Varlık SEO’su

TL;DR — Bir varlık, bir makinenin tanımlayabildiği bir şeydir — siz, şirketiniz, ürününüz. Varlık SEO’su, arama motorlarının ve yapay zekâ araçlarının sizi başka bir şeyle karıştırmak yerine tam olarak kim olduğunuzu bilmesini sağlamaktır. Temel adımlar: her yerde aynı adı ve açıklamayı kullanın, bir Wikidata kaydı oluşturmayı (uygunluk ölçütlerini karşılıyorsanız Wikipedia’yı da) değerlendirin ve güvenilir sitelerde adınızın geçmesini sağlayın. Bunların hiçbiri kesin bir zorunluluk değildir — bunlar, yapay zekânın sizi güvenle tanımlamasını ve kaynak göstermesini kolaylaştıran sinyallerdir.

Varlık nedir?

Varlık, tanımlanabilir bir şeydir; Schema.org, bir sayfanın neyi anlattığını netleştirebilen tanımlayıcılar ve ilişki özellikleri sağlar. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Schema.org: Thing Yapılandırılmış veri, destekleyici sinyallerden yalnızca biridir ve Knowledge Graph’a ya da alıntılara dâhil edilmeyi garanti eden bir gönderim mekanizması değildir. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Google: Structured data introduction

“Taj Mahal” ifadesini okuduğunuzda, anıttan mı, blues müzisyeninden mi yoksa kumarhaneden mi söz ettiğimi bağlamdan anlarsınız. Bir makine ise bunların her biri kendine ait kimliği, türü ve olguları bulunan üç ayrı varlık olduğunu öğrenmedikçe bunu anlayamaz.

Varlık, ayrı biçimde tanımlanabilen bir şeydir: bir kişi, yer, şirket, ürün, hatta bir kavram. Google bunların milyonlarcasını, aralarındaki ilişkilerle birlikte Knowledge Graph adlı bir veritabanında saklar. Varlık SEO’su; sizin varlığınızın — markanızın, yazar olarak sizin ve ürünlerinizin — orada açıkça yer almasını ve başka hiçbir şeyle karıştırılmamasını sağlamaya yönelik çalışmadır.

Yapay zekâ sistemleri bunu neden bu kadar önemsiyor?

Geleneksel arama, yazdığınız sözcükleri bir sayfadaki sözcüklerle eşleştirirdi. Yapay zekâ araması farklıdır: sorgunun kim veya ne hakkında olduğunu anlamaya çalışır, ardından bir yanıtı özetler. Yapay zekânın markanızın adını bu yanıtta kullanabilmesi için önce hangi marka olduğunuzu bildiğinden emin olması gerekir.

Kimliğiniz belirsizse — başka bir şirketle aynı ada sahipseniz, her profilinizde farklı açıklamalar varsa ve dışarıdan doğrulama bulunmuyorsa — yapay zekâ temkinli davranır ve sizi atlar. Kimliğiniz net ve sağlam biçimde doğrulanmışsa sizi güvenle kaynak gösterir. Bütün mesele budur.

Gerçekten işe yarayan basit adımlar

• Tutarlı olun. İşletme adınızı, açıklamanızı, adresinizi ve telefon numaranızı her yerde — sitenizde, sosyal profillerinizde, dizinlerde ve Google Business Profile’da — tamamen aynı kullanın. Tutarsızlık makinenin kafasını karıştırır.
• Bir Wikidata kaydı oluşturun. Wikidata, yapay zekâ sistemlerinin ve Google’ın doğrudan okuyabildiği, makine tarafından okunabilir bir veritabanıdır. Neredeyse her işletme bir kayıt oluşturabilir — Wikipedia’daki gibi bir “kayda değerlik” engeli yoktur.
• Uzun vadede Wikipedia’yı hedefleyin. Bir Wikipedia sayfası, yapay zekâ görünürlüğü açısından altın değerindedir; ancak kendi sayfanızı yazamazsınız — editörlerin sizi kayda değer bulması için önce gerçek basın haberleri kazanmanız gerekir.
• Başkalarının sizden söz etmesini sağlayın. Güvenilir üçüncü taraf sitelerde hakkınızda konuşulması neredeyse her şeyden daha önemlidir. Yapay zekâ, adınızın ne sıklıkla ve nerelerde geçtiğine bakarak kim olduğunuzu öğrenir.
• Yerel bir işletmeyseniz Google Business Profile’ınızı eksiksiz doldurun — bu, iyi belgelenmiş bir Google yerel veri kaynağıdır; ancak her yapay zekâ sisteminin yerel yanıtlar için ona aynı şekilde dayandığı kanıtlanmış değildir.

Daha derindeki mekanizmalar — Knowledge Graph, varlık belirginliği, şema ve “bahsetmeler bağlantılardan daha etkilidir” görüşünün arkasındaki araştırma verileri — Gelişmiş sekmesinde yer alıyor.

TL;DR — Entity SEO, belgelenmiş bir Google sıralama sisteminin adı değil, uygulayıcıların kullandığı bir terimdir — ancak yapay zekâ söz konusu olduğunda vurgu güçlü biçimde belirsizliği giderme ve doğrulama yönüne kayar. Google, Knowledge Graph’ın Haziran 2025’teki bir temizlik sırasında varlıklarının büyük bir bölümünü çıkardığını söylüyor; kesin ölçeği ve bunun belirli bir yapay zekâ ürünü üzerindeki etkisini burada bağımsız olarak doğrulayamıyorum. Bu nedenle bunu kesin gerçek değil, yön gösteren bir bulgu olarak değerlendirin. Ahrefs araştırmasında markalı web bahsetmeleri ve YouTube varlığı, yapay zekâ yanıtlarındaki görünürlükle geri bağlantılara kıyasla çok daha güçlü korelasyon gösterdi — bu bir nedensellik kanıtı değil, korelasyondur. Sahte doğrulamayla güvene kestirmeden ulaşamazsınız: kurgusal uzmanları yüzlerce basın makalesine yerleştiren bağımsız bir deney, neredeyse hiç yapay zekâ alıntısı üretmedi. Ayrıca sameAs şemasını sunucu tarafında oluşturulduğunda en sağlam hâliyle değerlendirin — belirli bir yapay zekâ tarayıcısının JavaScript çalıştırıp çalıştırmadığı sağlayıcıya ve sürüme göre değişir; hiçbirinin çalıştırmadığını varsaymayın.

