GEO sözlüğü.

Bir markanın, yapay zeka cevap motorlarının ürettiği cevapların içinde kaynak olarak yer almasını hedefleyen optimizasyon disiplinidir.

GEO, ChatGPT, Gemini, Perplexity ve Google AI Overviews gibi üretken cevap motorlarının bir soruya verdiği sentezlenmiş cevapta markanın anılmasını ve kaynak gösterilmesini amaçlar. SEO'dan farkı, bir sonuç listesinde sıra kapmak yerine cevabın kendisine girmeyi hedeflemesidir. Başarı ölçüsü tıklama sırası değil, alıntılanma payıdır.

Soruya doğrudan cevap veren sistemlerde görünürlük kazanmayı hedefleyen optimizasyon yaklaşımıdır.

AEO, GEO ile büyük ölçüde örtüşür ve pratikte çoğu zaman birbirinin yerine kullanılır. Vurgu farkı şudur: AEO, öne çıkan snippet'ler ve sesli asistanlar dahil tüm cevap yüzeylerini kapsar; GEO ise özellikle üretken (generative) modellerin sentezlediği cevapları hedefler.

İzlenen sorgu kümesinde, cevap motorlarının markayı kaynak gösterdiği cevapların yüzdesidir.

Örneğin 100 sorgudan 41'inde marka anılıyorsa alıntı payı %41'dir. GEO'nun temel başarı metriğidir çünkü doğrudan ölçülebilir ve rakiple kıyaslanabilir. Motor bazında ayrı ayrı hesaplanmalıdır — bir marka ChatGPT'de yüksek, Perplexity'de düşük paya sahip olabilir.

Alıntı payı, anılma konumu ve cevaptaki tonun birleştirilmesiyle üretilen 0–100 arası bileşik skordur.

Yalnızca anılıp anılmadığınızı değil, nasıl anıldığınızı da ölçer: cevabın başında birincil öneri olarak mı geçiyorsunuz, yoksa sonda bir alternatif listesinde mi? Endeks, motorlar arası ortalamayı tek bir takip edilebilir sayıya indirger.

Bir dil modelinin, gerçekte doğru olmayan bir bilgiyi emin bir dille üretmesidir.

Marka bağlamında en sık görülen biçimleri yanlış fiyat, var olmayan özellik, hatalı iletişim bilgisi ve kapatılmış bir ürünün hâlâ satılıyor gibi anlatılmasıdır. GEO programlarında halüsinasyon tespiti ayrı bir iş kalemidir: önce yanlış bilginin hangi sorularda üretildiği tespit edilir, sonra doğru bilgiyi net biçimde beyan eden içerikle hedeflenir.

Bir modelin cevabını, eğitim hafızası yerine canlı olarak getirdiği kaynaklara dayandırmasıdır.

Google AI Overviews ve Perplexity ağırlıklı olarak grounding ile çalışır: soru gelir, sistem web'de arama yapar, bulduğu sayfaları okur ve cevabı bunlara dayandırarak üretir. Grounding kullanan motorlarda görünürlük, taranabilirlik ve sayfa yapısıyla doğrudan ilişkilidir — bu yüzden teknik SEO temeli GEO için hâlâ gereklidir.

Modelin cevap üretmeden önce ilgili belgeleri bir kaynak havuzundan çekmesi yöntemidir.

Retrieval-Augmented Generation'ın kısaltmasıdır. Model önce soruyla ilgili belgeleri bulur, sonra bu belgeleri okuyarak cevabı yazar. GEO açısından sonucu şudur: içeriğinizin bulunabilir (indexlenmiş), okunabilir (temiz yapılı) ve alıntılanabilir (kendi kendine yeten pasajlar hâlinde) olması gerekir.

Sayfadan koparıldığında tek başına anlamlı kalan, bağlama muhtaç olmayan metin bloğudur.

Modeller sayfaları bütün olarak değil parça parça alıntılar. "Yukarıda belirttiğimiz gibi bu yöntem daha iyidir" cümlesi alıntılanamaz; "GEO'da tipik ilk sonuç süresi 30 gündür" cümlesi alıntılanabilir. Pratik kural: her paragraf öznesini ve sayısını kendi içinde taşımalıdır.

Bir sitenin kök dizininde yayınlanan, dil modelleri için hazırlanmış markdown formatındaki özet dosyasıdır.

robots.txt'in tarama izinlerini düzenlemesi gibi, llms.txt de modele sitenin ne hakkında olduğunu ve en önemli sayfaların nerede olduğunu düz metin olarak anlatır. HTML gürültüsü olmadan okunabildiği için model tarafından ayrıştırılması kolaydır. Yaygın uygulamada llms.txt kısa bir dizin, llms-full.txt ise içeriğin tamamının düz metin hâlidir.

Sitenin hangi bölümlerinin hangi botlar tarafından taranabileceğini bildiren kök dizin dosyasıdır.

