Loading...
Stanford'un 12.600 model yanıtı ölçtüğü denetimde Türkçe sorgularda 2. sıradaki kaynak İngilizce Wikipedia çıktı. Veriyle atıf tablosu ve ne yapmalı.
Türkçe bir soru sorduğunuzda yapay zekânın baktığı ikinci kaynak Türkçe değil. Stanford araştırmacılarının Şubat 2026'da 12.600 model-soru örneğini ölçtüğü denetimde Türkçe sorgularda en çok atıf alan ikinci alan adı İngilizce Wikipedia oldu — T24'ün ardından, Anadolu Ajansı'nın önünde. Bu analiz, Türkçe'yi ayrı bir bölge olarak ölçen tek akademik çalışmayı Türkçe'ye taşıyor, McGill/MEO denetimiyle birlikte okuyor ve "atıf vermemek" ile "yanlış tarafa atıf vermek" ayrımını kuruyor. Türkiye için bağımsız bir atıf endeksi olmadığını da açıkça söylüyor.
Türkçe bir soru sorduğunuzda yapay zekânın baktığı ikinci kaynak Türkçe değil. Stanford araştırmacılarının 9–22 Şubat 2026 arasında 12.600 model-soru örneğini ölçtüğü denetimde, Türkçe sorgularda en çok atıf alan ikinci alan adı İngilizce Wikipedia çıktı — T24'ün hemen ardından, Anadolu Ajansı'nın ve BBC'nin önünde.
Bu yazının ne olduğu konusunda baştan net olalım: Türkiye pazarı için bağımsız, sürekli ve ticari markaları kapsayan bir "Türkçe LLM atıf endeksi" bugün yok. Sheltron'un da böyle bir veri seti yok. Türkçe web'de dolaşan "AI şu kaynakları tercih ediyor" rakamlarının neredeyse tamamı global çalışmaların uyarlaması ve çoğunun birincil kaynağı yok. Aşağıdaki analiz orijinal bir endeks değil: global veriyi tek tek birincil kaynağına kadar takip eden, Türkçe'yi ayrı bir bölge olarak ölçen tek akademik çalışmayı Türkçe'ye taşıyan ve ölçüm boşluğunun tam olarak nerede durduğunu işaretleyen bir sentez.
Alan adı düzeyindeki atıf dağılımı, bir markanın AI yanıtına girip giremeyeceğini sayfa düzeyindeki iyileştirmelerden daha güçlü belirler. Sebebi basit: LLM aramaları çok dar bir kaynak havuzundan besleniyor.
Karşılaştırmalı bir ölçümde LLM tabanlı arama motorları yanıt başına ortalama 4,3 URL ve 3,4 alan adı gösterirken, geleneksel arama motorları 10,3 URL ve 7,3 alan adı gösteriyor (arXiv:2512.09483, Aralık 2025 — 55.936 sorgu, 6 LLM arama motoru, 124.287 alan adı, 1.418.733 atıf linki). Yani AI yanıtındaki kaynak kapısı, klasik arama sonuç sayfasına göre yarıdan fazla daralmış durumda.
Daha kritik bulgu şu: alan adlarının yalnızca %38'i hem LLM aramalarında hem geleneksel aramada ortak çıkıyor; %37'si sadece LLM sonuçlarına özgü. Bu, Google'da ilk sayfada olmanın AI yanıtına girmeyi garanti etmediğinin — ve tersinin de mümkün olduğunun — sayısal karşılığı. GEO nedir sorusunun teknik cevabı büyük ölçüde bu %37'lik ayrık kümede saklı.
Pratikte bu, iki aşamalı bir eleme demek. Birinci aşamada model bir güven havuzu kuruyor: hangi alan adlarının bu konuda söz sahibi olduğuna karar veriyor. İkinci aşamada o havuzun içinden pasaj seçiyor. Birinci aşamada elenen bir site, sayfası ne kadar iyi yazılmış olursa olsun ikinci aşamayı hiç görmüyor. Klasik aramada zayıf bir sayfa yine de onuncu sırada var olabilir; AI yanıtında dört URL'lik listeye girmeyen kaynak tamamen yok.
Bu yüzden AI görünürlüğünde doğru birim sayfa değil, alan adı: model önce hangi kaynağa güveneceğine karar veriyor, sonra o kaynağın içinden hangi pasajı alacağına. İkinci aşamanın nasıl işlediğini LLM'ler sayfanın neresinden alıntı yapar yazısında ayrıntılı işledik; bu yazı birinci aşamayla ilgileniyor.
Global atıf dağılımında üç alan adı tipi baskın: kullanıcı üretimi topluluk platformları, ansiklopedik referanslar ve büyük haber ajansları.
