GEO nedir? SEO'dan ayrıldığı yer neresi

Bir kullanıcı "İstanbul'da B2B için en iyi performans ajansları" diye arattığında iki farklı şey olabiliyor. Google'da on mavi bağlantı görüp tıklar; ya da ChatGPT'ye sorup dört isimden oluşan bir liste alır ve hiçbir siteye girmeden karar verir. İkinci senaryoda sıralamanız değil, o listede anılıp anılmadığınız önemli. GEO — generative engine optimization — tam olarak bu ikinci senaryoyu hedefleyen çalışmanın adı.

Terim yeni, mekanik ise tanıdık: yanıt motorları da bir yerden bilgi çekiyor. Fark, çektikleri şeyi nasıl işlediklerinde. Klasik arama motoru sayfayı bir bütün olarak sıralar; üretken model sayfadan bir cümle, bir tablo satırı ya da bir paragraf koparıp kendi cevabının içine yerleştirir. Optimize edilecek birim değişti.

SEO sıralama optimize eder, GEO alıntılanabilirlik

Klasik SEO'da başarı ölçüsü nettir: anahtar kelime, pozisyon, tıklama oranı, organik trafik. GEO'da bu zincirin ortası kopuyor. Yanıt motoru sizi kaynak gösterse bile kullanıcı bağlantıya tıklamayabilir; markanız yanıtın içinde geçer, tıklama gelmez, ama karar sürecine girmiş olursunuz. Bu yüzden GEO'nun temel metriği trafik değil, görünürlük payı: belirli bir soru kümesinde kaç yanıtta anılıyorsunuz ve hangi bağlamda anılıyorsunuz.

Pratikte bu şu farkları doğuruyor:

• Birim farkı: SEO'da sayfa optimize edilir, GEO'da paragraf. Model, sayfanın tamamını değil, sorusuna en iyi karşılık gelen bölümü alır.
• Rekabet farkı: SEO'da ilk 3 sonuç oyunu kazanır. GEO'da model genelde 3–8 kaynağı harmanlar; dördüncü en iyi kaynak olmak da işe yarar.
• Sinyal farkı: Backlink hâlâ önemli ama tek başına yetmiyor. Marka adının metin içinde, bağlantı olmadan geçmesi (unlinked mention) de modelin kurduğu ilişkiyi besliyor.
• Zaman farkı: Perplexity ve Gemini gibi motorlar canlı arama yapıyor; taze içerik hızlı girer. ChatGPT'nin eğitim verisiyle oluşmuş bilgisi ise geç değişir, orada birikim gerekir.
• Ölçüm farkı: Search Console karşılığı yok. Soru setleri hazırlayıp düzenli aralıklarla manuel veya araçla sorgulamak gerekiyor.

Yanıt motorları hangi içeriği alıntılamayı seviyor?

Sahada tekrar eden bir örüntü var: model, kendi başına ayakta durabilen metni tercih ediyor. Bir paragrafı bağlamından kopardığınızda anlamı bozuluyorsa, o paragraf alıntılanmıyor. "Yukarıda bahsettiğimiz gibi bu yöntem de benzer sonuç verir" cümlesi bir insan okuru için sorun değil, model için işe yaramaz veri.

Bunun içerik tarafındaki karşılığı şu: her alt başlığın altındaki ilk paragraf, o başlığın sorusuna doğrudan cevap vermeli. 40–80 kelime, tek fikir, tanımlı özne. Cevabı verdikten sonra genişletin, örnek ekleyin, nüans getirin. Ters piramit — haberciliğin en eski kuralı — üretken motorlar için yeniden geçerli oldu.

İkinci örüntü: sayısal ve karşılaştırmalı içerik daha sık alıntılanıyor. "Kampanya bütçesi optimizasyonu genellikle daha verimlidir" cümlesi ile "kampanya seviyesinde bütçe topladığımızda 30 günde edinim maliyeti 412 TL'den 287 TL'ye indi" cümlesi arasındaki fark, alıntılanma açısından uçurum. Model belirsiz ifadeyi atlar, ölçülebilir iddiayı taşır. Elinizde gerçek veri yoksa uydurmayın; ama varsa mutlaka metnin içine yazın, grafiğin içinde bırakmayın.

Üçüncüsü tablo ve liste yapısı. Fiyatlandırma, özellik karşılaştırması, adım sırası gibi bilgiler HTML tablosunda veya numaralı listede durduğunda modelin çıkarım yükü azalıyor. Aynı bilgiyi akıcı paragraf içine gömmek insan okuru için hoş, motor için maliyetli.

Kaynak otoritesi neden kendi sitenizden bağımsız kurulur?

GEO'nun en can sıkıcı tarafı burası: kontrol edemediğiniz alanlar belirleyici. Bir yanıt motoruna "X şehrinde en iyi Y hizmeti" sorduğunuzda, modelin çıkardığı isimler çoğu zaman markaların kendi web sitelerinden değil; sektör listelerinden, karşılaştırma sitelerinden, Reddit ve Quora tartışmalarından, basın içeriklerinden ve YouTube açıklamalarından geliyor. Kendi sitenizde "biz en iyisiyiz" demenizin ağırlığı düşük; üçüncü bir kaynağın sizi bir bağlamda anmasının ağırlığı yüksek.

