Gayrimenkul pazarlamasında yapay zeka görünürlüğü, alıcının ve hizmet alıcısının gerçekten sorduğu sorulardan oluşan tarihli bir soru setiyle ölçülür. Her soru aynı modelde, aynı dilde ve aynı ülke ayarında belirli aralıklarla tekrar sorulur. Projenin ya da firmanın yanıtta geçip geçmediği, bilginin doğru olup olmadığı ve yanıtın hangi kaynaklara dayandığı kaydedilir. Yanlış bilgi kaynağından düzeltilir, ölçüm tekrarlanır. Önerilme garantisi yoktur, ama tarihli ve tekrarlanabilir bir ölçüm hangi bilginin nereden geldiğini ve neyin düzeltilmesi gerektiğini net biçimde gösterir.
Alıcılar artık ChatGPT’ye, Gemini’ye ya da Google’ın yapay zeka yanıtlarına bölgedeki yeni projeleri, belirli bir projenin teslim tarihini ya da iki projenin farkını soruyor. Bu yanıtlar projeyi sizin anlattığınız gibi değil, internette bulduğu bilgilerle anlatıyor. Bu yazıda yapay zeka görünürlüğünün nasıl ölçüleceğini, hangi soruların sorulacağını, sonucun nasıl puanlanacağını ve bilginin nasıl düzeltileceğini anlatıyorum.
Konut alıcısı karar vermeden önce çok soru sorar. Bu soruların bir kısmı artık arama motoruna değil, yapay zeka asistanına soruluyor. Asistanın verdiği cevap alıcının projeye bakışını ilk temas anında şekillendiriyor. Üç risk öne çıkıyor.
Bu üç riskin hepsi ölçülebilir ve büyük kısmı düzeltilebilir. Ama önce ölçmek gerekir. Yapay zeka görünürlüğü üzerine yapılan çalışmaların çoğu ölçüm yerine iddiayla başlar. Bir yanıtta bir kez görünmek, kalıcı bir görünürlük anlamına gelmez.
Soru seti iki kitleye göre ayrılır. Konut alıcısının soruları ve firmanın hizmet ya da proje ortağı arayan kişilerin soruları. Her kitle için soru seti gerçek sorulardan seçilmeli. Satış ekibinin en sık duyduğu sorular, Search Console’daki uzun sorgular ve proje sayfasına gelen mesajlar iyi kaynaklardır.
| Kitle | Soru türü | Soru biçimi |
|---|---|---|
| Konut alıcısı | Bölgedeki projeler | İlçe adı ile yeni konut projeleri hangileri? |
| Konut alıcısı | Belirli proje | Projenin teslim tarihi ne zaman, hangi daire tipleri var? |
| Konut alıcısı | Karşılaştırma | İki proje arasındaki fark ne? |
| Konut alıcısı | Karar soruları | Villa bakım maliyetinde hangi giderler bulunur? Ödeme planları nasıl karşılaştırılır? |
| Hizmet alıcısı | Yöntem | Konut projesi reklamlarında başarı hangi metriklerle ölçülür? |
| Hizmet alıcısı | Seçim | Gayrimenkul reklam ajansı seçerken nelere bakılmalı? |
Alıcı soruları projenin kendi sitesindeki bilgilerle, hizmet alıcısı soruları ise firmanın uzmanlığını anlatan içeriklerle ilgilidir. İkisi ayrı izlenir, çünkü düzeltme yolları farklıdır.
