Bu hafta elimizde öyle bir bulgu var ki, GEO’ya bakışı değiştiriyor. Geçen sayıda “ChatGPT tek soruyu 8’e katlıyor” demiştim, fan-out patlamasını konuşmuştuk. Bu hafta o hikâyenin bir katman altına iniyoruz ve işler daha da ilginçleşiyor: o fan-out aslında bir arama değil, çoktan verilmiş bir kararın infazıymış.
Popüler Yazılar
Son Yazılar
ChatGPT Aramadan Önce Kararını Veriyor
Bu hafta üç isim (Suganthan Mohanadasan’ın araştırması, Rand Fishkin’in videosu, Dixon Jones’un yorumu) aynı yere işaret etti ve GEO’nun en pahalı yanlış anlaşılmasını düzeltti.
Suganthan 60 konuşmanın ağ trafiğini okumuş: ChatGPT tek bir sayfa çekmeden önce, kendi ilk arama sorgusuna marka adlarını yazıyor. Bu isimler webden değil, modelin hafızasından geliyor.
Kendi sorgusunda adıyla geçen marka cevapta %68,9 anılıyor; sadece webden çekilip adı geçmeyen marka %2,1. Yaklaşık 33 kat fark. Yani fan-out aday arama değil, ezberdeki listeyi doğrulama turu.
Peki Türkiye’de ne yapmalı? İşte iki ayrı oyun ve bu hafta yapacağınız test.
Bu hafta elimizde öyle bir bulgu var ki, GEO’ya bakışı değiştiriyor. Geçen sayıda “ChatGPT tek soruyu 8’e katlıyor” demiştim, fan-out patlamasını konuşmuştuk. Bu hafta o hikâyenin bir katman altına iniyoruz ve işler daha da ilginçleşiyor: o fan-out aslında bir arama değil, çoktan verilmiş bir kararın infazıymış. Kahvenizi alın.
ChatGPT aramadan önce kararını veriyor
Suganthan Mohanadasan bu hafta 60 ChatGPT konuşmasının ağ trafiğini tek tek okudu ve çarpıcı bir şey buldu: ChatGPT, tek bir web sayfası çekmeden önce, kendi ilk arama sorgusunun içine marka adları yazıyor. “En iyi yapay zekâ not uygulaması” diye sorduğunuzda, daha hiçbir sonuç gelmeden, sorgunun kuyruğuna Granola, Notion AI, Otter, Fireflies gibi isimleri kendisi ekliyor.
Bu isimler webden gelmiyor, çünkü henüz arama yapılmadı; modelin hafızasından geliyor. 27 konuşmanın 21’inde ilk sorguda kullanıcının hiç yazmadığı markalar vardı.
Yani geçen hafta konuştuğumuz fan-out bir aday arama değilmiş; modelin ezberindeki kısa listeyi tek tek doğrulama turuymuş: önce hafızadan isimleri yaz, sonra her isim için o markanın kendi sitesine “site:” aramasıyla git.
Rakam da bunu acımasızca gösteriyor: ChatGPT’nin kendi sorgusunda adıyla geçen marka, cevapta %68,9 anılıyor; sadece webden çekilip adı geçmeyen marka %2,1. Yaklaşık 33 kat fark.
Anlamı şu: teknik GEO işinin çoğu (şema, llms.txt, hız) o %2,1’lik sütunu iyileştiriyor, oysa asıl karar siz daha prompt’u görmeden, modelin ezberinde çoktan verilmiş oluyor.
İyi haber: bu iki ayrı oyun ve ikisini de oynayabilirsiniz, yeter ki hangisinde olduğunuzu bilin.
Kanıt: fan-out, hafızadaki listenin infazı
Suganthan’ın yöntemi şeffaf ve tekrarlanabilir: tarayıcının ChatGPT cevabını çizmek için indirdiği JSON’daki search_queries alanını okuyor. Orada modelin kendi yazdığı arama sorgularını görüyorsunuz. İlk sorgu, hiç sonuç gelmeden yazıldığı için, içindeki markalar ancak modelin ezberinden gelebilir.
