Sağlık AI Görünürlük: Klinikler için Gerçekçi Yol Haritası
Sağlık AI görünürlük neden kendi başına bir problem?
İnsanlar sağlıkla ilgili sorularını AI asistanlarına soruyor; bunu artık kimse tartışmıyor. Belirti ne anlama geliyor, bu ameliyat gerçekten gerekli mi, şu ilacın yan etkisi ne — ve bir noktada kaçınılmaz soru geliyor: "Peki kime gideyim?" O cümlenin geçtiği yerde bazı klinikler, bazı doktorlar, bazı sağlık markaları isim isim anılıyor. Bir klinik işletiyorsanız sağlık AI görünürlük sorunuz tam olarak şu: o isimlerden biri siz misiniz?
Ne var ki sağlık, genel GEO tavsiyelerinin en kötü taşındığı sektör. Başka dikeyler için yazdığım hemen her taktik burada ya törpülenerek çalışıyor ya da hiç çalışmıyor. Modeller sağlık sorularına yazılım veya kahve makinesi sorularından farklı davranıyor: daha çok çekince koyuyor, kurumsal kaynaklara daha çok yaslanıyor, isim vermeye daha az yanaşıyor. Cevapların arkasındaki kaynak ekosistemi daha dar ve girişi daha zor. Üstüne bir de makinenin sizin hakkınızda yanılmasının bedeli var ki o bedel ciro kaybıyla değil hasta güvenliğiyle ölçülüyor. Bu yüzden bu yazı kısıtlarla başlıyor; çünkü sağlıkta stratejinin büyük kısmı zaten kısıtların kendisi.
YMYL temkinliliği arama motorundan modele taşındı
Arama motorları "Your Money or Your Life" dedikleri içerik sınıfına — para ve sağlık — yıllardır ekstra titizlikle yaklaşıyor; bir sağlık sayfasının bir yemek tarifinden çok daha yüksek bir kanıt çıtasına tabi tutulduğunu SEO ile uğraşan herkes bilir. Cevaplar üretilmeye başlanınca bu refleks ortadan kalkmadı, modelin içine taşındı. Benim gözlemim, taşınırken bir miktar da sertleştiği yönünde.
Bunu görmek için bir asistana sağlık sorusu sormak yeterli. Cevaplar "mutlaka bir hekime danışın" tipi çekincelerle örülü; iddialar modelin kendi ağzından değil, kurumlara atıfla veriliyor; ve model bir proje yönetim aracını gönül rahatlığıyla önerirken belirli bir doktoru veya kliniği önermekten sık sık kaçınıyor. Bu bir aksaklık değil, tasarım: model sağlayıcıları sağlık cevaplarının gerçek dünyada risk taşıdığını biliyor ve eğitim buna göre yapılmış.
Klinik için pratik sonuç şu: anılma çıtası neredeyse her sektörden daha yüksek. Birkaç liste yazısında geçmek bir SaaS ürününü cevaba sokabiliyor; bir sağlık kuruluşunun cevaba girmesi için modelin kurumsal düzeyde teyit görmesi gerekiyor. Bütçe harcamaya başlamadan önce bunu içselleştirmekte fayda var, çünkü hedefi yeniden tanımlıyor: ikna etmeye çalıştığınız şey hevesli bir satıcı değil, gergin bir teyitçi. Yazının geri kalanı, o teyitçiye kabul edebileceği kanıtları vermenin yolları.
Sağlık Bakanlığı ve hastane sitelerinin kurumsal baskınlığı
Sağlık cevaplarının kaynaklarına bakınca desen hemen görünüyor: dar bir kurumsal küme tekrar tekrar çıkıyor. Türkiye bağlamında bu küme Sağlık Bakanlığı sayfaları, üniversite ve eğitim araştırma hastanelerinin siteleri, büyük hastane zincirlerinin kurumsal içerikleri, uzmanlık derneklerinin rehberleri ve yerleşik tıbbi referans siteleri demek. Hastalık ve tedavi sorularında bu kaynaklar sadece sık görünmüyor; geri kalan her şeyi kenara itiyor.
