B2B markalar arama görünürlüğünü artık iki ayrı karneyle ölçmelidir. Birinci karne klasik arama performansını izler: indekslenme, anahtar kelime görünürlüğü, organik trafik, tıklama, dönüşüm ve gelir etkisi. İkinci karne üretken yapay zekâ cevaplarındaki marka varlığını izler: hedef sorularda anılma, açıkça önerilme, kaynak gösterilme, doğru bağlam, kullanılan kaynak türleri ve AI referanslı nitelikli lead’ler. Bu iki karne birleştirilmeli ancak tek puana indirgenmemelidir çünkü bir marka, Google’da güçlü sıralanırken AI kısa listelerinde yer almayabilir; bir içerik kaynak gösterilirken rakip marka önerilebilir.

Rapor yeşil fakat marka neden kısa listede yok?

Bir pazarlama direktörü, organik performans raporuna baktığında doğru soruları soruyor olabilir: Görünürlük arttı mı? Trafik hangi sayfalardan geliyor? Nitelikli form sayısı ne kadar? Hangi anahtar kelimeler fırsata dönüşüyor? Edinme maliyeti nasıl değişti?

Fakat artık bu tabloya yeni bir soru eklenmelidir: Satın alma kararı yapay zekâ aracılığıyla başladığında markamız ne kadar görünür?

Bu sorunun cevabı klasik SEO raporunda her zaman bulunmaz çünkü arama sıralaması, bir bağlantının listedeki konumunu ölçer. Üretken yapay zekâ cevabı ise farklı kaynakları birleştirir, markaları adlandırır, bazen önerir, bazen yalnızca alıntılar, bazen de kaynak göstermeden bilgiyi kullanır.

Bir şirket önemli anahtar kelimelerde ilk üçte olabilir ve yine de “Hangi tedarikçilerle görüşmeliyim?” sorusunda adı geçmeyebilir. Başka bir şirketin blog yazısı AI cevabına kaynak olabilir fakat cevapta önerilen marka rakibi olabilir. Her iki durumda da tek bir “görünürlük yüzdesi” gerçeği saklar.

Doğru yönetim modeli, iki ayrı karnenin birlikte okunmasıdır.

Birinci karne neyi ölçer: Aramada bulunuyor muyuz?

Klasik arama karnesi önemini koruyor. Google’ın Temmuz 2026’da güncellediği resmi üretken AI rehberi, AI Overviews ve AI Mode gibi özelliklerin temel arama sıralama ve kalite sistemlerine dayandığını açıkça söylüyor. Tarama, indeksleme, içerik kalitesi, sayfa deneyimi ve arama niyetiyle uyum hâlâ görünürlüğün temelidir.

Birinci karne dört katmanda okunabilir.

Teknik sağlık

Önemli sayfalar taranabiliyor ve indekslenebiliyor mu? Sunucu hataları, yönlendirme zincirleri, yanlış canonical, noindex, robots engeli veya yalnızca istemci tarafında çalışan kritik içerik var mı? Site mobilde hızlı ve kullanılabilir mi? Bu katman, görünürlüğün altyapısını ölçer.

Arama kapsamı

Marka yalnızca kendi adıyla mı bulunuyor, yoksa kategori, problem, uygulama, karşılaştırma ve karar sorularında da yer alıyor mu? Toplam anahtar kelime sayısı tek başına yeterli değildir. Ticari değeri olan konu kümelerinde görünürlük ve sayfa-konu eşleşmesi önemlidir.

Davranış ve dönüşüm

Gösterim tıklamaya, tıklama anlamlı etkileşime, etkileşim talebe dönüşüyor mu? Form, telefon, e-posta, teknik doküman görüntüleme, teklif talebi, randevu ve nitelikli lead gibi mikro ve makro dönüşümler izlenmelidir.

