Google Merchant Center AI Performance Insights: E-Ticaret Markaları AI Cevaplarında Ne Kadar Görünüyor?

Yapay zekâ destekli arama deneyimleri, kullanıcıların Google’da ürün arama biçimini kökten değiştiriyor. Birkaç yıl önce kullanıcıların büyük bölümü arama motoruna kısa ve doğrudan sorgular yazarken, bugün çok daha uzun, doğal ve bağlam içeren sorular soruyor.

“Koşu için rahat ve hafif bir ayakkabı arıyorum.”

“Yağmurlu havalarda kullanılabilecek, nefes alan kadın outdoor montları hangileri?”

“2000 TL altında, günlük kullanım için şık bir sırt çantası önerir misin?”

“Yeni başlayanlar için iyi bir espresso makinesi hangisi?”

Bu sorguların ortak noktası, artık yalnızca belirli bir anahtar kelimeyi aramıyor olmaları. Kullanıcı aslında ihtiyacını tarif ediyor ve Google’dan ürün seçmesini bekliyor.

Tam bu noktada e-ticaret markaları açısından yeni ve kritik bir soru ortaya çıkıyor:

Ürünlerimiz bu AI cevaplarının içerisinde yer alıyor mu?

Daha da önemlisi:

Rakiplerimize kıyasla AI cevaplarında ne kadar görünürüz?

Uzun süredir bu sorunun net bir cevabı yoktu. SEO ekipleri Search Console verilerini, üçüncü taraf AI Visibility araçlarını, manuel prompt testlerini ve farklı görünürlük metriklerini kullanarak tahminler üretmeye çalışıyordu.

Google ise 2026 yılında Merchant Center’a getirdiği AI Performance Insights ile bu konuda daha somut bir veri katmanı sunmaya başladı.

Google’ın açıklamasına göre bu rapor, markaların AI destekli alışveriş deneyimlerindeki görünürlüğünü anlamasına, rakiplerle kıyaslamasına ve ürün verilerini optimize etmesine yardımcı olmak amacıyla geliştirildi.

AI Performance Insights Nedir?

AI Performance Insights, Google Merchant Center içerisinde yer alan ve markaların Google’ın AI destekli alışveriş deneyimlerindeki görünürlüğünü analiz etmeyi amaçlayan yeni bir raporlama katmanıdır.

Google’ın mevcut dokümantasyonuna göre rapor özellikle AI Mode ve AI Overviews üzerindeki görünürlüğü ele alıyor. Google’ın ilk duyurusunda ise bu ekosisteme Gemini uygulaması da dahil edilerek AI destekli alışveriş deneyiminin daha geniş bir çerçevesi çiziliyor.

Bu değişimin önemi oldukça büyük.

Çünkü bugüne kadar Merchant Center bize ağırlıklı olarak:

Ürünlerim Google’da görünüyor mu?
Feed’imde hata var mı?
Ürünlerim Shopping sonuçlarında nasıl performans gösteriyor?
Ürünlerimin fiyatı rakiplere göre nasıl?
Hangi ürünlerim daha fazla talep görüyor?

gibi soruların cevaplarını sunuyordu.

AI Performance Insights ise farklı bir soruya odaklanıyor:

Google’ın yapay zekâ destekli alışveriş deneyimlerinde kullanıcıya cevap verirken benim markamı ve ürünlerimi ne kadar öne çıkardığını nasıl anlayabilirim?

Bu, klasik SEO metriklerinden farklı bir bakış açısı.

Çünkü artık yalnızca “Google’da kaçıncı sıradayım?” sorusundan söz etmiyoruz.

Bunun yanında:

“Google’ın AI sistemi kullanıcıya cevap verirken beni seçenekler arasında görüyor mu?”

sorusunu da sormaya başlıyoruz.

Google Neden Böyle Bir Raporlama Katmanına İhtiyaç Duydu?

Arama davranışındaki temel değişim burada yatıyor.

Klasik arama motorunda kullanıcı genellikle bir sorgu girer ve Google ona bir sonuç sayfası sunar.

Örneğin:

“kadın koşu ayakkabısı”

Bu sorguda Google’ın görevi büyük ölçüde ilgili sayfaları bulmak ve sıralamaktır.

