Yapay zekâ arama motorları kaynaklarını iki aşamada seçer. Önce soruyu bir veya birkaç arama sorgusuna çevirip bir arama dizininden aday sayfaları getirir; ardından bu sayfalardaki bilgiyi okuyup yanıtı yazar ve yanıtı destekleyen sayfaları kaynak olarak gösterir. Kaynak olmak için sayfanın önce o dizinde bulunması, sonra da sorunun bir parçasına özgün ve doğrulanabilir bir cevap vermesi gerekir. Model, canlı arama yapmadığı durumlarda ise eğitim verisinden hatırladıklarıyla cevap verir ve genellikle kaynak göstermez.
Bu ayrımı bilmek, GEO çalışmasında nereye emek harcanacağını belirler. Aşağıda Google, ChatGPT, Perplexity ve Copilot'un kaynaklara nasıl ulaştığını resmî açıklamalarına dayanarak anlatıyor ve sahada gördüğüm ortak özellikleri sıralıyorum.
Bir dil modeli iki farklı bilgi kaynağı kullanır. Birincisi eğitim verisidir: model eğitilirken okuduğu metinlerden öğrendiği, belirli bir tarihte donmuş genel bilgi. İkincisi canlı aramadır: model soruyu cevaplamadan hemen önce web'de arama yapar ve güncel sayfaları okur.
Markanız için ikisi farklı sonuçlar doğurur. Eğitim verisindeki bilgi, markanızın "genel algısını" oluşturur ama güncellenmesi aylar sürer; eski bir fiyatın ya da kapanmış bir şubenin yanıtlarda dolaşmaya devam etmesinin sebebi çoğu zaman budur. Canlı arama ise daha hızlı değişir ve kaynak bağlantısı üretir. OpenAI bu iki kullanımı ayrı tarayıcılarla yönetiyor: GPTBot eğitim, OAI-SearchBot arama içindir. Yanlış bilginin hangi kaynaktan geldiğini ayırmanın yollarını yapay zekânın markanızı yanlış anlatması üzerine yazdığım yazıda ele aldım.
Google iki teknik kullandığını açıklıyor. Birincisi temellendirme, yani getirmeyle güçlendirilmiş üretim (RAG): sistem yanıtı yazmadan önce çekirdek sıralama sistemlerini kullanarak dizinden konuyla ilgili güncel sayfaları çeker ve cevabı bu sayfalardaki bilgiye dayandırır. İkincisi sorgu yelpazesi: model, soruyla ilişkili birçok alt sorguyu eş zamanlı çalıştırır ve her biri için ek sonuç toplar.
Google'ın yapay zekâ özellikleri belgesine göre bu yöntem, klasik aramaya kıyasla daha geniş ve çeşitli bir bağlantı setinin gösterilmesini sağlıyor. Aynı belge iki önemli ayrıntı daha veriyor: AI Bakışı ve AI Modu farklı modeller ve teknikler kullanabildiği için gösterdikleri bağlantılar değişebilir. AI Bakışı'nın her aramada görünmemesinin sebebi de bu: Google onu yalnızca klasik sonuçlara bir şey ekleyeceğini düşündüğü durumlarda gösteriyor.
Pratikte bu, sayfanızın ana sorgu için ilk sırada olmasa bile bir alt sorgu için güçlü olduğunda kaynak gösterilebileceği anlamına gelir. Google'ın sistemleri bir sayfadaki farklı konuları ayırt edip ilgili bölümü kullanabiliyor; bu yetenek pasaj dizinleme fikriyle yakından ilişkili. Uygunluk şartlarını ve Search Console ayarını AI Bakışı ve AI Modu'nda kaynak olmak yazısında adım adım anlattım.
OpenAI'ın web araması yardım sayfasına göre ChatGPT, soruyu bir veya daha fazla hedefli sorguya dönüştürüp bu sorguları Microsoft gibi arama sağlayıcılarına gönderiyor. İlk sonuçları inceledikten sonra gerekirse daha özel sorgularla aramayı derinleştiriyor. OpenAI, sonuçları güvenilir ve alakalı bilgiye ulaştırmak için birden fazla etkenle sıraladığını ve yerleşimin garanti olmadığını da belirtiyor.
Buradan iki sonuç çıkıyor. Birincisi, sitenizin OAI-SearchBot tarafından taranabilmesi gerekiyor; OpenAI bu tarayıcıyı engelleyen sitelerin arama yanıtlarında gösterilmediğini yazıyor. İkincisi, arama sağlayıcılarının dizininde görünür olmak önem kazanıyor. ChatGPT tarafını ayrıca ChatGPT SEO yazısında inceledim.
Perplexity, PerplexityBot adlı kendi tarayıcısıyla bir arama dizini oluşturuyor ve yanıtlarının hemen hepsinde kaynak listesi sunuyor. Microsoft Copilot ise Bing dizinine dayanıyor; Bing Webmaster Tools'taki yapay zekâ performans raporu, Copilot'un yanıt hazırlarken arka planda çalıştırdığı arama ifadelerini site sahiplerine gösteriyor. Bu ifadeler, sorgu yelpazesinin gerçek hayattaki izini görmenin nadir yollarından biri. Platformlar arasındaki farkları Perplexity, Gemini ve Copilot yazısında karşılaştırdım.
Platformlar farklı dizinler kullansa da kaynak olarak seçilen sayfalarda aynı özellikleri görüyorum:
Bir uyarı ekleyeyim: yanıtı besleyen kaynak olmak, her zaman görünür bir bağlantı almak anlamına gelmiyor. Comscore'un Eylül 2026'da yayımladığı ABD verisi bu farkı iyi gösteriyor: konaklama sorularında Tripadvisor, yanıtların yüzde 61'ini beslerken bağlantısı yanıtların ancak yüzde 21'inde görünüyordu. Bu yüzden yapay zekâ alıntısı ile marka anılmasını ayrı ayrı takip etmek gerekiyor.
En işe yarar adım, hedef sorunuz için bir alt soru haritası çıkarmak. Örneğin kışlık bot satan bir mağaza için "en iyi kışlık kadın botu hangisi?" sorusu arka planda su geçirmezlik, sıcak tutma derecesi, taban kayma direnci, kalıp ve fiyat gibi alt sorulara bölünür. Bu haritayı üç adımda çıkarabilirsiniz:
Bu çalışma, tek bir sayfayı "yapay zekâ için" yeniden yazmaktan çok daha fazla sonuç verir; çünkü sistemin gerçekte aradığı parçaları hedefler. Arama niyetini alt sorulara ayırma yöntemini arama niyeti analizi yazısında, konu bütünlüğünü kurmayı topical authority yazısında anlattım.
Çünkü alt sorgular, kullanılan model ve arama sonuçları her denemede değişebiliyor. Google, AI Bakışı ile AI Modu'nun farklı bağlantılar gösterebileceğini açıkça belirtiyor. Bu nedenle tek bir ekran görüntüsü yerine aynı soruları düzenli aralıklarla test etmek gerekiyor.
Evet, mümkün. Sorgu yelpazesi sayesinde sistem, ana sorgu yerine alt sorgulardan birinde güçlü olan sayfaları da getiriyor. Yine de sayfanın dizinde olması ve o alt soruya iyi bir cevap vermesi şart. Konunun tamamı için GEO rehberine göz atabilirsiniz.