AI aramada markanız
hangi aşamada kayboluyor?

İyi bir sayfa neden yanıtta görünmeyebilir?

Bir kişi yapay zekâya muhasebe yazılımı önerisi soruyor. Bir markanın sitesinde bu ihtiyacı açıklayan ayrıntılı bir sayfa bulunuyor. Ancak yanıt başka markaları anıyor. Sorun yalnız sayfanın konuyu anlatıp anlatmaması olmayabilir. Arama sistemi sayfayı kaynak olarak seçmemiş olabilir. Sayfayı kaynak gösterse bile markayı yanıt metnine almamış olabilir.

Benjamin Tannenbaum’un araştırması bu ayrımları inceliyor. Yazar sayfanın soruya uygunluğunu, görünür kaynaklara girmesini ve markanın son yanıtta anılmasını ayrı ölçüyor. Ayrıca marka kendi sitesi kaynak gösterilmeden de anılabiliyor. Bu nedenle görünürlüğü yalnız sayfaya verilen genel bir puanla açıklamaya çalışmıyor. Hangi gözlemin hangi aşamayı anlattığını belirleyen bir çerçeve öneriyor.

Araştırmacı hangi aşamaları ayırıyor?

Tannenbaum, ticari yapay zekâ arama ölçüm yazılımı geliştiren Aiso Boost şirketinin kurucusu ve yöneticisi. Çalışmada şirketin farklı amaçlarla topladığı verileri birleştiriyor. Araştırma tek bir baştan sona deney değil. Gerçek kullanıcı sorularını, belirli kuruluşların görünürlük kayıtlarını ve daha geniş bir izleme panelini birlikte değerlendiriyor. Her veri grubu farklı bir ilişkiyi incelemeye yarıyor.

Yazar önce kullanıcının gerçek isteğine bakıyor. Ardından sitenin bu isteği yanıtlayan bir sayfası olup olmadığını inceliyor. Sonraki soru, arama sisteminin hangi ek sorguları ürettiği. Makaledeki fan-out terimi, sistemin kullanıcı sorusundan türettiği ek arama sorgularını anlatıyor. Muhasebe yazılımı isteyen bir soru, özellikler ve karşılaştırmalar hakkında farklı aramalara dönüşebiliyor.

Araştırmacı daha sonra markanın kendi sitesinden bir adresin görünür kaynaklarda bulunup bulunmadığını kaydediyor. Son aşamada yanıt metninde marka adının geçmesini ölçüyor. Bu anılma olumlu öneriyle aynı şey değil. Marka bir karşılaştırmada veya olumsuz açıklamada da geçebilir. Yazarın kullandığı aşamalar, motorun gizli yazılımının doğrudan kaydı olarak sunulmuyor.

Veriler nasıl toplandı ve karşılaştırıldı?

Küçük veri gruplarından biri gerçek kullanıcı sorularını ve bu sorulardan türeyen aramaları içeriyordu. Araştırmacı tekrar eden aynı soruları ayıkladı. Başka bir grupta anonim bir kuruluş için 199 soruyu inceledi. GPT ve Gemini’nin kaynak listelerini ve marka anılmalarını karşılaştırdı. Kuruluşun sitesinden 275 kullanılabilir sayfa topladı. Her soru için sitedeki en uygun sayfayı bulmaya çalıştı.

Sayfa uygunluğunu kelime eşleşmelerine dayanan açık bir yöntemle hesapladı. Bu yöntem, sorudaki kelimelerin sayfada ne kadar ayırt edici biçimde bulunduğunu değerlendiriyor. Anlamca yakın ama farklı kelimelerle yazılmış açıklamaları kaçırabilir. Araştırmacı sayfaları temizleyerek menü, form ve benzer metinleri çıkardı. En uygun sayfanın puanını sorunun içerikle eşleşme göstergesi olarak kullandı.