Test etmiş: ilk kullanıcı mesajı ve zaman damgasına göre ilk sorgu alınınca, 27 konuşmanın 21’inde markalar zaten oradaydı. Alakasız 13 kategoride de 11’i aynısını yaptı. Robot süpürge sorgusunda model, güncel model numaralarını (Saros, Dreame X50, Eufy S1 Pro) ezbere yazdı. Yani bu “bilgi” ürün hattına kadar iniyor.
İşte gerçek bir örnek. Suganthan İngilizce “best ai note taking apps” (en iyi yapay zekâ not uygulaması) diye sorduğunda, ChatGPT hiçbir sayfa çekmeden önce kendine şu aramayı yazmış:
best AI note taking apps 2026 official pricing features Granola Notion AI Otter Fireflies Fathom Mem Limitless
Sorgunun kuyruğundaki yedi ürüne dikkat edin: Granola, Notion AI, Otter, Fireflies, Fathom, Mem, Limitless. Kullanıcı bunların hiçbirini yazmadı, web’den de henüz tek sonuç gelmedi. Bu isimler modelin ezberinden geldi.
Sonra model, her biri için o markanın kendi sitesine tek tek “site:” araması yapmış:
- site:granola.ai pricing features AI meeting notes 2026
- site:otter.ai pricing AI meeting notes 2026
- site:fathom.video pricing AI meeting assistant 2026
- site:notion.com product AI Meeting Notes official 2026 pricing
- site:fireflies.ai pricing official AI meeting notes 2026
- site:mem.ai pricing AI notes official 2026
Gördüğünüz gibi fan-out bir aday arama değil: model, ezberindeki listeyi alıp tek tek kendi sitelerinde doğruluyor. O ilk listeyi kaçırırsanız, siteniz ne kadar iyi olursa olsun kapı size hiç çalınmıyor.
Bunu kendi gözünüzle de görebilirsiniz. Chrome’a Keywords Everywhere gibi bir araç (ya da Suganthan’ın ücretsiz FanoutFox eklentisi) kurun; bir aramanın arkasındaki fan-out sorgularını size doğrudan gösteriyor. İki dakikalık iş, ama sonucu görünce GEO’ya bakışınız değişiyor.
Ben de tam bunu yaptım. “Best project management software 2026” için ChatGPT’nin ürettiği fan-out sorgularına baktım: benim sorgumda hiç geçmemesine rağmen, kendi hafızasında en iyi proje yönetim araçları olarak kayıtlı araçları arattığını fark ettim.
Rand Fishkin de bu hafta paylaştığı videoda aynı yere işaret etti: alıntıların büyük kısmı üçüncü taraf kaynaklardan (özellikle Wikipedia ve Reddit) geliyor ve model markaları zaten tanıdığı için, çıplak “alıntı analizi” bizi yanıltabilir. Dixon Jones (inLinks/Waikay) ise tek cümlede özetledi: siz prompt’u görüp alıntıyı ölçtüğünüzde, işin çoğu çoktan bitmiş oluyor.
Adıyla anılmak, bulunmaktan 33 kat değerli
Suganthan markaları ikiye ayırmış: ChatGPT’nin kendi sorgusunda adı geçenler ve sadece arama sırasında çekilip hiç adı yazılmayanlar. Sonra her grubun cevaba girme oranına bakmış:
- ChatGPT kendi sorgusuna markanın adını yazdıysa (119 marka): cevapta %68,9 anılıyor.
- Marka sadece çekildi ama sorguda adı hiç geçmediyse (515 marka): cevapta yalnızca %2,1 anılıyor.
Aradaki fark yaklaşık 33 kat. Üstelik 86 vakada bir marka, sitesi o konuşmada hiç çekilmeden önerilmiş. Yani anılmak için taranmanız bile şart değil; modelin sizi tanıması yetiyor.
