GEO Ajansı Sonuçlarını Nasıl Doğrularsınız?

Kısaca Özet

Bir ajans raporunu bağımsız doğrulamanın somut yolu üç adımdan oluşur. ChatGPT, Gemini ve Perplexity üzerinde tekrarlı unbranded prompt testi, GA4 ve Search Console ile çapraz kontrol, tek yanıt yerine ölçülmüş oran.

• Branded promptlar tek başına yeterli değildir. Marka adı prompt'a girdiğinde model uyum gösterir, bu gerçek görünürlüğü değil olumlu yanıt eğilimini ölçer.

• Tek bir yanıt bir kanıt değildir. Ölçtüğümüz markalarda mention oranı ancak tekrarlı testle istikrar kazanıyor, sentiment ise çok daha oynak.

• Unbranded promptlar daha güvenilir bir sinyaldir, çünkü modelin markayı adı verilmeden önerip önermediğini gösterir.

• Analitik veri iddiayı test eder. GA4 özel kanal grubu ve GSC korelasyonu, raporlanan görünürlüğü gerçek trafiğe bağlar.

• Ham veri ve tekrar edilebilir prompt seti her ciddi doğrulamanın koşuludur.

Ajans raporları neden tek başına yetmez

AI görünürlük raporlarının tek başına yetmemesinin nedeni basit. Bu alanda bağımsız bir denetim otoritesi yok. Geleneksel medya ölçümünde MRC ya da IAB benzeri kurumlar veriyi doğrularken, AEO ve GEO raporlaması için üzerinde uzlaşılmış hiçbir ölçüm protokolü, sertifika şeması ya da standart kurul bulunmuyor. Bir ajans size sonuç gösterdiğinde, o sonucu karşılaştırabileceğiniz ortak bir referans çerçevesi mevcut değil.

Standart boşluğu, ajansları kendi başarılarını kendilerinin tanımladığı bir konuma taşıyor. Sektörde ajansların "gerçek AI arama uzmanlığını yeniden paketlenmiş SEO'dan ayırt etmenin" alıcılar için giderek zorlaştığı bağımsız olarak raporlandı. Aynı sektörde bazı vendor'lar kendi icat ettikleri "standartları" ve "sertifikaları" pazarlama malzemesi olarak sunuyor, oysa bu belgelerin arkasında adı geçen bağımsız bir denetçi yok. Vendor kendi metodolojisini yine kendi etkinliğinin kanıtı olarak gösterdiğinde, ortaya çıkan şey doğrulanmış bir sonuç değil, döngüsel bir iddiadır.

Rapor bu koşullarda tek taraflı bir beyan olarak kalır. Ekran görüntüleri, "share of voice" grafikleri ve müşteri sayıları etkileyici görünür, ancak çoğu zaman ham veri, tarih aralıkları ve yeniden çalıştırılabilir prompt setleri olmadan sunulur. Kanıtı üreten kişi aynı zamanda kanıttan çıkar sağlayan kişi olduğunda, iyi niyet bile yeterli bir güvence sağlamaz.

Bu yüzden doğru soru "raporda ne aramalıyım" değil, "bu rapora neden baştan şüpheyle yaklaşmalıyım" olmalı. Şüphecilik burada husumet değil, yöntem. Sonraki bölümler bu şüpheyi somut bir doğrulama sürecine çevirir. Ölçtüğümüz markalarda tekrar tekrar gördüğümüz gibi, bir ajansın anlattığı hikaye ancak sizin bağımsız olarak tekrar üretebildiğiniz kadar güvenilirdir.

Branded prompt tuzağı: uyumu görünürlük sanmak

Bir ajans size ChatGPT'nin markanızı övdüğü bir ekran görüntüsü gösterdiğinde, o ekran görüntüsü çoğu zaman görünürlüğü değil modelin uyumluluğunu kanıtlar. Fark, prompt'un markayı adıyla anıp anmamasında saklı. "X markası kurumsal bulut için iyi mi?" diye sorduğunuzda model X'i zaten konunun öznesi olarak kabul eder, bu yüzden olumlu bir çerçeve içinde konuşur. Aynı şirket, "düzenlemeye tabi sektörler için en iyi kurumsal bulut platformları" gibi marka adı geçmeyen bir prompt'ta yanıttan tamamen çıkabilir. Michael Brito'nun ArcLine Systems vaka çalışması tam olarak bu ayrımı gösterir. Şirket branded prompt'ta olumlu değerlendirilirken, unbranded discovery prompt'unda hiç görünmüyordu.

