LLM Görünürlük Takibi Nasıl Yapılır? Platformlar Arası Rehber

LLM görünürlük takibi, bir markanın ChatGPT, Perplexity, Google AI Mode, Claude, Gemini ve Grok gibi yapay zekâ sistemlerinin yanıtlarında ne sıklıkta, hangi bağlamda ve hangi kaynaklarla yer aldığını düzenli biçimde ölçme sürecidir. Sağlıklı takip, tek bir platformda birkaç soru sormak yerine aynı prompt setini mümkün olduğunca benzer koşullarda farklı sistemlerde çalıştırır; mention, recommendation, citation ve marka doğruluğunu ayrı ayrı kaydeder. Amaç kesin bir “LLM sırası” bulmak değil, platformlar arasındaki farkı ve zaman içindeki değişimi görünür kılmaktır.

Öne Çıkanlar

• Önce sabit, markasız ve gerçek müşteri niyetlerini temsil eden bir prompt seti kurun.
• Farklı AI platformları aynı soruya aynı cevabı vermeyebilir; platform sonuçlarını ayrı tutun.
• Mention, recommendation, citation, sıra ve doğruluk için ortak veri sözlüğü kullanın.
• Birleşik skor yönetim özeti sağlayabilir; platform ve niyet kırılımının yerini almamalıdır.
• Tarih, dil, ülke, model ve tekrar bilgisi olmadan zaman içindeki değişimi yorumlamak zordur.

LLM Görünürlük Takibi Nedir?

LLM görünürlük takibi, markanın üretken yapay zekâ yanıtlarındaki varlığını prompt bazında ölçer. Klasik SEO rank tracking’de temel birim anahtar kelime, URL ve SERP konumudur. LLM takibinde ise temel birim prompt, üretilen yanıt ve bu yanıt içindeki marka ilişkisidir.

Bir marka farklı biçimlerde gözlenebilir: adı geçebilir, açıkça önerilebilir, rakiplerle karşılaştırılabilir, kendi sitesi kaynak olarak gösterilebilir veya yanlış bilgilerle tanımlanabilir. Bu nedenle yalnız “marka geçti/geçmedi” sütunu gerçek tabloyu eksik bırakır.

Üçüncü taraf görünürlük skoru AI sağlayıcısının resmî sıralama metriği değildir. Ölçüm, seçilen prompt örneklemi, platform, tarih ve metodoloji kapsamında yapılan bir gözlemdir. Bu sınırı raporda açık tutmak gerekir.

Neden Tek Bir AI Platformu Yeterli Değil?

Kullanıcıların ürün ve bilgi keşfi tek bir AI yüzeyinde gerçekleşmez. Aynı satın alma sorusu ChatGPT’de bir marka listesi, Perplexity’de kaynak ağırlıklı cevap, Google AI Mode’da web bağlantılarıyla genişletilmiş bir sentez veya başka bir modelde daha kısa bir öneri üretebilir.

Farklılığın nedenleri arasında model mimarisi, web erişimi, kaynak seçimi, güncelleme tarihi, kullanıcı dili/ülkesi ve üretken cevap değişkenliği bulunur. Bu yüzden “AI’da görünmüyoruz” cümlesi çoğu zaman fazla geneldir.

Daha kullanışlı bir rapor şu tip cümleler üretir: “Satın alma niyetli Türkçe promptlarda ChatGPT mention oranı düşük; Perplexity’de citation var; Google AI Mode’da ise rakipler daha fazla bağımsız kaynaktan destekleniyor. ” Aksiyon, bu ayrıntıyla anlam kazanır.

Platformlar Arası Ölçüm Çerçevesi

İyi bir LLM görünürlük takibi sistemi altı parçadan oluşur: evrensel prompt seti, platform test koşulları, ortak veri şeması, platform ve birleşik skorlar, değişkenlik ölçümü ve aksiyon günlüğü.

1. Evrensel Prompt Seti Kurun

Başlangıç için 25–50 markasız prompt çoğu ekip için yönetilebilir baseline’dır. Promptları müşteri yolculuğuna göre ayırın:

• Problem: “AI yanıtlarında marka görünürlüğünü nasıl ölçerim?”
• Kategori: “AI görünürlük araçları nelerdir?”
• Karşılaştırma: “Ajanslar için AI görünürlük araçlarını karşılaştır.”
• Satın alma: “Çoklu marka ve citation takibi olan AI görünürlük aracı öner.”
• Kullanım: “AI görünürlük raporunda hangi KPI’lar olmalı?”
• Yerel: “Türkçe prompt takibi yapabilen araçlar hangileri?”

Marka adını içeren branded promptları ayrı set olarak tutun. Bunları markasız kategori görünürlüğüne karıştırmak skoru yapay biçimde yükseltebilir.

Promptları sonuçları gördükten sonra sürekli değiştirmeyin. Yeni kullanıcı soruları keşif setine eklenebilir; ana baseline karşılaştırılabilirlik için korunmalıdır.

