Yapay Zeka Aramaları Sayfayı Değil Pasajı Alıntılar (retrieval and citation)
Klasik bir arama motoru sıralanmış bir belge listesi döndürür ve ürün, kullanıcının yaptığı tıklamadır. Üretken bir yapay zeka arama motoru ise yapısal olarak farklı bir iş yapar: sorunuzu bir veya birden fazla getirme sorgusuna dönüştürür, birkaç düzine aday pasajı geri çeker, bunları yeniden sıralar ve yalnızca getirdiği metne dayanan bir cevap yazar; kaynak gösterimlerini de bu metinden üretir. Rekabetin birimi artık sayfa değil, pasajdır. Amacınız sonuç sayfasında üçüncü sırayı almak değil; modelin alıntılamayı seçtiği beş ila on parçadan biri olmaktır. Bu tek kayma, paragraf düzeyinde iyi içeriğin ne demek olduğunu da, sitenizde hangi mühendislik işinin gerçekten karşılığını verdiğini de baştan değiştirir.
Yazarken boru hattını kafanızda tutmak işe yarar. Sorgu genişletilir ve çoğu zaman yeniden yazılır; dolayısıyla özenle optimize ettiğiniz ifade hiçbir zaman sorgulanmayabilir. Getirme işlemi, çoğunlukla motorun kendi web taramasından çok ticari bir arama API'si üzerinden çalışan bir dizin üzerinde yapılır. Bir yeniden sıralama katmanı aday kümesini modelin okuyabileceği boyuta indirir. Üretim aşaması hayatta kalan pasajlar üzerinde gerçekleşir ve kaynak gösterimi, cevaptaki bir cümlenin bu pasajlardan birine kadar izlenebilmesi nedeniyle ortaya çıkar. Yani sayfanız iki kez yarışır: önce hiç getirilebilmek için, sonra alıntılanmaya değer pasaj olarak seçilmek için. Aynı mantık, kullanıcı adına gezinen AI ajanları için de geçerlidir; bu yüzden ajan trafiği ile cevap motoru trafiği benzer davranır.
Ticari sonuçlar doğrudan çıktının biçiminden gelir. Bir cevap yalnızca birkaç kaynağa atıf yapar; dolayısıyla dağılım, on mavi bağlantılı bir sonuç sayfasına kıyasla çok daha fazla kazananın çoğunu aldığı bir yapıya kayar. Cevapların önemli bir kısmı kullanıcının sorusunu tamamen çözer; bu da analitik panelinizde karşılığı olan hiçbir oturum görünmeden marka gösterimi kazandığınız anlamına gelir. Tıklama geldiğinde ise genellikle huninin sonuna yakındır, çünkü karşılaştırma işini model kullanıcı adına zaten yapmıştır. Bunların hiçbiri trafiği anlamsız kılmaz; ama bir site oturum kaybederken etki kazanıyor ya da oturum kazanırken hiç kimse tarafından alıntılanmıyor olabilir. Yalnızca birini ölçmek sizi yanıltır; bu yüzden görünürlük ile trafiği ayrı iki gösterge olarak ele alıyoruz.
GEO, SEO ve AEO: Gerçekte Ne Değişiyor
Üç kısaltma aşağı yukarı tek bir işi tarif ediyor. SEO, sıralanmış belge getirmeyi hedefler. AEO (answer engine optimization), hedef öne çıkan snippet'ler ve tek bir sonucu sesli okuyan asistanlar olduğunda kullanılan isimdi. GEO (generative engine optimization) ise sentezlenmiş bir cevabın içinde kaynak gösterilmeyi hedefler. Dürüst özet şu: GEO'nun büyük kısmı, düzgün yapılmış SEO artı çıkarılabilirliktir. Bir tarayıcı HTML'inizi alamıyorsa, canonical etiketleriniz birbiriyle çelişiyorsa, iç bağlantılarınız kütüphanenizin yarısını yetim bırakıyorsa, modeller için yazmanın hiçbir biçimi sizi kurtarmaz. Temel aynıdır. Türkiye pazarında bu ayrım özellikle bulanıklaştırılıyor, çünkü aynı tarama raporu yeni bir kapakla GEO paketi olarak fiyatlanabiliyor.
