Bir kullanıcı ChatGPT’ye “İstanbul’da en iyi dijital pazarlama ajansı hangisi?” diye soruyor. Yapay zeka bir yanıt üretiyor, birkaç marka adı geçiyor ama sizinki yok. Siteniz Google’da ilk sayfada çıkıyor olsa bile bu sonucu değiştirmiyor; çünkü AI motorları kaynağını seçerken çok farklı kriterler kullanıyor. İşte tam bu noktada llms.txt ve yapay zeka odaklı içerik mimarisi devreye giriyor.
llms.txt Nedir ve Neden Önemlidir?
llms.txt, büyük dil modellerinin (LLM) sitenizi daha iyi anlaması için kök dizine eklediğiniz düz metin bir dosyadır. robots.txt’in arama motoru botlarına ne yapmaması gerektiğini söylemesi gibi, llms.txt da yapay zeka tarayıcılarına ve modellerine sitenizin neyi temsil ettiğini, hangi içeriklerin öncelikli olduğunu ve sizinle nasıl etkileşim kurulması gerektiğini anlatır.
Şu an için llms.txt standart haline geliyor; llmstxt.org üzerinde resmi spesifikasyon yayımlanmış durumda. Perplexity, bazı Anthropic araçları ve bağımsız AI tarayıcıları bu dosyayı aktif olarak okuyor. ChatGPT ve Gemini tarafında doğrudan bir entegrasyon henüz resmiyet kazanmamış olsa da içeriğinizi yapılandırmanın genel mantığı aynı: modele kendinizi net ve güvenilir biçimde tanıtmak.
Dosyanın içeriği genellikle şunları kapsar: markanın kısa açıklaması, ana hizmet veya ürün alanları, güvenilirliği kanıtlayan referanslar veya yayınlar ve modelin öncelikli okuması gereken sayfalar. Teknik olarak karmaşık değil; ama yanlış yazılmış bir llms.txt, hiç olmamaktan daha kötü sonuç verebilir. Yanlış veya eksik bilgi içeren bir dosya, modelin sizi yanlış kategorize etmesine yol açar.
Yapay Zeka Motorları Kaynağını Nasıl Seçer?
Yapay zeka motorları bir kullanıcı sorusuna yanıt üretirken binlerce kaynak arasından seçim yapıyor. Bu seçim tamamen rastgele değil; modelin eğitim verisi, belleği ve gerçek zamanlı web erişimi (varsa) bir arada çalışıyor. Peki hangi içerik daha çok alıntılanıyor?
Araştırmalar ve pratik gözlemler birkaç ortak örüntüye işaret ediyor: net ve doğrudan yanıtlar veren içerik, belirli bir konuda kapsamlı ama sade dille yazılmış sayfalar ve yazar ya da kurum otoritesinin açıkça gösterildiği kaynaklar öne çıkıyor. Model, belirsiz veya pazarlama diliyle dolu bir sayfayı okursa onu atlıyor; çünkü belirsizlikten öğrenilemez.
Konuyu daha iyi anlamak için AI motorlarında kaynak seçimi sürecini ayrıntılı ele aldığımız yazımıza göz atabilirsiniz. Orada markaların neden alıntılanamadığını somut örneklerle açıkladık.
İçerik Mimarisi: AI Motorlarının Anlayacağı Yapıyı Kurmak
AI motorlarında kaynak olmak için içeriğinizin hem insana hem makineye hitap etmesi gerekiyor. Bu iki hedef aslında çelişmiyor; aksine iyi yazılmış, yapılandırılmış içerik her ikisini de karşılıyor. Ama önce doğru mimariyi kurmak şart.
Konu Kümeleri ve Otorite Sayfaları
Yapay zeka motorları, bir konuyu derinlemesine işleyen siteleri tercih ediyor. Saçılmış ve birbirinden kopuk içerik yerine “pillar page” (otorite sayfası) ve ona bağlı destekleyici sayfalardan oluşan bir yapı kurmak gerekiyor. Örneğin sağlık turizmi alanında hizmet veren bir klinik; genel bir sağlık turizmi sayfasının yanında diş tedavileri, saç ekimi, estetik cerrahi gibi alt konularda derin içerikler üretmeli ve bunları birbirine mantıklı şekilde bağlamalı.
Bu yapı, modelin sizi belirli bir alanda güvenilir kaynak olarak tanımasını sağlıyor. Bir konuda tek bir sayfanız varsa model sizi o konunun uzmanı olarak görmez; ama o konuyu birden fazla açıdan, farklı sorulara yanıt verecek biçimde işlemişseniz bu algı değişiyor.
Soru-Cevap Formatı ve Doğrudan Yanıtlar
AI motorları, kullanıcı sorusuna doğrudan yanıt veren içeriği çok daha kolay işliyor. İçeriğinizde her bölümün bir soruya yanıt vermesi ve bu yanıtın ilk cümlede verilmesi gerekiyor. “Bu bölümde şunu inceleyeceğiz” gibi giriş cümlelerini atlayın; modelin ilk iki cümlede değer bulabilmesi lazım.