İş etkisi

Organik kanal hangi fırsatlara ve gelire katkı sağlıyor? Satış döngüsü ne kadar? Hangi içerikler bir fırsatın temas zincirinde yer alıyor? B2B’de son tıklama modeli, çoğu zaman değeri eksik gösterir; CRM ve pazarlama verisi birlikte okunmalıdır.

Birinci karnenin gücü, uzun yıllardır oturmuş araçlara ve karşılaştırılabilir verilere sahip olmasıdır. Zayıflığı ise AI cevabının içindeki marka temsilini doğrudan açıklamamasıdır.

İkinci karne neyi ölçer: Yapay zekâ adımızı doğru bağlamda söylüyor mu?

AI görünürlük karnesi klasik sıra takibinin kopyası olmamalıdır çünkü üretken cevaplarda herkes için sabit, tek bir “pozisyon” yoktur. Platform, tarih, kullanıcı bağlamı, coğrafya, dil ve sorunun yazılış biçimi sonucu değiştirebilir.

iPullRank’in 2026 tarihli kontrollü Google Personal Intelligence deneyi bu değişkenliği somutlaştırıyor. Opt-in kişisel bağlam kullanılan test hesabında e-posta yoluyla eklenen marka sinyalleri, kontrol hesabına kıyasla görünürlüğü önemli ölçüde değiştirdi. Araştırma 1.922 AI Mode cevabını inceledi ancak yazarlar, bulgunun varsayılan AI Mode için evrensel sıralama faktörü olmadığını ve Google’ın iç algoritmasını göstermediğini özellikle belirtti. Bu sınır, ölçüm tasarımı için önemlidir: Tek bir kullanıcı, tek bir soru ve tek bir ekran görüntüsüyle pazar payı hesaplanamaz.

İkinci karne en az altı ayrı durumu izlemelidir.

Marka anılma oranı

Hedef soru sepetindeki cevapların kaçında marka adı geçiyor? Bu, temel kapsam metriğidir fakat olumlu öneri ile nötr anılmayı ayırmaz.

Açık önerilme oranı

Sistem, markayı alıcının değerlendirmesi gereken tedarikçi, ürün veya çözüm olarak sunuyor mu? “Bu konuda UIM’in yazısını okuyabilirsiniz.” ile “Bu ihtiyaç için UIM’i değerlendirebilirsiniz.” aynı ticari etkiye sahip değildir.

Kaynak gösterilme oranı

Web siteniz, LinkedIn içeriğiniz, teknik yayınınız veya vaka analiziniz cevabın görünür kaynakları arasında mı? Kaynak gösterilmek otorite sinyalidir ancak önerilme ile birlikte ve ayrı raporlanmalıdır.

Doğru bağlam oranı

Marka neyle ilişkilendiriliyor? Doğru hizmet, sektör, coğrafya ve uzmanlıkla mı anılıyor? Yanlış bir kategoriyle görünmek, bazı durumlarda görünmemekten daha maliyetlidir. Bu nedenle yalnızca “Adı geçti.” kontrolü yeterli değildir.

Kaynak ekosistemi

AI cevabı, markayı hangi kaynak türlerinden öğreniyor? Kendi web sitesi, LinkedIn, sektör yayını, dizin, müşteri sayfası, forum, haber veya karşılaştırma içeriği mi? Bu dağılım; içerik ve dijital PR yatırımının nereye yönelmesi gerektiğini gösterir.

AI referanslı nitelikli talep

Bir alıcı, “Sizi ChatGPT’de gördüm.”, “AI önerdi.” veya “Google özetinde karşıma çıktınız.” diyor mu? Bu veri; formdaki serbest metin alanı, ilk satış görüşmesindeki kaynak sorusu ve CRM etiketiyle toplanmalıdır. İkinci karnenin iş sonucuna en yakın metriği budur.

Neden iki karneyi tek puana indirmemeliyiz?

Yönetim tek sayıyı sever fakat karmaşık bir sistemi tek puana sıkıştırmak bazen karar kalitesini düşürür.