Gerçekten değişen kısımları tek tek saymakta fayda var, çünkü yeni iş tam olarak orada. Birincisi kendi kendine yeterlilik: önceki paragrafa gönderme yapan bir zamirle başlayan pasaj, bağlamından koparılıp parçalandığı anda işe yaramaz hale gelir. İkincisi eksik sıralama: takip edilecek bir pozisyon yoktur, yalnızca görünme olasılığı vardır; dolayısıyla ölçüm, bir panodan sayı okumak değil örnekleme yapmak anlamına gelir. Üçüncüsü sorgu uyuşmazlığı: getirme çoğu zaman yeniden yazılmış bir sorgu üzerinde çalışır, bu da birebir anahtar kelime çalışmasının kaldıracını büyük ölçüde yok eder. Dördüncüsü varlık netliği: motorun şirketinizin ne olduğunu, nerede çalıştığını ve ne sattığını bilmesi gerekir; bunu bir başlık etiketinden değil, çok sayıda kaynaktaki tutarlı tariflerden toplar.
Tiyatro olan kısımları da adıyla söylemek gerekir. Sayfaları yapay zeka ifadesiyle doldurmak hiçbir şey yapmaz. Bir modelin öyle sevdiğini hayal ettiğiniz için düz, robotik bir üslupla yazmak da hiçbir şey yapmaz; üstelik sözleşmeyi imzalayan insan okuru kaybettirir. Yeni bir kapak sayfası eklenmiş bir tarama raporundan ibaret olan GEO denetimi için aylık ücret ödemek de hiçbir şey yapmaz. Bir alıcıya ilk bütçeyi oluşturma katmanına ve niyeti en yüksek yirmi sayfanın çıkarılabilirlik için yeniden yazılmasına harcamasını söylerdik. Tescilli bir GEO skoru olarak satılan her şeye ise, tedarikçi hangi soruları hangi motorlarda ve hangi sıklıkla çalıştırdığını ayrıntısıyla açıklayana kadar şüpheyle yaklaşın. Hesaplamasını gösteremeyen bir pano ölçüm değil dekorasyondur.
Alıntılanmayı Ne Sağlar: Çıkarılabilirlik (extractability)
En güvenilir yapısal değişiklik, cevabı başa koymaktır. Her bölüm, kendi başlığının sorduğu şeye doğrudan cevap veren bir pasajla açılmalı; bağlam ve çekinceler ondan sonra gelmelidir. Getirme sistemleri belgeleri tipik olarak 200 ila 800 token arasında değişen parçalara böler ve bu parçalama sizin retorik kurgunuza saygı göstermez. İşe yarayan bir mühendislik testi şudur: herhangi bir paragrafı alın, başlıksız ve komşusuz, tek başına okuyun ve hâlâ doğru ve tamamlanmış bir şey söyleyip söylemediğini sorun. Üstündeki paragrafa ihtiyaç duyuyorsa getirilecek, sonra da buna ihtiyaç duymayan bir pasaj lehine sessizce elenecektir. Tanımlar da aynı muameleyi hak eder: sözlük maddesi gibi tek başına durabilecek tek bir cümle olarak yazılmalıdır.
KDD 2024 GEO araştırması, kendi deney ortamında bazı içerik düzenlemeleriyle görünürlük artışı bildirdi. Bu sonuç, sitemizin ne kadar arama trafiği veya kaç atıf alacağını söylemez. Açık ve kaynaklarla desteklenmiş pasajları denemek için bir gerekçedir; yeni bir makale için tahmin değildir.
75.000 markayı inceleyen Ahrefs araştırması, web üzerindeki marka bahsiyle Google AI Overviews görünürlüğü arasında 0,664; geri bağlantılarla aynı görünürlük arasında 0,218 korelasyon buldu. Bu gözlemsel çalışma, bir marka bahsi edinmenin atıfa neden olacağını veya ilişkinin Hatson Tech için aynı olacağını göstermez. Doğru teknik dokümantasyon ve gerçek proje kanıtları yine de insanların şirketi tanımasına ve değerlendirmesine yardımcı olur.
