Maya AI Görünürlük Metodolojisi

Prof. Dr. İbrahim Kırçova — Head of Research

Prof. Dr. İbrahim Kırçova, Yıldız Teknik Üniversitesi İktisadi ve İdari Bilimler Fakültesi İşletme Bölümü’nde görev yapmaktadır. Resmî akademik profilinde pazarlama ve yönetim araştırma alanları arasında yer almaktadır.

Maya’daki araştırma liderliği, marka görünürlüğünü pazarlama bağlamında değerlendiren çalışmalarımıza akademik bir perspektif kazandırır. Bir markanın kaç kez anıldığının yanında, hangi müşteri ihtiyacında ve hangi rekabet bağlamında yer aldığı da önemlidir.

Akademik uzmanlık, çalışmanın yöntemini ve kanıtlarını açıklama gerekliliğini ortadan kaldırmaz. Belirli bir araştırma değerlendirilirken örneklem, hesaplama yöntemi ve sınırlılıklar birlikte incelenmelidir. Buradaki üniversite bilgisi Kırçova’nın akademik görevini belirtir; kurumsal onay veya ortaklık beyanı değildir.

Prof. Dr. İbrahim Kırçova’nın akademik profili ve yayınları.

AI görünürlüğü, bir markanın seçili sorulara verilen yapay zekâ yanıtlarında nasıl yer aldığını ifade eder. Tek bir puanla açıklanamayacak farklı gözlemler içerir.

Bir sayfanın AI botu tarafından ziyaret edilmesi, insan ziyareti ve satış da ayrı gözlemlerdir. Bunları yanıt görünürlüğüyle ilişkilendirmek için ilgili veri kaynakları ayrıca değerlendirilmelidir.

Bir raporun anlamını soru seti, tarih aralığı, platform, dil ve ülke kapsamı belirler. Aynı marka farklı müşteri ihtiyaçlarında farklı biçimde temsil edilebilir.

Markalı sorular, markanın nasıl tanındığını ve ürün bilgisinin nasıl aktarıldığını incelemeye yardımcı olur. Markasız kategori soruları ise keşif ve seçenek değerlendirme bağlamını ele alır. Bu iki grubun sonuçları aynı müşteri davranışını temsil etmez.

Temsili olarak “Maya AI ne yapar?” ile “AI görünürlüğünü ölçmek için hangi araçları değerlendirmeliyim?” farklı sorulardır. İlkinde marka zaten sorunun içindedir. İkincisinde markanın seçenekler arasında ortaya çıkması incelenir.

Soru listesine yeni bir ürün veya müşteri grubu eklendiğinde ölçümün kapsamı değişir. Dönemler karşılaştırılırken soru listesinin ve diğer koşulların aynı kalıp kalmadığı kontrol edilmelidir. Seçili soru seti, bütün kullanıcıların bütün olası sorularını temsil etmez.

Ölçüm süreci birbirine bağlı beş aşamada okunabilir:

1. Kapsam: Marka, sorular ve karşılaştırma koşulları belirlenir.
2. Yanıt: Platformdan elde edilen sonuç, ilgili çalışma kapsamında değerlendirilir.
3. Eşleştirme: Marka isimleri, rakipler ve kaynak bağlantıları incelenir.
4. Hesaplama: İlgili raporun sayım birimi ve paydası üzerinden sonuç üretilir.
5. Yorumlama: Sonuç, yanıtın bağlamı ve ölçümün sınırlarıyla birlikte okunur.

Bir platformdan alınan sonuç, başka bir platformun veya her kullanıcının birebir deneyimi olarak sunulmamalıdır. Toplama koşulları, arama davranışı ve erişilebilir bilgiler farklılaşabilir. Bilinmeyen model sürümü ya da kişiselleştirme koşulu biliniyormuş gibi varsayılmamalıdır.

Maya raporlarını karşılaştırırken ölçüm birimi önemlidir. Platform yanıtı, bir platformdan alınan tek cevaptır. Değerlendirme, ilgili akışta birden fazla platform sonucunu bir arada ele alabilir.