2. Platforma Özgü Test Koşullarını Kaydedin

Her sistem aynı ayarları sunmadığı için tam eş koşul her zaman mümkün değildir. Ancak farkı belgeleyebilirsiniz.

Alan	Kaydedilecek bilgi
Platform	ChatGPT, Perplexity, Google AI Mode vb.
Model	Arayüzde görünüyorsa
Web araması	Açık, kapalı veya belirtilmedi
Dil	Türkçe, İngilizce vb.
Ülke/lokasyon	Kontrol edilebiliyorsa
Tarih ve saat	Test zamanı
Oturum	Yeni veya geçmişli sohbet
Tekrar	1, 2, 3...

Model veya lokasyon bilinmiyorsa tahmin etmeyin; “belirtilmedi” yazın. Ölçümün sınırlarını görünür tutmak sahte kesinlikten daha değerlidir.

3. Ortak Veri Şeması Oluşturun

Farklı platformlardan gelen cevapları karşılaştırmak için tek veri sözlüğü gerekir. En az şu alanları tutun:

• prompt ID ve tam metin,
• niyet grubu,
• platform,
• marka mentionı,
• recommendation,
• belirgin listede sıra,
• citation,
• citation URL/domain,
• marka bilgisi doğruluğu,
• öne çıkan rakipler,
• kısa editör notu.

Sıra metriğini her cevaba zorla uygulamayın. Serbest paragrafta markanın üçüncü cümlede geçmesi “3. sıra” değildir. Sıra yalnız açıkça sıralı listelerde kullanılmalıdır.

4. Platform Bazlı ve Birleşik Skor Hesaplayın

En basit görünürlük oranı:

Görünürlük oranı = Markanın geçtiği yanıt sayısı / Toplam yanıt sayısı × 100

Aynı 30 prompt ChatGPT’de çalıştırılmış ve marka 12 yanıtta geçmişse oran yüzde 40’tır. Aynı set Perplexity’de 18 yanıtta görünmüşse oran yüzde 60’tır.

Recommendation ve citation için ayrı oranlar tutun:

• Recommendation rate: açıkça önerildiği yanıt / toplam yanıt
• Citation rate: markanın sitesi veya içeriğinin kaynaklandığı yanıt / toplam yanıt
• Accuracy rate: doğru anlatıldığı marka görünmeleri / toplam marka görünmesi

Birleşik skor tüm platformların özetini verebilir; ancak yüksek niyetli bir platformdaki düşüşü gizlememelidir.

5. Değişkenliği Ölçün

Aynı prompt farklı zamanlarda farklı cevap üretebilir. Bunu hata gibi saklamak yerine ölçümün parçası yapın.

Kritik 10–20 promptu aynı gün iki kez çalıştırmak kısa dönem varyasyonunu görmeye yardımcı olur. Marka iki tekrarın yalnız birinde görünüyorsa sonuç daha kırılgandır. Aylık trend ise tek taramadan daha güvenilir yön bilgisi sağlar.

Değişkenliğin yüksek olması mutlaka teknik problem anlamına gelmez. Model güncellemesi, kaynak havuzu veya web erişimi değişmiş olabilir. Küçük hareketleri aşırı yorumlamayın.

6. Trend ve Aksiyon Günlüğü Tutun

Her kayıp veya kazanımı aksiyon kategorisine bağlayın:

• içerik boşluğu,
• teknik crawl/index sorunu,
• marka/entity tutarsızlığı,
• güncel olmayan ürün bilgisi,
• citation/source boşluğu,
• gerçek ürün özelliği farkı,
• ölçüm kaynaklı değişkenlik.

İçerik güncellemesi, teknik düzeltme, ürün lansmanı veya yeni bağımsız kaynak tarihi log’da tutulursa sonraki tarama daha anlamlı yorumlanır. Birlikte hareket eden veriler yine de otomatik nedensellik kanıtı değildir.

6x15 Platform Matrisi Nasıl Kurulur?

Pratik bir dashboard’da satırlar prompt, sütunlar platform olabilir. Her hücrede küçük kod sistemi kullanılabilir:

• M = mention
• R = recommendation
• C = citation
• A = marka bilgisi doğru

Örneğin M/R/C/A dört koşulun da sağlandığını; M/-/-/A markanın geçtiğini ancak önerilmediğini ve kaynaklanmadığını gösterebilir.

> Editör notu — özgün veri görevi: Brief, aynı 15 promptun altı AI platformunda gerçek olarak çalıştırıldığı 6×15 matris istiyor. Bu kontrollü çapraz-platform test taslak hazırlanırken tamamlanmadı. Yayın öncesinde aynı tarih/dil/ülke koşullarında test yapılmalı; marka var/yok, recommendation/sıra, source URL ve cevap tutarlılığı ham yanıtlarla birlikte eklenmelidir. Sonuç uydurulmamalıdır.