Listeyi iki küçük etken tamamlıyor. Yapılandırılmış veri, motora sayfanın ne olduğunu, ne zaman yazıldığını ve kimin yazdığını belirsizliğe yer bırakmadan söyler; birkaç aday kaynak birbiriyle çeliştiğinde ve tazelik belirleyici olduğunda bunun değeri artar. İkincisi, motorlar artık düz metinden fazlasını okuyor: çok modlu modeller bir grafiği ya da ekran görüntüsünü çözümleyebiliyor; dolayısıyla bir görselin içine hapsedilmiş sayılar aynı zamanda metin olarak, bir açıklama satırında veya tabloda bulunmalı, yalnızca piksel olarak değil. Bu etkenlerin hiçbiri söyleyecek sözü olmayan bir sayfayı kurtarmaz; ama ikisi de şablon düzeyinde bir kez yapılacak kadar ucuzdur ve atlanmasını savunmak gerçekten zordur. Biz de her ikisini bir kez şablona yazdık ve o günden sonra makale başına ek bir iş çıkarmadılar.
Tarama ve Oluşturma Katmanı (crawl and render)
İçerikle ilgili hiçbir çalışmanın anlamı olmadan önce, otomatik bir istemcinin sayfayı okuyabilmesi gerekir. Yapay zeka tarayıcılarının yetenekleri değişkendir ve bir cevabı dayandırmak için sayfa çeken istemcilerin çoğu düz bir HTTP isteği atıp dönen HTML'i ayrıştırır. Paketinizi çalıştırmaz, hydration'ı beklemez, istemci tarafında veri isteği yapıp yükleniyor animasyonunun bitmesini nazikçe beklemez. Boş bir kök element gönderip metnini JavaScript çalıştıktan sonra boyayan tek sayfalık bir uygulama, bu istemcilerin önemli bir bölümü için üzerinde yalnızca menü olan boş bir belge gibi görünür. Testi bir dakika sürer: adresi tarayıcı olmadan isteyin, etiketleri ayıklayın ve geri gelen kelimeleri sayın. Yüz kelimenin altındaysa çözülmesi gereken bir mimari sorununuz var demektir.
hatsontech.com statik bir sitedir. Her makale diskte eksiksiz bir HTML belgesidir; yani ilk cevap gövdenin her kelimesini, başlıkları, iç bağlantıları ve şema bloklarını zaten içerir. Makale şablonunun hiçbir yerinde istemci tarafı oluşturma yoktur, tembel yüklenen metin yoktur ve bir tarayıcının asla yapmayacağı bir etkileşimin arkasına saklanmış içerik yoktur. Bu karar başlangıçta GEO için alınmadı; sunucu tarafında durumu olmayan bir tanıtım sitesinin her ziyaretçiye bir çatı çalışma zamanı göndermesi için hiçbir gerekçe olmadığı için alındı. GEO yalnızca bu kararın karşılığını görünür kıldı. Halihazırda bir çatı kullanıyorsanız karşılığı, içerik yolları için gerçek sunucu tarafı oluşturma veya statik üretimdir; bunu tarayıcıya değil ham cevaba bakarak doğrulayın.
Yanında üç destekleyici parça var. Her makalenin canonical adresi bulunur; XML site haritası İngilizce ve Türkçe sürümleri eşler. robots.txt dosyamızda genel bir Allow: / kuralı vardır; yapay zeka tarayıcıları için ayrı isimli izin blokları yoktur. Ayrıca CDN güvenlik ayarları bir tarayıcıyı engelleyebilir. Bu yüzden erişimi varsaymak yerine gerçek yanıtları ve günlükleri kontrol etmek gerekir.