Temsili olarak bir soru dört platformda çalıştırılsın ve marka yalnızca bir yanıtta geçsin. Yanıt bazında oran dörtte birdir. En az bir platformda marka bulunmasını esas alan değerlendirme bazında ise o kayıt marka anılması içerebilir.

Bu nedenle iki raporda farklı oran görmek, tek başına verilerin çeliştiğini göstermez. Önce aynı birimin, kapsamın ve paydanın kullanılıp kullanılmadığına bakılmalıdır.

Marka anılma oranı

Yanıt bazlı hesabın temel mantığı:

Temsili örnek: 100 uygun yanıtın 28’inde marka geçiyorsa oran %28’dir. Yanıt bazlı hesaplama akışında başarısız ve içerik taşımayan platform sonuçları paydaya dahil edilmez.

Bu oran, markayı gören gerçek insan sayısını ölçmez. İncelenen yanıtlardaki marka görünümünü ifade eder. Değerlendirme bazlı raporlarda ise hesap ilgili değerlendirme kayıtları üzerinden yapılır.

Rekabet içindeki pay

Rakip sıralaması akışındaki share of voice hesabı:

Temsili olarak marka 30, A rakibi 45, B rakibi 25 değerlendirmede anılmışsa markanın bu karşılaştırmadaki payı %30’dur. Bir değerlendirmede birden fazla marka bulunabilir. Dolayısıyla toplam anılma sayısının değerlendirme sayısına eşit olması gerekmez.

Rakip seçimi ve marka gruplamaları paydayı etkiler. Sonuçlar aynı rakip kapsamıyla karşılaştırılmalıdır.

Markalar kısaltmalar, alternatif adlar veya alt marka isimleriyle anılabilir. Maya’nın rakip değerlendirme akışında alternatif isimler ve marka ailesi gruplamaları kullanılır. Aynı değerlendirmede aynı rakibin tekrar görünmesi, ilgili sıralamada ayrı değerlendirmeler olarak sayılmaz.

İsim benzerliği tek başına aynı kuruluşu kanıtlamaz. Günlük dilde de kullanılan adlarda bağlam özellikle önemlidir. “Maya” kelimesinin bir yemek tarifinde bulunması, Maya AI platformunun anılmasıyla aynı şey değildir.

Kullanıcının yaptığı marka gruplamaları ve gösterim seçimleri de karşılaştırmayı etkileyebilir. Bir alt markayı ayrı izlemek ile ana marka altında değerlendirmek farklı kapsamlar oluşturur.

Citation analizi, yanıttaki bağlantıların hangi alan adlarına ve sayfalara işaret ettiğini inceler. Alan adı görünümü kaynak siteleri karşılaştırmayı; sayfa görünümü belirli içerikleri değerlendirmeyi sağlar.

Citation kaydı sayısı, benzersiz kaynak sayısı ve kaynak içeren yanıt sayısı ayrı ölçümlerdir. Bir yanıtta birden fazla bağlantı olabileceği için bunlar birbirinin yerine kullanılmamalıdır.

Kaynak gösterilmesiyle iddianın desteklenmesi de ayrılmalıdır. Bir URL’nin yanıtta bulunması, yanıtın her cümlesinin o sayfadan geldiğini kanıtlamaz. Kaynak içeriği ile ilgili ifade birlikte incelenmelidir.

Geçmişte kaynak gösterilen bir sayfanın bugünkü içeriği veya erişim durumu değişmiş olabilir. Geçmiş gözlem ile güncel sayfa durumu ayrı bilgiler olarak değerlendirilmelidir.

Sentiment, markanın anlatımındaki değerlendirme yönünü sınıflandırır. Marka hakkında olumlu ifadeler bulunması, açık bir satın alma önerisiyle aynı değildir.

Sentiment raporundaki önerilme göstergesi, markanın anıldığı ve düzeltilmiş sentiment değerinin olumlu eşiği karşıladığı değerlendirmelere dayanır. Bu gösterge okunurken olumlu sınıflandırma ile doğrudan tercih önerisi arasındaki fark korunmalıdır.