Bu, benim sektörümün en rahatsız edici gerçeği: GEO diye satılan işin çoğu retrieval, yani o %2,1’lik sütun; asıl belirleyici %68,9’luk sütun ise siz hiçbir şey yapmadan, eğitim verisinde çoktan kararlaşmış.
Girmek yetmez, ikinci filtre de acımasız
Diyelim listeye girdiniz. Bir filtre daha var. Suganthan 57 konuşmadan 3.554 sayfalık etiketli bir veri kümesi kurmuş: sadece %3,1’i (110 sayfa) alıntılanmış. ChatGPT bir cevap için yaklaşık 600 sayfa okuyup 30 kadarını alıntılıyor. Okunmakla alıntılanmak arasındaki uçurum işte burada.
Üç şey ayırıyor: birincisi domain içi sıra (ilk sırada %5,2, altıncı ve sonrasında %0,3), ikincisi sayfa yığmamak (aynı domainden iki sıkı eşleşen sayfa tatlı nokta, altı ve üstü kendinizle rekabet), üçüncüsü ilgililik (ilgililik sizi kısa listeye sokuyor ama tek başına seçmiyor).
Kısacası konu başına tek, sıkı eşleşen sayfa; cevap cümlesi sayfanın üstünde ve düz HTML metninde, içinde rakamlarla.
İki ayrı oyun: ezberde olmak vs alıntılanmak
Bütün bulgular tek bir ayrıma çıkıyor ve bu ayrım GEO’yu ikiye bölüyor.
Birinci oyun, kategori sözlüğüne girmek. Model markanızı kategorinizle bağlamıyorsa, sizi sorguya hiç yazmıyor ve %2 ihtimale mahkûm oluyorsunuz. Bunu şema, hız ya da llms.txt çözmez; çünkü karar verilmeden sunucunuza kimse dokunmuyor.
Bunu kuran şey yavaş ve gösterişsiz: yıllarca web’de hakkınızda yazılmak, incelenmek, kıyaslanmak, ta ki bu bağ eğitim verisine işleyene kadar. Yani dijital PR ve kategori tanımlayan içerik. Geçen aylarda konuştuğumuz Site Dışı GEO ve üç kapıdaki “Tanımak” kapısı tam da bu.
Jan Caerels’in (TUI) o LinkedIn tartışmasında dediği gibi: bu retrieval değil, modelin temel (foundational) bilgisi katmanı; onu değiştirmek modelin yeniden eğitilmesini beklemek demek, klasik SEO’dan bile uzun soluklu.
İkinci oyun, listeye girdikten sonra alıntıyı kazanmak. Bu %3,1’lik kısım ve tamamen sizin elinizde: konu başına tek sıkı sayfa, cevap cümlesi üstte, rakamlar düz metinde, birbirini yiyen sayfa yığını yok.
Ben de bunu her hafta kendi panomda görüyorum
Bu ayrımın en net kanıtını kendi verimizde gördüm. Bir süredir kendi markamızı beş yapay zekâ motorunda izleyen bir görünürlük panomuz var; bu on birinci haftamız.
Geçen hafta çok öğretici bir şey oldu: Gemini’ye yeni bir sohbette markamızı sorduğumda, web’de arayınca (retrieval katmanı) bizi tam tanıdı, kuruluş yılı dahil her şey doğru.
Ama aramadan, yalnızca ezberinden cevap vermeye kalkınca bizi hiç bilmedi, hatta “Stradivarius” sanıp cevap vermeyi reddetti. İşte Suganthan’ın anlattığı ayrım canlı canlı burada: “bulunmak” ile “ezberde olmak” iki ayrı şey.
Biz retrieval tarafında güçlüyüz (ChatGPT ve Gemini arayınca bizi tanıyor, ölçülebilir kanıtımızı bile alıntılıyor), ama modelin ezberi tarafında, yani birinci oyunda hâlâ boşluğumuz var. Panoda haftalardır not düştüğümüz iş de bu: tutarlı varlık kimliği ve Wikidata.
