METODOLOJİ
Yapay zeka görünürlüğünü nasıl ölçüyoruz?
Görünürlük iddiası ancak yöntemi açıklandığında bir anlam taşır. Aşağıda prompt evreninden skor ağırlıklarına, RAG mimarisinden yöntemin sınırlarına kadar OneCite ölçümünün tamamı yer alıyor.
01 · Örneklem
Prompt evreni nasıl kuruluyor?
Ölçüm, rastgele sorularla değil; markanın gerçek talep evrenini temsil eden yapılandırılmış bir prompt setiyle başlar. Set, ölçüm dönemi boyunca sabit tutulur; yalnızca böylece dönemler karşılaştırılabilir olur.
- Kategori haritası: ürün, hizmet, problem ve karşılaştırma başlıkları ayrı ayrı çıkarılır.
- Huni aşaması: bilgi arama, değerlendirme ve satın alma niyeti soruları oranlanarak dağıtılır.
- Niyet sınıflandırması: her prompt bilgi / karşılaştırma / işlem niyetiyle etiketlenir.
- Örneklem büyüklüğü: marka başına en az 20, tipik olarak 40-60 prompt; kategori genelinde 10.000'den fazla prompt üzerinde kalibre edilmiştir.
- Dil ve pazar: Türkçe sorular Türkçe kaynak evreniyle, çok pazarlı markalarda her dil ayrı set olarak ölçülür.
02 · Protokol
Ölçüm protokolü ve tekrar
Üretken motorlar aynı soruya her seferinde birebir aynı cevabı vermez. Bu nedenle tek bir sorgu sonucu veri sayılmaz; her prompt tekrarlı olarak çalıştırılır ve sonuçlar toplulaştırılır.
- Motorlar: ChatGPT, Perplexity, Gemini, Copilot ve Claude davranışını temsil eden arama ve cevap sinyalleri.
- Tekrar sayısı: her prompt için çoklu çalıştırma; dönem sonunda toplam tekrar sayısı raporda açıkça belirtilir.
- Zaman aralığı: ölçümler düzenli aralıklarla alınır, tek güne sıkıştırılmaz.
- Varyans kontrolü: tekrarlar arası sapma izlenir; sapma yüksekse sonuç düşük güven etiketiyle işaretlenir.
- Kayıt: her çalıştırmanın ham cevabı, bahsedilen markalar ve gösterilen kaynaklar veritabanına yazılır.
03 · Skor
OneCite Score bileşenleri
Skor tek bir sayı olarak sunulur ama beş ölçülebilir bileşenin ağırlıklı bileşkesidir. Her bileşen ayrı gösterilir; böylece skorun neden düştüğü veya çıktığı yoruma bırakılmaz.
- Bahsedilme: markanın cevapta hiç anılıp anılmadığı.
- AI kaynak payı: cevaba kaynak olarak gösterilen alan adları içinde markanın payı.
- Sıralama kalitesi: markanın cevap içindeki konumu ve öne çıkarılma biçimi.
- Kanıt kapsamı: prompt için gereken kanıt türlerinin ne kadarının sitede karşılığı olduğu.
- İddia kanıtı: markanın öne sürdüğü iddiaların doğrulanabilir kaynağa bağlanma oranı.
04 · Marka Zekası
Marka Zekası ve RAG mimarisi
Ölçüm sonucu tek başına aksiyon üretmez. OneCite, markanın kendi kanıt evrenini vektörleştirir ve ölçüm sonucuyla eşleştirir; eksik kanıt buradan çıkar.
- Toplama: site sayfaları, sitemap, SSS, yapılandırılmış veri ve bağlı analitik kaynakları taranır.
- Parçalama: içerik başlık hiyerarşisine göre anlamlı parçalara bölünür ve gürültü oranı puanlanır.
- Vektörleştirme: her parça embedding olarak saklanır, kaynak türüne göre ağırlıklandırılır.
- Hibrit arama: vektör benzerliği ile tam metin araması birleştirilir (RRF füzyonu) ve kaynak başına çeşitlilik korunur.
- Eşleştirme: görünmediğiniz her prompt, eksik kanıt tipine ve önceliklendirilmiş bir göreve dönüştürülür.
05 · Şeffaflık
Doğrulama, tekrarlanabilirlik ve sınırlar
Metodolojinin en önemli parçası, neyi ölçmediğini de söylemesidir. Üretken motorlar kapalı sistemlerdir; bu gerçeği gizleyen hiçbir ölçüm güvenilir değildir.
- Kapalı sistem uyarısı: motorların model ve sıralama mantığı kamuya açık değildir; tek bir cevabın nedeni kesin olarak bilinemez.
- Tekrarlanabilirlik: aynı prompt seti ve aynı protokolle ölçüm yeniden alınabilir; tüm ham veriler panelde kalır.
- Kişiselleştirme etkisi: kullanıcı geçmişi ve konum kaynaklı farklar tekrarlı ölçümle sönümlenir.
- Veri saklama: ölçüm verisi marka bazında izole tutulur, dışa aktarım marka sahibinin kontrolündedir.
- Yorum katmadan raporlama: rapor yalnızca ölçülen veriyi ve ondan türeyen görevleri içerir.
Kaynakça
Yöntemin dayandığı alanlar
- ·Generative Engine Optimization (GEO) literatürü — üretken cevaplarda kaynak seçimi üzerine akademik çalışmalar.
- ·Retrieval-Augmented Generation (RAG) — bilgi getirimi destekli üretim mimarisi üzerine temel yayınlar.
- ·Reciprocal Rank Fusion — çoklu sıralama listelerinin birleştirilmesi yöntemi.
- ·Bilgi getirimi değerlendirme metrikleri — örneklem, tekrar ve varyans üzerine standart yaklaşımlar.
Metodolojiyi kendi markanızda çalıştırın.
İlk ölçüm herkese açık web verileriyle başlar; kredi kartı gerekmez.