GEO Audit Nedir ve Nasıl Yapılır? Adım Adım Denetim Rehberi

Generative Engine Optimization yani GEO henüz çok yeni bir kavram olmasına rağmen çeşitli birçok SEO uzmanı tarafından yapılan bir işlemdir. GEO Audit dediğimiz şey aslında sitenizin insan gözüyle nasıl göründüğünü değil, bir modelin sizi nasıl okuduğunu ve anladığını ortaya çıkarır.

Bir markanın sahibine "sitenizde bir sorun var mı" diye sorduğunuzda genelde aynı cevabı alırsınız. Hayır, her şey yolunda görünüyor. Sayfa hızlı açılıyor, tasarım güzel, içerikler düzenli yayınlanıyor. Ama aynı markayı ChatGPT'ye sorduğunuzda ortaya çıkan hiçbir şey yok. Sizi kaynak olarak ele almamış, adınız bile geçmiyor.

Peki bu boşluğu nasıl tespit edersiniz? Cevap, GEO Audit dediğimiz sistematik bir denetim sürecinden geçiyor. Bu yazıda o süreci, adım adım, her adımın ne işe yaradığını açıklayarak anlatacağım. Bir ajans için çalışıyorsanız bu size uygulanabilir bir çerçeve verecek, kendi markanız için neler yapabileceğinizi merak ediyorsanız nereden başlayacağınızı göreceksiniz. Hadi başlayalım.

GEO Audit Nedir?

GEO Audit, bir web sitesinin ya da markanın üretken yapay zeka (ChatGPT, Perplexity, Gemini, Claude, Google AI Overviews) tarafından nasıl algılandığını, okunduğunu ve alıntılandığını sistematik olarak inceleyen denetim sürecidir. Klasik SEO denetiminin bir uzantısı gibi görünse de aslında farklı bir katmanı ölçüyor.

Klasik bir SEO denetimi şu soruları sorar. Sayfa hızlı mı? Meta etiketler doğru mu? Backlink profili sağlıklı mı? GEO Audit ise farklı sorular sorar. Model bu sayfayı okuyabiliyor mu? Markamı bir varlık olarak tanıyor mu? Beni rakiplerimden ayırt edebiliyor mu? Beni bir kaynak olarak gösterecek kadar bana güveniyor mu?

Bu iki denetim birbirinin yerine geçmiyor, birbirini tamamlıyor. Sitesi teknik SEO açısından kusursuz olan birçok marka, GEO Audit'ten geçtiğinde ciddi boşluklarla karşılaşıyor.

Neden Klasik SEO Denetimi Artık Yetmiyor?

Klasik SEO denetimi, bir insanın ya da bir arama motoru botunun sayfayı tararken karşılaştığı teknik engelleri bulmaya odaklanır. Sayfa hızı, mobil uyum, indekslenebilirlik gibi konular hâlâ önemlidir ve GEO Audit'in de bir parçasıdır. Ama yapay zeka modelleri sayfanızı farklı bir mercekten okur.

Bir model, sayfanızı önce parçalara ayırır, sonra her parçayı bağımsız bir bilgi birimi gibi değerlendirir, sonra bu parçaları kendi bilgi tabanındaki diğer kaynaklarla karşılaştırır. Bu üç aşamanın hiçbiri klasik SEO denetiminde ölçülmez. Bir sayfa Google'da hız testinden yüksek puan alabilir ama model onu okuduğunda hiçbir anlamlı bilgi çıkaramayabilir. Şimdi bu farkı ölçmenin on adımına geçelim.

Adım 1. Bot Erişilebilirliği Denetimi

Her GEO Audit'in ilk adımı burası olmalı, çünkü diğer dokuz adımın hiçbiri bu adım başarısız olursa bir işe yaramaz.

Bu adımda kontrol edilmesi gerekenler şunlar:

• Sitenizin robots.txt dosyasında GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot gibi botlara izin verilip verilmediği.
• Cloudflare ya da benzeri bir CDN kullanılıyorsa, AI Crawl Control ayarlarının robots.txt'ten bağımsız olarak bu botları engelleyip engellemediği.
• Sunucu loglarında bu botların gerçekten siteye giriş yapıp yapmadığı.

Bu adımın çıktısı basit bir liste olmalı. Hangi bot engelleniyor, hangi bot serbest, hangi ayar değiştirilmesi gerekiyor. Bu liste değişmeden diğer adımlara geçmenin bir anlamı yok.

Adım 2. Yapısal Erişilebilirlik Denetimi

Bot içeri girebiliyor olsa bile, sayfanın içeriğine ulaşabiliyor mu? Bu adım bunu ölçüyor.