AI destekli aramada ise kullanıcı aynı ihtiyacı çok daha doğal biçimde ifade edebilir:

“Haftada üç kez koşuyorum. Hem asfalt hem parkurda kullanabileceğim, ayağı terletmeyen ve uzun yürüyüşlerde de rahat bir kadın koşu ayakkabısı arıyorum.”

Burada kullanıcının tek bir anahtar kelimesi yoktur.

Birden fazla ihtiyaç vardır:

kadın kullanıcı
koşu
asfalt
parkur
nefes alabilirlik
konfor
uzun kullanım
kullanım amacı

Dolayısıyla AI sisteminin yalnızca “koşu ayakkabısı” kelimesini bulması yeterli değildir.

Ürünün ne olduğunu, hangi özelliklere sahip olduğunu, kimler için uygun olduğunu ve hangi kullanım senaryosuna cevap verdiğini anlaması gerekir.

İşte ürün feed’i burada çok daha kritik hale geliyor.

Google’ın Merchant Center tarafındaki yeni AI özellikleri de ürün verisinin daha konuşma diline uygun alışveriş davranışlarına adapte edilmesini destekliyor. Google, özellikle kullanıcıların arama biçiminin daha konuşma odaklı hale geldiğini ve ürün verilerinin buna göre zenginleştirilmesinin önem kazandığını belirtiyor.

AI Performance Insights Hangi Verileri Gösteriyor?

Raporu yalnızca bir “AI görünürlük skoru” olarak düşünmemek gerekiyor.

Google’ın mevcut dokümantasyonunda birkaç farklı veri katmanı bulunuyor.

1. Share of Voice

Raporun en dikkat çekici metriği Share of Voice, yani ses payı.

Basitleştirilmiş haliyle:

Sizin AI impression’larınız / Siz + rakiplerinizin toplam AI impression’ları

şeklinde hesaplanıyor.

Örneğin ilgili sorgu grubunda:

Marka A: 500 AI impression
Marka B: 300 AI impression
Marka C: 200 AI impression

varsa toplam 1.000 impression üzerinden Marka A’nın Share of Voice değeri %50 olur.

Bu metrik, markanın AI cevaplarında rakiplerine göre ne kadar alan kapladığını anlamaya yardımcı oluyor. Google da Share of Voice’u markanın ilgili sorgularda kendisi ve rakipleri arasında elde ettiği AI görünürlüğünün payı olarak tanımlıyor.

Ancak burada çok önemli bir detay var.

%100 Share of Voice her zaman iyi haber değildir.

Eğer Merchant Center içerisinde yeterli rakip verisi bulunmuyorsa Google Share of Voice değerini %100 gösterebiliyor.

Bu:

“Pazarın %100’üne sahibiz.”

anlamına gelmiyor.

Daha doğru yorum:

“Karşılaştırma yapabilecek yeterli rakip verisi bulunmuyor.”

Google bu durumu raporun sınırlamalarında açıkça belirtiyor. Benzer şekilde yeterli impression bulunmadığında Share of Voice değeri 0 olarak görünebiliyor.

Bu nedenle rapordaki tek bir yüzdeye bakarak “AI’da çok başarılıyız” veya “AI’da görünmüyoruz” sonucuna ulaşmak doğru değil.

Verinin hangi sorgulardan, hangi kategori ve hangi rakip setinden oluştuğuna da bakmak gerekiyor.

2. Rakiplerin Ortalama Share of Voice’u

Google yalnızca sizin görünürlüğünüzü değil, tanımlanmış rakip grubunun ortalama görünürlüğünü de karşılaştırma amacıyla sunuyor.

Bu da raporu daha anlamlı hale getiriyor.

Çünkü:

%8 Share of Voice iyi mi?

sorusunun tek başına bir cevabı yok.

Eğer rakiplerin ortalaması %3 ise oldukça iyi olabilir.

Ama rakiplerin ortalaması %25 ise markanın AI görünürlüğünde ciddi bir açık olduğunu gösterebilir.

Dolayısıyla AI Visibility değerlendirmelerinde artık mutlak değerden çok benchmark önem kazanıyor.

3. Query Frequency

Bir diğer önemli veri Query Frequency.

Bu metrik, kullanıcıların hangi tür ürün sorgularını ne sıklıkta gerçekleştirdiğini anlamaya yardımcı oluyor.