Entity SEO, yapay zekâ için farklı bir vurguya sahip SEO’dur

Sınırları belirlenmiş tanımla başlayalım: “Entity SEO”, belgelenmiş bir Google sıralama sisteminin adı değil, uygulayıcıların kullandığı bir terimdir. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Schema.org: Thing Mevcut SEO uygulamalarını — kimlik netliğini, doğrulamayı ve doğru yapılandırılmış verileri — değerlendirmek için yararlı bir bakış açısıdır; ayrı bir disiplin veya kendine ait puanlama modeli bulunan evrensel bir yapay zekâ optimizasyon katmanı değildir. Bu uygulamaları garantili sıralama araçları olarak değil, netlik sinyalleri olarak kullanın. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Google: Structured data introduction

Geleneksel aramayla ilgili yerleşik yaklaşımım değişmedi: “the entity identification part is more on Google’s end than ours.” Bir sayfaya varlıklar doldurarak elle “entity SEO” yapmazsınız. Kaliteli içerik yayımlar, içeriği doğru yapılandırılmış verilerle işaretler, sinyallerinizi tutarlı tutarsınız; tanımlamayı Google yapar.

Değişen şey, yapay zekâ aramasındaki ağırlıklandırmadır. Bir model yanıt yazarken bağlantı değerini değil, cümleleri ve adları alır — bu nedenle marka sinyallerinin görünümü, sıralamaların bağlantı odaklı dünyasından farklıdır. Aşağıdaki mekanizmalar, varlığınızı o makine açısından hiçbir şüpheye yer bırakmayacak biçimde tanımlamakla ilgilidir.

Knowledge Graph ve yapay zekâ hakkında söyleyebileceklerimiz ve söyleyemeyeceklerimiz

Google, Knowledge Graph’ı 2012’de “things, not strings” söylemiyle kullanıma sundu — “understands real-world entities and their relationships to one another.” Bu sistem; belirsizliği giderme (hangi “Taj Mahal”?), özetleme ve keşif sorunlarını çözmek üzere Freebase, Wikipedia ve CIA World Factbook verileriyle oluşturuldu. 2012’ye ait bu sayılar tarihsel verilerdir; Google güncel bir varlık sayısı yayımlamadı.

Burada dikkatli olmak istiyorum: “Knowledge Graph artık AI Overviews, AI Mode ve Gemini’yi besliyor; dolayısıyla orada yer almak sizi yapay zekâ destekli yanıtlara uygun hâle getirir” demek cazip gelebilir. Google, Knowledge Graph’ın paneller gibi Arama özelliklerine güç verdiğini ve açık web’deki yüzlerce kaynaktan yararlandığını doğruluyor. Ancak Knowledge Graph üyeliğini her yapay zekâ yüzeyindeki uygunluğa doğrudan bağlayan, ürüne özgü birincil belgelere sahip değilim; bir kaynakla destekleyemediğim ürünler arası nedensel bir iddiayı ileri sürmeyeceğim. “KG, yapay zekâ altyapısıdır” görüşünü doğrulanmış bir mekanizma değil, makul bir sektör yorumu olarak değerlendirin.

Kamuya açık olarak bildirilen şu: gazeteci Jason Barnard (Kalicube), Haziran 2025’te Knowledge Graph’ta büyük bir daralma yaşandığını; ciddi kesintilerin eski etkinlik varlıkları ile belirsiz “Thing” kategorisindeki varlıklarda yoğunlaştığını ve aynı zamanda kişi varlıklarının daha hassas biçimde türlere ayrıldığını belgeledi. Kesin yüzdeleri burada yeniden vermeyeceğim — bunlar, Google’ın verileri üzerine yapılmış ve bağımsız olarak tekrarlayamadığım tek bir üçüncü taraf analizinden geliyor. Eskimiş ya da yanlış yazılmış bir rakam aktarma riskine girmektense sizi özgün yazıya yönlendirmeyi tercih ederim. Yön gösteren çıkarım geçerliliğini koruyor: Barnard’ın ifadesiyle, “in the Knowledge Graph, clarity is the only point of entry.” Kalite ve belirsizliğin giderilmesi, salt sinyal hacminden daha önemli görünüyor — ayrıntıların tamamı için kaynağa bakın.

Varlık sinyali hiyerarşisi — kesin değil, yön gösterici

Çoğu “entity SEO” tavsiyesinin yanıldığı nokta şudur: birbiriyle gevşek biçimde ilişkili sinyalleri, kanıtlanmış sıralama araçlarıymış gibi ele alır. Ahrefs’te geniş marka ve yapay zekâ yanıtı örneklemleri üzerinde korelasyon çalışmaları yürüttük. Kesin katsayıları özgün veri kümelerine karşı bağımsız doğrulamayı beklerken burada vermesem de yön gösteren örüntüyü bilmek yararlıdır (korelasyon çalışmalarını yanlış aktarmak kolaydır ve sayı ne olursa olsun korelasyon nedensellik değildir).

Çalışmaların geneline yön gösterici olarak bakıldığında markalı web bahsetmeleri ve YouTube varlığı/bahsetmeleri, yapay zekâ görünürlüğü ölçütleriyle (AI Overview’daki marka bahsetmeleri gibi) geri bağlantılardan belirgin biçimde daha güçlü korelasyon gösterdi — ölçtüğümüz sıralamalarda marka bahsetme ve YouTube sinyalleri, Domain Rating ve yönlendiren alan adları gibi bağlantı temelli sinyallerin önüne geçti. Markalı arama hacmi de gecikmeli değil, öncü bir gösterge gibi davrandı. My cross-platform AI brand-visibility correlations study çalışmamda bunu şöyle özetledim: “Google favors brands and Perplexity seems to show some favoritism as well. What’s surprising is the weakness of ChatGPT here.”

Google, ChatGPT ve Perplexity’nin kaynak gösterdiği içerikler arasındaki örtüşmenin de anlamlı ölçüde sınırlı olduğunu gördük — kaynakların yalnızca küçük bir azınlığı aynı anda üçünde birden yer aldı. Entity SEO, tek bir arama motoruna değil, birden çok platforma yönelik bir çalışmadır. Kesin katsayılar ve örneklem büyüklükleri için burada yeniden aktarılan sayılara güvenmek yerine doğrudan bağlantılı çalışmaya ve AI Overview brand-correlation study çalışmasına bakın.

Birinci öncelik, belirsizliği gidermektir

Yapay zekâ, güvenle tanımlayamadığı bir varlığı kaynak gösteremez. Markanız başka bir şirketle aynı ada sahipse, tutarsız NAP (ad/adres/telefon) verileri kullanıyorsa veya dışarıdan doğrulanmıyorsa atlanırsınız. Haziran 2025 temizliğinin bütün amacı, belirsizliğe yer bırakmadan türü belirlenmiş varlıkların oranını artırmaktı — Google, emin olabildiği markalar için optimizasyon yapıyor.

