GEO Gerçekten İşe Yarıyor mu? Akademik Kanıt Ne Diyor
26 Ağustos 2026 · GEONI Ekibi
“Yapay zekâ cevaplarında görünürlük artırılabilir” cümlesi çok söyleniyor, çoğu zaman kaynaksız. Oysa bu iddianın hakemli bir kaynağı var: 2024'te ACM SIGKDD konferansında yayımlanan GEO: Generative Engine Optimization çalışması. Biz de aynı soruyu 2026’da, canlı motorlarda, 154 özne üzerinde ölçtük. Bu sayfa ikisini yan yana koyuyor: araştırmanın bulduğu, bizim ölçtüğümüz, ve ikisinin nerede örtüştüğü. Araştırma sayıları doğrudan makaleden, GEONI sayıları kendi ölçümümüzden.
Çalışma ne yaptı
Araştırmacılar GEO-bench adında bir ölçüt kurdu: 10 bin sorgu, dokuz farklı kaynaktan derlenmiş, 25 farklı alana yayılmış. Sonra bir üretken motora bu sorguları sordular, cevapların hangi kaynakları alıntıladığını kaydettiler, ardından tek bir kaynağın içeriğini değiştirip aynı soruyu tekrar sordular. Değişiklik o kaynağın görünürlüğünü artırdı mı, azalttı mı — ölçülen bu.
Bu tasarımın önemi şu: kontrollü bir deney. “Şunu yaptık, trafiğimiz arttı” türü vaka anlatımlarından farklı olarak, tek değişken değiştiriliyor ve etkisi izole ediliyor.
Görünürlük nasıl ölçüldü
İki metrik tanımlandı, çünkü bir cevabın içinde “geçmek” tek başına anlamlı değil:
- Position-Adjusted Word Count — kaynağa ait cümlelerin kelime sayısı, cevabın neresinde geçtiğine göre ağırlıklandırılmış. Cevabın başında uzun uzun anlatılmak ile sonunda bir kez anılmak aynı şey değil.
- Subjective Impression — bir dil modelinin, kaynağın cevaba ne kadar hâkim olduğuna dair öznel değerlendirmesi (alaka, benzersizlik, etki gibi boyutlarda).
Sonuçlar: ne işe yaradı, ne yaramadı
Dokuz yöntem test edildi. Hiç müdahale edilmemiş içeriğin taban skoru 19,3. Aşağıdaki sayılar makaledeki genel (Overall) sütunundan:
| Yöntem | Skor | Sonuç |
|---|---|---|
| Alıntı ekleme (Quotation Addition) | 27,2 | En yüksek |
| İstatistik ekleme (Statistics Addition) | 25,2 | Çok iyi |
| Akıcılık iyileştirme (Fluency Optimization) | 24,7 | İyi |
| Teknik terimler (Technical Terms) | 22,7 | İyi |
| Anlaşılır dil (Easy-to-Understand) | 22,0 | İyi |
| Otoriter üslup (Authoritative) | 21,3 | İyi |
| Benzersiz kelimeler (Unique Words) | 20,5 | Etkisiz |
| Anahtar kelime doldurma (Keyword Stuffing) | 17,7 | Tabanın ALTINDA |
Makalenin kendi ifadesiyle en iyi üç yöntem — kaynak gösterme, alıntı ekleme ve istatistik ekleme — Position-Adjusted Word Count metriğinde %30-40, Subjective Impression metriğinde %15-30 göreli iyileşme sağladı. En iyi yöntemler tabanı %41 ve %28 oranında aştı.
En çarpıcı bulgu: eski SEO taktiği zarar verdi
Anahtar kelime doldurma, hiç dokunulmamış içerikten daha kötü sonuç verdi (17,7 < 19,3). Çalışma bu yöntemi doğrudan “performans göstermeyen” başlığı altında sınıflandırıyor.
Bunun pratik karşılığı net: arama motorları çağında bir dönem işe yarayan yoğunluk temelli taktikler, cevabı üreten bir sistemde karşılık bulmuyor. Üretken motor sayfayı sıralamıyor, cümleyi alıntılıyor — ve alıntılanabilir cümle, doldurulmuş cümle değil.
GEONI ölçümü · Temmuz–Ağustos 2026
Araştırma “alıntılanabilir ol” diyor. Biz sitelerin çoğunun alıntılanacak yapıyı hiç kurmadığını ölçtük.
Çalışma, kazandıran yöntemlerin ortak yanının doğrulanabilirlik olduğunu gösteriyor. Peki siteler bunun neresinde? Ölçtüğümüz 100 web sitesinde:
Yüz sitenin sıfırı AI tarayıcılarını engelliyordu. Yani sorun izin değil. Eksik olan kilitli kapı değil, boş oda: motorun ayrıştırıp alıntılayacağı yapı hiç kurulmamış.
Asıl uyarı: tek bir reçete yok
Çalışmanın en kolay atlanan sonucu bu. Aynı yöntemin etkisi alana göre dramatik biçimde değişiyor. Alıntı ekleme yöntemi, ölçülen alanlar arasında bir uçta görünürlüğü %22,9 düşürürken, öteki uçta %99,7 artırdı.