Geniş panel Haziran ile Eylül 2026 arasındaki tekrarları kapsıyordu. Panelde 75 anonim projeden 34.960 soru-motor-çalıştırma gözlemi vardı. Yazar, kullanıcının sorusunda hedef markanın adının bulunduğu kayıtları çıkardı. Böylece markanın soruda zaten yazılı olmasının sonucu kolayca açıklamasını önlemeye çalıştı. Bunlar kullanıcı veya satın alma sayıları değil, motorların ürettiği yanıt gözlemleriydi.

Her gözlemde markanın kendi alan adının kaynaklarda bulunmasını kaydetti. Alan adı, internet adresinin hangi siteye ait olduğunu belirten bölümüdür. Ayrıca türetilen ek aramalarda hedef marka adının geçip geçmediğine baktı. Önceki çalıştırmalarda markanın ne sıklıkla anıldığını da hesapladı. Sonraki incelemeler bu geçmiş bilgiyle mevcut kaynak görünürlüğünü birlikte kullandı.

Kaynak listesinde bulunmakla marka anılması nasıl ilişkiliydi?

Geniş panelde GPT’nin ne markalı ek sorgu ne de markanın kendi sitesinden kaynak gösterdiği yanıtlarda marka anılma oranı %2,8’di. Markalı ek sorgu olmadan kendi site kaynağı bulunduğunda oran %49,0 oldu. Gemini’de aynı koşulların oranları %3,8 ve %58,4’tü. Bunlar farklı gözlem gruplarıdır. Bir sayfaya yapılan düzenlemenin öncesi ve sonrası değil.

Bu ayrım, kaynağın görünmesiyle markanın anılmasının güçlü biçimde ilişkili olduğunu gösteriyor. Ancak kaynak eklemenin anılmayı bu kadar artıracağını kanıtlamıyor. Arama sistemi kaynak listesini ve yanıtı birlikte üretiyor. İçeride hangisinin diğerini hangi sırayla etkilediği gözlenmiyor. Yazar da kaynak adresini listeye yerleştirmenin aynı sonucu doğuracağı iddiasında bulunmuyor.

Sayfanın soruya uygunluğu ise motorlar arasında aynı ilişkiyi göstermedi. Küçük kuruluş örnekleminde daha yüksek uygunluk puanı Gemini’nin kaynak seçimini daha iyi ayırt etti. GPT’de bu ilişki daha zayıftı. Uygunluğu yüksek sayfalar bile kaynaklara girmediğinde marka her zaman görünmüyordu. Araştırmacı bu bulguyu, içerik uygunluğunun kaynak seçiminin yerine kullanılamayacağı şeklinde yorumladı.

Tekrarlanan sorular ve geçmiş yanıtlar ne gösterdi?

Araştırmacı aynı kuruluş, aynı soru ve aynı motor için tekrarlanan yanıtları da karşılaştırdı. Kendi site kaynağının bazen bulunduğu, bazen bulunmadığı tekrarları inceledi. Marka anılmasıyla kaynak görünürlüğü arasındaki ilişki bu karşılaştırmada da sürdü. Böylece yalnız farklı markaların genel tanınırlığının farkı açıklaması ihtimalini azalttı. Ancak zamanla değişen motor ve kaynak koşullarını tamamen ortadan kaldırmadı.

Yazar geçmişteki marka anılmalarından bir eğilim hesabı oluşturdu. Sonra bu hesabı mevcut yanıtta görülen kaynaklar ve markalı ek sorgularla birleştirdi. Modeli eski kayıtlarla kurup daha sonraki kayıtlarda değerlendirdi. Geçmiş bilgiyle mevcut kaynak göstergelerini birlikte kullanmak, bunları ayrı kullanmaktan daha iyi sonuç verdi.

