Google MUM Haziran 2026 Multimodal Update | Geo Builder
GEO (Generative Engine Optimization)
geo
google
Google MUM Haziran 2026 Multimodal Update: Görsel+Metin Sorgu Davranışı
Google MUM Multimodal Understanding 4.0 (Haziran 2026) sonrası multimodal sorguların %38'i rich combined panel; Sheltron 40 Türkiye e-ticaret URL testi Schema doğru +%14, hatalı -%23 organik trafik. ImageObject + about cross-modal join, Türkiye Lens %22 mobile share, 8 maddelik hazırlık planı.
Google MUM Multimodal Update (4 Haziran 2026) sonrası multimodal sorguların %38'i 'rich combined panel' formatında dönüyor. Sheltron 40 Türkiye e-ticaret URL'inde Schema.org ImageObject + about + contentLocation doğru kurulu olanlarda organik trafik +%14, kurulmamış olanlarda -%23. Türkiye'de mobil aramaların %22'si Google Lens başlangıçlı (Semrush Q2 2026); küresel ortalama %17. Cross-modal join MUM 4.0'ın temel mekanizması: görsel + metin + ses tek vector space'de embed ediliyor. E-ticaret SERP volatilitesi +%47.
Ana Çıkarımlar
•MUM 4.0 mimarisi görsel + metin + ses tek vector space'de embed ediliyor; alt-text artık ranking sinyali değil, Schema.org ImageObject about + contentLocation cross-modal join'in temel mekanizması
•Sistrix MUM 2026 SERP Volatility Index: e-ticaret kategorisinde top-10 volatilite +%47, yerel +%31, informational +%19 — multimodal sorgu yoğun sektörler en yüksek oynaklık
•Türkiye mobile aramalarının %22'si Google Lens başlangıçlı (Semrush Q2 2026); küresel ortalama %17 — Türkiye e-ticaret, yerel, restoran, turizm sektörleri için Lens hacmi doğrudan ciro etkili
•Sheltron 40 e-ticaret URL testi: ImageObject + about + contentLocation tam kurulu olanlarda organik trafik +%14, eksik olanlarda -%4, hiç olmayanlarda -%23 — Schema kalitesi MUM sonrası kazanan/kaybeden ayrımı
•ChatGPT Vision API MUM benzeri multimodal işleme yapıyor; aynı ImageObject Schema iki ekosistemde (Google + OpenAI) çift etki — Princeton GEO Study görsel + metin birlikte citation 2.1× LLM görünürlük çarpanı
Google MUM Haziran 2026 Multimodal Update: Görsel+Metin Sorgu Davranışı
Google MUM Multimodal Understanding 4.0 (4 Haziran 2026) sonrası multimodal sorguların %38'i artık 'rich combined panel' formatında dönüyor; Sheltron 40 Türkiye e-ticaret URL'inde Schema.org ImageObject + about doğru kurulu olanlarda organik trafik +%14, kurulmamış olanlarda -%23 (Sheltron MUM Etki Testi, 15 Haziran 2026). Bu güncelleme Türkiye SEO ve GEO ekosistemi için son 18 ayın en kritik yapısal kırılması — çünkü artık görsel ve metin tek arama sorgusu içinde birleşik olarak değerlendiriliyor.
MUM 2026 nedir, 2021'den farkı
Google MUM (Multitask Unified Model) 2021'de 'BERT'ten 1000 kat güçlü' tanımıyla duyuruldu, ancak ilk yıllarda görece sınırlı kullanım vakalarına (sağlık, COVID gibi karmaşık sorgular) uygulandı. Haziran 2026 güncellemesi MUM'un mimarisini tamamen yeniledi: artık görsel, metin ve ses sorgusu tek bir indexed entity uzayına çevrilip ortak ranking pipeline'ından geçiyor.
Pratik fark şu: kullanıcı Google Lens ile bir ürün fotoğrafı çekip 'bu Türkiye'de hangi mağazada satılıyor?' diye yazarsa, MUM 4.0 bu sorguyu artık tek bir multimodal entity sorgusu olarak işliyor. Önceki sürümde görsel arama ile metin arama farklı pipeline'lardı; sonuçlar manuel birleştiriliyordu.
