AI Atıf Analizi: AI Motorları Hakkınızda Hangi Sayfaları Gösteriyor?
Klasik SEO'da elimizde net bir soru vardı: "hangi kelimede kaçıncı sıradayım?" AI aramasında bu soru anlamını yitiriyor, çünkü ortada sıralanmış on mavi link yok; tek bir cevap ve o cevabın altında birkaç kaynak var. Yeni soru şu: "AI motorları benim hakkımda konuşurken kimi kaynak gösteriyor?" Bu sorunun sistemli cevabına AI atıf analizi diyorum ve bence şu anda bir pazarlama ekibinin yapabileceği en öğretici egzersizlerden biri. Çünkü atıflar, AI motorlarının sizin sektörünüzde kime güvendiğinin açık listesi — ve bu liste çoğu zaman ekiplerin tahminleriyle örtüşmüyor.
AI atıf analizi nedir, neden klasik sıralama takibinden farklı?
Atıf, bir AI motorunun cevabını dayandırdığı ve kullanıcıya gösterdiği kaynak. Perplexity bunu en şeffaf yapan motor; her cevabın yanında numaralı kaynak listesi durur ve hangi cümlenin hangi kaynaktan geldiğini izleyebilirsiniz — bu şeffaflığın nasıl işlediğini Perplexity rehberi yazısında ayrıntısıyla anlattım. ChatGPT arama modunda ve Google AI Overviews'ta da benzer kaynak gösterimleri var; ayrıntı seviyesi motordan motora değişiyor.
Atıf analizinin klasik sıralama takibinden temel farkı şu: sıralama takibi size bir sayı verir, atıf analizi bir hikaye anlatır. "Perplexity'de görünüyoruz" bilgisi tek başına az şey söyler. Asıl değer şu sorularda: hangi sayfamız gösteriliyor? Hangi sorularda biz varız, hangilerinde yokuz? Bizi anlatan cevaplarda bizden başka kimler var? Cevap bizi kaynak göstermeden mi anlatıyor, yoksa rakibin kıyas tablosundan mı besleniyor? Bu soruların cevapları doğrudan aksiyona çevrilebilir; sıralama sayısı çoğu zaman çevrilemez.
Başlamak için karmaşık altyapı gerekmiyor. Markanızı ilgilendiren yirmi-otuz soruluk bir prompt seti hazırlayın — marka adınızı içeren sorular, kategori soruları ("en iyi X aracı hangisi"), kıyas soruları ("A mı B mi") — ve bunları birkaç motorda düzenli aralıklarla sorup dönen atıfları bir tabloya işleyin. Hangi soruları seçeceğiniz ve ölçümün genel çerçevesi için AI görünürlük rehberi iyi bir başlangıç noktası. Bu yazının konusu ise o tablo dolduktan sonrası: veriyi okuma sanatı.
Atıf desenlerini okumak — hangi sayfalar neden gösteriliyor?
Elinizdeki atıf tablosuna ilk baktığınızda dağınık görünecek. Desenler birkaç turdan sonra ortaya çıkıyor ve genelde şu dört soruya cevap arayarak okumak gerekiyor.
Birincisi: hangi sayfa tipleri atıf alıyor? Sahada tekrar tekrar gördüğüm bir durum var: ekibin gurur duyduğu ana sayfa ve ürün sayfaları neredeyse hiç atıf almazken, üç yıl önce yazılmış mütevazı bir rehber veya dokümantasyon sayfası atıfların çoğunu topluyor. Bu tesadüf değil. AI motorları soruya cevap arıyor; cevap, pazarlama diliyle yazılmış vitrin sayfalarında değil, net bilgi taşıyan içerik sayfalarında bulunuyor. Atıf desenleriniz size hangi içerik formatınızın "AI motorlarınca okunabilir" olduğunu söylüyor — o formattan daha çok üretin.
İkincisi: aynı sorulara hangi sayfalar hiç gelmiyor? Varsayımsal bir örnek: bir proje yönetim aracı, "uzaktan ekipler için proje yönetimi" sorusunda hiç atıf alamıyor ama sitesinde tam bu başlıkta bir sayfa var. Sayfayı açıp bot gözüyle bakınca sebep genelde ortaya çıkıyor — içerik yüzeysel, soruyu ilk paragrafta cevaplamıyor, ya da teknik bir nedenle botlara görünmüyor. Atıf boşluğu, içerik denetimi için sıralama raporundan çok daha keskin bir işaret.