Buradaki kritik nokta şu:

Bir sorgu grubunda yüksek talep olması, o sorgu grubunda görünürlüğünüzün de yüksek olduğu anlamına gelmiyor.

Örneğin:

Sorgu tipi	Talep	Markanın SOV’u
Ürün kategorisi	Çok yüksek	%8
Ürün özellikleri	Yüksek	%5
Fiyat karşılaştırması	Orta	%22
Yorum/inceleme	Yüksek	%4

Bu tablo bize çok önemli bir şey söyler.

Marka satın alma odaklı fiyat sorgularında iyi olabilir.

Ancak kullanıcıların ürünleri araştırdığı ve özellik bazlı karşılaştırdığı sorgularda yeterince görünmüyor olabilir.

Bu nedenle AI Visibility yalnızca “ne kadar görünürüz?” sorusu değildir.

Asıl soru:

“Hangi kullanıcı ihtiyacında görünürüz, hangisinde görünmeyiz?”

olmalıdır.

AI Görünürlüğü Alışveriş Hunisinin Üç Farklı Aşamasına Ayrılıyor

Raporun en değerli taraflarından biri de AI görünürlüğünü alışveriş yolculuğunun farklı aşamalarına ayırması.

Google bunu üç temel aşamada ele alıyor:

1. Discovery — Keşif

Kullanıcının henüz ürün veya marka seçmediği aşama.

Örneğin:

“Yaz aylarında kullanılabilecek en rahat kadın sandaletler hangileri?”

Burada kullanıcı belirli bir markayı aramıyor.

AI’ın görevi seçenekleri keşfetmesine yardımcı olmak.

Bu aşamada görünür olmak marka açısından özellikle değerlidir çünkü kullanıcı henüz rakiplerden birini tercih etmiş değildir.

2. Evaluation — Değerlendirme

Kullanıcı artık seçenekleri karşılaştırmaya başlamıştır.

Örneğin:

“Nike ve Adidas koşu ayakkabıları arasında hangisi uzun mesafe koşuları için daha uygun?”

veya:

“Su geçirmeyen kadın outdoor montlarında hangi özelliklere dikkat edilmeli?”

Bu aşamada ürün özellikleri, malzeme, kullanım amacı, performans, fiyat ve kullanıcı ihtiyacı daha fazla önem kazanır.

Dolayısıyla ürün verisinin zenginliği burada daha kritik hale gelir.

3. Purchase — Satın Alma

Kullanıcının satın almaya en yakın olduğu aşamadır.

Örneğin:

“5000 TL altında Gore-Tex kadın koşu ayakkabısı önerir misin?”

veya:

“Şu an stokta olan 42 numara siyah erkek trekking ayakkabıları hangileri?”

Bu noktada:

fiyat
stok
beden
renk
ürün özellikleri
marka
satın alınabilirlik

gibi bilgiler çok daha önemli hale gelir.

Google da AI Performance Insights içerisinde bu üç aşamayı ayrı ayrı değerlendirmeyi sağlıyor.

Bu Ayrım Neden Çok Önemli?

Çünkü tek bir AI Visibility metriği, problemin nerede olduğunu göstermez.

Örneğin bir markanın toplam Share of Voice’u %15 olabilir.

İlk bakışta fena görünmeyebilir.

Ama detaylara baktığımızda:

Discovery: %28
Evaluation: %15
Purchase: %2

olduğunu düşünelim.

Bu durumda marka AI tarafından keşif aşamasında sıkça öneriliyor ancak satın almaya yaklaşan kullanıcıların sorgularında görünürlüğünü kaybediyor.

Bu bize farklı bir optimizasyon problemi olduğunu gösterir.

Tam tersine:

Discovery: %3
Evaluation: %8
Purchase: %25

olan bir marka ise satın alma odaklı sorgularda güçlü olabilir ancak yeni müşterilerin karşısına çıkma konusunda zayıf kalıyor olabilir.

Dolayısıyla AI SEO stratejisi:

“Daha fazla görünürlük elde edelim.”

seviyesinde bırakılmamalı.

Bunun yerine:

“Hangi alışveriş aşamasında görünürlüğümüz düşük?”

sorusuyla başlamalı.

AI Cevaplarında Görünürlük ile Klasik SEO Aynı Şey Değil

Burada önemli bir ayrım yapmak gerekiyor.