Peec AI'ın 30 milyon kaynak üzerinden çıkardığı genel sıralamada AI arama motorlarının en çok atıf verdiği alan adları sırasıyla Reddit, YouTube, LinkedIn, Wikipedia ve Forbes (Search Engine Land aktarımı, 31 Mart 2026). Aynı çalışma platform bazında ayrışmayı da gösteriyor: ChatGPT ağırlıklı olarak Wikipedia, Reddit ve Forbes'a; Perplexity ise Reddit, LinkedIn ve G2'ye yaslanıyor. Çalışmada yüzde kırılımı yayımlanmadı — internette dolaşan "Reddit tüm atıfların %40'ı" tipi rakamların bu araştırmada karşılığı yok.
Semrush'ın 230 binden fazla prompt ve 100 milyondan fazla atıf üzerinden yürüttüğü üç aylık çalışma (14 Temmuz – 12 Ekim 2025) bu tablonun ne kadar oynak olduğunu gösteriyor. ChatGPT'de Reddit, yanıtların yaklaşık %60'ından yaklaşık %10'una düştü; kırılma Eylül 2025 ortasında, Google'ın num=100 parametresini kaldırmasıyla aynı döneme denk geldi. Semrush'ın kendi uyarısı önemli: çalışma "bu değişimlerin tam olarak neden yaşandığını söylemiyor." Yani zamanlama çakışmasını nedensellik gibi okumak yanlış olur.
Aynı çalışmadan iki referans nokta daha: Google AI Mode'da LinkedIn yanıtların yaklaşık %15'inde, Wikipedia yaklaşık %3'ünde görünüyor.
Bu üç veri setinden çıkan pratik sonuç şu: AI atıf havuzu hem dar hem oynak. Tek bir platformdaki tek bir kaynak tipine bağlı görünürlük, bir algoritma güncellemesinde yarıya inebiliyor. Bu yüzden çok platformlu ölçüm şart; farklı motorların kaynak profillerini multi-platform AI citation karşılaştırması yazısında yan yana koyduk.
Aynı sorguya farklı modeller ciddi ölçüde farklı kaynak setleriyle cevap veriyor — ve bu fark her zaman "model daha iyi arıyor" anlamına gelmiyor.
Stanford denetiminde tek bir yayıncının (BBC) modeller arası atıf payı şöyle dağıldı:
| Model | BBC atıf oranı |
|---|---|
| Grok 4 | %28,5 |
| Gemini 3 Flash | %6,9 |
| Gemini 3 Pro | %4,1 |
| GPT-5 | %0,2 |
| GPT-4o-mini | %0,0 |
| Claude 4.5 Sonnet | %0,0 |
Kaynak: arXiv:2605.22785, Şubat 2026.
Uçtan uca %28,5 ile %0,0 arasında bir fark var ve bu fark tek başına "hangi model daha iyi kaynak buluyor" sorusunun cevabı değil. Araştırmacıların kendi uyarısı net: bu ayrışma robots.txt ve lisans uyumu farklarından kaynaklanıyor olabilir. Bir model bir yayıncıyı hiç göstermiyorsa bunun sebebi o yayıncıyı bulamaması değil, taramama ya da lisanslamama kararı olabilir.
Markalar açısından bunun anlamı şu: AI görünürlüğü tek bir platformda ölçülemez. ChatGPT'de görünmeyen bir marka Perplexity'de birinci kaynak olabilir; Gemini'de öne çıkan bir site Claude'un yanıtında hiç geçmeyebilir. Model bazlı Türkçe atıf davranışındaki farkları Gemini 2.5 Pro Türkçe atıflanma karşılaştırması ve Claude 5 Sonnet Türkçe atıflanma erken testi yazılarında ayrı ayrı test ettik.
Google tarafındaki mekanizma ise ayrı bir katman: AI Overviews'ın kaynak seçimi klasik organik sıralamayla birebir örtüşmüyor. Bu farkı Google AI Overview kaynak gösterme rehberi yazısında adım adım açtık.
Türkçe sorgularda LLM atıf davranışını ölçen bilinen tek akademik çalışma, "Evaluating Commercial AI Chatbots as News Intermediaries" başlıklı Stanford kaynaklı denetim (arXiv:2605.22785, Şubat 2026).