Dolayısıyla yapılması gereken, belirsizliği gidermektir: varlık ana sayfanızda (Hakkında sayfası veya ana sayfa) sabit bir @id içeren Organization JSON-LD ile bir kez bildirilen tutarlı bir kanonik kimlik oluşturun ve bunu sameAs aracılığıyla dış referanslarla doğrulayın. John Mueller’in bir uyarısı var: sameAs özelliğini bir Knowledge Graph kimliği URL’sine (kg:/m/...) yönlendirmeyin, çünkü “that ID might change” — bunun yerine Wikidata, Wikipedia ve sosyal profiller gibi sabit URL’ler kullanın.

Doğrulamayı taklit edemezsiniz — entities.org deneyi

İşte bu alandaki en önemli güvenlik sınırı. Entities.org araştırmacıları, yapay zekâ sistemlerinin varlık uzlaşısı aradığını belirtiyor — bir iddiayı ileri sürmeden önce bağımsız ve yüksek güvenilirlikli kaynakların aynı iddia üzerinde uzlaşması gerekiyor. Bağımsız doğrulama belirli bir eşiğin altındaysa yapay zekâ temkinli davranır; eşiğin üzerindeyse iddiayı kesin biçimde ifade eder.

Başlıca bulgu şu: kontrollü bir deneyde çok sayıda basın makalesine kurgusal uzmanlar yerleştirildi ve sonuç dokuz modelde ölçüldü — bunun sonucunda neredeyse hiç yapay zekâ önerisi oluşmadı. Bağımsızlık olmadan hacim işe yaramıyor; araştırmacıların yaklaşımına göre yapay zekâ sistemleri sentetik uzlaşıyı tespit edebiliyor. Makalelerin tam sayısını, model önerisi eşiğini veya alıntı payı rakamlarını burada yeniden vermiyorum — bunlar, bağımsız olarak tekrarlamadığım tek bir üçüncü taraf araştırma projesine ait belirli sayılardır. Kesin rakamlar için özgün araştırmaya bakın. Yön gösterici olarak güvenle söyleyebileceğim şu: yalnızca markanın kendi yayımladığı içerikler, markayı nadiren bir yapay zekâ yanıtına taşır ve yapay zekâ yanıtlarının çoğu, marka tarafından yayımlanan kaynaklardan çok üçüncü taraf kaynaklara dayanıyor gibi görünür.

“Varlık yığma”, toplu basın bülteni yayma ve çok sayıda bağlantıyı paket hâlinde satın alma kampanyalarının yapay zekâ görünürlüğünde işe yaramamasının temel nedeni budur. Manipüle edebileceğiniz gizli bir varlık puanı yok — gerçek bahsetmeler kazanın.

sameAs, Wikidata ve Wikipedia

Ne Wikipedia ne de Wikidata, Google’ın veya yapay zekânın sizi tanıması için belgelenmiş bir zorunluluktur — Google, Wikipedia’yı bilgi panelleri için yararlanabildiği çok sayıdaki yaygın kaynaktan biri olarak gösterir; zorunlu bir girdi olarak değil. Yine de bunlar, sameAs listenizde kabaca şu sırayla öncelik vermeye değer, yararlı ve erişilebilir dış referanslardır:

1. Wikidata — makine tarafından okunabilir ve giriş engeli düşüktür (Wikipedia tarzı bir kayda değerlik eşiği yoktur); bazı yapay zekâ sistemlerinin ve Google’ın buradan yararlandığı bildiriliyor, ancak her sağlayıcının buraya tam olarak nasıl ağırlık verdiğini açıklayan birincil belgelere sahip değilim.
2. Wikipedia — kayda değerseniz. Üçüncü taraf araştırmaları, bazı yapay zekâ sistemlerinin büyük miktarda alıntıyı buradan yaptığını bildiriyor; ancak kesin yüzdeyi burada yeniden vermiyorum — güncel rakam ve metodoloji için kaynak araştırmaya bakın. Wikipedia içeriği, bazı sistemler tarafından yalnızca eğitim için değil, gerçek zamanlı temellendirme amacıyla da kullanılır. Kendi sayfanızı yazamazsınız — önce kayda değerliğinizi ortaya koyan basın haberleri kazanın.
3. LinkedIn / Crunchbase / resmî kayıtlar, ardından sosyal profiller.

Kendi ekibimizden ibretlik bir örnek: Ryan Law, kişisel sitesine sameAs özelliğinde hata bulunan bir şema ekleyerek Google’ın yanlışlıkla Ahrefs web sitesinin ona ait olduğunu düşünmesine yol açtı. Şemayı yayına almadan önce mutlaka iki kez kontrol edin.

Yapılandırılmış veri: alıntı düğmesi değil, dolaylı bir araç

Şemanın ne yaptığına gerçekçi bakın. Louise Linehan ve Xibeijia Guan’ın Ahrefs için yürüttüğü gözlemsel bir çalışma, yaklaşık yedi ay boyunca JSON-LD ekleyen geniş bir sayfa kümesini takip ederek ekleme öncesi ve sonrasındaki alıntı hacmini karşılaştırdı — veri kümesi ve kesin yüzdeler için the schema/AI citations study çalışmasına bakın. Yön gösteren bulgu şu: zaten alıntılanan bir sayfaya şema eklemek, izlenen platformlarda yapay zekâ alıntılarının hacminde açık bir olumlu artış sağlamadı.

Bu nedenle şemayı güvenilir bir alıntı aracı olarak görmeyin. Değeri, varlık belirsizliğini gidermesi — markanızı Knowledge Graph kimliğine bağlaması — ve doğru dizinlemeye yardımcı olmasıdır; yapay zekânın sizden ne sıklıkla alıntı yaptığı üzerinde doğrudan bir artış sağlaması değil. Mueller’in görüşü de bununla örtüşüyor: yapılandırılmış veri doğrudan bir sıralama faktörü değildir; ancak makinelerin varlıkları anlamasına yardımcı olur ve “basically impossible to read in high fidelity… from a text page.” olan alışveriş verileri için gerçekten yararlıdır.

Özellikle yapay zekâ bağlamında, her varlıkta @id kullanmak ve Organization, Person ile Article varlıklarını tek bir grafikte birleştiren @graph oluşturmak, uygulayıcıların bağlantılı bir kimliği tutarlı tutmak için önerdiği yararlı bir modelleme kalıbıdır — belgelenmiş bir Google veya yapay zekâ sağlayıcısı gerekliliği değildir ve bunu kullanmak sıralama, panel veya alıntı etkisini garanti etmez. Aynı varlıklara ait ayrı şema blokları da işe yarar; bağlantılı bir grafik, bir özelliğin kilidini açmak için değil, bakım ve tutarlılığı kolaylaştırmak içindir.