Klasik SEO’da:

Anahtar kelime → Sayfa → Sıralama → Tıklama

gibi daha doğrusal bir yapı bulunur.

AI destekli aramalarda ise süreç çok daha karmaşık hale geliyor:

Kullanıcı ihtiyacı → Konuşma dili → Ürün özellikleri → Ürün eşleştirme → AI cevabı → Marka/ürün görünürlüğü

Bu nedenle yalnızca geleneksel keyword optimizasyonuyla AI Visibility artırmak mümkün olmayabilir.

Bir ürün sayfasının:

“Siyah kadın bot”

kelimesinde iyi sıralanması, AI sisteminin bu ürünü:

“Kışın şehir içinde uzun süre yürüyen, ayağını sıcak tutacak ve su geçirmeyen kadın botu arayan kullanıcı”

için önermesini garanti etmez.

Çünkü ikinci sorguda çok daha fazla bağlam vardır.

İşte Bu Noktada Product Feed Kritik Hale Geliyor

E-ticaret sitelerinde product feed uzun yıllardır daha çok teknik bir gereklilik olarak ele alındı.

Ürün:

başlık
açıklama
fiyat
stok
marka
GTIN
kategori
görsel

gibi bilgilerle Google’a gönderilir.

Çoğu marka için bu süreç:

“Feed düzgün çalışıyor mu?”

sorusuyla sınırlı kalır.

Oysa AI destekli alışveriş deneyimleriyle birlikte soru değişiyor:

“Feed ürünümü yeterince iyi anlatıyor mu?”

Bu ikisi aynı şey değil.

Zayıf Bir Feed Neden AI Görünürlüğünü Etkileyebilir?

Bir ürününüzün yalnızca:

“Siyah spor ayakkabı”

şeklinde tanımlandığını düşünelim.

Bu bilgi oldukça sınırlı.

AI sisteminin şu sorulara cevap vermesi zorlaşır:

Koşu için uygun mu?
Günlük kullanım için uygun mu?
Hafif mi?
Nefes alıyor mu?
Su geçirmez mi?
Hangi yüzeylerde kullanılabilir?
Hangi kullanıcı profiline uygun?
Ayak yapısına göre nasıl?
Uzun süreli kullanım için uygun mu?

Buna karşılık ürün veriniz:

kullanım amacı
malzeme
renk
beden
teknik özellik
ürün avantajları
hedef kullanım senaryosu
uyum bilgisi
fonksiyonel özellikler

gibi detaylarla zenginleştirildiğinde AI’ın ürünü farklı kullanıcı ihtiyaçlarıyla eşleştirmesi için daha fazla veri sağlanmış olur.

Google’ın yeni raporunda da özellikle kullanıcıların aradığı ürün terimleri ve yapılandırılmış ürün özellikleri üzerinden optimizasyon fırsatları gösteriliyor. Google, örneğin renk, stil ve malzeme gibi özelliklerin kullanıcıların AI destekli alışveriş sorgularında aranabildiğini ve eksik yapılandırılmış özelliklerin tespit edilebildiğini belirtiyor.

Feed Artık Sadece Google Shopping İçin Optimize Edilmemeli

Burada e-ticaret ekipleri açısından önemli bir paradigma değişimi var.

Eskiden:

Feed optimizasyonu → Shopping görünürlüğü

şeklinde düşünülüyordu.

Artık:

Feed optimizasyonu → Shopping + Search + AI Visibility

şeklinde düşünmek gerekiyor.

Başka bir ifadeyle ürün feed’i artık yalnızca Google’a ürün satmak için gönderilen teknik bir dosya değil.

Ürünlerin dijital olarak nasıl tanımlandığına ilişkin temel veri katmanı.

Bu nedenle SEO, feed yönetimi, Merchant Center ve AI Visibility birbirinden tamamen bağımsız çalışmalar olarak görülmemeli.

Ürün Başlığı Artık Nasıl Düşünülmeli?

Klasik yaklaşım:

Siyah Kadın Bot

Daha açıklayıcı yaklaşım:

Kadın Siyah Su Geçirmez Outdoor Bot – Kaymaz Taban

Buradaki amaç yalnızca daha uzun başlık yazmak değildir.