Metodoloji: 9–22 Şubat 2026 arasında 14 gün boyunca, 2.100 soru ve 12.600 model-soru örneği. Altı model test edildi (Gemini 3 Flash, Gemini 3 Pro, Grok 4, Claude 4.5 Sonnet, GPT-5, GPT-4o-mini). Altı bölge/dil kapsandı: ABD-Kanada, Arapça, Fransızca (Afrique), Hintçe, Rusça ve Türkçe. Sorular aynı gün BBC'nin bölgesel servislerinde yayımlanan haberlerden üretildi; modellerin web araması açıktı ve kendilerine açıkça kaynak gösterme talimatı verildi.
Türkçe sorgularda en çok atıf alan sekiz alan adı (14 günlük ortalama, tüm modeller, atıf/gün):
| Sıra | Alan adı | Dil | Atıf/gün |
|---|---|---|---|
| 1 | T24 | Türkçe | 12,6 |
| 2 | Wikipedia | İngilizce | 11,4 |
| 3 | Anadolu Ajansı | Türkçe | 10,6 |
| 4 | BBC | İngilizce/çok dilli | 10,4 |
| 5 | VertexAI | — (altyapı artefaktı) | 9,1 |
| 6 | Cumhuriyet | Türkçe | 7,4 |
| 7 | Haberler | Türkçe | 6,7 |
| 8 | The Guardian | İngilizce | 6,4 |
Kaynak: arXiv:2605.22785, Figure 8/9.
Tablodaki iki noktayı dürüstlük adına işaretlemek gerekiyor. Birincisi, VertexAI bir yayıncı değil — Gemini'nin altyapısından gelen bir atıf artefaktı; gerçek bir haber kaynağı olarak okunmamalı. İkincisi, BBC'nin hangi dil servisinin (bbc.com/turkce mi, bbc.com/news mi) atıf aldığı figürde ayrıştırılmamış; bu satırı "İngilizce" olarak kesin saymak doğru olmaz.
Bu iki kaydı düştükten sonra bile tablo net bir şey söylüyor: Türkçe bir sorguya verilen cevapta ikinci en sık başvurulan kaynak İngilizce Wikipedia. Türk yayıncılar listede güçlü şekilde var — T24 zirvede, Anadolu Ajansı ve Cumhuriyet ilk altıda — ama İngilizce kaynaklar Türkçe sorgu havuzunun içine yapısal olarak yerleşmiş durumda.
Doğruluk tarafında Türkçe'nin durumu iyi: bölge doğruluğu %90,0, günlük hata sayısı 14,9. Karşılaştırma için: ABD-Kanada %91,3, Rusça %89,9, Arapça %89,2, Fransızca %88,9, Hintçe %79,3. Yani modeller Türkçe soruları doğru cevaplıyor. Sorun cevabın yanlışlığı değil, cevabın nereden geldiği.
Bu ayrım, Türkçe içerikte bugüne kadar hiç kurulmadı ve kurulmadığı için yanlış bir anlatı yerleşti. Netleştirelim.
Birinci sorun: atıf hiç verilmiyor. McGill Centre for Media, Technology and Democracy ve Media Ecosystem Observatory'nin Mart 2026'da yayımladığı "AI News Audit" çalışması 2.267 Kanada haberini ChatGPT, Gemini, Claude ve Grok üzerinde, İngilizce ve Fransızca olarak test etti. Sonuç: 9.227 yanıtın %82'si hiçbir kaynak göstermedi. Yayıncı adını anma oranı modeller arasında %1 ile %16 arasında değişti.
İlginç olan, link verme oranlarının çok daha yüksek olması: Gemini %69, Claude %66, Grok %45, ChatGPT %29. Yani link var, isim yok. Çalışmanın kritik gözlemi şu: modeller Wikipedia, Reuters, AP ve ABD yayıncılarına yüksek oranda link veriyor — "bunların hiçbiri, o içeriği üreten Kanadalı haber odalarına trafik üretmiyor."
Ve burada naif "yapay zeka Türkçe'ye ayrımcılık yapıyor" tezini çürüten bulgu geliyor: atıfsızlık oranı Fransızca hikâyelerde %81, İngilizce'de %82. Araştırmanın kendi ifadesiyle, "atıf boşluğu dile özgü bir olgu değil."
İkinci sorun: atıf veriliyor ama yanlış tarafa. Stanford verisi tam olarak bunu ölçüyor. Kim atıf alıyor sorusu dile bağlı — ve Türkçe sorgularda cevabın önemli bir kısmı İngilizce kaynaklar.
Marka görünürlüğü açısından ikinci sorun birincisinden daha tehlikeli. Atıf hiç verilmediğinde herkes eşit derecede görünmez olur. Atıf verildiğinde ama sistematik olarak başka bir dil ekosistemine verildiğinde, sizin ürettiğiniz Türkçe içerik başkasının görünürlüğünü finanse eder hâle gelir.