Üçüncüsü: atıflar hangi cevap bağlamında geliyor? Markanızın "en iyi X" listesinde mi, bir kıyas cevabında mı, yoksa bir sorun giderme cevabında mı geçtiği önemli. Liste cevapları kategori görünürlüğü demek; kıyas cevapları satın alma anına yakın demek. Aynı atıf sayısı, bağlama göre çok farklı ticari değer taşır.
Bu okumayı yaparken atıf alan kendi sayfalarınızı da açıp motorun gözüyle inceleyin. Genelde ortak özellikleri vardır: soruyu ilk ekranda net cevaplıyorlar, başlıkları soru diliyle örtüşüyor, bilgi listeler ve tablolarla derli toplu sunulmuş. Bu ortak özellikler, sitenizin geri kalanı için bedava bir stil rehberi — motorların sizden neyi sevdiğini, yine motorların davranışından öğreniyorsunuz.
Dördüncüsü: atıflar zamanla oynuyor mu? AI cevapları deterministik değil; aynı soru iki sorguda farklı kaynak gösterebilir. Tek sorguluk anlık görüntüye karar bağlamayın; desen dediğim şey, tekrar eden sorgularda ısrarla ortaya çıkan kaynaklar.
Kendi domain ve üçüncü taraf atıf karışımı
Atıf tablonuzdaki en stratejik ayrım şu: sizi anlatan cevaplarda gösterilen kaynakların ne kadarı sizin domain'iniz, ne kadarı başkalarının? Bu karışım, AI görünürlüğünüzün karakterini belirliyor ve iki uç da kendine göre riskli.
Karışım ağırlıkla kendi domain'inizse, anlatı kontrolü sizde demek — AI motorları sizi sizin ağzınızdan anlatıyor. Güzel; ama bunun bir gölgesi var: bağımsız doğrulama zayıf demek. Motorlar kıyas ve "en iyi" tipi sorularda tarafsız kaynakları tercih etme eğiliminde; hakkınızda konuşan tek kaynak kendinizseniz, o sorularda masaya oturamıyorsunuz.
Karışım ağırlıkla üçüncü tarafsa, sektör sizi konuşuyor demek — bu değerli bir sinyal. Ama anlatı kontrolü başkasının elinde. Fiyatınızı iki yıl önceki bir inceleme yazısından, eksik özellik listenizi eski bir karşılaştırma tablosundan öğrenen bir AI motoru, bugünün kullanıcısına bayat bilgi taşır. Üçüncü taraf atıfların hangi sayfalara gittiğini tek tek açıp okuyun; oradaki bilgiler sizin bugününüzle uyuşuyor mu?
Bu karışımı motor bazında ayrı ayrı okumakta da fayda var; motorların kaynak iştahı birbirinden farklı ve birinde sağlıklı görünen denge diğerinde bozuk olabilir.
Sağlıklı resim ikisinin dengesi: temel marka gerçekleri (ne yaptığınız, fiyat, özellikler) kendi sayfalarınızdan; güven ve kıyas boyutu bağımsız kaynaklardan gelsin. Dengesizlik hangi yöndeyse, önümüzdeki çeyreğin işi o yönü beslemek.
Rakip kıyaslı atıf boşluğu analizi
Kendi atıflarınızı okumak resmin yarısı; diğer yarısı, aynı sorularda rakiplerin nereden atıf aldığına bakmak. Yöntem basit: prompt setinizdeki kategori ve kıyas sorularında dönen tüm atıfları — yalnız sizinkileri değil, hepsini — kaynak domain'ine göre listeleyin. Ortaya sektörünüzün "AI güven haritası" çıkar: motorların bu konuda tekrar tekrar başvurduğu inceleme siteleri, bloglar, forumlar, dizinler.
