Anasayfa ve kategori sayfaları: AI arama motorları neden farklı çalışır
ChatGPT, Perplexity ve Google AI Overviews bir sayfayı insan gibi okumaz.
LLM'ler sayfayı semantik katmanlara ayırır, entity'leri eşler ve sorunun bağlamına en yakın bilgiyi arar. Anasayfalar ve kategori sayfaları bu süreçte klasik SEO'dan daha sert elenir. Çünkü çoğu düşük bilgi yoğunluğuna sahiptir. Görsel ağırlıklıdır. Metinsel yapı dağınıktır. Ve AI modelleri muğlak içeriği alıntılamaz.
2026'da AI alıntılanması isteyen bir marka, bu iki sayfa tipini baştan yapılandırmak zorunda.
LLM'ler anasayfada gerçekte ne arar
Bir kullanıcı "en iyi proje yönetim araçları" diye sorduğunda, AI modeli liste halinde ürün sıralamaz. Markaların ne yaptığını, hangi alanda uzmanlaştığını, kimler tarafından tercih edildiğini tarar. Bunu da anasayfanın H1, meta verileri, schema işaretlemeleri ve bağlantılı güvenilir sayfalardan çıkarır.
Bilarna'nın 80 sinyalli AI görünürlük denetimi burada devreye girer. Tarama sonucunda anasayfanın "ne iş yaptığını" LLM'lerin anlayamadığı durumları tek tek gösterir. Düzeltme önceliğiyle birlikte.
Kategori sayfaları neden daha kritik hale geldi
AI aramaları ürün odaklı sorgularda doğrudan kategori sayfalarını kaynak göstermeye başladı.
Kullanıcı "bütçe dostu CRM" yazdığında Google AI Overview, CRM kategorisinde "küçük işletme" filtresine sahip sayfayı alıntılayabiliyor. Bu eskiden yalnızca sıralama faktörüyken şimdi doğrudan cevap alanına taşındı. Ama bir şartla: kategori sayfasının başlık yapısı, açıklama metni ve schema blokları AI modellerinin ayrıştırabileceği netlikte olmalı.
AI için anasayfa optimizasyonu: 4 yapısal adım
Anasayfayı LLM dostu yapmak, onu sadece Google'a optimize etmekten farklı. Sıralama değil, alıntılanma öncelikli düşünmek gerekiyor.
İşte çalışan dört adım:
- Entity odaklı H1 ve meta açıklaması. "Biz kimiz" yerine "hangi sorunu çözüyoruz" yazmak. AI modelleri marka adını entity olarak kaydeder. Ama sınıflandırmak için yaptığınız işin net bir tanımını bekler.
- Yapılandırılmış özet bloğu. Anasayfanın ilk 150 kelimesi, AI tarafından snippet olarak çekilebilir olmalı. Üç cümle: ne yapıyorsunuz, kim için yapıyorsunuz, sizi neden tercih ediyorlar. Sıfat yok. Rakam var.
- Bağlam köprüleri. Anasayfadan sektör raporlarına, vaka çalışmalarına veya güvenilir dış kaynaklara verilen bağlantılar, AI modellerinin güven skorunu etkiler. Bilarna'nın LLM Visibility Score'u bu sinyali haftalık ölçer. Rakiplerinizin hangi dış kaynaklarla AI alıntısı kazandığını görürsünüz.
- Schema.org - Organization ve WebSite türleri. Eksik veya hatalı schema, AI'nın markayı tanımamasına yol açar. Anasayfada name, description, sameAs ve logo özellikleri tam olmalı.
AI snippet'ine giren anasayfa nasıl test edilir
Bilarna'nın haftalık AI SEO + AEO denetimi, anasayfanızı 56 maddelik bir kontrol listesiyle tarar. Aynı anda rakiplerinizin hangi sayfalarının ChatGPT veya AI Overviews'da alıntılandığını raporlar. Aradaki farkı kapatmak için içerik boşluk analizi sunar. Somut adımlarla.
Kategori sayfalarını AI cevaplarında alıntılatmak
Kategori sayfalarının çoğu yalnızca filtre ve ürün kartından oluşur. Bu yapı insan kullanıcıya hitap eder. Ama AI için anlamsızdır.
Bir LLM "uygun fiyatlı e-posta pazarlama araçları" sorgusunda sayfanızdan alıntı yapamaz. Çünkü sayfada fiyat bilgisi, kullanım senaryosu veya karşılaştırma verisi yoktur. Yalnızca ürün adı ve görsel vardır.
Çözüm, her kategori sayfasına AI'nın çekebileceği 200-300 kelimelik yapılandırılmış bir blok yerleştirmek. Bu blokta şunlar olmalı:
- Kategorinin hangi ihtiyacı karşıladığı
- Hangi tip kullanıcıya uygun olduğu
- Bu kategorideki ürünlerin ortak özellikleri ve farklılaştığı noktalar
- Bir karar verme kriteri veya nicel bir değer
Bu blok, AI answer engine'lerin "factual snippet" mekanizmasına doğrudan hitap eder. Bilarna platformu, 500 AI optimize makale kapasitesiyle bu blokları ölçeklendirmenize yardımcı olur. Aynı bloklar Shopify entegrasyonuyla otomatik yayınlanabilir.
Kategori sayfalarında schema kullanımı
ItemList schema türü, LLM'lerin kategorideki ürünleri bir liste olarak algılamasını sağlar. Ama çoğu e-ticaret sitesinde bu schema ya eksiktir ya da her sayfada aynıdır.
