Yapay zekâda ürün görünürlüğü tek sorguyla ölçülür mü?
Yapay zekâya aynı ürün sorusunu tekrar sorduğunuzda aynı önerileri alıyor musunuz? Görünürlük raporunu tek yanıta dayandırmadan önce bunu kontrol edin. Hakem değerlendirmesinden geçtiğine dair bilgi bulunmayan arXiv ön baskısında araştırmacılar, tekrarlanan sorularda ürünlerin ve görünen kaynakların değiştiğini, yazılımların sisteme bağlandığı API üzerinden alınan cevapların da tüketici arayüzünden ayrıştığını buldu. Ön baskı, araştırmanın hakemli yayın öncesinde paylaşılan sürümüdür. DijitalPi yorumu: Rapora yanıtı hangi uygulamadan aldığınızı ve soruyu tekrar sorup sormadığınızı yazın. Çalışma satış, tıklama veya reklam etkisini ölçmedi. Sorular çoğunlukla İngilizceydi; Hollanda üzerinden toplanan cevaplar Türkçe ve Türkiye için geçerliliği göstermiyor.
İngilizce kaynak · Türkçe inceleme: 17 Ekim 2026 · Kaynak tarihi yukarıdaki künyededir.
Editoryal inceleme taslağı
Kaynak kontrolü yapıldı; Türkçe inceleme insan editör değerlendirmesini bekliyor. DijitalPi bu çalışma için müşteri deneyi yapmadı.
KISA AÇIKLAMA
Bu Araştırma Size Ne Söylüyor?
DijitalPi yorumu: Tek bir cevapla ürün görünürlüğüne ilişkin genel hüküm vermeden önce aynı soruyu tekrarlayın. API ile hazırlanan raporun tüketicinin gördüğü arayüzü ne ölçüde temsil ettiğini ayrıca kontrol edin.
Bir örnek düşünün
Temsili bir kamp ekipmanı satıcısı, ürününün bir tavsiye cevabında görünmemesini içerik eksikliğine bağlamadan önce aynı sorunun farklı zamanlardaki yanıtlarını karşılaştırabilir.
İşinizde ne yapabilirsiniz?
Soru metnini, zamanı, dili, konumu ve kullanılan arayüzü kaydedin. Önerilen ürünleri ve gösterilen kaynakları ayrı izleyerek tekrarlar arasındaki değişimi raporlayın.
DijitalPi’nin uygulama yorumu. Örnek, konuyu açıklamak için hazırlanmıştır.
ARAŞTIRMAYI BİRLİKTE OKUYALIM
Önce araştırmacıların sorusunu, yöntemini ve bulgularını tanıyalım. Ardından sonuçların nasıl okunabileceğini DijitalPi’nin açıklamalarıyla ele alalım.
01 / ARAŞTIRMACILAR NEYİ ANLAMAK İSTEDİ?
Aynı ürün sorusunu tekrar sorduğumuzda veya farklı bir erişim yolunu kullandığımızda öneriler ve kaynaklar ne kadar değişiyor?
Araştırmacılar, ürün tavsiyelerinin hangi ürünleri öne çıkardığını, nasıl sunulduğunu ve hangi kaynaklarla birlikte gösterildiğini inceledi. Ayrıca dışarıdan denetim yapanların API cevaplarını tüketici arayüzünün yerine kullanıp kullanamayacağını araştırdı. Bu ayrım, görünürlük ölçümünün gerçekte hangi sistemi anlattığını belirlemek açısından önemli.
Konuyu açalım · DijitalPi açıklaması
DijitalPi yorumu: Bir ürünün cevaba girmesi kadar, bu gözlemin ne kadar tekrarlanabildiği de raporun anlamını değiştirir. Pazarlama ekibi tek bir ekran görüntüsüne dayanarak içerik bütçesi ayırıyorsa, gözlenen durumun soruya, zamana ve arayüze bağlılığını göremeyebilir. Bu çalışmayı öncelikle ölçüm düzenini değerlendirmek için kullanmak, kaynak listelerini doğrudan yatırım talimatına çevirmekten daha temkinli bir çıkarımdır.
