HIZLI CEVAP
Yapay zeka marka takibi; ChatGPT, Perplexity, Gemini, Claude ve Copilot'a belirli prompt şablonları göndererek yanıtları kayıt altına almak ve değişimleri izlemek anlamına gelir. Takip etmeniz gereken beş metrik: bahsedilme oranı, duygu tonu, doğruluk, öneri sıklığı ve rakip eş-bahis sıklığı.
Önemli Çıkarımlar
- Geleneksel Takipten Farkı: Mention.com ve Google Alerts LLM yanıtlarını izleyemez. Yapay zeka takibi aktif sorgulama gerektirir.
- 5 Platform, 5 Farklı Davranış: ChatGPT, Perplexity, Gemini, Claude ve Copilot'un her biri farklı sinyallere öncelik verir.
- Takip Edilecek 5 Metrik: Bahsedilme oranı, duygu tonu, doğruluk, öneri sıklığı, rakip eş-bahis sıklığı.
- Negatif Algı Bulunca: Panik değil, sistematik müdahale gerekir. Kaynağı tespit edin, sinyal düzeltin, yeniden test edin.
Markanızın Google'daki görünümünü takip etmek için onlarca araç var. Peki ya ChatGPT sizi nasıl tanımlıyor, Perplexity sizi hangi bağlamda önerdi, Claude bir kullanıcıya sizin rakibinizi mi yoksa sizi mi tavsiye etti — bunları nasıl izliyorsunuz?
Yapay zeka marka takibi, henüz standardize edilmiş bir disiplin değil. Ancak 2026 itibarıyla LLM'lerin marka keşfindeki rolü o kadar büyüdü ki bu boşluğu görmezden gelmek mümkün değil. Bu rehber, beş büyük platformda markanızı nasıl takip edeceğinizi, hangi metrikleri ölçeceğinizi ve bulduklarınıza nasıl tepki vereceğinizi adım adım açıklar.
Neden Geleneksel Marka İzleme Yetmez
Mention.com, Brand24 veya Google Alerts gibi araçlar yayınlanmış web içeriklerini tarar. Bir gazete sizi yazdıysa, bir blog sizi alıntıladıysa, bu araçlar bildirim gönderir. Ancak bu araçların göremediği bir alan var: yapay zeka yanıtları.
Bir LLM'nin bir kullanıcıya verdiği yanıt kamuya açık değildir. Arama motoru dizininde görünmez. Bir web sayfası olarak saklanmaz. Her yanıt, o anda o kullanıcı için anlık olarak üretilir. Bu nedenle geleneksel izleme araçları bu yanıtları hiçbir zaman yakalayamaz.
Oysa bugün pek çok kullanıcı ürün ve hizmet araştırmasını doğrudan LLM'lerde yapıyor. "Hangi GEO ajansları var?", "SEO'ya alternatif nedir?", "[Sektör] için en iyi danışmanlık firması hangisi?" gibi sorular artık arama motoruna değil, sohbet arayüzlerine soruluyor. Bu yanıtlarda var olmak ya da yanlış temsil edilmek, doğrudan iş etkisi yaratır.
Takip Edilmesi Gereken 5 Platform
Her büyük LLM farklı veri kaynaklarından beslenir, farklı güncelleme döngüleri vardır ve farklı içerik türlerine öncelik verir. Bu nedenle marka takibini tek platforma sınırlamak ciddi bir kör nokta yaratır.
ChatGPT (OpenAI): En geniş kullanıcı tabanına sahip platform. GPT-4o ve o1 modelleri eğitim verisi ve gerçek zamanlı web taraması kombinasyonuyla çalışır. B2C ve B2B kitlesi için en kritik izleme noktasıdır.
Perplexity: Kaynak gösterme konusunda en şeffaf platform. Yanıtlarına hangi URL'lerden yararlandığını açıkça ekler. Bu özelliği, hangi içeriklerinizin LLM tarafından kaynak olarak kullanıldığını anlamak için eşsiz bir fırsattır.
Gemini (Google): Google'ın arama ekosistemiyle entegrasyonu nedeniyle marka varlığının arama sinyalleriyle nasıl örtüştüğünü anlamak açısından kritik. Google Business Profile ve Knowledge Graph verilerini besler.
Claude (Anthropic): Özellikle uzun biçimli, analitik yanıtlar üreten bu model, B2B ve teknoloji sektöründe giderek yaygınlaşıyor. Teknik ve danışmanlık markalar için önemi büyük.
Microsoft Copilot: Office ekosistemiyle entegre çalışması nedeniyle kurumsal satın alma süreçlerinde araştırma yapan kullanıcılara doğrudan ulaşıyor. B2B markaları için özellikle önemli.
