Yerel İşletme AI Arama: Yakınımda Sorusunu Kazanma Rehberi
Yerel işletme AI arama oyununda neden farklı kurallarla oynar?
AI görünürlük yazılarımın çoğu markalar ve ürünler üzerine; bu yazı ise mahalledeki işletme üzerine, çünkü yerel bambaşka bir oyun. "En iyi proje yönetim aracı" sorusunun cevabı dünyanın her yerinde aşağı yukarı aynı kaynaklardan kurulur. "Yakınımda iyi bir fizik tedavi merkezi" sorusunun cevabı ise sorana, saate ve semte göre değişir. Model bu cevabı kurarken elindeki malzeme blog yazıları değil; harita verisi, işletme profilleri ve yorumlardır.
Bu fark yerel işletmenin lehine işliyor, baştan söyleyeyim. Ulusal bir markanın AI görünürlüğü onlarca mecraya dağılmış dağınık bir dosyayken, yerel işletmenin dosyası birkaç yapılandırılmış kaynakta toplanıyor. Yapılacak işlerin listesi kısa, etkisi ölçülebilir ve çoğu kalem işletmecinin kendi elinde. Kötü haber de aynı yerden çıkıyor: o birkaç kaynak bakımsızsa saklanacak yer yok.
Baştan bir çerçeve daha: "yakınımda" tipi soruları artık yalnız Google'a sorulmuş sayamayız. İnsanlar ChatGPT'ye seyahat planı yaptırırken "otelin yakınında kahvaltı" soruyor, Gemini'ye "bu semtte veteriner" yazıyor, Google tarafında ise AI Overviews yerel sonuçların üstünde kendi özetini kuruyor. Kanallar farklı ama besledikleri veri katmanı büyük ölçüde ortak — ve bu yazının konusu o katman.
Google İşletme Profili, yerel AI cevaplarının omurgası
Sıralamayı doğru koyayım: yerel işletme için AI görünürlüğün bir numaralı varlığı web sitesi değil, Google İşletme Profili. Google'ın kendi AI yüzeyleri — AI Overviews ve AI Mode — yerel sorularda doğrudan bu profillerden ve harita verisinden besleniyor. Google dışı asistanların yerel bilgisi de büyük ölçüde aynı ekosistemin türevlerinden geliyor; web'de işletmeniz hakkında yazılmış ne varsa önemli bir kısmının kaynağında yine o profil var.
Burada bir zihniyet düzeltmesi gerekiyor. Çoğu işletmeci profili bir kere doldurulan kayıt formu gibi görüyor; oysa model tarafında profil, işletmenin canlı temsili gibi çalışıyor. Kullanıcı asistana "bu cumartesi öğlen açıklar mı, çocukla gidilir mi, otoparkı var mı" diye soruyor. Asistan bu sorulara profilin öznitelikleriyle, saat bilgisiyle, fotoğraflarıyla ve yorumlarıyla cevap veriyor. Profil bakımı kulağa basit geliyor ama arka arkaya baktığım profillerde aynı ihmaller tekrarlanıyor. Kategori seçimi gelişigüzel yapılmış: birincil kategori işletmenin asıl işini değil, kurulurken akla ilk geleni anlatıyor. Çalışma saatleri güncel değil; bayram ve tatil saatleri hiç girilmemiş — modelin "şu an açık mı" sorusuna verdiği cevap doğrudan buradan geliyor. Fotoğraflar üç yıllık. Ürün ve hizmet alanları boş. Soru-cevap bölümünde iki yıl önce sorulmuş bir soru cevapsız duruyor. Bunların her biri tek başına küçük; toplamı ise modelin gözünde "yaşayan işletme" ile "kağıt üstünde işletme" farkı.
Bir de işletme tanımı ve hizmet açıklamaları var ki çoğu profilde ya boş ya da slogan. Model o alanları metin olarak okuyor; "kaliteli hizmet, uygun fiyat" cümlesinden çıkaracağı hiçbir şey yok. "Randevulu çalışan, sporcu sakatlanmaları üzerine yoğunlaşmış fizik tedavi merkezi" cümlesinden çıkaracağı çok şey var. Profili doldururken müşterinin asistana soracağı cümleyi düşünün ve o cümlenin cevabını profile yazın.