Bu davranışın teknik kaynağı sycophancy, yani modelin kullanıcıyla aşırı hemfikir olma eğilimidir. Teknik literatür bunu "insanlardan onay almak için ödülü maksimize etme eğilimi" olarak tanımlar, ve bu eğilim modelin doğru yanıtları kullanıcı beklentisine uyan yanıtların önüne koymasına yol açar. Mekanizma RLHF eğitimine dayanır. İnsan değerlendiricilerin puanlarından bir ödül modeli eğitilir, ve o ödül modeli kullanıcı memnuniyetine fazla ağırlık verdiğinde model doğruluk yerine hoşa gitmeyi öğrenir. Akademik survey bunu bir çeşit ödül hackleme olarak adlandırır. Model, gerçek insan tercihleriyle örtüşmeyen bir şekilde ödül yapısını sömürür.

Marka adının prompt'a girmesi, modele tam olarak bu memnuniyet sinyalini verir. Kullanıcı bir markayı adıyla soruyorsa, o kullanıcının olumlu bir yanıt beklediği varsayımı yanıtı şekillendirir. Ölçtüğümüz markalarda tekrar tekrar aynı kalıbı gördük. Branded prompt'lar neredeyse her zaman olumlu tonda yanıt üretir, ama aynı markanın unbranded prompt'taki mention oranı çok daha düşük ve çok daha oynak çıkar. Sorulmak ile önerilmek farklı sonuçlardır, ve sadece birincisi ajans raporlarında kolayca sahnelenebilir.

Bir ajans branded prompt sonuçlarını performans kanıtı olarak sunduğunda, size modelin markanızı bildiğini gösterir, keşfedilebilir olduğunu değil. ChatGPT'nin marka adınızı tanıması zaten beklenen bir şeydir. Gerçek test, modelin kime güveneceğine kendisinin karar vermek zorunda kaldığı "kategori için en iyi seçenek" tipi unbranded sorgulardır. Brito bunu açıkça belirtir. Branded prompt itibarı yansıtır, unbranded prompt rekabet gücünü gösterir. Bir doğrulama sinyali olarak yalnızca ikincisine güvenebilirsiniz, çünkü sadece o, modelin sizi hiçbir isim ipucuna dayanmadan seçip seçmediğini ölçer. Bir raporun ne kadar unbranded prompt'a dayandığı, o raporun ne kadar gerçek olduğunu belirler.

Çok modelli tekrarlı test nasıl kurulur

Bağımsız doğrulamanın çekirdeği, aynı promptu ChatGPT, Gemini ve Perplexity üzerinde defalarca çalıştırıp yanıtları tek tek kaydetmektir. Tek bir sohbet penceresinde tek bir cevap almak ölçüm değil, örneklemdir. Ranqo'nun arXiv üzerinde yayımlanan GEO çalışması bu prensibi açıkça uyguluyor. Araştırmacılar tek bir CRM kategorisi için beş motora 50 unbranded promptu onar kez göndererek 2.500 yanıt üretti, çünkü kararlı bir görünürlük oranı ancak tekrarla ortaya çıkar.

Kaç tekrar, hangi prompt kategorisi

Her prompt için en az sekiz ila on tekrar çalıştırın, çünkü mention rate mentioned / total responses × 100 formülüyle hesaplanır ve tek yanıt bu oranı ya %0 ya %100 olarak bozar. Prompt setinizi kategori çeşitliliğine göre kurun. Discovery ve use-case promptları markanızı adıyla anmadan sorar, dolayısıyla motorun sizi kendiliğinden yüzeye çıkarıp çıkarmadığını test eder. Comparison promptları çok daha yüksek mention üretir ama keşif hakkında az şey söyler, bu yüzden onları ayrı tutun ve ağırlığı unbranded kategorilere verin. Ölçtüğümüz markalarda aynı promptu farklı gün ve farklı kategori kombinasyonlarıyla çalıştırmak, tek seferlik raporların gizlediği dalgalanmayı görünür kıldı.

Mention ile sentiment aynı güvenilirlikte değil

Bir markanın anılıp anılmadığı tekrarlar arasında büyük ölçüde kararlıdır, ama olumlu mu olumsuz mu çerçevelendiği çok daha oynaktır. Aynı çalışma sentiment'in mention'a göre 6,7 kat daha gürültülü olduğunu ölçtü. Bunun pratik sonucu şudur. Tek bir olumlu anılma, kalıcı olumlu görünürlüğün kanıtı sayılamaz. Doğrulama yaparken mention rate'i ana sinyal olarak alın ve sentiment'i ancak yeterli tekrar biriktikten sonra ikincil bir gösterge olarak yorumlayın.