Buradaki temel test, sayfanın ham HTML çıktısını (tarayıcıda gördüğünüz render edilmiş hali değil, kaynak kodu) incelemek. JavaScript ile render edilen sayaçlar, rozetler, temel bilgiler ham HTML'de görünmüyorsa, model bunları hiç okuyamıyor demektir.

Bu adımda kullanılabilecek pratik bir yöntem, Han Xiao'nun geliştirdiği Knowledge Graph Extractor aracı. Araç GitHub üzerinde açık kaynak paylaşılmış, kendi sunucunuzda Docker ile kurulum gerektiriyor. Teknik ekibiniz yoksa, sayfanın kaynak kodunu manuel olarak inceleyip kaç farklı gerçek bilgi cümlesi geçtiğini sayabilirsiniz. Sayı azsa sorun içerik değil, yapısal erişilebilirliktir.

Adım 3. Entity Kristalleşmesi Denetimi

Bu adımda tek bir sayfayı değil, markanın tüm dijital ayak izini incelersiniz. Amaç, modelin sizi net bir entity olarak tanıyıp tanımadığını ölçmek.

Kontrol listesi şu şekilde olabilir:

• Markanızın adı, kuruluş yılı, kategorisi kendi sitenizde, Google Business Profile'da, Wikidata'da (varsa) ve sektörel dizinlerde birebir tutarlı mı?
• Farklı kaynaklarda markanızdan farklı isimlerle bahsediliyor mu? (Kısaltmalar, eski isimler, yazım varyasyonları)
• Markanız başka tanınmış varlıklarla (kurucular, sertifikalar, ortaklıklar) açıkça ilişkilendirilmiş mi?

Bu üç sorudan herhangi birinde tutarsızlık varsa, model markanızı parçalı bir bilgi kümesi olarak görüyor demektir, tek ve güvenilir bir varlık olarak değil.

Adım 4. Structured Data Denetimi

Schema markup, modelin sayfanızı okurken kullandığı en doğrudan dildir. Bu adımda kontrol edilmesi gerekenler şunlar:

• Organization, Person, Product, Article gibi temel Schema.org tiplerinin doğru uygulanıp uygulanmadığı.
• sameAs alanının markanızın diğer dijital profillerine (LinkedIn, Wikipedia, sektörel dizinler) doğru bağlanıp bağlanmadığı.
• FAQ, HowTo gibi ek şema tiplerinin, gerçekten o formatta içerik barındıran sayfalarda kullanılıp kullanılmadığı.

Google'ın Search Central dokümantasyonu, structured data'nın arama sonuçlarında zengin sonuç kazandırmanın ötesinde, içeriğin anlamını makinelere netleştirdiğini belirtiyor. Bu netlik, generative modellerin de doğrudan faydalandığı bir sinyal.

Adım 5. İçerik Mimarisi Denetimi

Bu adım, içeriğin nasıl yazıldığından çok nasıl yapılandırıldığına bakar. Üç seviyede inceleme yapılır:

• Makro seviye: Sayfanın genel akışı mantıklı mı? Cevap makul bir yerde mi veriliyor, yoksa okuyucu (ve model) uzun bir girişte mi kayboluyor?
• Mezo seviye: İçerik, modelin kolayca çekebileceği modüler bloklara mı ayrılmış, yoksa uzun ve kesintisiz paragraflar halinde mi akıyor?
• Mikro seviye: Liste, tablo ve kalın vurgular, önemli bilgiyi görsel olarak öne çıkarıyor mu?

Devenup'ın derlediği verilere göre LLM atıflarının önemli bir kısmı metnin ilk yüzde 30'luk bölümünden geliyor. Bu da makro seviyedeki en kritik kuralı doğruluyor, cevabı erken verin.

Adım 6. Information Gain Denetimi

Bu adımda kendi içeriğinizi rakip içeriklerle karşılaştırırsınız. Hedef sorgunun ilk yirmi sonucunu açıp her birinin ana iddialarını çıkarın, sonra kendi sayfanızın bu havuza gerçekten yeni bir şey katıp katmadığını sorun.

Katmıyorsa, sayfanız model için düşük değerli bir tekrar olarak işlenir. Katıyorsa (orijinal veri, özgün vaka, karşı görüş, spesifik sayı), sayfanız alıntılanma olasılığı yüksek bir kaynak haline gelir. Bu denetim adımını daha önce Information Gain yazımda detaylı işlemiştim, GEO Audit'in bu bölümünde o çerçeveyi doğrudan uygulayabilirsiniz.