GEO açısından kritik nokta, AI botlarının klasik arama botlarından ayrı user-agent'lar kullanmasıdır: GPTBot, ClaudeBot, PerplexityBot, Google-Extended gibi. Google-Extended'ı engellemek, Google aramasındaki sıralamanızı etkilemez ama Gemini ve AI Overviews'daki görünürlüğünüzü kapatır.

Sayfa içeriğinin ne anlama geldiğini makinelere açıkça bildiren, standartlaştırılmış etiketleme sistemidir.

Genellikle JSON-LD formatında sayfaya gömülür. "Bu bir kurum, adı şu, telefonu bu, sunduğu hizmet şu" bilgisini tahmine bırakmak yerine doğrudan beyan eder. Varlık çözümlemesinde belirsizliği azalttığı için hem Google rich result'ları hem de modellerin marka bilgisini doğru kurması açısından değerlidir.

Bir sistemin, farklı kaynaklardaki bilgilerin aynı gerçek dünya varlığına ait olduğunu belirlemesidir.

Bir modelin "GeoAgency" adını gördüğü her yerde aynı kurumu kastettiğini anlaması gerekir. Bunu isim, adres, telefon, e-posta ve doğrulanmış profil bağlantılarının tutarlılığına bakarak yapar. Kaynaklar arasında çelişki varsa (bir yerde İstanbul, başka yerde Kırklareli) model iki ayrı varlık olduğunu düşünebilir veya güvenini düşürür.

Kurum adı, adresi ve telefonunun tüm kaynaklarda birebir aynı yazılmasıdır.

Name-Address-Phone'un kısaltmasıdır. Sitenizde, schema'nızda, dizin kayıtlarınızda ve sosyal profillerinizde bu üç bilginin aynı olması gerekir. Tutarsızlık, varlık çözümlemesini zorlaştırdığı için hem yerel SEO'da hem de modellerin marka bilgisine duyduğu güvende doğrudan kayba yol açar.

Varlıkların ve aralarındaki ilişkilerin makine tarafından okunabilir bir ağ olarak temsil edilmesidir.

"GeoAgency bir kurumdur, Aiotonom'un iştirakidir, Türkiye'de faaliyet gösterir, GEO hizmeti sunar" gibi ilişkilerin bağlı bir yapı olarak saklanmasıdır. Bir marka bilgi grafiğinde net biçimde temsil edildiğinde, modeller o markayla ilgili soruları tahmin yerine yapıya dayanarak cevaplar.

Google arama sonuçlarının üstünde görünen, yapay zeka tarafından üretilmiş özet cevaptır.

Cevabın altında kaynak sayfa bağlantıları listelenir. Bu blokta kaynak gösterilmek klasik organik sonuçların üzerinde bir konum kazandırır. AI Overviews grounding ile çalıştığı için burada görünürlük, sayfanın taranabilirliğine ve sorunun cevabını net biçimde veren bir pasaj barındırmasına bağlıdır.

Sorguların hangi kullanıcı profilinin ağzından sorulduğunu tanımlayan modeldir.

Aynı ürün hakkında bir CFO ile bir yazılım geliştirici çok farklı sorular sorar ve modeller bu sorulara farklı kaynaklar göstererek cevap verir. GEO taramalarında sorgu kümesi persona bazında ayrıştırılır; böylece hangi karar vericinin gözünde görünmez olduğunuz tespit edilebilir.

Bir markanın görünürlüğünü ölçmek için düzenli olarak motorlara sorulan, sabit tutulmuş soru listesidir.

Kümenin sabit tutulması şarttır: sorular değişirse skorun zaman içindeki değişimi anlamsızlaşır. Tipik bir küme farkındalık, değerlendirme ve karar fazlarından sorular içerir ve persona ile dil bazında ayrıştırılır.

Kullanıcının satın almaya en yakın olduğu anda sorduğu, karşılaştırma ve seçim içeren sorudur.

"X mi Y mi", "küçük ekipler için en iyi …", "… alternatifleri" biçimindeki sorular bu gruba girer. Dönüşüme en yakın sorgular olduğu için GEO çalışmalarında genellikle ilk hedeflenen kümedir.

Deneyim, uzmanlık, otorite ve güvenilirlik ölçütlerinden oluşan içerik kalitesi çerçevesidir.

Experience, Expertise, Authoritativeness, Trustworthiness kelimelerinin kısaltmasıdır. Google'ın kalite değerlendirici kılavuzundan gelir; ancak aynı sinyaller (kimin yazdığı belli mi, kurumla bağı var mı, kaynak gösteriyor mu) modellerin hangi kaynağı alıntılayacağı seçiminde de belirleyicidir.

Bir sayfanın arama motoru sonuç listesindeki sırasını yükseltmeyi hedefleyen optimizasyon disiplinidir.

Ölçü birimi konum ve tıklamadır. GEO'nun yerine geçmez; tersine, grounding kullanan motorlarda içeriğinizin bulunabilmesi taranabilirlik ve teknik sağlığa bağlı olduğu için sağlam bir SEO temeli GEO'nun ön koşuludur.