Şemanızı sunucu tarafında oluşturun — hiçbir tarayıcının JS çalıştırdığını varsaymayın

Bu teknik hata, aksi hâlde iyi yapılmış varlık çalışmalarını sessizce başarısızlığa uğratabilir. Genelleyici bir iddiayı tekrarlamak yerine gerçekte neyin belgelendiği konusunda kesin olmak önemlidir. Google, Arama için JavaScript tarafından oluşturulan yapılandırılmış verileri işlediğini açıkça belgeliyor. Belirli bir yapay zekâ tarayıcısının — GPTBot, ClaudeBot, PerplexityBot veya adı belirtilen başka herhangi bir sağlayıcının — JavaScript çalıştırıp çalıştırmadığı sağlayıcıya ve sürüme özgüdür; ayrıca zaman içinde değişir. “Yapay zekâ tarayıcıları JavaScript çalıştırmaz” biçimindeki evrensel bir kuralı ileri sürmemi sağlayacak güncel, sağlayıcı bazında birincil belgelerim yok. Doğrulanmamış bir genellemeyi yinelemek yerine güncel davranışı kendiniz doğrulamanızı (önemsediğiniz sağlayıcı üzerinde tarihli bir getirme testi yapmanızı) tercih ederim.

Her iki durumda da güvenli ve sağlayıcıdan bağımsız yaklaşım şudur: ilk HTML’deki sunucu tarafında oluşturulmuş şemayı sağlam temel kabul edin. Hedeflediğiniz bir tarayıcının JavaScript’i işlemediği ortaya çıkarsa yalnızca sunucunun gönderdiği şemanın görünür olduğu garanti edilir; JavaScript’i işliyorsa da sunucu tarafında oluşturmanın size bir zararı olmaz. Herhangi bir işleme adımından önce gerçekte neyin sunulduğunu bilmek için sameAs ve @graph verilerinizi yalnızca işlenmiş DOM’da değil, ham HTML yanıtında da kontrol edin.

Peki gerçekte ne yapmalısınız?

Bu, belgelenmiş bir yapay zekâ sistemi puanlama modeli değil, uygulayıcılara yönelik bir rehberdir — çalışmayı düzenlemek için yararlı bulduğum bir yöntemdir. Bunu üç katman olarak düşünüyorum: kimlik, ilişkiler ve bağımsız kaynaklarla doğrulama.

Kimlik. Varlık ana sayfanızı eksiksiz hâle getirin — tek bir kanonik sayfa, sağlam temel olarak sunucu tarafında oluşturulmuş Organization/Person şeması ve doğru sameAs değerleri kullanın. Yerel bir işletmeyseniz Google Business Profile bilgileriniz dâhil olmak üzere NAP (ad/adres/telefon) ve açıklamalarınızı her yerde tutarlı tutun — Google Business Profile iyi belgelenmiş bir Google veri kaynağıdır, ancak her yapay zekâ sistemi için birincil yerel kaynak olduğunu doğrulayamıyorum.

İlişkiler. Varlıklarınızı birbirine bağlayın — Wikidata’ya (kayda değerseniz Wikipedia’ya da) sameAs bağlantısı verin; tutarlılığı korumanıza yardımcı olduğu yerlerde Organization, Person ve Article varlıklarını bağlayan bir @graph kullanın. İçeriğinizde, okuyucularınızın gerçekten açıklanmasına ihtiyaç duyduğu varlıkları ve ilişkileri ele alın — Cloud Natural Language belirginlik puanını bir sıralama girdisiymiş gibi kovalamayın; belirginlik, bir belge analizi API’sinin bir metni nasıl puanladığını açıklar, belgelenmiş bir Google Arama veya yapay zekâ alıntı sıralama faktörünü değil.

Doğrulama. Deneyimlerime göre en büyük etkiyi yaratan katman budur — gerçek üçüncü taraf bahsetmeleri ve gerçek bir YouTube varlığı kazanın; çünkü bunlar (yalnızca bağlantılar değil), yapay zekânın söylediğiniz kişi olduğunuza ilişkin bağımsız ve doğrulanmış bir güvene sahip olup olmadığını gösteren güçlü sinyallerdir. Yapay zekâ çağı hakkında söylediğim gibi: “SEO itself hasn’t drastically changed, but getting good results may now require closer collaboration with other teams like PR and partnerships.”

Yapay zekâ özeti

Gelişmiş sürümün kısa özeti:

• Varlık = bir makinenin benzersiz olarak tanımlayabildiği bir şey (marka, kişi, ürün). Entity SEO, yapay zekânın sizi kaynak gösterebilmesi için bu tanımlamayı güvenilir ve belirsizliğe yer bırakmayacak hâle getirir.
• Entity SEO, adlandırılmış bir Google sıralama sistemi değil, uygulayıcıların kullandığı bir terimdir — “the entity identification part is more on Google’s end than ours” — ancak yapay zekâda ağırlık, belirsizliği giderme + doğrulamaya kayar.
• Knowledge Graph’ın Haziran 2025’te netliği artırmaya yönelik büyük bir temizlikten geçtiği bildirildi (üçüncü taraf haberlerine göre; kesin rakamlar burada yeniden verilmedi). Google, Knowledge Graph’ın paneller gibi Arama özelliklerini beslediğini doğruluyor; her yapay zekâ yüzeyindeki uygunluğa doğrudan, ürünler arası bir bağlantıyı birincil belgelerle destekleyemiyorum. Bu nedenle bunu doğrulanmış gerçek değil, makul bir yorum olarak ele alıyorum.
• Yapay zekâ görünürlüğü için sinyal hiyerarşisi (kesin değil, yön gösterici): Ahrefs araştırmasında markalı web bahsetmeleri ve YouTube varlığı, yapay zekâ görünürlüğü ölçütleriyle geri bağlantılardan belirgin biçimde daha güçlü korelasyon gösterdi — bu korelasyondur, nedensellik değildir. Kesin katsayılar bağlantılı çalışmalarda yer alıyor; bağımsız doğrulama tamamlanana kadar burada yeniden verilmiyor.
• Bunu taklit edemezsiniz: basın makalelerine kurgusal uzmanlar yerleştiren bağımsız bir deney, bunun sonucunda neredeyse hiç yapay zekâ alıntısı oluşmadığını buldu. Bağımsız kaynaklarla doğrulama önemlidir; yapay zekâ yanıtlarının çoğu, markanın kendi yayımladığı kaynaklardan çok üçüncü taraf kaynaklara dayanıyor gibi görünüyor.
• Şema dolaylı bir araçtır: JSON-LD ekleyen sayfalar üzerine yapılan gözlemsel bir çalışma, yapay zekâ alıntılarının hacminde açık bir olumlu artış bulmadı. Şemanın değeri, alıntı düğmesi olmak değil, belirsizliği gidermek ve doğru dizinlemeyi desteklemektir.
• JS tuzağını abartmayın: belirli bir yapay zekâ tarayıcısının JavaScript çalıştırıp çalıştırmadığı sağlayıcıya özgüdür ve zaman içinde değişir — doğrulanmış evrensel bir kural yoktur. Yine de şemayı sunucu tarafında oluşturmak her durumda sağlam temeldir.
• Yapılacaklar: varlık ana sayfası + sağlam varsayılan olarak sunucu tarafında oluşturulmuş Organization/Person şeması, Wikidata/Wikipedia’ya doğru sameAs bağlantıları (yararlı, ancak zorunlu değil), tutarlı NAP + Google Business Profile bilgileri ve gerçek üçüncü taraf bahsetmeleri + YouTube varlığı.