İki Dilli İçerik ve hreflang Üçlüsü
Sitedeki her makale iki kez var: insights yolunun altında bir İngilizce adres, faydalı bilgiler yolunun altında bir Türkçe adres ve ikisi birbirini gösteriyor. İşaretleme karşılıklı bir üçlüdür: Türkçe için bir alternatif girdi, İngilizce için bir alternatif girdi ve Türkçe sürümü gösteren bir x-default girdisi. x-default, dil tercihi bildirilen iki hedefle de eşleşmeyen bir ziyaretçi ya da tarayıcı için geri düşüş adresini bildirir. Bunu Türkçeye yöneltmek, Türkçe sayfanın birincil baskı olduğunu söyleyen bilinçli bir tercihtir ve ana pazarı Türkiye olan bir şirket için doğru olan da budur. Aynı eşleştirme site haritasında da tekrarlanır; böylece ilişki, iki sayfayı da taramaya gerek kalmadan keşfedilebilir.
Dil hedeflemesi, üretken cevaplarda klasik bir sonuç sayfasına kıyasla daha fazla ağırlık taşır. Model, kendisine hangi dilde soruldu ise o dilde cevap verir; getirme genellikle aynı dilde yapılır; ve teknik bir konuda Türkçe külliyat İngilizcesine göre çok daha incedir. Bu asimetri kullanılabilir. Bir motora İngilizce olarak üretim hattında görüntü işleme ile kalite kontrol sistemlerinin nasıl kurulduğunu sorun; tedarikçilerin, üniversitelerin ve entegratörlerin yazdığı binlerce güvenilir sayfa arasından seçim yapacaktır. Aynı soruyu Türkçe sorun; aday havuzu birkaç düzineye iner ve bunların çoğu birbirinin yüzeysel tekrarıdır. Ciddi hazırlanmış bir Türkçe sayfa, aynı alıntı yeri için çok daha zayıf bir rekabetle karşılaşır.
Bundan iki uygulama kuralı çıkıyor. Birincisi, makine çevirisi yapıp yayımlamayın: çevrilmiş bir özet, çevrilmiş bir özet gibi okunur ve sayıları sessizce düşüren bir pasaj, alıntılanmayı sağlayan özelliklerin hiçbirini taşımaz. Türkçe makalelerimiz İngilizcesiyle aynı rakamları, aynı bölüm yapısını ve aynı teknik derinliği taşır; dönüştürülerek değil, yazılarak üretilir. İkincisi, dilleri kendi canonical etiketleri olan ayrı ve kalıcı adreslerde tutun; tek bir adreste çerezle veya IP tabanlı konum tahminiyle içerik değiştirmeyin. Beklenmedik bir bölgeden gelen bir tarayıcı, eline hangi sürüm geçtiyse onu dizine ekler ve hangi sayfaya neyin atfedildiği üzerindeki kontrolü kaybedersiniz. Bu kontrolü sonradan geri kazanmak, baştan doğru kurmaktan çok daha pahalıdır; çünkü yanlış dizine girmiş adreslerin yeniden taranması aylar sürebilir.
Pratikte Yapılandırılmış Veri (structured data)
Her makale şu anda Article ve BreadcrumbList JSON-LD taşır. Makale işaretlemesi başlığı, ilk yayın tarihini, yazar ve yayıncı kuruluşu ve canonical sayfayı belirtir. Makalelerin çoğunda JSON-LD içinde güncelleme tarihi veya dil bilgisi henüz yoktur; dil ilişkisi karşılıklı hreflang bağlantılarıyla gösterilir. Yapılandırılmış veri sayfayı tanımlamaya yardımcı olur; ancak Google, yapay zeka arama özellikleri için özel bir şema istemez ve hiçbir motor bu alanların atıf seçtiğini doğrulamamıştır.
BreadcrumbList hiyerarşiyi bildirir: site kökünden makale dizinine, oradan makalenin kendisine. Böylece bir makinenin yapıyı bir adresin biçiminden tahmin etmesi gerekmez. FAQPage bu konu için daha ilginç olanı, çünkü taşıdığı yük tam anlamıyla soru dizgeleriyle eşleşmiş, kendi başına yeterli cevap dizgelerinden oluşur. Yani kimsenin önce sizin düz metninizi doğru yerlerden bölmesini gerektirmeyen, önceden parçalanmış bir soru-cevap kümesi teslim edersiniz. Arama motorları FAQ zengin sonuçlarını gösterme sıklığını azalttı ve biz bu işaretlemeyi yalnızca zengin sonuç için eklemezdik. Ekliyoruz, çünkü tek başına okunduğunda ayakta kalan altı cevap yazmak, bunları hangi sistemin tüketeceğinden bağımsız olarak yararlı bir disiplindir.