Örneğin, marka anılma oranı yükselirken doğru bağlam oranı düşebilir. Kaynak gösterilme artarken açık önerilme değişmeyebilir. Organik trafik azalırken AI özelliklerindeki gösterimler ve doğrudan marka aramaları artabilir. Bütün bunları “AI görünürlük skoru 72” şeklinde sunmak, hareketin nedenini saklar.

Gorilla 76, üretici görünürlüğünü dört durumla değerlendiren kullanışlı bir çerçeve öneriyor: 1. Marka adı geçer ve önerilir. 2. Yalnızca kaynak gösterilir. 3. İçerik kaynak gösterilmeden kullanılır. 4. Marka tamamen yoktur. Üçüncü durum, dışarıdan kesin ölçülemeyebilir çünkü her sistem tüm kaynaklarını göstermeyebilir. Yine de kavramsal ayrım değerlidir: Bilginizin etkisi ile markanızın ticari görünürlüğü aynı şey değildir.

UIM için önerilen raporlama, tek skor yerine “sonuç + teşhis” modelidir. Yönetim; üst seviyede anılma, önerilme, doğru bağlam ve nitelikli talebi görür. Pazarlama ekibi; bunun altında soru, platform, rakip, kaynak ve sayfa düzeyine iner. Teknik ekip, erişim ve indeksleme sorunlarını izler. İçerik ekibi, cevap boşluklarını görür. Dijital PR ekibi, eksik güven kaynaklarını belirler.

Ölçüm sepeti nasıl kurulmalı?

Ölçüm, rastgele “En iyi şirketler hangileri?” sorularıyla yapılmamalıdır. Önce gerçek alıcı yolculuğu modellenmelidir.

İlk soru grubu, kategori araştırmasıdır. Alıcı, çözüm alanını anlamaya çalışır. İkinci grup, problem çözmedir; belirli bir operasyonel veya ticari soruna cevap arar. Üçüncü grup, karşılaştırmadır; iki yaklaşımın, ürün tipinin veya tedarikçinin farkını sorar. Dördüncü grup, kısa liste oluşturmadır. Beşinci grup, risk ve doğrulamadır; sertifika, güvenilirlik, entegrasyon, teslimat, maliyet veya belirli şirket hakkında kontrol yapar.

Her grup için satış ve müşteri ekiplerinden gerçek soru örnekleri alınmalıdır. Sorular marka adı içermeyen “kör” sürümler ve marka doğrulama sürümleri olarak ayrılabilir. Türkçe ve hedef pazarlarda kullanılan diğer diller ayrı sepetlerle izlenmelidir.

İlk aşamada 15-25 soruluk odaklı bir sepet, çoğu B2B şirket için yeterlidir. Her soruyu üç-dört platformda aylık tekrarlamak, yüzlerce gelişigüzel sorgudan daha anlamlı bir trend üretebilir ancak sonuçların bağımsız kullanıcılar için tamamen aynı olacağı varsayılmamalıdır.

Ölçüm frekansı ne olmalı?

Günlük kontrol, çoğu B2B marka için gereksiz gürültü yaratır. Üretken cevapların doğal değişkenliği, küçük hareketleri anlamlı gibi gösterebilir. Aylık ölçüm, içerik ve teknik değişikliklerin etkisini izlemek için uygun bir başlangıçtır. Büyük site geçişi, ürün lansmanı, marka birleşmesi veya önemli bir PR dalgası sonrası ek ölçüm yapılabilir.

Üç aylık yönetim raporu ise daha geniş resmi okumalıdır. Hangi soru kümelerinde ilerleme var? Hangi rakipler sistematik olarak öneriliyor? Hangi kaynaklar tekrarlanıyor? Klasik arama ve AI görünürlüğü birlikte nasıl değişiyor? Nitelikli fırsatlarda yeni kaynak beyanları oluşuyor mu?