Resmî belgeler

Varlıklar, Knowledge Graph ve varlıklara ilişkin yapılandırılmış veriler hakkındaki birincil kaynak belgeleri.

Google — Knowledge Graph ve varlıklar

• Introducing the Knowledge Graph: things, not strings (2012) — Amit Singhal’ın lansman yazısı; “things, not strings” yaklaşımı.
• Knowledge Graph Search API — “Google Knowledge Graph’taki varlıkları bulmanızı sağlar”; schema.org JSON-LD, 20’den fazla varlık türü, KG kimlikleri (kg:/m/...) ve resultScore döndürür.
• Cloud Natural Language API — Entity — name, type, salience (0–1,0), metadata, mentions ve sentiment alanlarını içeren resmî varlık tanımı.
• Entity Salience Task (Google Research, EACL 2014) — varlık belirginliğini ayrı bir NLP görevi olarak ortaya koyan temel makale.

Google — varlık yapılandırılmış verileri

• Organization structured data — zorunlu özellik yoktur; sameAs, iso6523Code, naics ve legalName ile belirsizliği giderin.
• Profile Page structured data — birinci elden içerik üreticisi profilleri için mainEntity (Person/Organization) içeren ProfilePage.
• How knowledge panels are created — paneller, “açık web’de yeterli bilgi bulunduğunda otomatik olarak oluşturulur.” Elle gönderim yoktur.

Microsoft / Bing

• Bing structured data / markup support — ürünler, etkinlikler, tarifler, makaleler ve videolar için şema; Copilot, mevcut olduğunda bilgi grafiği ve yapılandırılmış veri sinyallerini kullanabilir.

Kaynaktan alıntılar

Arama temsilcilerinin kayda geçmiş açıklamaları ve Google’ın kendi materyalleri.

Google — Knowledge Graph

• “an intelligent model—in geek-speak, a ‘graph’—that understands real-world entities and their relationships to one another: things, not strings.” — Amit Singhal, dönemin Google Mühendislik Kıdemli Başkan Yardımcısı (2012). Kaynak

Google Cloud Natural Language — varlığın tanımı

• Varlık, “a phrase in the text that is a known entity, such as a person, an organization, or location,” ifadesiyle tanımlanır ve varlığın “importance or centrality… to the entire document text.” düzeyi için bir salience puanı atanır. — Google Cloud Natural Language API referansı. Kaynak

John Mueller, Google — sameAs ve KG kimlikleri

• Mueller, sameAs için Knowledge Graph kimliği URL’lerinin kullanılmamasını öneriyor, çünkü “that ID might change” — bunun yerine sabit URL’leri (Wikipedia, Wikidata, sosyal profiller) tercih edin. Haber

John Mueller, Google — şema ve LLM’ler

• “Some features thrive with structured data… Pricing, shipping, availability for shopping is basically impossible to read in high fidelity & accurately from a text page, for example.” (Mueller, yapılandırılmış verinin doğrudan bir sıralama faktörü olmadığını defalarca belirtti.) Haber

Patrick Stox, Ahrefs — varlık tanımlama Google’ın işidir

• “The entity identification part is more on Google’s end than on our end.” Kaynak

Entity SEO kontrol listesi

Varlığınızı arama motorları ve yapay zekâ açısından hiçbir şüpheye yer bırakmadan tanımlamak için bir kontrol turu:

• Eksiksiz Organization JSON-LD içeren bir varlık ana sayfası (ana sayfa veya Hakkında sayfası) seçildi: name, url, logo, description ve sabit bir @id.
• Şema, yalnızca Google Tag Manager veya istemci taraflı JS aracılığıyla eklenmek yerine ham HTML’de sunucu tarafında oluşturuluyor — JavaScript’i hangi tarayıcıların işlediğine inandığınızdan bağımsız olarak sağlam temel budur; davranış sağlayıcıya ve sürüme özgüdür ve iki yönde de varsayım yapılmamalıdır.
• sameAs, sabit dış referanslara (Wikidata, Wikipedia, LinkedIn, Crunchbase, sosyal profiller) işaret ediyor — bir Knowledge Graph kimliği URL’sine asla işaret etmiyor.
• İlgili durumlarda bir Wikidata kaydı oluşturuldu/sahiplenildi (giriş engeli düşüktür; bazı sistemlerin yararlandığı bildirilen, yararlı ancak zorunlu olmayan bir referanstır).
• Wikipedia, yalnızca gerçek kayda değerlik (bağımsız haberler) oluştuğunda hedefleniyor — kendiniz için asla tanıtım amaçlı bir sayfa yazmayın.
• Açıklamalar ve NAP (ad/adres/telefon) her profilde, dizinde ve sitenizde aynıdır.
• Yerel bir işletmeyseniz Google Business Profile eksiksiz dolduruldu — doğru tutulmaya değer, iyi belgelenmiş bir Google yerel veri kaynağıdır.
• Yazarlar için sameAs, jobTitle ve affiliation içeren Person / ProfilePage şeması oluşturuldu ve Organization ile Article varlıklarını içeren bir @graph içine bağlandı.
• Yüksek itibarlı üçüncü taraf bahsetmeleri kazanmak için etkin bir planınız var (PR, ortaklıklar, editoryal çalışmalar) — en güçlü yapay zekâ görünürlük aracı bağlantı hacmi değildir.
• Bir YouTube varlığı oluşturuldu — Ahrefs korelasyon araştırmasında ölçtüğümüz en güçlü site dışı sinyallerden biridir.
• Şema yayımlanmadan önce doğrulandı (sameAs ve @id değerlerini iki kez kontrol edin — tek bir yazım hatası sahipliğin yanlış varlığa atanmasına yol açabilir).