Platform Başına Prompt Şablonları
Tutarlı ölçüm yapabilmek için her platformda aynı soruları sormanız gerekir. Aşağıdaki tablo, her platform için test etmeniz gereken temel prompt kategorilerini ve örnek şablonları içerir.
| Prompt Kategorisi | Örnek Şablon | Neden Önemli |
|---|---|---|
| Doğrudan Marka Sorgusu | "[Marka adı] nedir / ne yapar?" | Temel varlık tanımını ölçer |
| Kategori Listesi Sorgusu | "[Sektör] alanında önde gelen firmalar hangileri?" | Kategori görünürlüğünü ölçer |
| Karşılaştırma Sorgusu | "[Marka] ile [Rakip] arasındaki fark nedir?" | Rekabetçi konumlandırmayı ölçer |
| Öneri Sorgusu | "[Sorun/ihtiyaç] için hangi firmayı önerirsin?" | Öneri sıklığını ölçer |
| Güvenilirlik Sorgusu | "[Marka] güvenilir mi / iyi mi?" | Duygu tonunu ve otorite algısını ölçer |
| Özellik/Hizmet Sorgusu | "[Marka] hangi hizmetleri sunuyor?" | Hizmet doğruluğunu ölçer |
Her platformda aynı altı kategoriyi test edin. Yanıtları bir elektronik tabloya kaydedin: tarih, platform, prompt, tam yanıt, notlar. Bu arşiv, zamanla algı kaymasını görünür kılar.
Takip Edilecek 5 Metrik
Ham yanıtları kaydetmek yeterli değil. Her yanıtı beş metrik üzerinden değerlendirin:
1. Bahsedilme Oranı (Mention Rate): Kategori listesi ve öneri sorgularının kaçında markanız geçti? Örneğin 10 farklı "önde gelen firmalar" sorgusunun 7'sinde adınız geçiyorsa bahsedilme oranınız %70'tir. Bu oran zaman içinde artıyor mu, azalıyor mu, sabit mi?
2. Duygu Tonu (Sentiment): Markanız bahsedildiğinde yanıtın genel tonu nedir? Olumlu mu ("saygın danışmanlık firması"), nötr mü ("bu alanda çalışan firmalardan biri"), yoksa olumsuz mu ("tartışmalı metodolojiye sahip")? Her yanıtı -1, 0, +1 olarak puanlayın ve ortalamanızı takip edin.
3. Doğruluk (Accuracy): LLM'nin markanız hakkında aktardığı bilgiler ne kadar doğru? Yanlış hizmetler, eski fiyat bilgileri, hatalı konum veya yanlış kurucular gibi factual hatalar var mı? Her yanlış bilgiyi not alın — bunlar düzeltilmesi gereken sinyal sorunlarının işaretçisidir.
4. Öneri Sıklığı (Recommendation Frequency): "Hangi firmayı önerirsin?" türü sorgularda markanız ne sıklıkla öneriliyor? Ve kaçıncı sırada öneriliyor? İlk sırada önerilmek ile üçüncü sırada önerilmek arasındaki fark anlamlıdır.
5. Rakip Eş-Bahis Sıklığı (Competitor Co-mention Frequency): Markanız hangi rakiplerle birlikte anılıyor? Bu eş-bahis hangi rakibi sizinle eşitlemeye ya da üstünüze çıkarmaya meyilli? Rekabetçi konumlandırmanızın gerçek durumunu anlamak için bu metrik kritiktir.
Manuel ve Otomatik Takip Yaklaşımları
Çoğu marka için en uygun başlangıç noktası manuel takiptir. Bir elektronik tablo, standart prompt şablonları ve haftalık 30 dakikalık bir test rutini, sistematik veri toplamak için yeterlidir.
Manuel takibin sınırları vardır: farklı oturum geçmişleri, günün saati veya coğrafyaya göre LLM yanıtları değişebilir. Bu varyasyonu azaltmak için her testi gizli (incognito) modda ve oturumu kapatarak yapın. Aynı promptu en az üç farklı zamanda test edin ve yanıtları karşılaştırın.
Ölçeği büyüdükçe veya birden fazla marka ya da pazarı takip etmeniz gerektiğinde otomatik çözümler devreye girer. LLM API'leri üzerinden programatik sorgu gönderip yanıtları kaydeden sistemler kurulabilir. Ancak bu yaklaşım teknik altyapı gerektirir ve bazı API'lerin kullanım koşulları kısıtlayıcı olabilir.
Marka İzleme Takvimi
Günlük (Opsiyonel — Aktif Kampanya Dönemlerinde): Yeni bir ürün lansmanı, kamuya açık bir kriz veya büyük bir basın koveraji sonrasında günlük hızlı test yapın. "Marka adı nedir?" ve "Güvenilir mi?" promptlarını beş platformda 15 dakikada tamamlayabilirsiniz.
