Son zamanlarda Perplexity’dan Jesse Dwyer ile SEO ve Yapay Zeka araması hakkında konuştum. Özellikle SEOs’un AI araması optimize ederken önceliklendirmesi gereken noktaları odaklı olarak ele aldık. Onun görüşleri, yayıncılar ve SEO uzmanları için bugün değerli rehberlik sağladı. ### Günümüzde Yapay Zeka Araması Jesse, kişiselleştirmenin yapay zeka aramasını köklü şekilde dönüştürdüğünü vurguladı. “AEO (Cevap Motoru Optimizasyonu) ile SEO arasındaki en büyük ve en basit fark şudur: Artık sıfır toplamlı bir oyun değil. Aynı sorgu ile iki kullanıcı farklı cevaplar alabilir; AI aracının kişisel hafızayı bağlam penceresine dahil etmesi durumunda (Perplexity, ChatGPT gibi), ” dedi. Bu değişim, indeksleme teknolojilerindeki farklardan kaynaklanıyor ve geleneksel Coğrafi Motor Optimizasyonu (GEO) ile AEO arasındaki ayrımı açıklıyor. Yine de, çoğu geleneksel SEO en iyi uygulaması halen geçerli olmaya devam ediyor. Dwyer’ın temel mesajı, arama görünürlüğünün artık kullanıcılar arasında tutarlı sonuçlar almakla ilgili olmadığıdır. AI cevapları, kişisel bağlam tarafından şekillendiği için, iki kullanıcı aynı sorguda bile farklı cevaplar ve altta yatan içerik kaynakları görebilir. Altyapı hâlâ klasik bir arama dizinine dayanıyor—Perplexity AI, site popülerliği ve alaka düzeyini değerlendiren PageRank benzeri bir sistemi kullanıyor—ama getirilen sonuçlar geleneksel aramadan oldukça farklıdır. Sorduğumda, klasik aramanın genellikle sorgu başına en üstte aynı siteleri gösterirken, AI aramasının diyalog bağlamına göre çeşitli cevaplar ürettiğini belirtmişti. ### Alt-doküman İşleme: AI Aramasında Önemli Fark Jesse, yapay zeka aramasını anahtar kılan teknolojiyi şöyle açıkladı: Tam belge işleme ile alt-doküman işleme arasındaki fark. Geleneksel arama motorları tüm web sayfalarını indeksler, onları tek birimler olarak puanlar ve sıralar.

ChatGPT’nin web araması gibi bu modeli kullanan AI araçları ise, en iyi 10-50 belgeyi getirir ve ardından büyük bir dil modeli (LLM) kullanarak sonuçları özetler. Bu yöntem, bazen “trençkot giymiş 4 Bing araması” şeklinde tanımlanır, yani algoritmik aramaya devam eder ama gerçek bir AI erişimi yerine. Bu yöntem, GEO veya Generative Engine Optimization ile uyumludur; burada da tam sayfa skorlama kullanılır. Yeni nesil AI öncelikli yaklaşım—“alt-doküman işleme” olarak adlandırılır—ise, tam belgeler yerine, çok spesifik, detaylı parçacıklar indeksler ve getirir. AI terimleriyle, bir snippet yaklaşık 5-7 token (2-4 kelime) içerir ve modelin temelini oluşturan dönüştürücü mimarisinde sayısal temsile dönüştürülür. Bir sorgu ile sistem, en alakalı yaklaşık 130. 000 token’lık snippet’leri (yaklaşık 26. 000 snippet) modelin bağlam penceresine çeker—ki bu, çoğu güncel LLM’nin toplam kapasitesidir—ve bu pencerede önemli bilgileri doldurmaya çalışır. Bağlam penceresini doyurmak, modelin “halüsinasyon” yapma veya bilgi uydurma eğilimini azaltır ve daha doğru cevaplar üretebilmesini sağlar. Bu alt-doküman indeksleme, sektörün yönelimiyle AEO terimini haklı çıkarır. Ayrıca, kişiselleştirme, LLM’nin kullanıcıyla ilgili geniş veriyi tam bağlam penceresine entegre edebilmesi sayesinde ortaya çıkar—bir geleneksel Google kullanıcısı profilinden çok daha fazlasını içerir ve böylece benzersiz şekilde uyarlanmış sonuçlar sağlar. Perplexity gibi şirketler, indeks ve snippet retrieval arasındaki süreçleri optimize ederek, hesaplama modülasyonu, sorgu reformülasyonu ve kendi geliştirdikleri modeller gibi yöntemler kullanır. Bu, snippet ilgililiğini ve cevapların kalitesini artırır. SEO’lar için önemi az gibi görünse de, bu gelişmeler, Perplexity’nin arama API’sinin diğer ürünlerde entegrasyon için neden bu kadar gelişmiş olduğunu da açıklar. ### İndeksleme Yaklaşımlarının Özeti Dwyer, şu iki temel farkı vurguladı: - **Tam belge indeksleme:** Tüm web sayfalarının sıralanması ve getirilmesi, ardından AI tarafından özetlenmesi. - **Alt-doküman indeksleme:** Anlamın ince parçalara bölünerek saklanması ve bunlar üzerinde doğrudan yapay zeka akıl yürütmesi. İkinci yöntem, modelin bağlam penceresini ilgili verilerle tamamen doyurarak, cevapların doğruluğunu artırır, uydurmaları sınırlar ve daha zengin yanıtlar üretir. Kapanışta Jesse, “Hesaplama modülasyonu, ” sorgu reformülasyonu ve kendi geliştirdikleri indeksleme modellerinin, üstün snippet getirisi ve AI arama kalitesinde “gizli sos” olduklarını belirtti.