Asıl amaç ürünün ayırt edici özelliklerini açık ve yapılandırılmış biçimde ifade etmek.

Ancak burada önemli bir uyarı var:

AI için ürün başlıklarını yapay biçimde anahtar kelime doldurmak doğru strateji değildir.

Amaç:

keyword stuffing değil, product understanding.

Yani Google’ın ürünün ne olduğunu ve hangi ihtiyaçlara cevap verdiğini daha iyi anlamasını sağlamak.

Ürün Açıklamaları da Değişiyor

Bir ürün açıklamasında:

“Kaliteli malzemeden üretilmiştir. Şık tasarımıyla dikkat çeker.”

gibi genel ifadeler bulunması kullanıcı için de AI sistemi için de oldukça sınırlı bilgi sağlar.

Bunun yerine ürünün gerçek özelliklerini anlatan:

hangi malzemeden üretildiği
hangi kullanım için tasarlandığı
hangi koşullarda kullanılabileceği
hangi özellikleri sunduğu
hangi kullanıcı ihtiyacına cevap verdiği

gibi bilgiler daha değerlidir.

Buradaki temel prensip:

Ürünü pazarlamak kadar ürünü tanımlamak da önemlidir.

Yapılandırılmış Ürün Özellikleri Neden Daha Önemli Hale Geliyor?

AI sistemleri yalnızca ürün açıklamalarını değil, yapılandırılmış ürün verilerini de kullanabilecekleri daha net sinyallere ihtiyaç duyar.

Örneğin:

Renk: Siyah
Malzeme: Gore-Tex
Kullanım: Outdoor
Cinsiyet: Kadın
Su geçirmez: Evet
Taban: Kauçuk
Beden: 36–41

gibi bilgiler ürünün dijital kimliğini güçlendirir.

Kullanıcı:

“Yağmurlu havalarda kullanılabilecek siyah kadın outdoor bot”

dediğinde sistem açısından eşleşebilecek çok daha fazla ürün sinyali ortaya çıkar.

Google’ın AI Performance Insights raporunda “popular product attributes” bölümünün amacı da tam olarak bu tür kullanıcıların aradığı ürün özelliklerini ve ürün verilerinde eksik olan yapılandırılmış nitelikleri ortaya çıkarmaktır.

Google Size Aslında “Hangi Bilgiyi Eksik Veriyorsun?” Demeye Başlıyor

Burada raporu yalnızca bir ölçüm aracı olarak görmek büyük bir fırsatın kaçırılması olur.

Çünkü raporun daha stratejik tarafı optimizasyon fırsatları sunması.

Örneğin kullanıcıların belirli bir ürün kategorisinde sürekli:

su geçirmez
hafif
nefes alan
ergonomik
kaymaz
dayanıklı

gibi özellikleri aradığını düşünelim.

Markanın ürünlerinde bu özelliklerin bir kısmı mevcut olabilir.

Fakat Merchant Center ürün verilerinde bu özellikler yapılandırılmış biçimde bulunmuyorsa marka AI görünürlüğünde dezavantaj yaşayabilir.

Bu durumda yapılacak iş yalnızca SEO ekibine:

“AI Visibility’miz düşük.”

demek değildir.

Asıl aksiyon:

“Kullanıcıların yoğun şekilde aradığı şu özellikler ürün veri setimizde eksik.”

demektir.

Bu, çok daha uygulanabilir bir içgörü yaratır.

Türkiye’de Rapor Henüz Yoksa Ne Yapmalı?

Google’ın mevcut dokümantasyonuna göre AI Performance Insights şu aşamada ABD’deki sınırlı sayıdaki Merchant Center hesabında pilot olarak sunuluyor ve Avustralya, Kanada, Hindistan ve Yeni Zelanda’ya genişletilmesi planlanıyor. Türkiye mevcut açıklanan dağıtım listesinde yer almıyor.

Bu nedenle Türkiye’deki markaların:

“Rapor Türkiye’ye gelince çalışmaya başlarız.”

demesi doğru bir strateji değil.

Çünkü rapor geldiğinde ölçülebilir hale gelecek olan şeyin altyapısı bugünden hazırlanabilir.

Hatta hazırlanmalı.

1. Ürün Feed Kalitesini Denetleyin

Öncelikle ürün feed’inin yalnızca teknik olarak onaylanıp onaylanmadığına bakılmamalı.