Bunun klinik için iki sonucu var. Birincisi: kurumlarla kendi sahalarında kapışmayın. "Sedef hastalığı nedir" içeriğini kendi blogunuzda yayınlayıp bakanlık ve üniversite hastanelerinin yanında kaynak gösterilmeyi ummak kaybedilmiş bir bahis; modelin kurumsal versiyonu tercih etmek için her türlü gerekçesi var. İkincisi ve daha önemlisi: kazanılabilir alan, kurumsal kaynakların sustuğu yer. Bakanlık bir işlemin ne olduğunu anlatabilir ama sizin şehrinizde o işlemi kimin iyi yaptığını, sizin kliniğinizin yaklaşımını, hastanın kapıdan girince ne yaşayacağını anlatamaz. Yerel ve kuruma özgü sorular farklı, çok daha erişilebilir bir kaynak katmanından derleniyor — kliniğin emeği asıl orada karşılık buluyor.
Kendi siteniz de en çok tam orada işe yarıyor: her hekim için ayrı ve net bir sayfa (diploma, uzmanlık, ilgilendiği durumlar), her lokasyon ve her hizmet için ayrı sayfa; abartısız, olgusal bir dille yazılmış; Physician ve MedicalOrganization schema ile işaretlenmiş; ve dışarıdaki her kayıtla bire bir tutarlı. Amacınız tıp literatürünü yeniden yazmak değil. Amacınız kim olduğunuzun tartışmasız kaydı olmak; motor yerel bir cevap kurarken sizin bilgileriniz en kolay bulunan ve en kolay teyit edilen bilgiler olsun.
Dizin ve yorum sinyalleri, kliniğin adının geçtiği katman
Kurumsal kaynaklarla kendi siteniz arasında, "kime gideyim" cevaplarının asıl kurulduğu bir ara katman var: sağlık dizinleri ve yorum platformları. Türkiye'de bu katmanın somut karşılığı DoktorTakvimi gibi randevu ve dizin siteleri, hastane ve doktor değerlendirme sayfaları ve — yerelin her yerinde olduğu gibi — Google İşletme Profili. Asistanlar isim verdiğinde atıflar ısrarla bu katmanı gösteriyor; çünkü kurumların dokunmadığı "kim" sorusu için motorların güvendiği yapılandırılmış üçüncü taraf verisi burada.
Bu katmanın iki özelliği emek istiyor. İlki tutarlılık. Kliniğinizin adı, adresi, branşları, çalışılan sigortalar ve saatler beş altı ayrı dizinde yaşıyor. Bu kayıtlar da tahmin edilenden çok daha sık çelişiyor: üç yıl önceki taşınmadan kalma eski adres, ayrılmış bir hekimin hala listede durması, klinik adının iki farklı yazımı. Motorlar bu kayıtları çapraz kontrol ediyor ve çelişki, güvenilmezlik olarak okunuyor. Bir öğleden sonrayı dizin temizliğine ayırmak, sağlıkta yapılabilecek en yüksek kaldıraçlı GEO işlerinden biri.
İkincisi yorumlar — ama sanıldığı gibi değil. Sayı ve güncellik elbette sayılıyor; asıl değerli olansa metin, çünkü modeller yıldız ortalaması almıyor, cümle alıntılıyor. "Doktor seçenekleri tek tek anlattı, ameliyata zorlamadı" cümlesi, sizinle muayene olmanın nasıl bir şey olduğuna dair geri getirilebilir bir kanıt; çıplak beş yıldız ise bir dil modeli için neredeyse görünmez. Memnun hastalardan, mevzuata uygun kanallarla yorum isteyin; teşvikli veya sahte yoruma ise hiç yaklaşmayın. Güven hassasiyeti bu kadar yüksek bir dikeyde yorum manipülasyonu hem hukuki bir sorun hem de motorların ayıklamak için özel olarak eğitildiği sinyalin ta kendisi.
Kliniğin gerçekçi yapabilecekleri
Somutlaştırmak için varsayımsal bir sahne kurayım. Ankara'da üç hekimli bir dermatoloji kliniği düşünün. Potansiyel hasta ChatGPT'ye soruyor: "Ankara'da yetişkin aknesi için iyi bir dermatolog arıyorum, nereye gideyim?" Model muhtemelen önce genel bir çekince koyacak, sonra birkaç isim veya kurum sayacak, belki DoktorTakvimi ve Google yorumlarına atıf verecek. Bizim varsayımsal kliniğin o cevaba girip girmemesini belirleyen şeyler neler? Sitesindeki "yetişkin aknesi" hizmet sayfasının varlığı ve netliği; üç hekimin dizinlerdeki profillerinin dolu ve tutarlı olması; Google profilindeki yorumların güncel olması ve içlerinde akne tedavisinden söz eden gerçek cümleler bulunması; bir de şehrin sağlık gündeminde ara sıra görünen, alıntılanabilir bir uzman kimliği.