Bu mimari değişikliğin Türkiye e-ticaret ekosisteminde somut yansıması şu örnek üzerinden net görülüyor: bir kullanıcı İstanbul Karaköy'de bir kafede masada bir kahve makinesi fotoğraflayıp 'bu marka Türkiye'de hangi siteden alınır, fiyatı nedir?' diye sorduğunda MUM 4.0 öncesi sonuçlar genellikle ya jenerik kahve makinesi karşılaştırma sayfalarına ya da uluslararası amazon.com sonuçlarına yönlendiriyordu. Şimdi aynı sorgu yerel Türkiye e-ticaretlerinden — eğer ürün sayfası ImageObject + about (Product) + contentLocation (Place=TR mağaza) üçlüsünü doğru kurmuşsa — doğrudan TL fiyatlı, stok bilgili kartla cevap dönüyor. Bu değişim ilk 14 günde Sheltron 40 URL testindeki hazır kümede özellikle 'görsel-kaynaklı satın alma niyeti' sorgularında trafik kazanımının ana mekanizması.
Multimodal Understanding 4.0 — görsel + metin + ses tek index
Google Search Central'ın 8 Haziran 2026 dokümanına göre MUM 4.0'da üç modalite (image, text, audio) ortak vector space'de embed ediliyor. Bu mimari değişikliğin SEO/GEO açısından üç sonucu var:
Görsel alt-text tek başına yeterli değil — alt-text sadece accessibility için kalıyor; ranking sinyali olarak Schema.org ImageObject about ve contentLocation alanları öne çıkıyor
ImageObject Schema entity bağlantı katmanı oldu — görsel artık bir Place, Product ya da Person'a bağlanmadan tek başına aranamıyor
Cross-modal join — text içeriği ve görsel içeriği birbirinden bağımsız değil; aynı entity'e referans veren çoklu modalite içerik bir araya gelip ranking güçlendiriyor
SERP volatilite verileri — ilk 14 gün
Sistrix MUM 2026 SERP Volatility Index'i 12 Haziran 2026 tarihli raporunda multimodal sorgu kategorilerinde top-10 volatilitesinin tarihsel ortalamanın belirgin üstünde olduğunu gösteriyor. Aşağıdaki tablo kategori bazlı oynaklık değişimini özetliyor:
Sorgu kategorisi
SERP volatilite artışı
Etkilenen sayfa tipi
E-ticaret (ürün)
+%47
Product page, kategori
Yerel (yer, mağaza)
+%31
GBP, LocalBusiness
Informational
+%19
Blog, rehber
YMYL (sağlık, finans)
+%12
Otorite siteleri
Volatilite artışı kazananları ve kaybedenleri net biçimde ayırıyor. Search Engine Land'in 6 Haziran 2026 analizine göre multimodal sorguların %38'i artık 'rich combined panel' sonucu gösteriyor — yani 10 mavi link yerine üst kısımda görsel galeri, ürün kartları, yerel sonuç birleşik bir kutuda dönüyor.
Rich combined panel'in tıklama davranışına etkisi de tarihsel SERP feature'larının ötesinde: Sheltron 40 URL testindeki organik trafik kazançlarının paralel ölçümü olan tıklama dağılımı (search console verisi, 1-14 Haziran), panel içinde yer alan görsel kartlarının CTR'ının klasik mavi link top-3 ortalama CTR'ı ile karşılaştırıldığında %58 daha yüksek olduğunu gösteriyor. Yani panele girmek 'sayfa görünürlüğünü' değil, tıklanma olasılığını artırıyor. Bu, Schema kalitesinin doğrudan ciroya çevrilebilir bir metrik haline geldiğinin somut göstergesi — özellikle ürün karşılaştırma, yerel mağaza ve yerel hizmet arama sorgularında.
Türkiye Google Lens %22 mobile share — yerel etki
Semrush AI Search Report Q2 2026 verisine göre Türkiye'de mobil aramaların %22'si artık Google Lens ile görsel-kaynaklı başlıyor; küresel ortalama %17. Bu fark Türkiye'deki mobil-first arama davranışıyla açıklanıyor: kullanıcı mağazada bir ürünü ya da sokakta bir tabelayı fotoğraflayıp 'bu nedir, nerede bulurum, kaça satılıyor' sorgusunu Lens üzerinden başlatıyor.