Dürüst çekince şu: hiçbir büyük motor, şemanın alıntı seçimine girdi olduğunu doğrulamadı; bu yüzden onu çekebileceğiniz bir kaldıraç değil, düşük maliyetli bir belirsizlik giderme katmanı olarak görün. İki kural bunun bir yükümlülüğe dönüşmesini engeller. Görünür metinde yer almayan bir iddiayı asla işaretlemeyin; şema ile gövde arasındaki ayrışma yanlış yönü gösteren bir kalite sinyalidir ve bazı durumlarda manuel yaptırım sebebidir. İkincisi, işaretlemeyi sayfa gövdesiyle aynı kaynaktan üretin ki ikisi zaman içinde birbirinden uzaklaşamasın. Bu, bir getirme sistemi için veri hazırlamakla aynı disiplindir: tek kaynak, tek dönüşüm, elle bakımı yapılan kopya yok.
llms.txt Sorusuna Dürüst Bir Cevap
llms.txt, alan adının kökünde önemli sayfaları listeleyen bir Markdown dosyasıdır ve henüz benimsenmiş bir standart değildir. Hiçbir büyük motor dosyayı okuduğunu doğrulamadı; yapay zeka görünürlüğünü artırdığına ilişkin kamuya açık kanıt da yoktur. Biz bu dosyayı, kanıtlanmış bir optimizasyon olarak değil, sayfalarımızın bakım maliyeti düşük bir dizini olarak tutuyoruz.
llms.txt dosyamız kısa bir şirket tanımıyla başlar. Site üreticisi ardından mevcut HTML sayfalarından başlıkları ve canonical adresleri ekler; böylece yayımlanan yeni sayfalar ikinci bir listeyi elle güncellemeden dosyaya girebilir. Dosya şu anda her makale için ayrı bir tek cümlelik açıklama içermez. Onu görünürlüğe etkisi kanıtlandığı için değil, bakım maliyeti düşük olduğu için tutuyoruz.
Dolayısıyla tavsiyemiz koşullu ve heyecansız. Size bir öğleden sonraya mal oluyorsa ve site haritanızı üreten dizinden yeniden üretilebiliyorsa yazın; çünkü aşağı yönlü risk bayatlamış bir dosya, yukarı yönlü fayda ise benimsenme gerçekleşirse elde kalan opsiyondur. Bunun için yazılım satın almayın, oluşturma katmanı veya çıkarılabilirlik çalışmasının önüne geçmesine izin vermeyin ve bir paydaşa tamamlanmış bir optimizasyon olarak raporlamayın. Ucuz sigorta doğru bir tanımdır. Sıralama faktörü değildir ve bunu bir faturadan öğrenmektense bizden duymanız daha iyi olur. Aynı mantık dosyanın varlığını denetleyip puan üreten panolar için de geçerli: bir dosyanın var olması, okunduğunun kanıtı değildir.
Yapay Zeka Botlarını robots.txt ile Engellemeli misiniz?
Engelleme kararı gerçektir ve herkes için aynı karar değildir. robots.txt içinde GPTBot ve benzeri istemcileri yasaklamak, metninizin eğitimde kullanılma ihtimalini en azından dosyaya uyan operatörler için azaltır. Karmaşıklık şurada: aynı operatörler çoğu zaman canlı bir cevap için getirme yapan ayrı tarayıcılar da çalıştırır ve bu iki amacın isimlendirilmesi ile aralarındaki ayrım zaman içinde birden fazla kez değişti. İçeriği eğitimden korumak için geniş bir engelleme yazmak, sizi cevapların kendisinin de dışına çıkarabilir; ki bu, çoğu kurumsal satış yapan sitenin kaçınmaya çalıştığı sonucun ta kendisidir. Kuralları yazmadan önce kuralların ne olduğu hakkında yazılmış bir blog yazısını değil, operatörün güncel dokümantasyonunu okuyun.