02 / ARAŞTIRMA NASIL YAPILDI?
Soruyu nasıl sınadılar?
Araştırmacılar, LMSYS-Chat-1M ve WildChat-1M adlı açık sohbet veri setlerinden insan etiketlemesiyle doğrulanan 2.528 gerçek ticari tavsiye sorusunu içeren ConsumerQ havuzundan 117 fiziksel ürün sorusu seçti. Her soru 3 kez, 5 koşulda gönderildi: ChatGPT arayüzü, ChatGPT API, Gemini arayüzü, Gemini API ve Google AI Overviews. Hollanda’daki konut IP adresleri üzerinden yapılan gözlemsel denetimde 1.755 gözlemin 1.536’sından yanıt alındı. AI Overviews aramaları 4–5 Eylül 2026’da yapıldı. Sohbet botları aynı toplama penceresinde incelendi, ancak onlar için ayrı tarih verilmedi.
Yöntemi anlamak · DijitalPi açıklaması
Çok özel veya coğrafi bilgi içeren sorular çıkarıldı. Sorular uzunluklarına göre sıralanınca ortada kalan uzunluk, yani medyan, 8 kelimeydi. Araştırmacılar soruların özgün yazımını korudu. Her arayüz gözlemi temiz tarayıcı profiliyle, oturum açılmadan ve sohbet geçmişi olmadan yapıldı. Karşılaştırmalar aynı sorunun tekrarları, farklı sistemler ve eşleştirilmiş arayüz–API cevapları arasındaydı. Rastgele atanmış bir kontrol grubu yoktu. Arayüz ve API istekleri arasındaki süreler sıralanınca ortada kalan değer 0,17 saniyeydi. Oturumsuz ChatGPT arayüzünün modeli bağımsız olarak doğrulanamadığından API ile aynı model olduğu varsayılmadı.
Araştırmacılar önerilerin dilini, önerilen ürünleri ve görünen kaynakları değerlendirdi. Dil etiketleri, insan etiketleriyle doğrulanan bir dil modeli yardımıyla oluşturuldu. Ürün ve kaynak tutarlılığı için kullanılan Jaccard örtüşmesi, iki listedeki ortak öğelerin toplam farklı öğelere oranıdır. Kaynak incelemesi yalnız ekranda gösterilen kaynakları kapsadı. Bunların cevabı nasıl etkilediği ölçülmedi. AI Overviews için 351 aramanın yalnız 134’ünde (%38,2) çözümlenebilir içerik vardı. İçerik ve kaynak analizleri bu gözlemlerle sınırlıydı.
03 / ARAŞTIRMANIN BULGULARI
Tekrarlanan sorular ve farklı erişim yolları aynı ürün ve kaynak listelerini vermedi.
Araştırmacılar, tekrarlar arasında önerilen ürünlerin ortalama örtüşmesini ChatGPT’de 0,178, Gemini’de 0,287 ve AI Overviews’ta 0,421 olarak buldu. Ürün adlarının farklı yazımları ayrı sayıldığından bu değerler gerçek örtüşmenin alt sınırlarıdır. Aynı soruda ChatGPT ve Gemini arayüzlerinin gösterdiği alan adlarının ortalama örtüşmesi %5,4’tü. Karşılaştırmaların %76,7’sinde ortak alan adı yoktu. Aynı sistemin tekrarları arasında alan adı örtüşmesi ChatGPT’de %26,0, Gemini’de %29,8 ve AI Overviews’ta %45,9 oldu. Eşleştirilmiş arayüz–API karşılaştırmalarında ortalama alan adı örtüşmesi ChatGPT için %12,0, Gemini için %14,8’di. API koşullarında kaynak gösterme sıklığı arayüzlerden sırasıyla 9,7 ve 8,1 yüzde puan yüksekti. Bunlar denetim koşulları arasında gözlenen sonuçlardır. Erişim yolunun tek başına neden olduğu etkiler değildir.