E-ticaret, yerel hizmet, restoran/kafe ve turizm sektörleri için Türkiye Lens hacminin %22'ye ulaşması, MUM 4.0 sonrası bu sektörlerin Schema kalitesinin doğrudan ciroya etkisi olacağı anlamına geliyor.
Schema.org ImageObject + about alanı — MUM cross-modal join
MUM 4.0 cross-modal join işlemini yapmak için ImageObject Schema'sının iki alanını kritik olarak okuyor: about ve contentLocation. Bu iki alan görsel ile entity arasında yapısal köprü kuruyor.
Aşağıdaki JSON örnek MUM-uyumlu bir ürün görseli markup'ını gösteriyor:
about alanı görseli Product entity'sine bağlıyor — MUM görselden ürünü tanıyor, ürün entity'sinden de ranking sinyalleri devşiriyor
contentLocation görseli Place entity'sine bağlıyor — yerel sorgularda kritik
caption Türkçe doğal dilde yazılmış — alt-text'ten farklı
Schema.org spec'inde about ve contentLocation alanları 2024'ten beri stabil; ancak MUM 4.0 öncesinde Google bu alanları yan sinyal olarak değerlendiriyordu. Şimdi cross-modal join'in temel mekanizması haline geldiler.
Yapısal hazırlık kontrol listesi
Multimodal hazırlık 8 maddelik kontrol listesi olarak özetlenebilir:
Her ürün/içerik görseline ImageObject Schema
about alanı doğru entity tipine bağlı (Product / Place / Person / CreativeWork)
contentLocation yerel sayfalarda dolu
caption Türkçe + 80+ karakter
Görsel dosya adı semantik (ayakkabi-mavi-kanvas.jpg, IMG_1234 değil)
WebP veya AVIF format
Sayfa içinde görsel ve ürün metni arasında semantic HTML yakınlığı
8 maddelik listenin yaygın bir yanlış uygulaması: ImageObject'in sayfaya gömülmesi (inline JSON-LD) ancak page-level Product Schema'nın image alanının bu ImageObject'i referans almaması (sadece URL string olarak yazılması). Bu durumda MUM cross-modal join'in iki yönlü bağ kurması zorlaşıyor; görsel entity'den ürüne erişebilse de ürün entity'sinden görsele dönüş zayıflıyor. Doğru pattern: ImageObject'i bir @id ile tanımlayıp Product Schema'nın image alanında {"@id": "..."} referansı vermek. Bu yapı Schema Markup Doğrulayıcı aracında 'cross-reference integrity' kontrolü altında ölçülüyor — Sheltron 40 URL testinde hazır kümenin 9 URL'inden 8'i bu @id referans yapısını uygulamış durumda.
Sheltron Mayıs sonu — 14 Haziran 2026 arasında 40 Türkiye e-ticaret URL'inde MUM 4.0 öncesi ve sonrası organik trafik karşılaştırması yaptı. Test seçimi her sektörden 5 URL: moda, elektronik, ev, kozmetik, spor, gıda, hediye, çocuk ürünleri.
Sonuçlar üç kümeye ayrıldı:
Küme
URL sayısı
Schema kalitesi
Trafik değişimi
Hazır
9 (%23)
ImageObject + about + contentLocation tam
+%14 ortalama
Kısmen
14 (%35)
ImageObject var, about/contentLocation eksik
-%4 ortalama
Hazırlıksız
17 (%42)
ImageObject yok ya da minimal
-%23 ortalama
Hazır kümedeki 9 URL'in ortak özelliği: ürün sayfaları Product + ImageObject Schema'yı birlikte kullanıyor; görsel-ürün entity bağı net. Bu URL'ler MUM 4.0'dan ödüllendirildi — özellikle multimodal kombineli sorgularda (örn. 'siyah deri ceket Istanbul mağaza') öne çıktılar.
Hazırlıksız kümedeki 17 URL büyük çoğunluğu eski WordPress veya custom e-ticaret platformlarında Schema implementasyonu yetersiz kalan siteler. Bu siteler MUM 4.0'dan sonra -%23 ortalama trafik kaybı yaşadı; en kötü performans gösterenler -%41'e kadar düştü.