Varlık sinyalleri — kısa başvuru tablosu

Yapay zekâ görünürlüğüyle korelasyonlarına göre yön gösterici biçimde sıralanan sinyaller (Ahrefs çalışmaları — bağımsız doğrulama tamamlanana kadar kesin katsayılar burada verilmemiştir; rakamlar için bağlantılı çalışmalara bakın)

Bahsetmeler ve bağlantılar: temel çalışmada markalı web bahsetmeleri, AI Overview görünürlüğüyle geri bağlantılara kıyasla anlamlı ölçüde daha güçlü korelasyon gösterdi — bu nedensellik değil, korelasyondur; kesin oran burada yeniden verilmemiş olup kaynak çalışmada yer almaktadır.

Belirsizliği gidermek için hızlı kurallar

• Varlık ana sayfası + sabit @id içeren Organization JSON-LD.
• sameAs → Wikidata, Wikipedia, LinkedIn, sosyal profiller (yararlı referanslardır, zorunluluk değildir). Asla kg:/m/... kullanmayın (değişebilir).
• Her yerde aynı ad / açıklama / NAP.

Acı gerçekler

• Şema ≠ alıntılar. JSON-LD ekleyen sayfalar üzerine yapılan gözlemsel bir çalışma, yapay zekâ alıntılarının hacminde açık bir olumlu artış bulmadı. Şemanın işi alıntı kazandırmak değil, belirsizliği gidermektir.
• Sahte uzlaşı oluşturamazsınız. Kurgusal uzmanları basın haberlerine yerleştiren bağımsız bir deney, bunun sonucunda neredeyse hiç yapay zekâ alıntısı oluşmadığını buldu. Bağımsız doğrulama önemlidir; yalnızca markanın yayımladığı içerik, markayı nadiren bir yapay zekâ yanıtına taşır.
• “Yapay zekâ tarayıcıları JS çalıştırmaz” ifadesini evrensel bir kural olarak varsaymayın. Bu, sağlayıcıya özgüdür ve zaman içinde değişir. Her durumda sağlam varsayılan olarak şemayı sunucu tarafında oluşturun.
• Platformlar birbirinden ayrışır. Platformlar arası alıntı örtüşmesi (Google, ChatGPT, Perplexity) sınırlıdır — entity SEO’yu çok platformlu bir çalışma olarak ele alın.

Varlık otoritesi çerçevesi

Bu, uygulayıcılara yönelik bir çerçevedir — belgelenmiş bir yapay zekâ sistemi puanlama modeli veya sıralama gereklilikleri kümesi değil, entity SEO çalışmalarını düzenlemek için kullandığım yararlı bir yöntemdir. Bu alandaki uygulayıcıların tanımladığı üç bölümlü yapıyı temel alır: Tanıma → İlişkiler → Doğrulama. (Varlık otoritesi, “the degree to which search systems recognize your brand as a credible, well-corroborated source on a specific entity” olarak tanımlanır — bu bir Google terimi değil, uygulayıcı tanımıdır.)

1. Tanıma — makine sizi tanımlayabiliyor mu? Belirsizliği giderme katmanı. Kimliğiniz, varlık ana sayfanızda sabit bir @id ile bir kez bildirilmiş mi ve adınız / açıklamanız / NAP bilgileriniz her yerde tutarlı mı? Belirsiz veya tutarsız sinyallerin, yapay zekâ sistemlerinin bir varlığı güvenle kaynak göstermesini zorlaştırması makuldür; ancak bu bağlantıyı her sağlayıcı için garanti eden belgelenmiş bir mekanizmaya sahip değilim.

2. İlişkiler — makine nasıl bağlantı kurduğunuzu anlıyor mu? Grafik katmanı. sameAs, yararlı bir uygulayıcı kalıbı olarak (bir zorunluluk değil) şemanızı güvenilir dış kayıtlara bağlar; Organization, Person (kurucular/yazarlar) ve Article varlıklarını bağlayan @graph, bunların tutarlılığını korumayı kolaylaştıran bir modelleme aracıdır; tutarlı eş zamanlı kullanım ise içeriğin kendi içinde marka adınızla konunuz arasında bağlantı kurar.

3. Doğrulama — bağımsız kaynaklar size kefil oluyor mu? Güven katmanı ve kestirmeden geçemeyeceğiniz katman. Üçüncü taraf araştırmaları, yapay zekâ sistemlerinin bir iddiayı güvenle ileri sürmeden önce bağımsız, yüksek güvenilirlikli kaynaklara ağırlık verdiğini ve yalnızca markanın yayımladığı içeriğin markayı nadiren bir yapay zekâ yanıtına taşıdığını öne sürüyor — dolayısıyla kazanılmış medya, YouTube varlığı ve gerçek marka talebi burada somut katkı sağlar. Yukarıda Gelişmiş görünümde atıfta bulunulan kurgusal uzman deneyine göre sentetik uzlaşı (yerleştirilmiş basın haberleri, toplu bağlantılar) ödüllendirilmek yerine tespit edilip eleniyor gibi görünür.

Karar kuralı. Yapay zekâ görünürlüğünde ilerleyemiyor musunuz? Hangi katmanın başarısız olduğunu belirleyin:

• Tanınmıyor → belirsizliği giderin (varlık ana sayfası, tutarlılık, Wikidata).
• Tanınıyor ancak bağlantıları anlaşılmıyor → ilişkileri düzeltin (sameAs, @graph, konuyla birlikte kullanım).
• Tanınıyor ve bağlantıları anlaşılıyor ancak kaynak gösterilmiyor → doğrulamayı güçlendirin (bağımsız bahsetmeler kazanın).

Şema ekleyip umut etmekle yetinmeyin. Hangi katmanın bozuk olduğunu bulun.

Kaçınılması gereken entity SEO hataları

sameAs özelliğini kanıt olarak görmek

İşaretleme bir kimliği bildirebilir, ancak üçüncü taraf doğrulaması yaratamaz. Gerçekten aynı varlığı temsil eden profilleri bağlamak için sameAs kullanın; ardından bu profillerdeki adları, açıklamaları ve olguları tutarlı hâle getirin.