Bu değerlendirme her yanıtı üretilmeden önce kesin tahmin eden bir sistem değildi. Mevcut kaynaklar ve ek sorgular yanıt üretilirken gözleniyordu. Geçmiş hesabı da tamamlanan yanıtlarla ilerledikçe güncelleniyordu. Araştırmacı yalnız elle hazırlanmış sorulara baktığında ana ilişkinin korunduğunu gördü. Model sürümleri değişince temel anılma oranları da değişti. Bu yüzden katsayıları kalıcı motor kuralları olarak sunmadı.

Ayrı bir tekrarlı incelemede bazı yerleşik markalar kendi siteleri kaynak gösterilmeden sıkça anıldı. Tamamen kaynaksız görünen yanıtlar da vardı. Yazar bunu modelin önceki marka bilgisiyle uyumlu buluyor. Fakat görünmeyen kaynak işlemleri veya başka sitelerdeki bilgiler de açıklama olabilir. Kaynak görünmemesi, bilginin kesin olarak eğitim verisinden geldiğini kanıtlamıyor.

Araştırmanın sınırları neler?

Veriler farklı operasyonel amaçlarla toplanmıştı. Araştırmacı tek bir ön kayıtlı rastgele deney yürütmedi. Gerçek kullanıcı sorularını içeren küçük küme, bütün kullanıcıların soru dağılımını temsil etmiyor. Kayda alınmayan arama işlemleri de olabilir. Bu nedenle görünür ek sorgu bulunmaması, motorun içeride kesinlikle hiç arama yapmadığını göstermiyor.

Sayfa uygunluğu incelemesinde başka bir zaman sorunu var. Araştırmacı site sayfalarını görünürlük kayıtlarından sonra topladı. Arada eklenen veya güncellenen içerikler, sayfanın eski soruya uygunluğunu yüksek gösterebilir. Bu analiz, geçmişte aynı içerikle yapılmış kontrollü bir sıralama deneyi değil. Yazar sonraki araştırmada sayfa ve yanıt kayıtlarının aynı zamanda alınmasını öneriyor.

Kendi alan adından kaynak bulunması, markayı destekleyen bütün bilgiyi kapsamıyor. Başka bir sitenin karşılaştırma yazısı da markadan söz edebilir. Marka anılması ise tıklama, talep veya satın alma sonucu değil. Bu çalışma bu ticari sonuçları ölçmüyor. Kullanılan motor ve sektörlerin kapsamı da sınırlı.

İncelenen metin hakem değerlendirmesinden geçmemiş bir ön baskıdır. Tannenbaum şirketindeki görevinin mali çıkar çatışması oluşturduğunu açıkça bildiriyor. Ham konuşmalar ve müşteri düzeyindeki izleme kayıtları paylaşılmıyor. Yayımlanan toplu sonuçlar şekilleri ve özet hesapları yeniden üretmeye yetiyor. Fakat bağımsız bir araştırmacının modelleri baştan kurmasına ve bütün belirsizlik hesaplarını yeniden yapmasına yetmiyor.

Yazar sonraki araştırmalarda ne öneriyor?

Tannenbaum, içerik uygunluğunun her motorun kaynak seçimi ve marka anılmasıyla ayrı değerlendirilmesini öneriyor. Markanın kendi sayfalarının yanında başka sitelerdeki marka bilgilerinin de izlenmesini istiyor. Kaynakta bulunmakla olumlu öneri almayı aynı başarı ölçüsünde birleştirmemeyi öneriyor. Bu önerileri ölçümün hangi sorunu gösterdiğini açık tutmak için geliştiriyor.

Yazar daha güçlü bir deneyde içerik, kaynak dağıtımı ve arama koşullarının ayrı ayrı değiştirilmesini istiyor. Kullanıcının önceki konuşma bağlamını, sayfaları ve motor sürümünü birlikte kaydetmeyi öneriyor. Aynı soruların tekrarlanmasını da gerekli görüyor. Bu tasarımın aşamalar arasındaki nedensel ilişkileri sınayabileceğini belirtiyor. Mevcut çalışma ise görünür kayıtlar arasındaki ilişkiyi açıklayan bir inceleme olarak kalıyor.