Yapay zeka yanıtları kişiye, zamana ve ayara göre değişir. Bu yüzden ölçüm tekrarlanabilir bir protokolle yapılmalı. Her ölçümde kaydedilen bilgiler şunlar.
| Alan | Neden kaydedilir? |
|---|---|
| Soru metni | Her seferinde aynı soru sorulsun |
| Tarih ve saat | Değişim zamana göre izlensin |
| Model ve ürün | ChatGPT, Gemini, Google’ın yapay zeka yanıtları, Copilot ya da Perplexity ayrı izlensin |
| Dil ve ülke ayarı | Türkçe ve yabancı dildeki sonuçlar karışmasın |
| Oturum durumu | Geçmişsiz, oturum kapalı ya da yeni bir oturumla sorulsun |
| Proje ya da firma geçiyor mu? | Görünürlük |
| Bilgi doğru mu? | Teslim tarihi, fiyat aralığı, daire tipleri, konum |
| Kaynak adresler | Yanıtın hangi sayfalara dayandığı |
| Rakip projeler | Aynı yanıtta hangi projelerin geçtiği |
| Ekran görüntüsü | Sonradan doğrulanabilsin |
Her soru tek bir kez değil, birkaç kez sorulmalı. Yanıtlar değişken olduğu için tek bir deneme yanıltıcı olur. Ölçüm ayda bir aynı günlerde tekrarlanır, böylece değişim karşılaştırılabilir. Genel ölçüm yöntemini yapay zeka görünürlüğü ölçümü yazısında daha ayrıntılı anlattım.
| Gösterge | Hesap |
|---|---|
| Görünme oranı | Projenin ya da firmanın geçtiği yanıtların toplam yanıtlara oranı |
| Doğru bilgi oranı | Projenin geçtiği yanıtlarda bilginin doğru olduğu yanıtların oranı |
| Kendi kaynak payı | Yanıtın firmanın kendi sitesine dayandığı yanıtların oranı |
| Hatalı bilgi listesi | Yanlış ya da eski bilginin hangi soruda ve hangi kaynaktan geldiği |
Bu göstergeler bir başarı yüzdesi iddiası için değil, düzeltme listesi çıkarmak için kullanılır. Hangi soruda hangi bilginin yanlış olduğu ve bu bilginin hangi kaynaktan geldiği belli olunca ne yapılacağı da belli olur. Atıf ya da görünürlük büyümesi iddia edilecekse soru, tarih, model, dil, ülke ve kaynak kanıtıyla birlikte sunulmalı.
Yapay zeka yanıtlarındaki yanlış bilgi çoğu zaman tutarsız kaynaklardan gelir. Projenin sitesinde bir teslim tarihi, eski bir haberde başka bir tarih, bir ilan portalında bir üçüncüsü yazıyorsa yanıt da tutarsız olur. Düzeltme kaynaktan yapılır.
Proje sayfasında hangi bilgilerin bulunması gerektiğini konut projesi landing sayfası yazısında, sitenin genel içerik yapısını konut projelerinde SEO yazısında anlattım. Bağımsız kaynakların yapay zeka yanıtlarını nasıl etkilediğini ise dijital PR, forumlar ve şikayet siteleri yazısında ele aldım.
Yapay zeka için ayrı bir içerik yazmak gerekmez. İnsan için iyi yazılmış, net ve doğrulanabilir içerik yapay zeka yanıtlarında da daha sık ve daha doğru yer alır. Pratikte işe yarayan birkaç ilke var.
Özel yapay zeka şeması ya da llms.txt gibi dosyalar görünürlük garantisi olarak kullanılmamalı. Bu konudaki yanlış bilinenleri llms.txt nedir ve yapay zeka için içerik yazılarında anlattım.
Projeyi yurt dışındaki alıcıya da pazarlıyorsanız ölçümü o alıcının dilinde ve ülke ayarında da yapmak gerekir. Aynı soru Türkçe ve İngilizce sorulduğunda farklı projeler ve farklı kaynaklar öne çıkabilir. Yabancı dildeki yanıtlar çoğu zaman uluslararası portallara, yabancı dildeki haberlere ve forumlara dayanır. Projenin sitesinde o dilde güncel bir bilgi sayfası yoksa yanıt eksik ya da eski kalır.
Bu yüzden soru seti hedef pazarların dillerine çevrilir, ama birebir çeviri yetmez. O pazarın alıcısının gerçekten nasıl sorduğu dikkate alınır. Yurt dışındaki alıcı çoğu zaman tapu süreci, yabancıya satış kuralları, ulaşım ve güvenlik gibi konuları sorar. Bu soruların cevabı sitenin o dildeki sayfalarında net ve tarihli biçimde yer almalı.