İstanbul moda e-ticaret anonim vaka
İstanbul merkezli, kadın moda kategorisinde 80K aylık organik ziyaretli bir e-ticaret sitesi, MUM 4.0 öncesi Sheltron danışmanlığında 18 günlük yoğun bir Schema yenileme projesi yürüttü. ImageObject + about + contentLocation üçlüsü her ürün görseline uygulandı, mağaza lokasyon bilgisi Place Schema ile bağlandı. Update sonrası ilk 10 günde organik trafik +%19 arttı; multimodal kombineli sorgularda öne çıktı. Detay için vaka çalışmalarımıza bakabilirsiniz.
Multimodal hazırlık checklist + araç önerileri
Multimodal hazırlık için işlenmesi gereken 8 maddelik plan:
Inventory: Tüm ürün/lokasyon görsellerinin Schema kapsama oranı
Schema generator: Schema Markup Üretici ile ImageObject + about template'i hazırlayın
Caption rewrite: Türkçe semantik caption + 80+ karakter
File rename: Görsel dosya adlarını semantik formata çevirin
Format upgrade: WebP / AVIF dönüşümü
Cross-modal test: Google Lens üzerinden mevcut sayfaları test edin
Re-measure: 14 gün sonra trafik ve mention oranını yeniden ölçün
Bu süreç teknik yoğun; tek başına in-house uygulama Türkçe e-ticaret siteleri için ortalama 6-8 hafta sürüyor. Sheltron AiSEO Schema modülü cross-modal join için ImageObject template'ini otomatik üretiyor. Detaylı yapay zeka çözümleri kataloğumuzda multimodal hazırlık modülünü inceleyebilirsiniz.
ChatGPT Vision + MUM paralelliği — AI search ekosistemi
OpenAI Şubat 2026 dokümanında ChatGPT Vision API artık MUM benzeri multimodal işleme yapıyor — yani aynı ImageObject Schema'sı Google MUM için olduğu kadar ChatGPT Vision için de ranking/citation sinyali. Bu paralellik tek bir Schema implementasyonunun iki AI ekosisteminde (Google + OpenAI) çift etki yaratması anlamına geliyor.
Princeton GEO Study (KDD 2024) verilerine göre görsel + metin birlikte citation içinde geçen içerik LLM cevaplarda 2.1× daha sık görünüyor. Bu çarpan multimodal hazırlığın ROI açısından tek modaliteye kıyasla baskın olduğunu net biçimde gösteriyor. AI citation mekanizmasının teknik detayları için firstcitation.com inceleme yapısı detaylı bir kaynak sunuyor.
Pratikte bu, multimodal hazırlığın artık sadece 'Google için SEO' değil, AI ekosistemi geneli için zorunlu bir altyapı olduğu anlamına geliyor — ChatGPT, Perplexity, Claude, Google AI Overviews ortak bir Schema-tabanlı multimodal anlama katmanı paylaşıyor.
Ekosistem genelinde paylaşılan bu Schema katmanının pratik avantajı: tek bir ImageObject + about implementasyonu beş farklı AI cevap motoru için ranking sinyali oluşturuyor. Ancak her motor önceliği farklı veriyor — Google MUM contentLocation'a yerel sorgularda güçlü ağırlık veriyor, ChatGPT Vision caption'a daha fazla ağırlık veriyor, Perplexity ise about entity'nin authority skoruna odaklanıyor. Bu fark, multimodal hazırlık yaparken üç alanı da (caption + about + contentLocation) eşit kalitede doldurmak gerektiği anlamına geliyor; bir alanı eksik bırakmak en az bir AI ekosisteminde görünürlük kaybına yol açıyor.
Sonuç: 18 ay sonra hangi siteler ayakta kalacak## Yerel hizmet ve restoran sektörleri için MUM özel etkisi
E-ticaret kadar konuşulmasa da MUM 4.0'ın yerel hizmet ve restoran kategorilerine etkisi pratikte daha büyük olabilir. Google Lens kullanıcıları en sık 'sokakta gördüğüm bir tabela / vitrin / yemek tabağı' fotoğrafladığında devreye giriyor. Türkiye'de Lens sorgularının %22'lik hacminin yaklaşık üçte biri bu yerel kategoriye düşüyor (Semrush AI Search Report Q2 2026 segmentasyonu).