Yorum sayısı ve yorum hızı, yerelde asıl para birimi
Yerel AI cevaplarında yorumların ağırlığı, başka her sinyali geride bırakıyor gibi görünüyor; şaşırtıcı da değil, çünkü "buranın kahvesi iyi mi" sorusunun modelin ulaşabildiği tek dürüst cevabı yorumlarda. Burada iki ayrı büyüklüğü ayırmak gerekiyor: toplam yorum sayısı ve yorum hızı, yani yeni yorumların gelme temposu.
Toplam sayı bir eşik meselesi: bir yerden sonra beş yüz yorumla dokuz yüz yorum arasındaki fark cevabı değiştirmiyor. Hız ise sürekli okunan bir sinyal. Son yorumu sekiz ay önce alınmış bir restoran, model açısından "hala iyi mi bilinmiyor" kategorisinde; her hafta birkaç taze yorum alan yer ise yaşadığını kanıtlıyor. Kapanmış ya da düşüşe geçmiş işletmelerin izi önce yorum temposunda görünür ve modeller güncelliğe bakmayı öğrenmiş durumda.
Bir de metin boyutu var. Modeller yıldız ortalamasını değil cümleleri kullanıyor; cevaplara yorumlardan sızan ifadeler "makarnası ev yapımı", "park yeri dert" gibi somut gözlemler. Bu yüzden müşteriden yorum isterken yıldız değil cümle isteyin: "iki kelime deneyiminizi yazarsanız çok işimize yarar" ricası, puanlamadan daha değerli veri üretiyor. Kötü yorumlara verilen sakin ve çözüm odaklı cevaplar da metin katmanının parçası; model o diyaloğu da okuyor. Sahte ve teşvikli yorumdan uzak durun; şablon dili artık hem platformlarca hem modellerce ayıklanıyor; yakalanmanın maliyeti de kazancından büyük. Hangi platformun hangi modele daha çok beslendiği ayrı bir yazının konusuydu; inceleme platformları yazısında ayrıntısıyla anlattım.
Yerel dizinler ve tutarlılık, sıkıcı ama belirleyici
Eski usul yerel SEO'nun NAP tutarlılığı dediği iş — isim, adres, telefon bilgisinin her yerde aynı olması — AI çağında öneminden bir şey kaybetmedi, hatta gerekçesi netleşti. Model bir işletme hakkında konuşmadan önce farklı kaynaklardaki kayıtları eşliyor; Google profili, Yandex Haritalar, Apple Haritalar, sektör dizinleri, belediye rehberleri, sosyal hesaplar. Kayıtlar çelişiyorsa iki şeyden biri oluyor: model ihtiyatla sizi anmıyor, ya da daha kötüsü, eski veriyi anıyor.
Türkiye'de bu katmanın pratik listesi sektöre göre değişir: restoran için Yemeksepeti ve TripAdvisor tarzı platformlar, konaklama için rezervasyon siteleri, sağlıkta randevu dizinleri, hizmet sektöründe Armut benzeri pazaryerleri. Kendi sektörünüzün listesini çıkarmanın kestirme yolu, modele sorular sorup atıf verdiği siteleri not etmek. Sonrası tempolu bir temizlik: eski adresler, kapanmış şube kayıtları, yanlış telefonlar, iki farklı yazımla açılmış mükerrer profiller. Yarım günlük iş; ve dizin temizliği bittiğinde işletmenizin veri dünyasındaki kimliği teke inmiş oluyor.
Web sitenizin buradaki rolü mütevazı ama net: her şube için ayrı sayfa, LocalBusiness schema, profildekiyle birebir aynı bilgiler ve müşterilerin gerçekten sorduğu sorulara sayfada verilmiş cevaplar. Site, dizin katmanının çelişki hakemi olarak çalışıyor; model iki kayıt arasında kaldığında sizin ağzınızdan çıkan resmi versiyon orada duruyor.