Anglophone retrieval pivot, modelin hedef dildeki soruyu alıp cevabı İngilizce kaynaktan bulması ve sonucu hedef dilde sunmasıdır. Kullanıcı Türkçe soruyor, Türkçe cevap alıyor — ama cevabın arkasındaki kaynak Türkçe değil.
Stanford çalışması bu davranışı doğrudan tanımlıyor: "Hintçe sorgu → İngilizce retrieval pivot → cevap, hedef Hintçe makale yerine İngilizce kanonik olgudan türetiliyor."
Ölçeği gösteren rakamlar:
Türkçe bu spektrumda Hintçe kadar uçta değil — T24'ün zirvede olması ve Anadolu Ajansı'nın global ilk 10'a girmesi Türkçe haber ekosisteminin görece güçlü olduğunu gösteriyor. Ama Türkçe de bu eğilimin dışında değil: ikinci sıradaki kaynak İngilizce.
Mekanizmanın markalar için pratik sonucu şu: sadece Türkçe yayın yapmak, Türkçe sorgularda görünmenizi garanti etmiyor. Model, Türkçe sorunun arkasındaki kavramı İngilizce kanonik kaynakta doğrulama eğiliminde. Bu, çok dilli varlık tutarlılığını (entity consistency) teknik bir zorunluluk hâline getiriyor.
Türkiye, AI kaynaklı web trafiğinin platform dağılımında dünyanın en yoğunlaşmış pazarlarından biri. We Are Social ve Meltwater'ın "Digital 2026 Global Overview" verisine göre Türkiye'de AI kaynaklı web trafiğinin %94,49'u ChatGPT üzerinden geliyor; dünya ortalaması %80,92. Aynı rapordan bir başka rakam: Türkiye'de aylık ChatGPT kullanım oranı %39,7.
Bu rakamı doğru okumak önemli. Ölçülen şey kullanıcı sayısı değil, AI kaynaklı web trafiğinin platformlar arası dağılımı. Metodoloji detayı sınırlı yayımlandı, dolayısıyla kesin bir pazar payı gibi değil, bir yoğunlaşma göstergesi olarak kullanmak doğru olur.
Yine de yön açık: Türkiye'de AI görünürlüğü pratikte büyük ölçüde ChatGPT görünürlüğü demek. Bu iki sonuç doğuruyor.
Birincisi, risk yoğunlaşması. Semrush verisinde ChatGPT'de Reddit'in payının yaklaşık %60'tan yaklaşık %10'a düşmesi üç ay içinde gerçekleşti. Trafiğinin %94'ü tek platformdan gelen bir pazarda, o platformdaki tek bir kaynak-seçim değişikliği görünürlüğünüzü bir çeyrekte silebilir.
İkincisi, ölçüm kolaylığı. Yoğunlaşma bir avantaj da sunuyor: sınırlı kaynakla ölçüm yapacaksanız hangi platformdan başlayacağınız Türkiye'de tartışmalı değil. ChatGPT'de ölçün, sonra Gemini ve Perplexity'yi ekleyin. Bu sıralama diğer pazarlarda geçerli olmayabilir ama Türkiye verisi bunu destekliyor.
Bu iki maddenin kesişimi şu strateji: tek platformda ölçün, ama tek platforma bağımlı olmayacak şekilde içerik üretin. Kaynak profilleri modeller arasında sert biçimde ayrıştığı için (BBC örneğinde %28,5'e karşı %0,0), bugün ChatGPT'de görünen bir marka yarın öne çıkacak modelde sıfırdan başlayabilir. Farklı platformların Türkçe sorgu davranışını Perplexity Pro ve Free Türkçe sorgu karşılaştırması yazısında ayrıca test ettik.
Önce en önemli kaydı düşelim: Stanford verisi haber sorgularından üretildi. Sorular güncel haber olaylarına dayanıyordu; ticari sorgularda ("İstanbul'da en iyi muhasebe yazılımı", "X ürünü kaç TL") kaynak kompozisyonunun birebir aynı davranacağını iddia etmek veri dışı olur. Haber sorgularında yayıncılar, ticari sorgularda ise inceleme siteleri, forumlar ve marka sitelerinin ağırlığı farklıdır.
Ne söylenebilir: retrieval mekanizmasının dil davranışı sorgu tipinden bağımsız çalışan bir altyapı özelliği. Yani "İngilizce kanonik kaynağa yaslanma" eğiliminin ticari sorgularda da bir karşılığı olması beklenir — ama bunun ölçüsü bilinmiyor. Türkçe ticari sorgularda alan adı düzeyinde atıf dağılımını ölçen açık bir veri seti yok. Bu, bu yazının en dürüst cümlesi.