İçeriğin ne işe yaradığını sorduğunuzda ayrım genellikle netleşir. İçerik ürünün kendisiyse, örneğin abonelikli bir araştırma arşivi, ödeme duvarı arkasındaki bir sektör yayını veya bir görsel bankasıysa, engelleme lehine güçlü bir gerekçe vardır ve doğru yaptırım bir metin dosyası değil kimlik doğrulamadır. İçerik pazarlama amaçlıysa, ki bizimki öyledir, engelleme kendi kendini baltalar: bir makaleyi okunsun ve alıntılansın diye yayımlayıp sonra elinizdeki en verimli alıntılama mekanizmasına onu atlamasını söylemiş olursunuz. Kafa karışıklığı çoğunlukla bunu veri yönetişimiyle karıştırmaktan doğar. Müşteri kayıtlarınızın ağınızdan çıkıp çıkmadığı ayrı bir sorudur ve cevabı robots.txt değil, kurum içi ve egemen kurulumlardır.
Ne karar verirseniz verin, robots.txt'nin ne olduğu konusunda net olun. Arkasında hiçbir yaptırım bulunmayan, iyi davranan istemcilerin uyduğu yayımlanmış bir ricadır. Bir belge otomatik bir istemci tarafından gerçekten çekilmemeliyse, yeri kimlik doğrulamanın, hız sınırlamanın veya imzalı bir adresin arkasıdır; robots yönergesi en fazla kapıya asılmış bir nezaket notudur. İşin diğer yarısı doğrulamadır: user agent dizgeleri kolayca taklit edilir, bu yüzden gerçek tarayıcı trafiğini operatörlerin yayımladığı IP aralıklarıyla karşılaştırın ve izin verdiğinizi söylediğiniz istemciler için erişim kayıtlarınızı düzenli olarak inceleyin. Biz bunu periyodik yapıyoruz ve uç kurallarının amaçlamadığımız bir şey yaptığını birden fazla kez gördük.
Ölçmek: Ses Payı (share of voice) ve Atıf Oranı
Emeğe değen dört ölçüm var, güvenilirlik sırasına göre. Atıf oranı: sabit bir soru kümesi için alan adınız kaç kez kaynak olarak görünüyor. Ses payı: bu sorular için gösterilen tüm kaynaklar içinde sizin payınız ve adı geçen her rakibin payı ne kadar. Yapay zekadan gelen trafik: bir asistana ait yönlendirici ile gelen oturumlar, etiketlenmiş ve organik aramadan ayrı bölümlenmiş halde. Marka sorgusu artışı: pazarlama karmasında başka hiçbir şey değişmezken şirket adınıza yapılan aramalar büyüyor mu; bu, hiç göremediğiniz gösterimler için elinizdeki en yakın vekil ölçüttür. Dördünün her biri farklı bir soruya cevap verir ve hiçbiri diğerinin yerine geçmez.
Şimdi dürüst kısım: bunu iyi ölçmek gerçekten zordur ve size tertemiz bir pano gösteren herkes varyansı sizden saklıyordur. Cevaplar deterministik değildir; aynı soru bir saat içinde iki kez sorulduğunda farklı bir kaynak kümesi dönebilir. Sıralama takipçisinin karşılığı yoktur, çünkü takip edilecek bir sıralama yoktur. Yönlendirici verisi incedir ve bazen tamamen yoktur, çünkü asistanlar bu bilgiyi kırpabilir veya hiç göndermeyebilir. Çalışan yaklaşım örneklemedir: gerçek alıcı niyetini temsil eden yaklaşık 30 ila 80 soruluk sabit bir küme belirleyin, bunu bir takvime bağlayarak çalıştırın, hangi alan adlarının çıktığını kaydedin ve sonucu geniş hata payı olan bir tahmin olarak ele alın. Çalıştırmalar arasında birkaç puanlık oynama normaldir ve yönetime trend diye anlatılmamalıdır.