AI Overviews yerel sorgularda farklı davranıyor
Google'ın AI Overviews özelliği yerel sorgularda, bilgi sorgularındakinden görünür biçimde farklı çalışıyor. Bilgi sorusunda uzun bir sentez metni ve web kaynaklarına atıf görüyorsunuz; yerel niyetli soruda ise özet kısalıyor, yanına harita ve işletme kartları geliyor; içerik ise büyük ölçüde profil ve yorum verisinden kuruluyor. Yerel işletme için AI Overviews'a girmenin yolu blog içeriğinden değil, yukarıda anlattığım profil ve yorum katmanından geçiyor.
Bunun bir sonucu daha var: yerelde "sıfır tıklama" endişesi kısmen tersine dönüyor. Bilgi sitesi için AI özeti trafiği yutan bir rakip; yerel işletme için ise özet zaten sizi göstermek zorunda, çünkü kullanıcının niyeti bir kapıdan içeri girmek. Özetin size uğramaması asıl kayıp. AI Overviews'un genel mantığını, hangi sorgularda tetiklendiğini ve içerik tarafında neyin işe yaradığını AI Overviews rehberi yazısında anlattım; yerel işletmeyseniz o rehberi bu yazıdaki profil öncelikleriyle birlikte okuyun.
Google dışına da bir cümle: ChatGPT ve benzeri asistanlar yerel sorularda ya kendi harita ortaklıklarından ya da web'deki "şehrin en iyi 10 mekanı" tipi liste içeriklerinden besleniyor. O listeler — yerel bloglar, şehir rehberleri, gezi siteleri — yerelin toplayıcı katmanı; görünür olmak istediğiniz semtte hangi listelerin dolaşımda olduğunu bilmek ve oralarda var olmak, profil bakımından sonraki en değerli iş.
Tek şubeli işletmenin öncelik sırası
Somutlaştırmak için varsayımsal bir örnek kurayım: Kadıköy'de tek şubeli, on masalı bir üçüncü dalga kahveci. Sahibinin ne yüzlerce şubesi ne pazarlama ekibi var; AI görünürlük için ayırabileceği zaman haftada birkaç saat. Bu işletmenin öncelik sırası bence şöyle olmalı. Önce Google İşletme Profili: doğru kategori, dolu hizmet alanları, güncel saatler, bu aya ait fotoğraflar. Sonra yorum temposu: masaya küçük bir hatırlatma, memnun müşteriye nazik bir rica, her yoruma yetişkin bir cevap. Üçüncü sırada dizin temizliği: haritalarda ve yeme-içme platformlarında tek ve tutarlı kimlik. Dördüncü sırada semtin liste içerikleri: "Kadıköy'de kahve" yazan blog ve rehberlerde anılmak için ikram değil, iyi ürün ve görünür kimlik. En sonda web sitesi: tek sayfalık bile olsa doğru bilgili, schema'lı bir site.
Bu listeye bir de ölçüm alışkanlığı ekleyin, çünkü yerelde kendi görünürlüğünüzü test etmek ucuz ve hızlı: ayda bir kez, müşterinizin soracağı beş altı soruyu — "Kadıköy'de çalışmak için kahveci", "Moda'da laptopla oturulacak yer" gibi — birkaç farklı asistana sorun. Anılıp anılmadığınızı, anılıyorsanız hangi bilgiyle anıldığınızı not edin. Yanlış saat, eski adres, kapanmış kampanya gibi hatalar bu turlarda yakalanır ve kaynağı hemen hep düzeltilebilir bir profil veya dizin kaydıdır.
Bu sıranın mantığı basit: model tek şubeli işletmeyi zincirle içerik hacminde yarıştırmıyor; onu kendi semtinin sorusunda değerlendiriyor. Tek şubenin avantajı da bu — dosya küçük, tutarlı hale getirmesi kolay ve semt ölçeğinde yorum tazeliği gibi sinyallerde zinciri geçmek gayet mümkün. Zincirin merkez ofisi kırk şubenin profilini güncel tutmakta zorlanırken siz kendi profilinizi cuma akşamı beş dakikada güncelleyebiliyorsunuz. Yerel AI arama oyununda çeviklik, bütçeden daha değerli bir kaynak ve çeviklik tarafında küçük işletme hep önde.
Sektöre özgü taktikler için diğer sektör playbook'larına göz atın.