Yazarlar bu yüzden alana özgü optimizasyon gerektiğini açıkça söylüyor. “AI'da görünmek için şu 5 şeyi yapın” diyen bir liste, bu bulgunun üzerinden atlıyor demektir. Doğru yaklaşım, genel reçeteyi uygulamak değil kendi alanınızda ölçmek.
GEONI ölçümü · 90 özne, dört motor
Aynı savrulmayı motorlar arasında da ölçtük — ve dağılım iki tepeli çıktı.
Her özne için en yüksek ve en düşük motor puanı arasındaki farka baktık. Beklenen, bir ortalama etrafında yayılmaktı:
- 0–19 puan (motorlar hemfikir) — 40 özne
- 20–39 puan (kısmi ayrışma) — 4 özne
- 40+ puan (taban tabana zıt) — 46 özne
90 öznenin yalnız 4'ü ortada. Bir marka ya her motorda benzer görülüyor ya da tamamen farklı — kademe yok. Ortanca fark 46,8, ölçtüğümüz en büyük fark 91,5: aynı özne, aynı gün, bir motorda neredeyse tam, ötekinde neredeyse sıfır.
Araştırma “etki alana göre değişir” diyor; bizim ölçümümüz ikinci bir eksen ekliyor: etki motora göre de değişiyor, üstelik kademesiz.
Araştırmanın sınırları — ve bizim eklediğimiz
Kaynağı dürüst okumak, sınırlarını da söylemeyi gerektirir:
- Kontrollü ortam. Ölçüm, araştırmacıların kurduğu üretken motor düzeneğinde yapıldı. ChatGPT ya da Gemini'nin bugünkü canlı davranışının birebir aynısı değildir.
- Zaman. Çalışma 2023 sonunda hazırlandı, 2024'te yayımlandı. Modeller o günden bu yana defalarca güncellendi.
- Göreli metrikler. Sonuçlar “şu kadar müşteri geldi” değil, cevap içindeki görünürlük payıdır. Ticari sonuç ayrı bir sorudur ve bu çalışma onu ölçmez.
- Tek kaynak optimize edildi. Gerçek hayatta rakipler de aynı anda optimize eder; deney bunu modellemez.
GEONI ölçümü · tekrar taramalar
Rakipler hiç kıpırdamasa bile sayı yerinde durmuyor.
Aynı özneyi aynı gün, 83 dakika içinde dört kez ölçtük. Motorların özneyi tanıyıp tanımaması turdan tura değişti; skor 34 → 17 → 15 → 65 gitti. Hiçbir şey değişmemişti — içerik de, rakipler de.
Pratik sonucu sert: tek okuma ölçüm sayılmaz. Bir sayıyı güvenilir yapan şey tekrar örnekleme, her turun tarihiyle kaydedilmesi ve turlar arası yumuşatmadır. Size tek bir sayı gösterip geçmişini göstermeyen bir araç, yazı tura sonucunu gösteriyor demektir.
Pratikte ne anlama geliyor
İki kaynak aynı yeri işaret ediyor. Araştırma ne yazılacağını söylüyor: iddiayı sayıyla destekle, kaynağını göster, güvenilir alıntıya dayandır, cümleyi anlaşılır kur. Bizim ölçümümüz nerede durulduğunu söylüyor: çoğu site bunun öncesindeki yapıyı bile kurmamış, ve tek motora ya da tek okumaya bakmak yanıltıyor.
Ama en önemlisi, çalışmanın kendi uyarısı: etki alana göre değişiyor. O yüzden buradaki hiçbir madde, kendi alanınızdaki ölçümün yerine geçmez.
Kaynak
Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., Deshpande, A. (2024). GEO: Generative Engine Optimization. Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '24), Barselona.
- Makale (arXiv): arxiv.org/abs/2311.09735
- Yayın (ACM): dl.acm.org/doi/10.1145/3637528.3671900
GEONI ölçümü: 9 Temmuz – 24 Ağustos 2026, 154 özne (90'ı dört motorda birden). Toplu sayılar yayımlanır; hiçbir müşterinin adı, alan adı ya da tekil skoru paylaşılmaz. Örneklem Türkçe içerik ağırlıklıdır, küresel ortalama değildir.
Bu sayfadaki tüm sayılar yukarıdaki makaleden doğrudan alınmıştır; ikinci el özetlerden aktarılmamıştır. Bir hata görürseniz bize yazın: mail@geoni.ai
Kendi alanınızda ölçün
Çalışmanın sonucu tek cümlede: genel reçete yok, alana özgü ölçüm var. GEONI kategori sorularınızı ChatGPT, Claude, Gemini ve Perplexity'ye ayrı ayrı sorar, cevapların gösterdiği kaynakları çıkarır ve sitenizin makine tarafından okunabilirliğini denetler. İlk taramanız ücretsiz.
Ücretsiz Tara →