Örneğin bir yanıt markanın özelliklerini olumlu anlatırken belirli bir kullanım için başka seçeneği uygun bulabilir. Benzer şekilde olumlu bir yanıt yanlış ürün bilgisi içerebilir. Bu nedenle algı ve olgusal doğruluk ayrı değerlendirilir.

Ana soruyla ilişkili bir ifade; sağlayıcının bildirdiği arama, ilgili soru veya bir öneri olabilir. Bu kayıtların kökeni, yorumun sınırını belirler. Her ilişkili soruyu gerçekten yapılmış arama olarak kabul etmek doğru değildir.

Maya’nın fanout sıklık hesabında önbellekten yeniden kaydedilen sonuçlar dışarıda tutulur. Aynı toplama olayının yeniden gösterilmesi, yeni bir gözlem gibi sayılmamalıdır.

Bir alt sorunun ve kaynak URL’nin aynı yanıtta bulunması, URL’nin kesin olarak o arama adımında getirildiğini kanıtlamaz. Doğrudan bağlantıyı gösteren veri yoksa bulgu aynı yanıtta birlikte görülme düzeyinde yorumlanır.

Geriye dönük izlenebilirlik, geçmişte gözlemlenen sonucu dayanağıyla birlikte incelemeyi amaçlar. Bir bulguyu değerlendirirken soru, platform, tarih, yanıtın ilgili bölümü ve kaynak bağlantıları birlikte ele alınır.

Aşağıdaki tablo bir kanıt incelemesinin yapısını gösterir; gerçek müşteri kaydı değildir.

Geçmiş kaydı incelemek, aynı soruyu yeniden çalıştırmaktan farklıdır. Platform veya web değiştiğinde yeni yanıt farklı olabilir. İzlenebilirlik geçmiş gözlemi açıklamayı sağlar; gelecekte aynı çıktının alınacağına ilişkin garanti vermez.

Bu sayfada SEO’yu arama motorlarında bulunabilirlik çalışmaları; AEO’yu sorulara açık ve güvenilir cevap sunma yaklaşımı; GEO’yu üretken AI yanıtlarında temsil ve kaynak görünürlüğünü geliştirme çalışmaları için kullanıyoruz. Bu terimlerin uygulama alanları örtüşebilir.

Maya verisi, hangi müşteri ihtiyaçlarında markanın görünmediğini, hangi kaynakların yer aldığını ve hangi mevcut sayfanın geliştirilmesinin araştırılabileceğini anlamaya yardımcı olur. Her açık yeni blog gerektirmez; ürün bilgisi, dokümantasyon veya teknik erişim düzeltmesi gerekebilir.

Google, AI Overviews ve AI Mode için temel SEO uygulamalarının geçerli olduğunu ve özel AI dosyalarının zorunlu olmadığını açıklıyor. İçerik yapısı veya işaretleme tek başına kaynak gösterilme garantisi değildir. Google Search Central açıklaması.

Soru seçimi, dil kapsamı, platform güncellemeleri ve yanıt değişkenliği sonuçları etkiler. Yalnızca tek bir yanıt üzerinden bütün pazar için sonuç çıkarılmamalıdır.

Bir oran %20’den %27’ye yükseldiğinde değişim 7 yüzde puandır. Bunun yorumu için iki dönemin soru seti, platformları ve paydaları kontrol edilmelidir. İçerik güncellemesinden sonra artış görülmesi, artışın yalnızca o değişiklikten kaynaklandığını kanıtlamaz.

Maya’nın ölçüm yaklaşımı, ekiplerin bulguları kanıt ve kapsamla birlikte değerlendirmesini amaçlar. Görünürlük sonuçları trafik, dönüşüm veya ticari pazar payı olarak sunulmamalıdır.

Markanızın hangi sorularda yer aldığını, nasıl anlatıldığını ve hangi sayfaların kaynak gösterildiğini değerlendirmek için Maya AI görünürlük takibini inceleyin. Rekabet bağlamı için rakip karşılaştırması yaklaşımına göz atın.