Bölge soruları sorulduğunda yanıtta hangi projelerin geçtiği de kaydedilir. Hangi rakiplerin sık geçtiği ve hangi kaynaklara dayandığı, sizin projenizin neden eksik kaldığını anlamaya yardım eder. Rakip proje bağımsız kaynaklarda çok anılıyorsa ya da sitesinde soruya doğrudan cevap veren bir sayfa varsa, eksik olan şey görünür hale gelir. Amaç rakibi kopyalamak değil, alıcının sorusuna sizin projeniz için de net ve doğrulanabilir bir cevabın internette bulunmasını sağlamaktır.
Bazı yapay zeka ürünleri yanıtlarında kaynak bağlantısı verir ve bu bağlantılara tıklayan kişiler siteye gelir. Bu ziyaretler GA4’te yönlendiren kaynak olarak görülebilir ve ayrı bir kanal grubunda toplanabilir. Bu ziyaretlerden gelen nitelikli talep de CRM’de kaynağıyla kaydedilmeli. Sayı çoğu zaman küçük olur, ama bu kişiler genellikle araştırmasını yapmış ve karar sürecinde ilerlemiş alıcılardır. Yine de yapay zekanın etkisinin büyük kısmı tıklamada değil, alıcının projeye bakışında görülür. Bu yüzden trafik ölçümü, soru seti ölçümünün yerini tutmaz.
Önce satış ekibiyle birlikte alıcı ve hizmet alıcısı için yirmi otuz soruluk bir set hazırlıyorum. Her soruyu belirlenen modellerde, Türkçe ve gerekiyorsa hedef pazarın dilinde, yeni bir oturumla birkaç kez soruyor ve protokoldeki bütün alanları kaydediyorum. İlk ölçüm bir düzeltme listesine dönüşüyor. Site, Google İşletme Profili ve portallar güncellendikten sonra ölçüm her ay aynı günlerde tekrarlanıyor. Rapor bir yüzde iddiası değil, soru bazında değişimi ve kalan hataları gösteriyor. Nasıl çalıştığımı gayrimenkul dijital pazarlama sayfasında, yapay zeka görünürlüğünü ayrı ele almak isterseniz GEO danışmanlığı sayfasında anlattım. Konuya daha geniş bir bakış için GEO ve yapay zeka araması rehberine, konut pazarlamasının bütün parçaları için gayrimenkul pazarlaması rehberine göz atabilirsiniz.
Çoğu zaman yeterli ve tutarlı bilgi bulamadığı için. Proje adı, konum, teslim tarihi ve daire tipleri sitenizde, haritalarda ve portallarda farklıysa ya da bağımsız kaynaklarda proje hiç geçmiyorsa yanıtta yer almaz ya da yanlış yer alır. Önce soruları tarihli bir setle test edip neyin eksik olduğunu görmek, sonra bilgiyi kaynağından düzeltmek gerekir.
Değişir ama öngörülebilir bir takvimi yoktur. Kaynak sayfalardaki düzeltmelerin yanıtlara yansıması modelden modele ve sorudan soruya farklılık gösterir. Bu yüzden ölçüm düzenli tekrarlanır ve değişim soru bazında izlenir.
Bazı yapay zeka ürünleri reklam modelleri deniyor, ama organik yanıtlarda yer almak reklamla satın alınamaz. Organik görünürlük kaynak bilgisinin doğruluğuna ve tutarlılığına bağlıdır. Reklam ile organik yanıt ayrı izlenmeli.
Ayda bir, aynı günlerde ve aynı protokolle yapılması karşılaştırma için yeterlidir. Teslim tarihi ya da fiyat gibi önemli bir bilgi değiştiğinde ara bir ölçüm de yapılabilir. Önemli olan her ölçümün tarihli, tekrarlanabilir ve kaynaklı olması.