfaları dizine açmıştık. Bilgi yazılarında da aynı mantık geçerli: Birbirini tekrar eden beş kısa yazı yerine tek bir güçlü sayfa, okuyucu için de yapay zekâ için de daha iyi bir kaynak.

Bu kararı veriye bakarak verin. İlk bölümde Search Console’da tıklamaları sayfa türüne göre ayırmayı önermiştim; 8. bölümde de Search Console’un yapay zekâ raporunu ve Analytics’teki yapay zekâ kanalını konuştuk. Üçünü yan yana koyduğunuzda hangi sayfa grubunun tıklama kaybettiği, hangisinin yapay zekâda göründüğü ve hangisinin iş getirdiği ortaya çıkıyor.

10. Ters tepen hamleler

İçeriği yapay zekâ aramasına göre ayarlarken bazı hamleler işe yaramıyor, bazıları zarar da veriyor.

Cevabı saklamak bunların başında geliyor. Kullanıcıyı sayfada tutmak için cevabı sona gömmek, uzun girizgâhlar yazmak okuru yoruyor. Yapay zekâ da cevabı açıkça yazan başka bir kaynağa gidiyor.

Yapay zekâyla yüzlerce sıradan bilgi yazısı üretmek, Google’ın tarif ettiği sıradan içeriğin kendisi ve ölçekli içerik kötüye kullanımı riski taşıyor. 19. bölüm bu konuya ayrıldı.

Teknik föyü, fiyat bilgisini ya da seçim rehberini e-posta karşılığında vermek de ters tepiyor. Form arkasındaki bilgiyi ne arama motoru ne yapay zekâ okuyabiliyor, bu yüzden aynı bilgiyi başka bir kaynaktan öğreniyorlar. Form, kararını vermiş kullanıcının bir sonraki adımı olmalı. Karar için gereken bilgiyi kilitlemek için kullanılmamalı.

Bilgi içeriğini tamamen bırakmak da yanlış. Temel tanımlar ve açıklamalar hâlâ gerekli; karar destek sayfaları bu temelin üzerine kuruluyor ve bilgi sayfalarının kaynak gösterilmesi markanızı görünür tutuyor. Sorun, bilgi içeriğini stratejinin tamamı saymakta.

Son olarak, sadece trafiğe bakarak karar vermeyin. 8. bölümde söylediğim gibi trafik araç, iş sonucu amaç. Trafiği düşen bir rehber, kaynak gösterilmeye ve satış getirmeye devam ediyor olabilir.

Sayfayı yazmadan önce

Yapay zekâ ortak bilgiyi özetliyor. Kararı kolaylaştıran, size özgü bilgiyi ise sizden almak zorunda. Yeni bir sayfa planlarken iki soru iyi bir süzgeç: Bu sayfa başka kimsenin yazamayacağı bir şey söylüyor mu? Kullanıcı özeti okuduktan sonra burada ne bulacak?

İlk sorunun cevabı, yani başka kimsenin söyleyemeyeceği bilgi, bir sonraki bölümün konusu: özgün veri, gerçek testler, vaka çalışmaları ve uzman görüşü.

Kontrol listesi

Kaynaklar

• Ahrefs: Update, AI Overviews reduce clicks by 58% (4 Şubat 2026)
• Seer Interactive: AIO impact on Google CTR, 2026 update (24 Nisan 2026)
• Google Search Central: Optimizing for generative AI search (son güncelleme 10 Temmuz 2026)

Önceki: 10. Bölüm, Okunabilir ve Alıntılanabilir Sayfa · Kitabın dizini · Sonraki: 12. Bölüm, Kopyalanamayan İçerik