Şu sorular sorulmalı:

Ürün başlıkları açıklayıcı mı?
Ürün açıklamaları yeterince detaylı mı?
Marka bilgileri eksiksiz mi?
GTIN değerleri doğru mu?
Ürün kategorileri doğru eşleştirilmiş mi?
Renk bilgileri standart mı?
Beden bilgileri doğru mu?
Malzeme bilgileri mevcut mu?
Kullanım amacı belirtiliyor mu?
Teknik özellikler yapılandırılmış mı?
Ürün avantajları açık biçimde ifade ediliyor mu?
Stok ve fiyat bilgileri güncel mi?

2. Ürün Verisini Konuşma Diline Yaklaştırın

AI aramalarının önemli özelliklerinden biri kullanıcıların ürünleri artık yalnızca kategori adıyla aramaması.

Örneğin:

“erkek koşu ayakkabısı”

yerine:

“Dizleri yormayan, uzun mesafede rahat ve hafif erkek koşu ayakkabısı”

gibi sorgular oluşabilir.

Bu nedenle ürün verilerinde yalnızca kategori bilgisinin bulunması yeterli olmayabilir.

Ürünün kullanım senaryolarının ve fonksiyonel avantajlarının da anlaşılır şekilde tanımlanması gerekir.

Google da Merchant Center’daki yeni yapısıyla ürün açıklamalarının daha konuşma odaklı arama davranışlarına uyarlanmasını desteklediğini belirtiyor.

3. Popular Attributes Verilerini Stratejik Olarak Kullanın

AI Performance Insights Türkiye’ye geldiğinde raporun en değerli alanlarından biri muhtemelen ürün özellikleri olacaktır.

Çünkü burada:

Kullanıcı ne arıyor?

ile

Biz ürünümüzü nasıl tanımlıyoruz?

arasındaki boşluğu görebilirsiniz.

Örneğin kullanıcılar:

“hafif”

özelliğini çok arıyorsa fakat ürünlerinizin büyük bölümünde bu özellik yapılandırılmış değilse, burada doğrudan bir optimizasyon fırsatı oluşur.

4. Rakip Setini Göz Ardı Etmeyin

Rapordaki Share of Voice değerinin anlamlı olabilmesi için rakip verisi kritik.

Google’ın mevcut sisteminde rakipleri manuel olarak istediğiniz gibi değiştiremiyorsunuz. Rapor, Merchant Center’da mevcut olan rakip verisini kullanıyor.

Bu nedenle rakip setlerinin güncelliği önem kazanıyor.

Çünkü yanlış veya eksik rakip seti:

yanlış benchmark

anlamına gelebilir.

AI Visibility raporunu yorumlamadan önce:

“Kendimizi kiminle karşılaştırıyoruz?”

sorusunun cevaplanması gerekiyor.

5. Search Console’dan Baz Çizgi Oluşturun

Türkiye’de resmi AI Performance Insights raporu bulunmasa bile mevcut Search Console verileri ve diğer AI görünürlük ölçümleri üzerinden bir baz çizgi oluşturulabilir.

Buradaki amaç aynı metriği birebir elde etmek değil.

Ama zaman içinde:

AI Overviews görünürlüğü
AI kaynaklı referanslar
marka mention’ları
ürün mention’ları
kategori bazlı AI görünürlüğü
rakip mention’ları
AI cevaplarında kullanılan sayfalar

gibi sinyalleri takip ederek bir baseline oluşturulabilir.

Rapor Türkiye’ye geldiğinde bu veri, “sıfırdan başladığımız” bir noktaya kıyasla çok daha değerli olacaktır.

AI Visibility İçin Sadece Feed’e Odaklanmak da Yeterli Değil

Burada bir denge kurmak gerekiyor.

AI görünürlüğünü yalnızca:

“Feed’i optimize edelim.”

şeklinde değerlendirmek de eksik olur.

Çünkü güçlü bir AI görünürlük stratejisi:

Ürün verisi + kategori yapısı + ürün sayfaları + teknik SEO + yapılandırılmış veri + marka otoritesi + içerik + kullanıcı deneyimi

gibi birçok farklı katmanın birlikte çalışmasını gerektirir.

Feed, özellikle e-ticaret ürünlerinin AI sistemleri tarafından anlaşılabilirliği açısından kritik bir veri kaynağıdır.