Her kategori için benzersiz description ve numberOfItems verisi girilmelidir. Bilarna'nın Search Console entegrasyonu, hangi kategori sayfalarının AI tıklaması aldığını gösterir. Hangi schema alanının eksik olduğunu da.
İçerik boşluk analizi: AI neden sizi değil rakibi alıntılıyor
Rakibinizin kategori sayfası ChatGPT tarafından alıntılanıyorsa, bunun üç net sebebi vardır:
- Sizin sayfanızda olmayan bir karşılaştırma verisi sunuyordur.
- Sayfası daha fazla güvenilir dış kaynaktan referans almıştır.
- Sizin sayfanızdaki entity işaretlemeleri eksik veya tutarsızdır.
Bilarna'nın içerik boşluk analizi, rakiplerinizin ChatGPT, Perplexity ve Google AI Overviews'da hangi başlıklarla alıntılandığını tarar. Sizin eksik konularınızı, sorularınızı ve anahtar kelimelerinizi listeler. Sadece tespit etmez; kapatmak için aksiyon planı da oluşturur.
Okunabilirlik ve netlik: AI alıntısının görünmez kriteri
LLM'ler yalnızca doğru bilgiyi değil, iyi yapılandırılmış bilgiyi alıntılar. Başlık hiyerarşisi bozuk, paragrafları 5 cümleden uzun, geçişleri kopuk bir sayfa, bilgi içerse bile AI tarafından es geçilir.
Bilarna'nın okunabilirlik ve netlik denetimi bu yüzden anasayfa ve kategori sayfaları için kritik. Sistem şunlara bakar:
- Başlık yapısı (H1-H2-H3 mantıksal akışı)
- Cümle uzunluk dağılımı
- Tarama kolaylığı (scannability)
- Gereksiz sıfat ve zarf kullanımı
Her kontrolün çıktısı, düzeltme önerisiyle birlikte gelir. Ekip içinden biri teknik bilgiye ihtiyaç duymadan iyileştirme yapabilir.
Güvenilir kaynak sinyali neden artık zorunlu
2026'da AI modelleri bir sayfayı alıntılamadan önce şu soruyu soruyor: "Bu sayfa başka hangi güvenilir kaynaklar tarafından doğrulanıyor?"
Bu sinyal eskiden backlink'in dolaylı bir fonksiyonuydu. Şimdi doğrudan bir alıntı kriteri. Bilarna'nın güvenilir kaynak ve atıf içgörüleri, sizin sektörünüzde hangi sayfaların AI cevaplarını etkilediğini gösterir. Bir rapor sitesi mi, bir akademik makale mi, bir government domain mi? Hangisi eksikse onu tamamlarsınız.
Anasayfanızın veya kategori sayfanızın bağlantı profili bu açıdan tekrar değerlendirilmelidir. Dışarıya verdiğiniz referanslar da AI nezdinde sayfanızın pozisyonunu belirler.
Yapay zeka cevaplarında görünürlüğü ölçmek
AI görünürlüğü, klasik SEO araçlarıyla ölçülemez. Çünkü sıralama değil, alıntılanma esasına dayanır.
Bilarna'nın haftalık LLM Visibility Score'u, markanızın ve sayfalarınızın ChatGPT, Claude, Perplexity ve Grok'ta ne sıklıkla göründüğünü sayısal olarak raporlar. Bu skor zaman içinde takip edilir. Düşüş, yükseliş ve rakip kıyaslamasıyla birlikte.
Bu veri olmadan AI optimizasyonu yapmak, kör uçuştur.
AI modelleri için makine tarafından okunabilir profil
LLM'lerin markanızı doğru sınıflandırması, yapılandırılmış bir profil dosyasına bağlıdır. Bilarna, işletmeniz için AI tarafından okunabilen bir profil oluşturur. Bu profili MCP entegrasyonuyla global LLM dağıtımına açar. Yani ChatGPT, Claude ve Gemini'nin markanızı bir entity olarak tanımasını ve önermesini sağlar.
Bu, anasayfa ve kategori sayfası optimizasyonunun tamamlayıcı parçasıdır. Sayfalarınız alıntılanmaya hazır olsa bile, LLM sizi tanımıyorsa sonuç alamazsınız.
Eyleme geçme önceliği: anasayfa mı, kategori sayfaları mı
Kaynak sınırlıysa önce kategori sayfalarını optimize edin.
Sebebi basit: AI sorguları giderek daha transactional hale geliyor. Kullanıcılar artık "nedir" değil, "hangisini almalıyım" diye soruyor. Kategori sayfaları, bu sorunun cevabını barındırabilecek en uygun sayfa tipidir. Anasayfa genelde marka sorgularında alıntılanır. Bu da trafiğin küçük bir kısmıdır.
Bilarna'nın aksiyon planları tam da bu önceliklendirmeyi yapar. Hangi sayfanın optimize edilmesi gerektiğini, tahmini etkisini ve atılacak adımları sıralar. Ekibiniz doğrudan uygulamaya başlayabilir.
Ardından anasayfadaki entity işaretlemelerini tamamlayın. Son olarak da güvenilir kaynak sinyalini güçlendirmek için dış referans stratejisi oluşturun.
Bu üç adım tamamlandığında, AI alıntılanma olasılığınız rakamla ölçülebilir biçimde artar.