Sonra iki listeyi yan yana koyun: rakiplerin atıf aldığı kaynaklar ve sizin atıf aldıklarınız. Aradaki fark, boşluk listeniz. Varsayımsal bir örnekle somutlaştırayım: bir e-ticaret altyapı firması bu analizi yapıyor. Görüyor ki kategori sorularındaki cevaplar ısrarla iki bağımsız inceleme platformundan ve bir geliştirici forumundaki karşılaştırma başlıklarından besleniyor. Rakipler üçünde de var, kendisi hiçbirinde yok. Bu firmaya "daha çok blog yazın" demek boşa kürek; asıl iş o üç platformda var olmak. Boşluk analizi, eforu doğru kapıya yönlendiriyor.
Boşluk analizinin bir de ayna sorusu var: rakiplerin almadığı ama sizin aldığınız atıflar hangileri? Bunlar savunulacak mevzileriniz. Motorların size güvendiği bir kaynak veya konu bulduysanız, o cepheyi tahkim edin — atıf alan sayfayı güncel tutun, aynı konunun komşu sorularına da içerik yetiştirin. Rakipler de bu analizi yapabiliyor ve iyi mevziler sonsuza dek boş kalmıyor.
Bir uyarı: her boşluk kapatılmaya değmez. Motorun bir kez gösterdiği marjinal bir kaynağın peşinden koşmayın; birden çok soruda, birden çok motorda tekrar eden kaynaklara odaklanın. Tekrar, motorun o kaynağa güveninin işareti.
Atıfları PR hedef listesine çevirmek
Burası analizin paraya döndüğü yer. Geleneksel dijital PR'da hedef listesi sezgiyle veya domain otoritesi metrikleriyle kurulur. Atıf analizi bundan daha iyisini veriyor: AI motorlarının sizin sektörünüzde fiilen güvendiği kaynakların isim isim listesini. Bir kaynak bugün rakibiniz için atıf üretiyorsa, yarın sizin için de üretebilir — mekanizmanın çalıştığı kanıtlanmış.
Boşluk listenizdeki kaynakları üç kovaya ayırın, çünkü her birinin yolu farklı. Birinci kova, erişilebilir olanlar: inceleme platformları, ürün dizinleri, "en iyi araçlar" listeleri yayınlayan bloglar. Bunlara yol bellidir — profil açarsınız, listeye girmek için içerik önerirsiniz, güncel olmayan bilgiyi düzelttirirsiniz. İkinci kova, topluluklar: forumlar, Reddit, Stack benzeri platformlar. Buraya press release ile giremezsiniz; gerçek katılım ve sabır ister, ama atıf getirisi yüksek. Üçüncü kova, editoryal kaynaklar: sektör medyası, bağımsız blog yazarları. Klasik PR burada devreye girer — yalnız artık kime gideceğinizi tahmin etmiyorsunuz, veriden okuyorsunuz.
Kovalara ayırdıktan sonra önceliklendirme için basit bir puanlama yeterli: kaynak kaç farklı soruda atıf üretiyor, kaç motorda görünüyor ve içine girme maliyeti ne? Üç sorunun cevabını yan yana koyunca liste kendini sıralıyor. Varsayımsal bir örnek: iki kaynağınız olsun — biri tek motorda bir kez görünen büyük bir haber sitesi, diğeri üç motorda beş ayrı soruda tekrar eden orta ölçekli bir inceleme platformu. Prestij içgüdüsü haber sitesini seçer; veri, inceleme platformunu işaret eder. Atıf analizinin PR'a en büyük katkısı belki de bu — prestij sıralamasını etki sıralamasıyla değiştirmesi.
Son adım, döngüyü kapatmak: PR eforu harcadığınız kaynaklarda içerik çıktıktan sonra prompt setinizi tekrar koşun ve yeni atıfların gelip gelmediğine bakın. Beklentiyi de dürüst kurayım — bu hemen olmaz; motorların kaynağı taraması, işlemesi ve cevaplarına yedirmesi zaman alır, üstelik garanti değildir. Ama ölçtüğünüz sürece hangi kaynak tipinin sizin sektörünüzde karşılık verdiğini birkaç ayda öğrenirsiniz ve PR bütçeniz her turda biraz daha isabetli hedefe akar. Atıf analizi tek seferlik bir denetim değil; sıralama takibinin bu yeni dünyadaki karşılığı ve en az onun kadar süreklilik istiyor.
Bu, tam AI görünürlük ölçüm rehberindeki sekiz metrikten biri.
Önce tanım için yapay zeka atıfının ne olduğuna bak.