Bu boşlukta bir marka ne yapabilir? Kendi verisini toplayabilir. Sheltron'un kendi sitesi üzerinde 8 Mart – 5 Temmuz 2026 arasındaki 120 günlük ölçümünden birkaç somut rakam (Sheltron kendi ölçümü, Clarity verisi):
Arama tarafında aynı dönem (21 Ocak – 20 Temmuz): 786 tık, 59.502 gösterim, %1,32 tıklama oranı, ortalama pozisyon ~9. İçerik tipi verimi ise en öğretici kısım: veri raporu formatındaki yazılar yazı başına ~1.182 gösterim üretirken, sektör rehberleri ~115 gösterimde kaldı. Aradaki 10 kat fark, "hangi tip içerik atıf çekiyor" sorusunun en net cevabı.
Bu rakamlar bir sektör endeksi değil, tek bir sitenin ölçümü. Ama gösterdiği örüntü tutarlı: özgün veri içeren içerik, jenerik rehberden bir büyüklük mertebesi daha fazla görünürlük üretiyor — ki bu, Anglophone pivot'a karşı en işlevsel savunma. İngilizce Wikipedia'nın sunamayacağı tek şey, sizin ölçtüğünüz Türkiye verisidir.
Bu tip ölçümü kendi markanız için kurmak isterseniz AI share of voice nasıl ölçülür yazısındaki metodolojiyi izleyebilir, atıf takibinin teknik tarafı için firstcitation.com'u inceleyebilirsiniz.
Türkçe sorgularda AI kaynağı olabilmek için gereken yedi temel adım şunlardır:
Bu adımların teknik altyapı tarafı — yapılandırılmış veri, crawler erişimi, içerik mimarisi — Sheltron'un yapay zeka çözümleri kapsamında ele aldığımız konular. Metodolojinin akademik arka planı için The GEO Authority'nin araştırma bölümü, konuyu sıfırdan öğrenmek isteyenler için GEO Akademi iyi başlangıç noktaları.
Bu yazının sınırlarını açıkça yazmak, iddialarından daha önemli.
Bilmediklerimiz:
Bunu kapatmak için gereken: sabit bir Türkçe sorgu seti, en az dört platform, en az 90 günlük sürekli ölçüm ve alan adı düzeyinde kayıt. Teknik olarak zor değil; kimse yapmadığı için yok. Sheltron olarak kendi sorgu setimizde bu ölçümü yürütüyoruz ve sektör bazlı kırılımları yayımlamayı planlıyoruz — ama bugün elimizde yayımlanabilir bir Türkiye endeksi olmadığını söylemek, olmayan bir rakam uydurmaktan iyidir.
Bu arada dikkat edilmesi gereken bir nokta daha var: Türkçe web'de dolaşan "Reddit tüm AI atıflarının %40'ı", "ilk 15 kaynak atıfların %68'i" gibi rakamların birincil kaynağı yok ve birbirleriyle çelişiyorlar. Bir rakamı kullanmadan önce metodolojisini bulabildiğinizden emin olun — bu, sıkça sorulan sorular sayfamızda da en çok tekrarladığımız uyarı.
Türkçe sorgularda yapay zeka size ayrımcılık yapmıyor. Doğru cevap veriyor (%90,0 doğruluk), kaynak göstermeme oranı diğer dillerden farklı değil (%82'ye karşı %81). Ama kaynak gösterdiğinde, ikinci sırada İngilizce Wikipedia var.
Bu, Türkçe içerik üreten her marka için tek bir şey demek: Türkçe yayın yapmak sizi AI yanıtına sokmaya yetmiyor. Yetecek olan şey, İngilizce kanonik kaynakların üretemeyeceği bir şey üretmek — ölçülmüş, tarihli, Türkiye'ye ait veri — ve bunu hem Türkçe hem İngilizce varlık kaydınızla tutarlı biçimde yayımlamak.
Markanız Türkçe sorgularda hangi alan adlarıyla yarışıyor, biliyor musunuz? Sheltron'un hızlı değerlendirme aracıyla kendi sorgu setinizde nerede durduğunuzu görebilir, ölçümü kurumsal ölçekte kurmak için ekibimizle iletişime geçebilirsiniz.
Uygulama tarafında ajans desteği mi arıyorsunuz? Partner GEO ajansımız Lein Digital.
Yazar: Eren Çöp — Kurucu & GEO Stratejisti, Sheltron Teknoloji
Web sitenizin ChatGPT, Gemini ve diğer AI platformlarında nasıl göründüğünü ücretsiz öğrenin.
Ücretsiz Analiz Al