Araç Seçerken Nelere Bakılmalı?

Küçük prompt setinde manuel tablo yeterli olabilir. Prompt, platform ve marka sayısı arttıkça otomatik tarama/arşiv değer kazanır.

Kontrol edin:

1. hangi platformlar izleniyor,
2. ham yanıt görülebiliyor mu,
3. citation URL’leri tutuluyor mu,
4. ülke/dil ve tarih kırılımı var mı,
5. rakipler aynı promptlarda karşılaştırılıyor mu,
6. skor metodolojisi açık mı,
7. export/API var mı,
8. tarama sıklığı toplam maliyeti nasıl etkiliyor,
9. çoklu marka ve ekip yetkileri uygun mu.

Rank Prompt’un resmî sayfaları prompt bazlı görünürlük, rakip ve citation takibi ile geliştirici/API özelliklerini ürün kapsamı içinde listeler. Bunlar üçüncü taraf ölçüm özellikleridir; AI sağlayıcılarının dahili ranking verisine erişim veya sonuç garantisi anlamına gelmez.

LLM Görünürlük Takibinde Sık Yapılan Hatalar

İlk hata, birkaç rastgele promptla geniş kategori hakkında karar vermektir. İkinci hata branded ve markasız soruları aynı skora katmaktır. Üçüncüsü sadece toplam visibility score izleyip recommendation, citation ve doğruluğu yok saymaktır.

Ayrıca her ay prompt setini değiştirmek, farklı platformların serbest metin cevaplarını zorla “sıra” metriğine çevirmek ve tek bir taramadaki küçük artışı başarı kanıtı saymak metodolojiyi bozar.

Veri Kalitesi ve QA

Kodlama tutarlılığını korumak için yanıtların en az yüzde 10’unu ikinci bir kişi yeniden değerlendirebilir. İki değerlendirici mention konusunda aynı sonuca ulaşıp recommendation veya sentiment konusunda ayrışıyorsa veri sözlüğünü örneklerle netleştirin.

Prompt setini de sürümleyin. Artık geçerli olmayan ürün özelliği veya mükerrer soru çıkarılırsa değişiklik tarihini kaydedin. Ana baseline ve yeni keşif setini bir süre paralel tutmak zaman serisinin korunmasına yardımcı olur.

Referanslar

• Rank Prompt
• Rank Prompt Developers
• Google — AI search optimization guide
• OpenAI — Publishers and Developers FAQ

Yazıdaki ölçüm yöntemini kendi marka verinizle test etmek için [Rank Prompt’u bu bağlantıdan](https://join. rankprompt. com/zzzuy8sjj9ke-xj5vs) inceleyebilirsiniz. Araç, görünürlük ölçümü ve boşluk analizi için kullanılabilir; sonuç veya sıralama garantisi vermez. Şeffaflık notu: Bu bir iş ortaklığı bağlantısıdır; kayıt veya satın alma halinde Ortak Alan komisyon kazanabilir.

Sonuç

LLM görünürlük takibi, “AI’da çıkıyor muyuz? ” sorusunu ölçülebilir alt sorulara böler: hangi platformda, hangi promptta, hangi bağlamda, hangi kaynakla ve ne kadar tutarlı biçimde görünüyorsunuz? Sağlıklı sistem sabit bir markasız prompt setini, ortak veri sözlüğünü ve platform bazlı KPI’ları kullanır. Birleşik skor yönetim özeti sağlayabilir; asıl teşhis platform, niyet, citation ve doğruluk kırılımlarında yapılır. Ölçümün amacı görünürlüğü garanti etmek değil, hangi içerik, teknik veya otorite açığının araştırılması gerektiğini sistemli biçimde belirlemektir.

Sık Sorulan Sorular

LLM görünürlük takibi kaç promptla başlamalı?

Evrensel sayı yoktur; 25–50 dengeli markasız prompt çoğu ekip için pratik baseline oluşturur.

Hangi AI platformları birlikte izlenmeli?

Hedef kitlenizin gerçekten kullandığı platformları önceliklendirin. ChatGPT, Perplexity, Google AI Mode, Claude, Gemini ve Grok farklı cevap/kaynak yapıları üretebilir.

Platform sonuçları tek skorda birleştirilmeli mi?

Birleşik skor özet olabilir; ancak platform bazlı mention, recommendation ve citation oranları görünür kalmalıdır.

Aynı prompt neden iki testte farklı sonuç verir?

Model güncellemeleri, web araması, kaynak havuzu, oturum bağlamı ve üretken yanıt değişkenliği sonucu etkileyebilir.

LLM görünürlük aracı kullanmak zorunlu mu?

Hayır. Küçük prompt seti manuel izlenebilir. Araçlar düzenli tarama, çoklu platform ve arşiv büyüdüğünde operasyonu kolaylaştırabilir.