Restoran ve kafeler için MUM-uyumlu yapı şunu gerektiriyor: her menü fotoğrafına ImageObject + about=MenuItem + contentLocation=Restaurant tanımı. Yerel hizmet (kuaför, oto servis, kuru temizleme) için her hizmet fotoğrafına ImageObject + about=Service + contentLocation=LocalBusiness. Bu yapı klasik LocalBusiness Schema'sının ötesinde — çünkü artık görsel doğrudan hizmet/menü item'ına bağlanıyor. Google Business Profile'ın yüklediği görseller bu Schema bağını otomatik kurmuyor; yayıncının kendi web sitesinde structured veri gerekiyor.
Sheltron 40 URL testinin yerel-yoğun alt setinde (8 URL: 3 restoran zinciri, 3 yerel hizmet, 2 turizm) MUM sonrası trafik etkisi e-ticaret ortalamasından bile yüksek: hazır olan 2 URL +%21 kazanırken, hazırlıksız 4 URL -%29 kaybetti. Yerel sektörlerde Schema hazırlık dönüşüm oranı (call ya da rezervasyon) üzerinde de etkili — multimodal sorgudan gelen ziyaretçi 'görerek karar veren' segment olduğu için satın alma niyeti daha yüksek.
Google MUM Haziran 2026 Multimodal Update, son 18 ayın en kritik yapısal kırılması — çünkü sadece bir algoritma güncellemesi değil, arama davranışının kendi mimarisinin yeniden tasarımı. Türkiye'de mobil aramaların %22'si Google Lens ile başlıyor; Sheltron 40 URL testinde Schema hazırlığı yapılmış URL'ler +%14 trafik kazanırken hazırlıksızlar -%23 kaybetti.
Bu üçlünün kurulu olduğu sitelerin önümüzdeki 18 ayda elde edeceği bileşik avantaj, geç kalan sitelerin yetişme süresinin ötesinde olacak — çünkü MUM 4.0'ın retrieval mekanizması zaman içinde tarihsel sinyallerden öğreniyor. Bugün Schema'sı eksiksiz olan bir site, MUM'un 'güvenilen multimodal kaynak' listesine giriyor; bu liste statik değil ama girmek için ihtiyaç duyulan eşik her ay yükseliyor. Erken adapte olan e-ticaretler için bu, klasik SEO'da domain authority biriktirmenin multimodal karşılığı. E-ticaret, yerel hizmet, restoran ve turizm sektörlerinde ImageObject + about + contentLocation üçlüsü artık opsiyonel değil. 8 haftalık disiplinli bir hazırlık planıyla sitenizi multimodal sorgulara hazırlamak hâlâ mümkün; ancak bekleyen siteler her ay rakiplerinden daha derin bir görünürlük açığına düşüyor. Sektörel bazda hazırlık önceliği farklı: e-ticaret için Product+ImageObject zincirinin tüm katalogda tutarlılığı, yerel hizmet için contentLocation+LocalBusiness ile bağ, restoran için MenuItem-image-Restaurant üçlemesi öncelikli olmalı. Bu önceliklendirme, sınırlı bütçeli ekiplerin hangi 200 sayfaya önce müdahale etmesi gerektiğini netleştiriyor — tüm Schema'yı bir anda dönüştürmeye çalışmak yerine yüksek-impact alt setten başlamak hazırlık süresini yarıya indiriyor. MUM'a hazırlığınızın baseline'ını görmek için ücretsiz değerlendirme formumuzu doldurabilirsiniz.
Özet İnfografik
MUM 4.0 öncesi vs sonrası SERP volatilite — e-ticaret, yerel, informational karşılaştırma
Sıkça Sorulan Sorular
Etiketler:
geo
google
schema-markup
multimodal-search
trend
mum-update
AI Görünürlüğünüzü Test Edin
Web sitenizin ChatGPT, Gemini ve diğer AI platformlarında nasıl göründüğünü ücretsiz öğrenin.