Haftalık: Altı temel prompt kategorisinin tamamını en az iki platformda test edin. Yanıtları arşive ekleyin, önceki haftayla karşılaştırın. Değişiklik tespit ederseniz not alın.
Aylık: Beş platformun tamamında tam test döngüsü uygulayın. Tüm metrikleri güncelleyin, grafikleştirin. Beş metriğin tamamına bakarak genel trendin yönünü değerlendirin. Bu oturum aynı zamanda prompt şablonlarınızı güncelleme fırsatıdır.
Üç Aylık: Derinlemesine rakip karşılaştırması. Kategori sahipliği sorguları, segment öneri sorguları ve coğrafi segmentler için ayrı testler. Bu analiz, strateji revizyonlarına girdi sağlar.
Negatif veya Yanlış AI Atıfları Bulunca Ne Yapmalı
Bir LLM'nin sizi yanlış tanımladığını, rakibinizin önüne koyduğunu veya olumsuz bir bağlamda sunduğunu gördüğünüzde panik yapmak gerekmiyor. Bu bir sinyal sorunudur ve sinyal sorunları düzeltilebilir — ancak doğrudan modele başvurarak değil.
1. Kaynağı Tespit Edin: LLM'nin bu yanlış bilgiyi nereden aldığı olasılıkla büyük. Yanlış olan kategori tanımı mı? O zaman kendi sitenizde hangi sayfaların çelişkili kategori ifadeleri taşıdığını kontrol edin. Yanlış bir hizmet mi aktarılıyor? Eski hizmet sayfalarının hâlâ erişilebilir olup olmadığına bakın.
2. Sinyali Düzeltin: Tespit edilen tutarsızlıkları kapatın. Çelişkili içerikleri güncelleyin, şema işaretlemesini düzeltin, doğru kategoriye işaret eden harici atıfları artırın.
3. Yeniden Test Edin: Sinyal düzeltmeleri yapıldıktan sonra hemen değil, 4-8 hafta sonra aynı promptları yeniden test edin. LLM'lerin eğitim veya indeksleme döngüleri nedeniyle değişiklikler gecikmeyle yansır.
4. Kayıt Altına Alın: Ne bulduğunuzu, ne düzelttiğinizi ve ne zaman test ettiğinizi her adımda belgelendirin. Bu kayıtlar hem kendi öğreniminiz hem de gelecekte benzer durumlarla karşılaştığınızda referans noktanız olacaktır.
ARGEO'nun İzleme Hizmeti Nasıl Çalışır
ARGEO'nun AI marka izleme hizmeti, yukarıda anlattığımız manuel süreci sistematize eder ve ölçeklendirir. Her müşteri için özelleştirilmiş bir prompt seti oluşturulur — sektör, rekabet ortamı ve hedef kitle gözetilerek. Bu promptlar haftalık olarak beş platform genelinde çalıştırılır ve yanıtlar yapılandırılmış biçimde arşivlenir.
Aylık raporlar beş metriğin trendini gösterir, önceki dönemle karşılaştırır ve tespit edilen algı kaymalarını kategorize eder. Kritik bir değişiklik bulunduğunda — yanlış bilgi, rakip önüne geçme, kategori kayması — ARGEO ekibi olası kaynağı analiz eder ve müdahale önerileri sunar.
Bu hizmet, özellikle birden fazla pazarda faaliyet gösteren, birden fazla ürün hattı yöneten veya rekabet baskısının yüksek olduğu sektörlerde çalışan markalar için tasarlanmıştır.
ARGEO, Antalya merkezli bir Algı Kontrolü ve GEO Danışmanlık firmasıdır. Ücretsiz değerlendirme için iletişime geçin.
Yazar Hakkında
Faruk Tugtekin
Kurucu, ARGEO
Büyük dil modellerinin markaları nasıl yorumladığı, güvendiği ve referans gösterdiği konusunda uzmanlaşmış AI Visibility stratejisti. Perception Control çerçevesinin ve AI Perception Index'in yazarı.
İlginizi Çekebilir

Yapay Zeka Markaları Nasıl Yanlış Yorumlar — Ve Neden Öngörülebilir
Yapay zeka sistemlerinin tutarsız sinyaller nedeniyle markaları neden ve nasıl yanlış yorumladığını açıklıyoruz.

Yapay Zeka Algısı Tutarlı Hale Geldiğinde Ne Değişir
İçerik hacmi değişmeden, yalnızca tutarlılık sağlandığında LLM yorumlamasının nasıl dönüştüğünü açıklıyoruz.