ChatGPT’de tekrarlar arası ürün örtüşmesi
0,178Aynı sorunun tekrarlarında önerilen ürün kümelerinin ortalama örtüşmesi. Farklı ürün adı yazımları nedeniyle gerçek örtüşmenin alt sınırıdır. Görünme olasılığı veya satış oranı değildir.
ChatGPT arayüzü ile API arasında alan adı örtüşmesi
%12,0Aynı soru ve tekrar için eşleştirilmiş cevaplarda gösterilen kaynak alan adlarının ortalama örtüşmesi. Kaynakların öneriyi ne ölçüde etkilediğini göstermez.
DijitalPi yorumu: Bir görünürlük raporu, ürününüzün hangi cevaplarda anıldığını gösterirken ölçümün değişkenliğini de görünür kılmalı. Aynı soru metnini tekrarlamak ve API sonuçlarını tüketici arayüzüyle ayrı karşılaştırmak bu amaçla değerlendirilebilir. Gösterilen kaynakları ise incelenecek bir liste olarak ele alın. O sitelerde bulunmanın önerilmenizi sağlayacağı sonucuna atlamayın.
Soruların geldiği veri setleri genel nüfusu temsil etmiyor ve teknolojiye ilgi duyan kullanıcılara eğilim gösteriyor. Yalnız 117 genel fiziksel ürün sorusu ve 3 tekrar incelendi. Sistemler zaman içinde değişiyor. Arayüz–API ayrışmasının nedeni belirlenemedi. Kaynak türlerine ilişkin ek sınıflandırma insanlarla sistematik olarak doğrulanmadığından keşif niteliğinde. Belirli bir kaynak türüne bütçe ayırmak için tek başına yeterli dayanak oluşturmuyor.
05 / SONUÇ VE AÇIK SORULAR
Neyi öğrendik, neyi henüz bilmiyoruz?
Bu ön baskı, ürün tavsiyelerindeki görünürlüğü değerlendirirken tekrarların ve kullanılan arayüzün hesaba katılması gerektiğine işaret ediyor. Bulgular çoğunlukla İngilizce soruların Hollanda’dan, belirli bir toplama penceresinde alınan cevaplarıyla sınırlı; Hollanda tüketici davranışını temsil etmiyor ve Türkçe ya da Türkiye için doğrulanmış değil. Tıklama, satış, reklam etkisi ve kaynakların cevaba katkısı ölçülmedi. Yazarlar üniversite mensubu. Kaynakta finansman veya resmî çıkar çatışması beyanı bulunamadı. Başlıktaki ürün örneği için çalışmanın Samsung tarafından desteklenmediği belirtiliyor. Yazarlar kod, yazım ve etiketleme çalışmalarında büyük dil modellerinden yararlandıklarını beyan ediyor.
DijitalPi’nin açık sorusu: Türkçe ürün sorularınızı aynı koşullarda tekrarladığınızda görünürlük raporunuz ne kadar değişiyor ve bu değişkenlik hangi bütçe kararını yeniden değerlendirmenizi gerektiriyor?
Bu üç senaryoyu konuyu birlikte düşünmek için hazırladık. Araştırmadan alınmış vaka veya ölçülmüş müşteri sonucu değildir.
ÖRNEK 01
E-ticaret: ürün tek cevapta görünmüyor
Temsili bir kamp ekipmanı mağazası, genel bir çadır tavsiyesi sorusunda kendi ürününü göremiyor.
Bu cevap, ürünümüzün yapay zekâda görünmediğini söylemeye yeter mi?
Örnek 01 için öneriyi aç+
İçerik değişikliğine karar vermeden önce aynı sorunun tekrarlarını karşılaştırın.