Satıcı fantezilerinden arındırılmış gerçekçi program da zaten bu sahneden çıkıyor. Kendi kaydınızı kusursuz hale getirin: hekim, lokasyon ve hizmet sayfaları, schema, her yerde aynı bilgiler. Dizin katmanını temizleyin ve bakımını rutine bağlayın. İçerikli, metinli, gerçek yorum kütlesini sabırla büyütün. Ve yalnız sizin yayınlayabileceğiniz içeriği yayınlayın: hekimlerinizin yaklaşımı, tedavi sürecinin lojistiği, şehre özgü sorular — kurumların zaten sahip olduğu ansiklopedi maddeleri değil. Hekimlerinizin gerçekten söz sahibi olduğu konular varsa yerel basında görüş vermek ve meslek yayınlarına yazmak, o gergin teyitçinin aradığı üçüncü taraf doğrulamasını üretir. Sağlığın diğer sektörlere göre nerede durduğunu merak ediyorsanız sektör endeksi sayfasındaki karşılaştırmaya da bakın.
Bir şeyi de açıkça söyleyeyim: bu listede sihir yok ve olmaması iyi haber. Sağlıkta hızlı sonuç vadeden herkesten uzak durun; bu dikeyde kestirme yol, tanım gereği riskli yoldur. Zaman çizelgesi beklentisini de buna göre kurun: dizin temizliği gibi işlerin etkisi görece hızlı görünür, yorum kütlesi ve üçüncü taraf doğrulaması ise aylar ölçeğinde birikir. Kliniğin bu işi sürdürülebilir kılmasının yolu, ayda bir saatlik sabit bir bakım rutini — profiller kontrol edilir, yeni yorumlar cevaplanır, modele birkaç test sorusu sorulur — koymak; kampanya mantığıyla bir ay yüklenip bırakmak değil.
Halüsinasyon sağlıkta neden daha pahalı?
Son başlık, sağlık AI görünürlük işinin diğer sektörlerde eşi olmayan yüzü: modelin sizin hakkınızda yanlış konuşması. Model bir yazılım ürününün fiyatını yanlış söylerse birkaç şaşkın müşteri ve bir düzeltme maili olur. Model sizin kliniğiniz hakkında yanılırsa — kapatılmış bir şubeyi açık göstermek, sunmadığınız bir tedaviyi size atfetmek, ayrılmış bir hekimi hala kadronuzda saymak, en kötüsü bir tedavi iddiasını sizin ağzınızdan uydurmak — sonuç yanlış yönlenmiş bir hasta, boşa çıkmış bir güven ve duruma göre mevzuat riski.
Üstelik sağlıkta halüsinasyonu besleyen yapısal bir neden var: temkinlilik yüzünden model hakkınızda az veriyle konuşuyor ve az veri, boşluğu doldurma iştahını artırıyor. Hakkınızdaki kayıt ne kadar ince ve tutarsızsa modelin uydurma payı o kadar genişliyor. Yukarıda anlattığım tutarlılık işleri sadece görünürlük değil, aynı zamanda güvenlik işi.
Bu yüzden sağlık markalarına önerdiğim rutin iki yönlü: bir yandan anılmayı büyütmek, öte yandan anılanın doğruluğunu denetlemek. Modellere düzenli aralıklarla kendi kliniğinizi sorun, cevaplardaki olgusal hataları kayıt altına alın ve kaynağı bulunabilen hataları — eski dizin kaydı, bayat bir haber, çelişkili bir profil — kaynağında düzeltin. Bu denetimin nasıl sistematik hale getirileceğini AI halüsinasyon takibi yazısında adım adım anlattım; sağlıkta o yazının önerdiği takip sıklığını artırmak ve bulguları ciddiye almak gerekiyor, çünkü burada yanlış cevabın muhatabı bir müşteri değil, bir hasta.
Tüm sektör AI görünürlük playbook'larını görün ya da başka bir YMYL dikeyini okuyun: finans AI görünürlüğü.