Ancak tek başına bütün AI Visibility stratejisi değildir.

AI SEO’da Yeni KPI’lar Ortaya Çıkıyor

Klasik e-ticaret SEO raporlarında genellikle:

Organic Traffic
Clicks
Impressions
CTR
Average Position
Conversion Rate
Revenue

gibi metrikler bulunur.

AI destekli aramayla birlikte bunlara yeni metrikler eklenmeye başlıyor:

AI Visibility
AI Share of Voice
AI Mentions
AI Citations
Prompt Visibility
Brand Visibility
Product Visibility
Competitor Share of Voice
Discovery Visibility
Evaluation Visibility
Purchase Visibility

Bunların hepsinin aynı şey olmadığını özellikle vurgulamak gerekiyor.

Örneğin:

Share of Voice yüksek olabilir ama dönüşüm düşük olabilir.

Çünkü görünürlük ile performans arasında doğrudan birebir ilişki yoktur.

Google’ın mevcut AI Performance Insights raporu da bu nedenle klasik bir satış veya gelir raporu olarak değerlendirilmemeli. Mevcut kapsamda veri organik AI trafiğiyle sınırlı, paid reklam trafiği rapora dahil değil.

AI Visibility ≠ AI Revenue

Bu ayrımı özellikle yapmak gerekiyor.

Bir marka AI cevaplarında çok sık gösterilebilir.

Ancak kullanıcı:

ürüne tıklamayabilir,
siteye gelmeyebilir,
satın alma gerçekleştirmeyebilir.

Dolayısıyla:

AI Visibility → potansiyel görünürlük sinyali

iken,

Revenue → ticari sonuç

tur.

İki metriği aynı kabul etmek yanlış olur.

AI Visibility daha çok üst ve orta funnel görünürlüğünü anlamak için kullanılmalı; satış, gelir ve dönüşüm metrikleri ise bunun ticari etkisini değerlendirmek için ayrıca takip edilmelidir.

E-Ticaret SEO’sunda Yeni Denklem

Bugüne kadar e-ticaret SEO’sunda temel denklem kabaca:

İyi teknik altyapı + iyi içerik + güçlü ürün/kategori sayfaları + doğru internal linking = organik görünürlük

şeklindeydi.

AI aramalarının gelişmesiyle birlikte bu denkleme yeni bir katman ekleniyor:

İyi ürün verisi + yapılandırılmış özellikler + konuşma diline uygun ürün tanımları + güçlü kategori ve ürün sayfaları + teknik SEO + marka otoritesi = Search + AI Visibility

Bu değişimin en önemli tarafı ise şu:

AI için yaptığımız birçok optimizasyon aslında klasik SEO’ya da katkı sağlayabilir.

Daha iyi ürün başlığı kullanıcıya da Google’a da daha fazla bilgi verir.

Daha iyi ürün açıklaması hem AI eşleştirmesini hem kullanıcı deneyimini destekleyebilir.

Daha doğru yapılandırılmış özellikler hem filtreleme hem ürün keşfi açısından faydalı olabilir.

Yani AI SEO’yu klasik SEO’nun alternatifi olarak değil, giderek onun üzerine eklenen yeni bir görünürlük katmanı olarak düşünmek daha doğru.

Markalar İçin Asıl Rekabet Artık Nerede?

Önümüzdeki dönemde e-ticaret markaları yalnızca:

“Google’da kim birinci?”

sorusuyla rekabet etmeyecek.

Aynı zamanda:

“AI bir kullanıcıya öneri verdiğinde hangi markaları dahil ediyor?”

sorusuyla da rekabet edecek.

Bu çok daha farklı bir rekabet ortamı yaratıyor.

Çünkü klasik SERP’te kullanıcı karşısında 10 farklı sonuç görebilir.

AI cevabında ise sistem kullanıcının ihtiyacını yorumlayıp çok daha sınırlı sayıda marka veya ürün önerebilir.

Dolayısıyla AI tarafından seçilmek, yalnızca sıralama almak kadar önemli hale gelebilir.

