Bir hasta tedavi araştırmasına artık her zaman arama kutusundan başlamıyor. Sorusunu bir sohbet arayüzüne yazıyor, karşısına kaynakları dipnotlanmış bir cevap geliyor ve o kaynakların hangi kurumlara ait olduğu, hastanın kimi arayacağını belirliyor. Bu yeni yüzeyde görünür olma çabasına sektörde GEO deniyor: generative engine optimization, yani içeriğin ChatGPT, Perplexity, Gemini ve Google AI Overviews gibi üretken motorlarda kaynak olarak gösterilmesini hedefleyen çalışma. Klasik arama optimizasyonu sıralama için, GEO ise cevabın içine girmek için çalışıyor. Sağlık kurumları açısından mesele teknik bir ayrıntı olmaktan çıkmış durumda, çünkü sağlık sektöründe GEO tarafında yapılan ölçümler iki sistemin kaynak tercihinin ayrıştığını gösteriyor.
Ayrışmanın boyutu şaşırtıcı. İletişim ajansı 5W'nin Mayıs 2026'da yayımladığı ve Ağustos 2024 ile Nisan 2026 arasında toplanan 680 milyonu aşkın atıfa dayanan rapora göre, Google'ın ilk sayfası ile yapay zekâ motorlarının atıf verdiği kaynaklar arasındaki örtüşme yüzde 70'ten yüzde 20'nin altına indi. Farklı yöntemlerle yapılan çalışmalar farklı oranlar bulsa da ortak sonuç aynı: klasik aramada ilk sırada olmak, üretken bir motorun cevabında yer almayı garanti etmiyor. Bir klinik kendi branşında arama sonuçlarının tepesinde olabilir ve aynı soruya verilen yapay zekâ cevabında hiç geçmeyebilir.
Peki bu motorlar neye göre karar veriyor? Bu soruya en net cevap, Princeton, Georgia Tech, Allen Institute for AI ve IIT Delhi araştırmacılarının ACM SIGKDD 2024'te yayımladığı çalışmadan geliyor. Araştırmacılar 10 bin sorguluk bir test seti üzerinde, GPT-3.5 tabanlı bir üretken motorda ve Perplexity'de dokuz farklı içerik yöntemini denediler. En iyi sonucu üç yöntem verdi: kaynak gösterme, doğrudan alıntı ekleme ve istatistik ekleme. Üçü de görünürlüğü yüzde 30 ile 40 arasında artırdı. En çarpıcı bulgu sıralamayla ilgili: arama sonuçlarında beşinci sırada yer alan sitelerde kaynak gösterme yöntemi görünürlüğü yüzde 115 artırırken, birinci sıradaki sitelerin görünürlüğü ortalama yüzde 30 azaldı.
Bu bulguların ortak noktası dikkat çekici. Anahtar kelime doldurma çalışmada belirgin bir kazanç sağlamadı; kazandıran yöntemlerin üçü de içeriğin doğrulanabilirliğiyle ilgili. Sağlık gibi doğruluk eşiği zaten en yüksek kategoride, bu bulgular yeni bir teknik gereklilik değil, hâlihazırda yapılması gereken işin altını çiziyor.
İkinci belirleyici soru, motorların kimden alıntı yaptığı. Muck Rack'in Mayıs 2026 tarihli Generative Pulse çalışması bu konuda geniş bir veri seti sunuyor: ChatGPT, Claude ve Gemini'nin cevaplarında, 17 sektörde 25 milyonu aşkın atıf linki incelenmiş. Atıfların yüzde 84'ü earned media, yani kurumun kendi kanalları ve reklamı dışındaki kaynaklardan geliyor; bu oran Temmuz 2025'ten bu yana yüzde 82 ile 89 arasında seyrediyor. Gazetecilik tek başına tüm atıfların yüzde 27'sini oluşturuyor ve bu atıfların yarısından fazlası son 12 ayda yayımlanmış yazılara gidiyor. Reklam ve advertorial içeriğin payı ise yüzde 0,3. Kurumun kendi web sitesi, denklemin sanıldığından küçük bir parçası.
Buna paralel bir bulgu Ahrefs'in 75 bin marka üzerinde yaptığı incelemeden geliyor. Web üzerindeki marka bahisleri, yani mention'lar, Google AI Overviews görünürlüğüyle 0,664 korelasyon gösterirken, backlink sayısının korelasyonu 0,218 seviyesinde kalıyor. Aradaki üç kat fark şunu söylüyor: bağlantı verilmeden geçen bir marka adı bile modele o markanın hangi kategoriye ait olduğunu öğretiyor. Ahrefs'in Mayıs 2026'da yayımladığı güncel raporda ise en güçlü sinyal YouTube'daki marka bahisleri çıktı. Modeller link grafiğini değil, metni ve videoyu okuyor.
Bu veri setleri yan yana konduğunda sağlık kurumları için tablo netleşiyor. Kendi sitesinde ne yazdığı kadar, kurum hakkında başka nerede ne yazıldığı da belirleyici hale gelmiş durumda. Dijital varlığı yalnızca kendi alan adından ibaret olan bir hastane, üretken motorların gözünde referanssız bir kaynak konumunda kalıyor.
Bunun pratik karşılığı
Uygulama tarafında altı başlık öne çıkıyor ve hiçbiri egzotik bir teknik gerektirmiyor.