Bu yüzden GEO çalışması içerik üretiminden çok, bahsedilme yönetimine benziyor. Somut sıra şu şekilde işliyor:

1. Hedef soru setini yazın. 30–60 gerçek soru: satın alma niyetli, karşılaştırmalı, sorun odaklı. "Nedir" sorularıyla değil, karar anındaki sorularla başlayın.
2. Bu soruları ChatGPT, Gemini ve Perplexity'de tek tek sorun. Yanıtlarda anılan markaları ve kaynak alan adlarını tabloya çıkarın. Bu tablo sizin GEO kırılımınız.
3. Kaynak listesinde tekrar tekrar çıkan siteleri işaretleyin. Sektör dizinleri, karşılaştırma sayfaları, meslek yayınları. Bunlar öncelikli hedefleriniz — girmeniz gereken yerler.
4. Kendi sitenizde eksik cevapları yazın. Her sorunun kendi başlığı, kendi cevap bloğu olsun. Bir sayfada on soruyu üstünkörü geçmek yerine, önemli beş soruya ayrı ayrı derinlemesine cevap verin.
5. Yapılandırılmış veriyi tamamlayın: Organization, Product/Service, FAQPage, Article, Breadcrumb. Sameas alanlarıyla LinkedIn, Crunchbase, Wikidata gibi varlıklarınızı bağlayın.
6. 4–8 hafta sonra aynı soruları tekrar sorun. Değişimi kaydedin. GEO'da ölçüm tek seferlik değil, seri gerektiriyor.

Yapılandırılmış veri GEO'da ne işe yarıyor?

Schema.org işaretlemesinin doğrudan bir "yapay zekâ sıralama sinyali" olduğuna dair kesin bilgi yok. Ancak dolaylı katkısı belirgin: yapılandırılmış veri, sayfanızdaki varlıkları makine için tartışmasız hale getiriyor. Kimin kim olduğu, hangi hizmetin hangi fiyatla sunulduğu, yazının kim tarafından ne zaman yazıldığı, bir sorunun cevabının nerede bittiği — bunlar model için çıkarım yapmaktan çok daha güvenilir girdiler.

Özellikle üç işaretleme türü GEO tarafında elle tutulur fark yaratıyor. Organization şeması, marka adını bir varlık olarak tanımlıyor ve sameAs bağlantılarıyla dağınık dijital izinizi tek kimliğe topluyor. Article şemasındaki author ve datePublished alanları, modelin güncellik ve yazar otoritesi değerlendirmesine girdi sağlıyor. FAQPage ise soru-cevap eşleşmesini kesinleştiriyor; modelin "bu paragraf hangi sorunun cevabı" tahminini ortadan kaldırıyor.

Yanına iki teknik detay ekleyin. Birincisi, içeriğinizin JavaScript olmadan görünür olması: birçok tarama ajanı JS çalıştırmıyor, sunucu tarafında render edilmeyen metin var sayılmıyor. İkincisi robots.txt ve llms.txt tarafı — GPTBot, PerplexityBot, Google-Extended gibi ajanları bilinçli olarak yönetin. Bazı markalar bunları farkında olmadan engelliyor, sonra görünmemekten şikâyet ediyor.

SEO'yu bırakıp GEO'ya mı geçmeli?

Hayır, ve bu ikisi zaten aynı altyapıyı paylaşıyor. Yanıt motorlarının büyük kısmı hâlâ arama indekslerinden besleniyor; Google'da bulunamayan bir sayfa Gemini'ye de girmiyor. Teknik sağlık, tarama bütçesi, iç bağlantı, sayfa hızı — hepsi geçerli. GEO bunların üzerine bir katman ekliyor: içeriğin parçalanabilir, alıntılanabilir ve varlık olarak tanımlı olması.

Bütçe kararı verirken bakılacak yer trafiğin bileşimi. Bilgilendirici sorgulardan gelen organik trafiğiniz son bir yılda düşerken dönüşüm oranınız sabit kaldıysa, kayıp muhtemelen yanıt motorlarına gidiyor — kullanıcı cevabı yanıt kutusunda alıyor, sitenize sadece karar verenler geliyor. Bu durumda GEO'ya ayrılan pay artmalı. Ama marka aramalarınız ve dönüşüme yakın sorgularınız hâlâ sağlıklı çalışıyorsa, GEO'yu klasik SEO'nun yerine değil, uzantısı olarak planlamak daha isabetli.

En sağlam pratik şu: içeriği hem insan hem model için yazın, ama insanı öne alın. Cevabı en başa koyan, verisini metne yazan, iddiasını kaynaklandıran bir yazı iki tarafta da kazanıyor. Model için yazılmış, insan için okunmaz bir metin ise ilk indeks güncellemesinde eleniyor.