Yanlış varlık için tanımlayıcılar oluşturmak

Benzer ada sahip bir şirket, kişi veya ürün kestirme yol değildir. Wikidata, Wikipedia, sosyal profil veya dizin profillerini bağlamadan önce varlığın özelliklerini ve ilişkilerini doğrulayın.

Varlık sinyallerini yalnızca istemci taraflı JavaScript ile yayımlamak

Belirli bir yapay zekâ tarayıcısının JavaScript’i işleyip işlemediği sağlayıcıya özgüdür ve iki yönde de varsayılmamalıdır. Her durumda erişilebilir olmaları için kimlik beyanını, temel olguları, bağlantıları ve yapılandırılmış verileri sunucunun gönderdiği HTML’e yerleştirin.

Belirsizliği gidermeden bahsetmeleri optimize etmek

Marka adı başka varlıklarla aynıysa daha fazla haber, yanlış yorumu güçlendirebilir. Sabit bir ad, kategori, konum veya pazar, resmî URL ve ayırt edici ilişkilerle başlayın.

Yaygın entity SEO sorunları

Arama sonuçları markayı başka bir varlıkla karıştırıyor

Belirti: Paneller, özetler veya alıntılar adaşları birbirine karıştırıyor. Olası neden: Belirsizliği gideren sinyaller zayıf veya çelişkili. Çözüm: Resmî siteyi, kuruluş işaretlemesini, güvenilir profilleri ve üçüncü taraf açıklamalarını aynı tanımlayıcı olgular etrafında hizalayın; ardından belirsizliğe yol açan sorguyu aynen yeniden kontrol edin.

Knowledge Panel mevcut ancak yanlış bir olgu içeriyor

Belirti: Panel doğru varlığı tanımlıyor ancak eski veya yanlış bilgiler gösteriyor. Olası neden: Google çelişkili bir kaynak seçti. Çözüm: Uygunsanız paneli sahiplenin, birinci taraf kaynağı düzeltin, kanıt sunarak bir düzenleme önerin ve tutarsız doğrulayıcı profilleri onarın.

Yapılandırılmış veri doğrulamadan geçiyor ancak varlığın anlaşılması iyileşmiyor

Belirti: Şema araçları doğrulamadan geçiyor ancak marka hâlâ tanınmıyor veya başka varlıklarla karıştırılıyor. Olası neden: Doğrulama, gerçek dünyadaki kimliği veya otoriteyi değil, sözdizimini kanıtlar. Çözüm: Kanıt olmadan daha fazla özellik eklemek yerine bağımsız bahsetmeleri ve kimlik tutarlılığını denetleyin.

Varlık denetimleri için istemler

Audit these first-party and third-party descriptions of one organization. Extract the
name, aliases, category, location or market, founding facts, people, products, official
URL, and sameAs identifiers from each source. Return a contradiction table, likely
namesake collisions, facts supported by multiple independent sources, and facts that
must not be asserted yet. Do not merge similarly named entities without evidence.

[paste source excerpts and URLs]

Review this Organization JSON-LD against the visible page content and the supplied
official profiles. Flag unsupported claims, wrong entity links, duplicate identifiers,
and useful missing disambiguation properties. Return corrected JSON-LD using only facts
present in the inputs, followed by a verification checklist.

[paste JSON-LD, page excerpt, and profile list]

Varlık sinyallerini çıkarmaya yönelik kod parçacıkları

Chrome DevTools’ta sameAs değerlerini listeleyin

Kodu, varlığın resmî sayfasında Console içinde çalıştırın:

[...document.querySelectorAll('script[type="application/ld+json"]')].flatMap(el => {
  try { const data = JSON.parse(el.textContent); return (Array.isArray(data) ? data : [data]).flatMap(item => item.sameAs || []); }
  catch { return []; }
})

Tarama verilerinde kimlik bağlantılarını bulun

Bu büyük/küçük harf duyarsız düzenli ifadeyi JSON-LD kaynağı üzerinde kullanın. Yakalama grubu 1, incelenecek sameAs dizisini içerir:

"sameAs"\s*:\s*(\[[\s\S]*?\])

Sunucu HTML’sini işlenmiş DOM ile karşılaştırın

Tarayıcı çıktısına güvenmeden önce yanıtı getirin:

curl -sS https://example.com/about/ | grep -Eio 'application/ld\+json|sameAs|Organization'

Kontrol bilinçli olarak basittir: kimlik sinyalleri yalnızca işleme sonrasında ortaya çıkıyorsa bunları sunucunun gönderdiği belgeye taşıyın.

Entity SEO araçları

• Entity Coverage Analyzer: Bir sayfanın açıkça bildirdiği varlıkların ve ilişkilerin envanterini çıkarın, ardından önemli boşlukları bulun.
• Google Knowledge Graph Explorer: Google’ın bir adı ayrı bir varlık olarak çözümleyip çözümlemediğini kontrol edin ve sonucu panel garantisi saymadan tanımlayıcıları inceleyin.
• Schema Markup Validator: Temel olguları doğruladıktan sonra Organization, Person, Product ve sameAs işaretlemelerini doğrulayın.
• Arama sonuçları ve Knowledge Panel’lar: Hangi varlık yorumunun gösterildiğini görmek için markalı ve belirsiz sorguları temiz oturumlarda test edin.
• Özel veri çıkarma özelliğine sahip bir tarayıcı: Varlık işaretlemelerini, adları, resmî URL’leri ve profil bağlantılarını şablonlar arasında geniş ölçekte karşılaştırın.

Bir entity SEO değişikliğini doğrulayın

Sunucudan görülebilen kimlik sinyallerini test edin

Uygulanacak test: Sayfayı JavaScript olmadan getirin; kimlik beyanını, resmî bağlantıları ve JSON-LD’yi inceleyin. Beklenen sonuç: Tanımlayıcı olgular ve yapılandırılmış veriler yanıtta bulunur. Başarısızlığın anlamı: Sayfayı işlemeyen yapay zekâ tarayıcıları değişikliği alamaz. İzleme süresi: Hemen. Geri alma tetikleyicisi: Bir sürüm, temel kimlik sinyallerini istemci taraflı işlemenin arkasına taşır.

Tanımlayıcı tutarlılığını test edin

Uygulanacak test: Resmî sitenin sameAs değerlerini ve temel olgularını bağlantı verilen her profille karşılaştırın. Beklenen sonuç: Her URL aynı varlığı temsil eder ve sabit tanımlayıcı olgularda uzlaşır. Başarısızlığın anlamı: Grafik, çelişkili veya yanlış kenarlar içerir. İzleme süresi: Profil veya şema değişikliklerinden hemen sonra. Geri alma tetikleyicisi: Herhangi bir tanımlayıcı bir adaşa veya ilgisiz bir varlığa çözümlenir.