Birincisi kurum gerçeklerinin tek kaynağa bağlanması. Kuruluş yılı, adres, telefon, branş listesi, hekim kadrosu ve sertifikalar; web sitesinde, işletme profillerinde, sosyal medyada ve üçüncü taraf yayınlarda birebir aynı olmalı. Modeller tutarsız bilgiyi düşük güvenle işliyor, ve bir kurumun kendi hakkındaki temel bilgilerde tutarsız olması düzeltilmesi en kolay ama en sık rastlanan sorun.
İkincisi içeriğin cevaplanabilir biçimde yazılması. Gerçek zamanlı getirme yapan motorlar, bir sayfanın konuyla ilgisini büyük ölçüde açılış bölümünden değerlendiriyor. Her sayfanın ve her bölümün başında sorunun doğrudan cevabını veren kısa bir bloğun bulunması, teknik bir hile değil, okuyucu için de doğru olan bir yazım tercihi.
Üçüncüsü doğrulanabilirliğin artırılması. Akademik bulgunun pratik karşılığı burada: içeriğe kurumsal kaynak referansı, ad ve unvanıyla hekim görüşü ve somut veri eklemek. Sağlık içeriğinde bu zaten tanıtım mevzuatının da beklediği bir yaklaşım.
Dördüncüsü üçüncü taraf görünürlüğü. Earned media oranı göz önüne alındığında, kurum dışı yayınlardaki görünürlük artık bir halkla ilişkiler kalemi değil, doğrudan arama görünürlüğü kalemi. Burada ölçü sayı değil kaynak kalitesi: motorların gerçekten atıf verdiği az sayıda yayın, hiç çekilmeyen çok sayıda yayından değerli.
Beşincisi tarayıcı erişiminin kontrolü. Arama ve cevap tarayıcılarının siteye erişiminin engellenmediğini doğrulamak gerekiyor. Robots dosyası politikası, güvenlik duvarı kuralları ve dönen hata kodları düzenli kontrol edilmeli; bir kurum farkında olmadan kendi görünürlüğünü kapatabiliyor.
Altıncısı ölçümün ayrı kurulması. Kaynak gösterilme durumu sabit bir soru setiyle düzenli kontrol edilir, AI kaynaklı trafik analitikte ayrı kanal grubuna alınır, Bing tarafında Webmaster Tools'un AI Performance raporu izlenir. Bunların yanına çoğu kurumda hiç izlenmeyen ama en kritik olan bir metrik daha eklenmeli: modelin kurumu nasıl tarif ettiği. Model bir hastaneyi yanlış tanıtıyorsa, görünürlük artışı zarar da üretebilir.
Neyin işe yaramadığı
Google bu konuda üç şeyi açıkça söylüyor. Yapay zekâ özelliklerinde görünmek için yeni bir makine okunur dosya, AI metin dosyası ya da özel işaretleme gerekmiyor. İçeriği dil modelleri için küçük parçalara bölmek istenen bir şey değil; Google'ın arama ekibinden Danny Sullivan bunu Ocak 2026'da açıkça belirtti. Aynı sorgunun her varyasyonu için yüzeysel sayfa üretmek ise zaten spam politikalarındaki ölçekli içerik kötüye kullanımı kapsamında. Son madde sağlık sektöründe ayrıca önemli, çünkü doğrulanamayan iddia içeren toplu sayfalar hem bu politika hem de sağlık tanıtım mevzuatı açısından risk üretiyor.
Araştırma verileri aşağıdaki kaynaklardan, yayın tarihlerindeki hâlleriyle aktarılmıştır. Uygulama çerçevesi, 2014'ten bu yana sağlık kurumlarıyla çalışan İstanbul merkezli ajans ProjeMED'in saha deneyimine dayanır. Üretken motorların davranışı hızla değiştiği için bulgular dönemsel olarak yeniden değerlendirilmelidir.
Kaynaklar
· Aggarwal, P. ve diğerleri, GEO: Generative Engine Optimization, ACM SIGKDD 2024: https://arxiv.org/abs/2311.09735
· 5W, GEO vs. SEO: The 2026 Venn Diagram, Mayıs 2026: https://www.prnewswire.com/news-releases/new-5w-research-overlap-between-top-google-rankings-and-ai-cited-sources-has-collapsed-from-70-to-under-20-302760132.html
· Muck Rack, Generative Pulse, Mayıs 2026: https://muckrack.com/blog/what-is-ai-reading-may-2026
· Ahrefs, An Analysis of AI Overview Brand Visibility Factors (75K Brands Studied): https://ahrefs.com/blog/ai-overview-brand-correlation/
· Ahrefs, YouTube bahisleri raporu, Mayıs 2026: https://www.businesswire.com/news/home/20260526119691/en/Across-75000-Brands-YouTube-Mentions-Are-the-Strongest-Signal-of-AI-Visibility-New-Ahrefs-Report-Reveals
· Bing Webmaster Tools, AI Performance raporu, Şubat 2026: https://blogs.bing.com/webmaster/February-2026/Introducing-AI-Performance-in-Bing-Webmaster-Tools-Public-Preview
· Google Search Central, AI özellikleri ve web siteleri: https://developers.google.com/search/docs/appearance/ai-features
· Google Search Central, spam politikaları: https://developers.google.com/search/docs/essentials/spam-policies
· Search Engine Land, Google'ın içerik parçalama uyarısı, Ocak 2026: https://searchengineland.com/google-doesnt-want-you-to-create-bite-sized-chunks-of-your-content-467269