Motor davranışı arasındaki farkı da hesaba katın. Aynı ölçüm çerçevesi içinde bile ChatGPT ve Claude web aramasını marka başına haftalık bir soğuma süresiyle çalıştırıp aralarda parametrik bilgiden yanıt verirken, Gemini, Perplexity ve Grok her sorguda canlı arama yapıyordu. Bu, herhangi bir tek test sonucunun ne kadar "güncel" olduğunu doğrudan etkiler. Sonuçları motor bazında ayrı raporlayın, sonra ağırlıklı bir ortalamada birleştirin. ChatGPT'nin daha yüksek trafik payını yansıtacak şekilde ona daha büyük ağırlık vermek, tek bir motorun kendi tuhaflığının toplam sonucu çarpıtmasını önler. Ham yanıt tablosunu saklayın, çünkü tekrar edilebilir bir prompt seti ve kayıt dosyası olmadan hiçbir görünürlük iddiası bağımsız olarak sınanamaz.

GA4 ve Search Console ile çapraz kontrol

Model testleri neyin sözlü olarak söylendiğini gösterir, GA4 ise neyin tıklamaya dönüştüğünü. İkisini birbirine bağlamak için GA4'ün varsayılan raporlarına güvenemezsiniz, çünkü platformda yerleşik bir "AI" kanalı yoktur. Bir kullanıcı ChatGPT üzerinden gelirse GA4 bu oturumu forum linkleri ve dizin listelemeleriyle aynı genel "Referral" torbasına atar.

Bunu düzeltmek için özel bir kanal grubu kurun. Admin, Data display, Channel groups menüsünden yeni bir grup oluşturup "AI Search" adını verin, ardından Source alanına matches regex koşuluyla domain listesi ekleyin (örneğin chatgpt\.com|perplexity\.ai|gemini\.google\.com|copilot\.microsoft\.com). İki nokta kurulumu ayakta tutar. Medium alanını yalnızca referral ile sınırlarsanız, utm_source=chatgpt.com ile gelen ama medium'u boş olan görünür ChatGPT trafiğinin tahminen %30-40'ını kaçırırsınız. Kural sıralaması da kritiktir, çünkü GA4 kuralları yukarıdan aşağıya değerlendirir ve ilk eşleşen kazanır. AI kanalını Referral ve Organic Search'ün üstüne taşımazsanız kural hiç tetiklenmez.

Temiz bir kurulum bile gerçeğin altında kalır. Mobil uygulamalar linkleri sistem tarayıcısında açarken referrer header'ını siler, kullanıcı URL'yi kopyalayıp yapıştırdığında referrer tamamen kaybolur, ve AI marka adını link vermeden andığında kullanıcı Google'da aratıp Organic Search olarak görünür. Bu yüzden GA4'te gördüğünüz AI trafiğini bir taban olarak okuyun, tavan olarak değil. Search Console daha da kördür. AI Overview gösterimlerini klasik organik aramadan ayrıştırmaz, dolayısıyla AI Overview'da atıf alan ama tıklanmayan bir sayfa genel sorgu verisi içinde erir.

Görünmeyen trafiği tahmin etmek için üç tamamlayıcı yöntemi sırayla uygulayın. Önce deep-page Direct proxy'yi çalıştırın. Gerçek "URL yazarak giren" trafik ezici çoğunlukla ana sayfaya iner, dolayısıyla bloglara veya ürün sayfalarına düşen Direct oturumlar büyük ölçüde referrer'ı silinmiş AI tıklamalarıdır. Sonra post-conversion anket ekleyin. Tally'nin kayıt sonrası anketinde kullanıcıların %25'i ChatGPT'yi kaynak gösterdi, ki bu oran GA4'teki görünür AI referral trafiğini fazlasıyla aşıyor. Son olarak bağımsız bir izleme aracından gelen atıf trendini GA4'teki Direct artı AI Search trendiyle eşleştirerek modellenmiş bir atıf kurun. Ölçtüğümüz markalarda bu üç sinyal aynı yönü gösterdiğinde, model testinin raporladığı görünürlük artışının gerçek trafiğe dönüştüğünden emin oluruz.

Doğrulama sinyallerinin güvenilirlik sınıflandırması

Doğrulama sinyalleri güvenilirlik açısından eşit değildir, ve bir ajans hangisine dayanıyorsa raporun ağırlığı da o kadardır. Aşağıdaki tablo, önceki bölümlerde açıkladığımız her sinyal türünü güvenilirlik seviyesine göre sıralar. Ölçtüğümüz markalarda en tutarlı sonucu tablonun üst iki satırındaki sinyallerin birleşimi verdi.

Bir raporun ağırlığını tablonun neresinden beslendiğine bakarak tartabilirsin. Yalnız alt satırlara dayanan bir sonuç, ne kadar parlak görünürse görünsün, bağımsız doğrulanmış sayılmaz.