Türkiye merceği: ezber katmanı bizim için daha zor, o yüzden daha kıymetli
Modelin ezberi büyük ölçüde İngilizce ve küresel kaynaklardan besleniyor. Türk markalarının bu “kategori sözlüğüne” girmesi bu yüzden daha zor: Türkçe Wikipedia ince, bağımsız Türkçe inceleme kaynağı az.
Yani çoğu Türk markası, kendi kategorisinde sorulduğunda modelin ilk sorgusuna hiç yazılmıyor ve doğrudan %2’lik oyuna düşüyor. Kötü haber bu.
İyi haber şu: bu boşluk henüz doldurulmadı. Türkçe kategorisinde hakkında yazılan, incelenen, Wikidata’da kaydı olan ilk marka, modelin ezberine giren ilk marka olur. Bu, geç kalmışlık değil, erken davranma fırsatı.
Uyarı: sayılar oynak, mekanizma sağlam
Dürüst olalım: Suganthan’ın oranları tek hesaptan geliyor, yani ölçüm değil yön. Hatta fan-out sayısı bile oynak: Ağustos başında OpenAI bir alan adını değiştirince, onun kayıtlarında cevap başına arama 12’den 4’e düşmüş; Nectiv’in API ölçümünde ise ortalama 7,61 çıkmıştı. Yani tek bir rakama kilitlenmeyin.
Sağlam olan mekanizma: model kimi önereceğine, siz aramayı görmeden, ezberinden karar veriyor. Bunu kendi hesabınızda iki dakikada doğrulayabilirsiniz.
Bu ne işe yarar: bu hafta yapacağınız sorgu testi
Bu hafta tek bir test yapın, on dakika sürer: modelin sizi ezbere bilip bilmediğini görün.
Önce ChatGPT’ye ya da Google AI Modu’na müşterinizin sorduğu “en iyi [kategoriniz] 2026” sorusunu sorun. Sonra modelin arka planda kendi yazdığı fan-out sorgularını okuyun.
Bunu birkaç yolla görebilirsiniz: en pratiği Chrome’a Keywords Everywhere gibi bir araç ya da Suganthan’ın ücretsiz FanoutFox eklentisini kurmak; ikisi de fan-out sorgularını doğrudan, verbatim gösteriyor. İsterseniz elle de yapabilirsiniz: DevTools > Network’te queries araması yapıp ilk sorguyu açın. Aynı soruyu beş kez sorun, çünkü liste denemeler arasında oynuyor.
Şimdi kritik soru: o ilk sorguda sizin markanız var mı?
- Beş denemenin hepsinde varsanız: ikinci oyundasınız. İşiniz sayfa tarafında: konu başına tek sayfa, cevap cümlesi üstte, rakamlar HTML’de, kanibalizasyonu topla.
- Hiç yoksanız: birinci oyundasınız ve hiçbir sayfa ayarı sizi kurtarmaz. İşiniz kategori sözlüğüne girmek: dijital PR, kategori içeriği, inceleme ve kıyas sayfaları, Wikidata ve tutarlı varlık kimliği.
- Arada gelip gidiyorsanız: orası tartışmalı alan ve bir itişle kımıldatılabilir.
Tek cümle: yapay zekâda görünmek istiyorsanız önce hangi oyunda olduğunuzu ölçün; çünkü ezberde değilseniz sayfayı cilalamak, kapalı kapının tokmağını parlatmaya benziyor.
Bu benchmark’a siz de katılın
Kendi markanızın bu iki oyunda nerede durduğunu (modelin ezberinde misiniz, yoksa sadece bulunabilir mi) tek tek çıkarmamı isterseniz, GEO Skor Kartı tam da bunun için var: başvuran markaya, beş motoru kapsayan ücretsiz bir yapay zekâ görünürlük yol haritası çıkarıyorum.
Türkçe: stradiji.com/tr/geo-skor-karti
İngilizce: stradiji.com/geo-score-card
Her başvuru bu benchmark’ı biraz daha güçlendiriyor; katkınız için şimdiden teşekkürler.