SSS bölümleri bu açıdan özellikle etkili. Ancak yapay, gerçekte kimsenin sormadığı sorularla dolu bir SSS, modeli yanıltır. Gerçek müşteri sorularından yola çıkın; satış görüşmelerinizde, müşteri e-postalarında veya sosyal medya yorumlarında tekrar eden sorular en iyi kaynak.
Yazarlık ve Kurumsal Güvenilirlik Sinyalleri
Google’ın E-E-A-T çerçevesi (Deneyim, Uzmanlık, Otorite, Güvenilirlik) artık yalnızca arama motoru sıralaması için değil, AI görünürlüğü için de kritik. Modeller, içeriği kimin yazdığını ve o kişi veya kurumun o alanda ne kadar güvenilir olduğunu değerlendiriyor.
Pratik adımlar şunlar: Her içerikte açık yazar bilgisi ve kısa biyografi, yazarın sosyal medya veya profesyonel platform profiliyle bağlantısı, içeriklerde kaynak gösterme alışkanlığı ve elde edilmiş medya görünürlüğü (başka sitelerde yer alan atıflar, röportajlar). Yapay zeka motorlarının markaları nasıl değerlendirdiğini anlatan yazımız bu konuyu daha geniş ele alıyor.
Yapılandırılmış Veri ile AI Görünürlüğünü Artırmak
Yapılandırılmış veri (schema markup), içeriğinizin ne anlama geldiğini makine diline çeviriyor. Schema.org standartlarına göre işaretlenen içerikler; Google’ın zengin sonuçlarında (rich results) göründüğü gibi, AI motorlarının içeriği yorumlaması sırasında da net bir anlam katmanı sağlıyor.
En etkili şema türleri şunlar:
- FAQPage: SSS içeriklerini işaretlemek için, AI motorlarının soru-cevap formatını doğrudan alıntılamasına zemin hazırlar.
- Article ve BlogPosting: Yazarı, yayın tarihini ve güncellenme tarihini netleştirir; tazelik sinyali verir.
- Organization: Markanızın adını, logosunu, iletişim bilgilerini ve sosyal medya profillerini tanımlar.
- BreadcrumbList: Site hiyerarşinizi modele anlatır, konu kümelemenizi güçlendirir.
- HowTo ve Step: Adım adım içerikler için; AI motorları bu formatı kullanıcılara doğrudan sunmayı seviyor.
Şema eklemenin teknik detayları için Google Developers kaynakları hâlâ en güvenilir referans noktası. JSON-LD formatında eklenen şemalar, hem bakımı kolay hem de model tarafından en net okunan yöntem.
llms.txt Dosyası Nasıl Yazılmalı?
Teknik yapı basit; ama içerik kararları stratejik düşünce gerektiriyor. İyi bir llms.txt şu unsurları taşımalı:
- Marka tanımı: Kim olduğunuzu, ne yaptığınızı ve kime hizmet ettiğinizi iki-üç cümlede net yazın. Pazarlama dilinden kaçının; bilgi verin.
- Uzmanlık alanları: Hangi konularda güvenilir kaynak olduğunuzu listeleyin. Her madde için varsa bir sayfa URL’si ekleyin.
- Öncelikli sayfalar: Modelin önce okumasını istediğiniz sayfaları sıralayın; bunlar genellikle otorite sayfaları veya vaka çalışmaları olur.
- İletişim ve doğrulama: Resmi web sitesi, LinkedIn şirket sayfası ve varsa Knowledge Panel bağlantısı.
Dosyayı alan adınızın kök dizinine koyun: siteadi.com/llms.txt. Daha ayrıntılı bir versiyon için llms-full.txt oluşturabilir, llms.txt içinde buna atıf yapabilirsiniz.
AI Aramalarında İçerik Tazeliginin Rolü
Gerçek zamanlı web erişimi olan AI motorları (Perplexity, Bing Copilot ve belirli modlarda ChatGPT) yalnızca eğitim verisine değil, canlı web içeriğine de başvuruyor. Bu durumda içeriğin ne zaman yayımlandığı ve en son ne zaman güncellendiği önemli hale geliyor.
Tarihli olmayan ya da uzun süredir güncellenmemiş içerikler, özellikle hızlı değişen alanlarda model tarafından güvenilmez bulunabiliyor. Blog yazılarınıza yayın tarihi ekleyin, düzenli aralıklarla güncelleyin ve güncelleme tarihini de görünür kılın. Bu hem okuyucuya hem modele “bu bilgi hâlâ geçerli” mesajını veriyor.
İçerik formatı konusunda daha fazla ayrıntı için AI aramalarında markanızı öne çıkaran içerik formatı yazımıza bakabilirsiniz.