Bugünden Hazırlanması Gereken AI Visibility Kontrol Listesi

Türkiye’deki e-ticaret markaları için uygulanabilir bir kontrol listesi oluşturmak gerekirse:

Ürün Feed’i

Ürün başlıkları açıklayıcı
Ürün açıklamaları zengin
Marka bilgileri eksiksiz
GTIN bilgileri doğru
Kategoriler doğru
Renk bilgileri standart
Beden bilgileri doğru
Malzeme bilgileri mevcut
Kullanım amacı belirtilmiş
Teknik özellikler yapılandırılmış
Ürün avantajları açıkça belirtilmiş
Fiyat ve stok güncel

Ürün Sayfaları

Ürün açıklaması feed ile uyumlu
Structured Data doğru
Product schema uygulanmış
Fiyat ve stok bilgileri güncel
Görseller optimize edilmiş
Kullanım senaryoları açıklanmış
Kullanıcı sorularına cevap veren içerikler bulunuyor

Kategori Sayfaları

Kategori arama amacıyla uyumlu
Ürünler doğru kategorize edilmiş
Kategori açıklamaları yeterli
Filtreler doğru çalışıyor
Internal linking güçlü
Alt kategori yapısı mantıklı

AI Visibility

Marka mention’ları takip ediliyor
Ürün mention’ları takip ediliyor
Rakip mention’ları takip ediliyor
AI Overviews görünürlüğü izleniyor
AI Mode görünürlüğü izleniyor
Prompt bazlı testler yapılıyor
Discovery / Evaluation / Purchase ayrımı yapılıyor
AI Visibility için baseline oluşturuluyor

Sonuç: Feed Artık Teknik Bir Dosya Değil, AI Keşfedilebilirliğinin Altyapısı

Google’ın Merchant Center’a getirdiği AI Performance Insights’ın en önemli tarafı belki de tek başına yeni bir rapor sunması değil.

Asıl önemli değişim, Google’ın e-ticaret markalarına ilk kez daha net biçimde şu soruyu sordurması:

“Ürünleriniz AI destekli alışveriş deneyimlerinde ne kadar görünür?”

Bu soru önümüzdeki dönemde SEO raporlarının da önemli bir parçası haline gelebilir.

Çünkü kullanıcıların arama davranışı değiştikçe SEO’nun başarı kriterleri de değişiyor.

Eskiden bir ürünün Google’da bulunabilir olması yeterliydi.

Sonra ilk sayfada bulunması önemli hale geldi.

Sonrasında featured snippet, görsel sonuçlar, Shopping sonuçları ve diğer SERP özellikleri önem kazandı.

Şimdi ise yeni bir katman ortaya çıkıyor:

AI tarafından anlaşılmak ve önerilmek.

Bu nedenle ürün feed’inin yalnızca Merchant Center’da hatasız görünmesi artık yeterli değil.

Ürün verisinin:

doğru, eksiksiz, detaylı, yapılandırılmış, güncel ve kullanıcı ihtiyaçlarını açıklayabilecek kadar zengin

olması gerekiyor.

Google’ın yeni raporu da bu dönüşümün önemli bir göstergesi. Çünkü artık markalara yalnızca “ürününüz Google’da görünüyor mu?” sorusunun cevabını değil, giderek daha fazla:

“AI destekli alışveriş deneyiminde rakiplerinize kıyasla ne kadar görünürsünüz ve bunu geliştirmek için hangi ürün verilerinizi iyileştirmelisiniz?”

sorusunun cevabını vermeye çalışıyor.

Türkiye’de raporun erişime açılmasını beklemek yerine bugünden yapılması gereken ise oldukça net:

Feed’i temizlemek, ürün verisini zenginleştirmek, yapılandırılmış özellikleri eksiksiz hale getirmek, ürün ve kategori sayfalarını kullanıcı niyetine göre geliştirmek ve AI Visibility için düzenli bir ölçüm altyapısı oluşturmak.

Çünkü rapor Türkiye’ye geldiğinde asıl avantaj, raporu ilk gören markada değil; rapor geldiğinde zaten ölçülebilir, optimize edilmiş ve zengin bir ürün veri altyapısına sahip olan markada olacak.

Bu nedenle e-ticaret SEO’sunda önümüzdeki dönemin önemli rekabet alanlarından biri yalnızca Google’da sıralanmak değil, Google’ın AI cevaplarında seçilen markalardan biri olmak olacak.

Benzer blog yazılarını buradan görüntüleyebilirsiniz