Adım 7. Deneyim ve E-E-A-T Sinyalleri Denetimi

Google'ın E-E-A-T çerçevesine "Experience" (deneyim) unsurunu eklemesi, generative modellerin kaynak seçiminde de karşılığını buluyor. Bu adımda şunlara bakılır:

• İçerikte birinci ağızdan deneyim ifadeleri var mı? ("Analizimizde gördük ki", "Kendi verilerimize göre" gibi)
• Yazar bilgisi net mi? Yazarın gerçek kimliği, uzmanlığı, dijital ayak izi doğrulanabilir mi?
• İçerik, bir modelin saniyeler içinde üretebileceği genel bir sentez mi, yoksa gerçek uygulamadan çıkan özgün bir gözlem mi?

Google'ın kendi dokümantasyonu, deneyimin güvenilirlik için kritik olduğunu açıkça belirtiyor, özellikle bir ürünü gerçekten kullanmış olmanın sahte deneyimden ayırt edilebilir olması gerektiğini vurguluyor.

Adım 8. Tazelik Denetimi

Bu adımda mevcut içerik envanterinizin yaş dağılımına bakarsınız. Hangi sayfalar son bir yıl içinde güncellendi, hangileri iki yıldan uzun süredir dokunulmadı?

Seer Interactive'in araştırması, AI Overview atıflarının büyük çoğunluğunun son iki yıl içinde yayımlanmış içeriklerden geldiğini ve güncellenen içeriklerin güncellenmemişlere göre çok daha sık atıf aldığını gösteriyor. Bu adımın çıktısı, hangi sayfaların öncelikli olarak güncellenmesi gerektiğine dair sıralı bir liste olmalı.

Adım 9. Atıf Ağı Denetimi

Bu adımda markanızdan bahseden kaynakları haritalarsınız. İki kategoriye ayırarak bakın:

• Birinci taraf kaynaklar: Kendi siteniz, Google Business Profile'ınız, sosyal medya profilleriniz.
• Bağımsız kaynaklar: Sektörel yayınlar, haberler, incelemeler, akademik atıflar, forumlar.

Sağlıklı bir atıf ağı ikisini birden barındırır. Sadece birinci taraf kaynaklarda güçlüyseniz, hacimsel olarak var olursunuz ama modelin size bağımsız bir otorite olarak güvenmesi zayıf kalır. Sadece bağımsız kaynaklarda geçiyorsanız, entity'niz henüz net kristalleşmemiş olabilir. Bu adımın çıktısı, hangi kategoride ne kadar eksik olduğunuzu gösteren basit bir oran olmalı.

Adım 10. Platform Bazlı Test

Son adım, tüm bu analitik çalışmayı gerçek dünya testiyle doğrulamaktır. Aynı sorguyu farklı platformlarda deneyin:

• ChatGPT'de web araması kapalıyken ve açıkken aynı soruyu sorup yanıt farkını kaydedin.
• Aynı soruyu Perplexity ve Gemini'de de deneyip hangi platformda göründüğünüzü, hangisinde görünmediğinizi not edin.
• Göründüğünüz yerlerde hangi cümlelerinizin ya da verilerinizin alıntılandığına bakın, bu size hangi içeriğinizin gerçekten işe yaradığını gösterir.

Bu test, önceki dokuz adımın teorik bulgularını somut kanıtla eşleştirir.

Bir GEO Audit Raporu Nasıl Toparlanır?

On adımı tamamladıktan sonra elinizde dağınık notlar birikir. Bunları anlamlı bir rapora dönüştürmek için üç bölümlü bir yapı öneriyorum:

• Kritik engeller: Bot erişilebilirliği ve yapısal erişilebilirlik gibi, düzeltilmeden diğer hiçbir çalışmanın anlam ifade etmeyeceği maddeler.
• Orta vadeli boşluklar: Entity tutarsızlığı, eksik schema, zayıf atıf ağı gibi, birkaç hafta ile birkaç ay içinde kapatılabilecek maddeler.
• Sürekli program: Tazelik takibi ve information gain üretimi gibi, tek seferlik değil kalıcı bir iş akışına dönüştürülmesi gereken maddeler.

Bu üç bölümlü yapı, raporu okuyan bir marka sahibine hem aciliyet sırasını hem de hangi işlerin bir kerelik hangi işlerin sürekli olduğunu net gösterir.

Kapanış. Denetim Bir Kerelik Değil, Süreklidir

GEO Audit'i bir kere yapıp raftaki bir belgeye dönüştürmek, en sık yapılan hata. Modeller güncelleniyor, arama katmanları değişiyor, rakipleriniz kendi denetimlerini yapıp boşluklarını kapatıyor. Bugün kusursuz olan bir sayfa, altı ay sonra aynı kusursuzlukta olmayabilir.

Bu yüzden GEO Audit'i bir proje değil, bir ritim olarak kurmanızı öneririm. Kritik engelleri hemen çözün, orta vadeli boşlukları bir çeyrek içinde kapatın, sürekli programı ise hiç durdurmayın.

Soru şu: Sitenizi en son ne zaman bir modelin gözünden okudunuz?

Kaynaklar