Geleneksel SEO’dan Yapay Zeka SEO’ya: Ne Değişiyor?
Geleneksel SEO’da amaç, belirli anahtar kelimeler için arama sonuçlarında üst sıralara çıkmaktır. Yapay zeka SEO’da (GEO/AEO) amaç farklı: bir modelin belirli bir soruyu yanıtlarken sizi kaynak olarak seçmesi. Bu ince ama kritik bir fark.
Geleneksel SEO’da anahtar kelime yoğunluğu, geri bağlantı (backlink) sayısı ve teknik site sağlığı ön planda. Bunlar hâlâ önemli, ama AI görünürlüğü için yeterli değil. GEO’da öne çıkan unsurlar:
- Konuya özgü derinlik ve kapsam
- Yazarın ve kurumun kanıtlanmış uzmanlığı
- Net, doğrudan ve alıntılanabilir ifadeler
- Doğal dilde sorulan sorulara verilen doğal yanıtlar
- İçeriğin makine tarafından yorumlanabilir yapısı (şema, başlık hiyerarşisi, llms.txt)
Bir başka kritik fark: geleneksel SEO’da sıralama görünür ve ölçülebilir. AI görünürlüğünde ise markanızın hangi sorgularda ve hangi modellerde geçtiğini sistematik biçimde izlemek için ayrı bir süreç kurmanız gerekiyor. Sorgu niyeti ve GEO stratejisi üzerine yazdığımız yazı bu konuya da değiniyor.
Öne Çıkanlar
- llms.txt dosyası, yapay zeka motorlarına markanızı ve içerik önceliklerinizi doğrudan tanıtmanın en yeni ve etkili yollarından biridir; kök dizine yerleştirilen bu dosya, modelin sizi doğru kategorize etmesine yardımcı olur.
- AI motorları kaynağını seçerken yazarlık otoritesi, içerik derinliği ve makine tarafından okunabilir yapı arıyor; pazarlama diliyle dolu veya belirsiz içerikler alıntılanmıyor.
- Schema.org şema işaretlemeleri (FAQPage, Article, Organization) içeriğinizin anlamını modele net biçimde aktarır ve öne çıkan sonuçlarda görünme olasılığını artırır.
- Geleneksel SEO sıralaması ile AI görünürlüğü aynı şey değildir; Google’da ilk sırada olmak, ChatGPT veya Gemini’nin sizi önereceği anlamına gelmez; bunun için ayrı bir GEO stratejisi gerekir.
Sıkça Sorulan Sorular
llms.txt dosyası olmadan AI motorlarında görünmek mümkün mü?
Mümkün, ama daha zor. llms.txt, modele siteniz hakkında açık ve yapılandırılmış bilgi sunar; bu dosya olmadan model içeriğinizi kendi yorumuyla sınıflandırır. Doğru yorumlanma olasılığı düşer, özellikle niş veya teknik bir alanda faaliyet gösteriyorsanız bu eksiklik daha belirgin hissedilir.
Yapay zeka SEO için içerikleri baştan mı yeniden yazmak gerekiyor?
Genellikle hayır. Mevcut içeriklerin yapısını iyileştirmek, soru-cevap formatına uyarlamak ve şema eklemek çoğu durumda yeterli başlangıç noktası. Yeniden yazma, yalnızca içerik çok eski veya AI tarafından anlaşılması güç bir formattaysa gerekli oluyor.
ChatGPT veya Gemini’nin bizi ne sıklıkla önerdiğini nasıl ölçeriz?
Şu an için otomatik bir izleme aracı mevcut değil; ancak hedef sorgularınızı düzenli aralıklarla her modelde test ederek manuel bir izleme tablosu oluşturabilirsiniz. Bazı üçüncü taraf araçlar (örneğin Profound veya AI rank tracker’lar) bu süreci yarı otomatize etmeye başladı, ama henüz olgunlaşmış bir ekosistem yok.
E-E-A-T sinyalleri AI görünürlüğünü doğrudan etkiliyor mu?
Doğrudan bir nedensellik bağlantısı kanıtlanmamış olsa da pratik gözlemler güçlü bir korelasyon gösteriyor. E-E-A-T açısından güçlü profiller; yazar sayfaları, dışarıdan alınan atıflar ve yapılandırılmış kurumsal bilgiler AI modellerinin güven sinyalleri olarak değerlendirdiği verilerle örtüşüyor.
Markanızın ChatGPT, Gemini ve diğer AI motorlarında şu an nasıl göründüğünü bilmek istiyorsanız, B4Mind olarak hazırladığımız ücretsiz Yapay Zeka Görünürlük (GEO) analizi ile başlayabilirsiniz; hangi sorgularda göründüğünüzü, nerede eksik kaldığınızı ve llms.txt ile içerik mimarinizi nasıl iyileştirebileceğinizi somut olarak aktarıyoruz.