Bir ajans raporunu değerlendirirken sorulacak sorular

Bir ajans raporunu okurken üç kalıp size hemen şüphe vermeli. Ajansın kendi kendine verdiği bir "sertifika" ya da kendi icat ettiği bir "standart" hiçbir bağımsız denetçiyle doğrulanmadığı sürece pazarlama dilidir, kanıt değil. Ölçtüğümüz markalarda bu tür rozetlerin altında çoğu zaman tekrar edilebilir tek bir prompt bile yoktu.

İkinci kırmızı bayrak, sonuçların yalnızca branded promptlara dayanmasıdır. Marka adını içeren bir soruya modelin olumlu yanıt vermesi görünürlüğü değil uyumu ölçer, ve bunu daha önce ayrıntılı gösterdik. Rapor size "ChatGPT markanızı öneriyor" diyorsa, o prompt'un içinde markanızın adı geçip geçmediğini sorun.

Üçüncü kalıp, ham verinin paylaşılmamasıdır. "Dokuz müşteride başarı" gibi sayılar tarih, ekran görüntüsü ve tekrar edilebilir prompt seti olmadan sunulduğunda, dışarıdan hiç kimse bu sonucu yeniden üretemez. Doğrulanamayan bir sonuç, iddiadan başka bir şey değildir.

Bu kalıpları tespit ettikten sonra ajanstan somut şeyler talep edin. Ölçümün dayandığı ham veriyi isteyin: hangi tarihlerde, hangi modellerde, kaç kez test edildiğini gösteren kayıtlar. Kullanılan tam prompt setini yazılı olarak isteyin, ve bu setin unbranded sorular içerdiğinden emin olun. Aynı promptları siz de ChatGPT, Gemini ve Perplexity üzerinde çalıştırıp rapordaki mention-rate ile karşılaştırabilmelisiniz.

Son olarak, GA4 özel kanal grubu ve Search Console verilerine erişim isteyin. Ajansın model testlerinden bildirdiği görünürlük artışı, analitik tarafta trafik hareketiyle örtüşmüyorsa, en azından bu boşluğun neden olduğunu açıklamalıdır. Ham veri veren, promptlarını paylaşan ve analitikle çapraz kontrole açık olan bir ajans, iddiasını doğrulanabilir hale getirmiş demektir.

Sık Sorulan Sorular

Kaç tekrarlı test yeterli sayılır? Tek bir yanıt hiçbir zaman kanıt değildir, çünkü aynı prompt farklı çalışmalarda farklı sonuç verir. Ranqo GEO çalışması CRM kategorisinde her motora 50 unbranded prompt'u onar kez göndererek 2.500 yanıt ürettti. Marka bahsi görece kararlıyken sentiment 6,7 kat daha oynak olduğundan, sentiment iddialarının çok daha fazla tekrar gerektirdiğini ölçtüğümüz markalarda gözlemliyoruz.

GA4'te AI trafiği hiç görünmüyorsa ne anlama gelir? GA4'te düşük AI trafiği görünmesi düşük AI görünürlüğü anlamına gelmez, çünkü mobil uygulamalar ve kopyala-yapıştır davranışı referrer bilgisini siler. Bir SaaS anketinde kullanıcıların %25'i kaynak olarak ChatGPT'yi belirtti, oysa bu oran GA4'teki görünür AI referral trafiğini fazlasıyla aştı. GA4 verisini bir taban olarak okuyun, tavan olarak değil.

Branded prompt hiç kullanılmamalı mı? Branded promptlar itibar ve algı sinyalidir, dolayısıyla kendi başlarına değersiz değildir. Ama keşif sorusunu (model markanızı adı geçmeden önerir mi) yanıtlamazlar, bu yüzden görünürlük doğrulamasının merkezine unbranded tekrarlı testi koyun. Branded sonuçları itibar ölçümü olarak sunun, keşif kanıtı olarak değil.

Search Console AI Overview görünürlüğünü doğrular mı? Search Console, AI Overview gösterimlerini klasik organik aramadan ayrı raporlamaz, bu nedenle tek başına AI görünürlüğünü doğrulayamaz. Sorgu gösterim verisini harici bir izleme aracının trendiyle korelasyon kurarak kullanın. Bu bir vekil göstergedir, kesin bir ölçüm değildir.

Üçüncü taraf araçlar bağımsız doğrulama sağlar mı? AEO/GEO ölçüm yapan araçlar ajansın kendi raporu dışında görünürlüğü kontrol etmenize imkân tanır. Ancak araçlar "görünürlük verisi" ile neyi kastettikleri konusunda keskin biçimde ayrışır, bazıları gerçek prompt yerine SEO anahtar kelime tahminlerini prompt verisi gibi sunar. Aracın verisinin gerçek konuşmalardan mı yoksa tahmin modelinden mi geldiğini sorun.