İş gerekçesine dikkatle taşınmaya değen bir dış rakam var. Seer Interactive, Haziran 2025'te ChatGPT üzerinden yönlenen ziyaretçilerin yüzde 15,9 oranında dönüşüm sağladığını, organik aramada bu oranın yüzde 1,76 olduğunu bildirdi. Bu tek bir ajansın müşteri tabanıdır, söz konusu mutlak hacimler küçüktür ve seçilim etkisi açıktır: karşılaştırma sorularının cevabını modelden almış bir kullanıcı, ikna edildiği için değil tanımı gereği huninin derinindedir. Buradan gelir projeksiyonu yapmayın. Ama bunu, az sayıda oturum getiren bir kanalın neden yine de mühendislik ilgisini hak ettiğini ve yalnızca oturum sayısını ölçmenin yapılan işi neden sistematik olarak değersizleştirdiğini bir finans paydaşına anlatmak için kullanın.
hatsontech.com'da Neyi Çalıştırıyoruz
Uygulanan envanter şöyle: Makaleler sunucudan tam HTML olarak gelir ve canonical adres taşır. Her makalenin İngilizce ve Türkçe sürümü karşılıklı hreflang bağlantılarıyla eşlenir; XML site haritası da dil alternatiflerini içerir. Makaleler Article ve BreadcrumbList JSON-LD kullanır; bazılarında görünür soru-cevap bölümü ve ona uyan FAQPage işaretlemesi de vardır. robots.txt tüm kullanıcı aracılarına genel bir kuralla izin verir. Üretici, site haritası ve llms.txt dosyasını yayımlanan sayfalardan oluşturur. Bunlar keşif ve açıklık için yararlıdır; herhangi bir yapay zeka motorunun bizi kaynak göstereceğinin kanıtı değildir.
Mühendislik tarafı birkaç gün sürdü, neredeyse tamamı şablon katmanındaydı ve artık marjinal maliyeti sıfır, çünkü her yeni makale bu yapıyı kendiliğinden miras alıyor. Üretim sahasında çalışan ajanlar üzerine yazdığımız makale için ayrıca hiçbir GEO işi yapılmadı; makale yazıldı ve düzenek onunla birlikte geldi. Yapmadıklarımız da en az bunun kadar önemli. Görünürlük izleme platformu satın almadık, GEO danışmanlığı için aylık bir anlaşma imzalamadık ve modeller öyle konuşulmayı seviyor varsayımıyla eski makaleleri daha düz bir üsluba çevirmedik. Biz bir pazarlama ajansı değil, bir yapay zeka mühendisliği şirketiyiz ve bunu kapsamı belli bir yazılım işi olarak ele alıyoruz.
Sıfırdan başlıyorsanız, işlem sırası listedeki tek tek tekniklerden çok daha fazla önem taşır. Önce oluşturma katmanını düzeltin, çünkü ondan sonra gelen her şey o olmadan değersizdir. Sonra canonical, hreflang ve yapılandırılmış veri gelir; bunlar şablon işidir ve dolayısıyla bir kez ödenir. Ardından niyeti en yüksek yirmi sayfanızı, her bölüm kendi başına yeterli bir cevapla açılacak ve en az bir doğrulanabilir sayı taşıyacak şekilde yeniden yazın. Sonra ölçümü kurun ki gerçekten bir şeyin kıpırdayıp kıpırdamadığını görebilesiniz. Ve hâlâ boş bir öğleden sonranız varsa llms.txt'yi yazın. Ters sırayı öneren bir tedarikçi, yani önce llms.txt ile pano, oluşturma katmanı hiç, size neyi teslim edebildiğini söylemiş olur.
Bu dosyaları kontrol edilmesi gereken yazılım gibi ele alıyoruz. Site üreticisi yayımlanmış HTML sayfalarından site haritası ve llms.txt oluşturur; makale JSON-LD'si ise her makale dosyasında yer alır. Yayın kontrolü canonical adresleri, hreflang eşlerini ve geçerli JSON-LD'yi doğrular; fakat her editoryal iddiayı veya yapay zeka atıflarını garanti edemez. Bu, bir tanıtım sitesine uygulanmış sıradan özel yazılım geliştirme disiplinidir: uygulananı açıkça söylemek, ardından gerçekten olanı ölçmek.