Tek koşum yerine hareketli ortalama veya birkaç tekrarlı örnek kullanmak gürültüyü azaltabilir. Değişmeyen soru seti karşılaştırılabilirlik sağlar ancak yeni ürün, pazar veya alıcı soruları ortaya çıktığında kontrollü biçimde güncellenmelidir.

Google Search Console bu alanda ne sağlıyor?

Google, 2026’da Search Console içinde üretken AI performans raporunu sınırlı sayıda site sahibine açmaya başladı. Resmi yardım sayfasına göre rapor, Google Search’teki AI Overviews ve AI Mode özelliklerinde bir sitenin bağlantılarının kaç kez gösterildiğini; sayfa, ülke ve cihaz gibi boyutlarla incelemeyi sağlıyor. Özellik kademeli yayıldığı için her hesapta görünmeyebilir.

Bu rapor değerli birinci taraf veridir ancak bütün AI ekosistemini temsil etmez. ChatGPT, Perplexity, Copilot veya diğer platformlardaki görünürlüğü göstermez. Ayrıca link gösterimi, markanın cevapta nasıl anlatıldığını tek başına açıklamayabilir. Bu nedenle Search Console verisi ikinci karnenin önemli ama tek olmayan bileşenidir.

Üçüncü taraf araçlar karşılaştırma ve operasyon kolaylığı sunabilir. Google ise hiçbir üçüncü taraf aracın kendi iç sıralama veya AI sistemlerine erişimi olmadığını hatırlatıyor. Sağlıklı yaklaşım, araç verisini resmi platform verileri, manuel kalite kontrolü ve CRM sonuçlarıyla çapraz okumaktır.

Raporu, satış ve yönetim kararına nasıl bağlarız?

AI görünürlüğü, yalnızca pazarlama merakı olarak kalırsa bütçe savunmak zorlaşır. İkinci karne, satış sürecine bağlandığında anlam kazanır.

Formlarda, “Bizi nasıl duydunuz?” sorusu serbest metin olarak bulunmalıdır. Satış ekibi, ilk görüşmede hangi aracı kullandığını, hangi soruyu sorduğunu, hangi markalarla birlikte önerildiğinizi ve cevabın hangi özelliğinizi vurguladığını sormalıdır. Bu bilgi, CRM’de ayrı alanlara işlenmelidir.

Bir AI referanslı lead oluştuğunda ilgili soru ölçüm sepetine eklenebilir. Cevapta kullanılan sayfa ve üçüncü taraf kaynaklar belirlenir. Fırsatın niteliği, satış döngüsü ve gelire dönüşümü izlenir. Böylece içerik planı gerçek talep dilinden beslenir.

TREW Marketing araştırmasına göre teknik alıcıların yüzde 53’ü son satın alma kararında marka aşinalığının etkili olduğunu söylüyor; teknik olarak benzer iki çözüm arasında ise yüzde 70 daha bilinen markayı seçmeye eğilimli. Bu veri, görünürlüğü yalnızca son temas lead metriğiyle değerlendirmenin neden eksik olduğunu gösterir. AI cevabında doğru bağlamla tekrar eden marka, doğrudan form doldurtmasa bile kısa liste ve güven üzerinde etkili olabilir.

İki karne, tek büyüme sistemi

Klasik arama ile yapay zekâ görünürlüğünü, iki ayrı ekip ve iki ayrı strateji gibi yönetmek hata olur. Aynı teknik temel, aynı uzmanlık, aynı vaka, aynı kurumsal bilgi ve aynı içerik sistemi, her iki alanı da besler.

Fark, ölçüm hedefindedir. Birinci karne, “Bulunduk mu ve siteye geldiler mi?” diye sorar. İkinci karne, “Adımız söylendi mi, doğru anlatıldık mı ve kısa listeye girdik mi?” diye sorar.

Bu iki sorunun birlikte cevaplandığı yönetim modeli, pazarlamayı trafik üretiminden karar etkisi üretimine taşır.

Sık Sorulan Sorular