Belirsiz sorgularda ayrıştırmayı test edin

Uygulanacak test: Daha önce varlıkları birbirine karıştıran belirli markalı sorguyu yeniden kontrol ederek sonucu ve alıntılanan kaynakları kaydedin. Beklenen sonuç: Hedeflenen varlık; kategorisi, pazarı, URL’si ve ilişkileriyle ayırt edilebilir. Başarısızlığın anlamı: Doğrulama hâlâ yetersiz veya çelişkilidir. İzleme süresi: Yeniden tarama ve kaynak yenilemesinden sonra; hemen değil. Geri alma tetikleyicisi: Yeni metin karışıklığı artırır veya kaynak kümesinin desteklemediği bir olgu ileri sürer.

Varlık netliğini ölçün

Varlık tutarlılığı oranı

Ölçüt: Denetlenen birinci ve üçüncü taraf profillerinin, varlığın sabit tanımlayıcı olguları üzerinde uzlaşan kısmı. Size ne anlatır: Sistemlerin tek ve tutarlı bir kimlik alıp almadığını. Nasıl elde edilir: Bir kaynak envanteri tutun; ad, kategori, resmî URL, konum veya pazar ile temel ilişkileri karşılaştırın. Karşılaştırma ölçütü / gerçekçi aralık: Önemli hiçbir çelişki bulunmamasını hedefleyin; gereken profil sayısı varlığa göre değişir. Sıklık: Üç ayda bir ve marka yenilemelerinden sonra.

Belirsiz sorgu doğruluğu

Ölçüt: Sabit bir markalı sorgu kümesinin, adaşlarla karışmadan hedeflenen varlığa çözümlenen kısmı. Size ne anlatır: Belirsizliği giderme işleminin önemli yüzeylerde çalışıp çalışmadığını. Nasıl elde edilir: Belgelenmiş bir sorgu kümesini Arama ve seçilen yapay zekâ sistemlerinde çalıştırarak çıktıları ve alıntıları kaydedin. Karşılaştırma ölçütü / gerçekçi aralık: Her sorgu için bir başlangıç değeri belirleyin; sistemler farklılık gösterir ve evrensel bir yüzdeyi savunmak mümkün değildir. Sıklık: Aylık.

Doğrulanmış olguların kapsamı

Ölçüt: Resmî kaynakla birlikte en az bir uygun bağımsız kaynak tarafından desteklenen önemli varlık olguları. Size ne anlatır: Hangi iddiaların öz beyanın ötesinde kanıta sahip olduğunu. Nasıl elde edilir: Olgu-kaynak matrisi kullanın. Karşılaştırma ölçütü / gerçekçi aralık: İsteğe bağlı her özelliğin sayısını en üst düzeye çıkarmak yerine kimliği tanımlayan olguların eksiksiz desteklenmesine öncelik verin. Sıklık: Üç ayda bir.

Kendinizi sınayın: Entity SEO

Zaman ayırmaya değer kaynaklar

İlgili yazılarım ve araştırmalarım (Ahrefs)

• AI Overview brand-visibility correlations (75K brands) — yukarıda değinilen bahsetme ve geri bağlantı korelasyonu rakamlarının kaynak çalışması.
• AI brand-visibility correlations across all three platforms — kesin rakamlarla YouTube sinyali korelasyonu ve platformlar arasındaki ayrışma.
• Do mentions on highly linked pages influence AI mentions? — “Google favors brands.” ifadesinin arkasındaki Brand Radar çalışması.
• Semantic SEO (Despina Gavoyannis; benim incelememden geçti) — varlık çalışmalarının konu otoritesi boyutu.

Konuşmalarım

• GEO / AEO / LLMO — What’s With All This AI Stuff (Ahrefs Evolve 2025) — yapay zekâ araması, veriler ve değişen noktalar hakkındaki sunumum. (Yerleşik uyarım geçerlidir: bu, söz konusu sistemlere ilişkin anlayışımdır; tartışılmaz gerçek değildir.)

Başkalarından

• Schema markup and AI citations (Louise Linehan & Xibeijia Guan, Ahrefs) — veri kümesi ve kesin yüzdelerle birlikte, şemanın bir alıntı aracı olmadığını gösteren JSON-LD çalışması.
• Entity SEO: Stop Overcomplicating Things (Ahrefs, Si Quan Ong) — “entity SEO yalnızca SEO’dur” görüşü; Patrick’ten alıntı yapan bir meslektaş rehberi.
• Google Knowledge Graph explained ve Schema markup guide (Ahrefs, Despina Gavoyannis ve meslektaşları) — temel bilgiler (ve Ryan Law’ın sameAs ile ilgili ibretlik örneği).
• Google’s great clarity cleanup: the Knowledge Graph and the AI future — kesin rakamlarla, Jason Barnard’ın (Kalicube) Haziran 2025 Knowledge Graph daralmasına ilişkin yazısı.
• Breaking content & SEO silos to build entity authority in AI search — Lang Ploszek’in (Victorious) Tanıma / İlişkiler / Doğrulama yaklaşımı.
• Entity consensus research — çalışma metodolojisi ve rakamlarıyla, sentetik uzlaşı üzerine yürütülen “bağımsızlık olmadan hacim işe yaramaz” deneyi.
• Entity authority and AI search visibility (Search Engine Land, Benu Aggarwal) — varlık otoritesinin yapay zekâ aramasındaki varlığa nasıl dönüştüğünün pratik açıklaması.
• Schema markup and AI search — no hype (Search Engine Land) — yapılandırılmış verinin yapay zekâ alıntıları için gerçekte ne yaptığına (ve ne yapmadığına) ölçülü bir bakış.
• What we know about the impact of Wikipedia on ChatGPT search results (ALLMO) — kaynak rakamlarla Wikipedia’nın ChatGPT alıntılarındaki bildirilen payı ve Wikimedia’nın yapay zekâ sağlayıcılarıyla yaptığı kurumsal lisans anlaşmaları.
• 2025 AI citation & LLM visibility report (Digital Bloom) — platform bazında alıntı örüntüleri: Google AI Overview, ChatGPT ve Perplexity karşılaştırması ile platformlar arası örtüşme bulguları.
• sameAs versus knowsAbout in schema.org (Will Scott) — şemada kimlik eşdeğerliği bildirmek ile konu uzmanlığı bildirmek arasındaki teknik ayrım.

Değişiklik günlüğü