Soru metnini değiştirmeden farklı zamanlarda tüketici arayüzünden cevap alın ve koşulları kaydedin. Her cevapta ürünün anılıp anılmadığını, kullanılan ürün adını ve gösterilen kaynakları ayrı sütunlara yazın. Araştırmadaki tekrar sayısı bütün olası cevapları yakalamıyor. Sizin ölçümünüz de görünürlüğün tamamını veya satış etkisini göstermeyecektir.
ÖRNEK 02
Perakende: kaynak görünürlüğü bütçe kararına dönüşüyor
Temsili bir kırtasiye perakendecisi, ürün tavsiyesinde görünen bir inceleme sitesine içerik bütçesi ayırmayı düşünüyor.
Bir sitenin kaynak gösterilmesi, orada yer almanın önerilmemizi sağlayacağı anlamına gelir mi?
Örnek 02 için öneriyi aç+
Kaynağın görünmesini kaydedin. Öneriye katkısını ayrıca sorgulayın.
Aynı soruyu farklı asistanlarda tekrarlayarak görünen alan adlarını karşılaştırın. Ürünün anılmasıyla inceleme sitesinin kaynak gösterilmesini ayrı kaydedin. Birlikte görünmelerini nedensel sonuç olarak raporlamayın. Makale kaynakların cevaba katkısını ölçmediği için bu gözlem tek başına içerik yatırımının getirisini göstermez.
ÖRNEK 03
B2B ekipman: API raporu arayüzle uyuşmuyor
Temsili bir ofis ekipmanı tedarikçisi, yazıcı tavsiyelerindeki görünürlüğünü API üzerinden hazırlanan bir raporla izliyor.
Bu rapor satın alma ekibinin ekranda gördüğü cevabı temsil ediyor mu?
Örnek 03 için öneriyi aç+
API sonuçlarını aynı sorularla alınan tüketici arayüzü cevaplarıyla karşılaştırın.
Seçtiğiniz soruları API ve tüketici arayüzüne birbirine yakın zamanlarda gönderip iki çıktıyı saklayın. Önerilen ürünleri ve kaynak alan adlarını ayrı karşılaştırın. Arayüz ile API sonuçlarını raporda ayrı gösterin. Gözlenen ayrışmayı yalnız erişim yoluna bağlamayın; bu çalışma B2B satın alma davranışını veya Türkiye’deki sonuçları doğrulamıyor.
EKİBİNİZLE DENEYİN
Aynı ürün sorularını yeniden sorup yanıtları karşılaştırın.
Karar vermekte kullandığınız ürün sorularını seçin ve aynı metinlerle tekrarlı tüketici arayüzü ölçümü planlayın. API raporunuz varsa aynı soruların çıktılarıyla karşılaştırın. Ürün anılması, kaynak görünmesi ve ticari sonuçları ayrı değerlendirin. Bu, DijitalPi’nin henüz uygulamadığı bir ölçüm önerisidir.
Ürün bilgilerinizin açık ve kaynaklarla desteklenmiş olması için içeriklerinizi gözden geçirebilirsiniz. SEOMACHINE, marka bilgilerini içerik hazırlığına taşır ve kaynak kontrolünü destekler. Yapay zekânın ürününüzü önermesi ise ayrıca ölçülmesi gereken bir sonuçtur. SEOMACHINE hakkında bilgi alın ↗
Lucas G. Uberti-Bona Marin, Thales Bertaglia, Giovanni Astante, Bram Rijsbosch, Gijs van Dijck, Anikó Hannák, Gerasimos Spanakis, Konrad Kollnig Law & Tech Lab, Maastricht University; Utrecht University; Social Computing Group, Department of Informatics, University of Zurich.
Akademik çalışma yukarıdaki araştırmacılara aittir. Bu sayfa, DijitalPi’nin AI desteğiyle hazırladığı açıklamalı inceleme ve özgün iş örneklerini içerir; makalenin tam çevirisi değildir.
Çerez tercihleri