Yetkinlik kategorisi 01 / 09
AEO / GEO — Yeni Nesil Arama
ChatGPT, Claude, Perplexity, Gemini ve Google AI Overviews için içerik ve entity optimizasyonu. Klasik SEO'nun yerini alan değil, üstüne katlanan disiplin.
Yetkinlikler
Her başlık ayrıntılı bir alt-sayfa açar — Gonet yaklaşımı, SSS, sektör örnekleri.
- 01
Schema.org JSON-LD entity authority
Organization, Person, Service, FAQPage, ItemList, Article, BreadcrumbList ve 18+ @type kombinasyonu
LLM motorları markanızı tek bir varlık olarak tanır ya da hiç tanımaz. @graph mimarisiyle Organization + Person + Service + FAQPage entity'leri tek bir knowledge graph'ta bağlanır; AI cevaplarındaki citation pozisyonu doğrudan yükselir.
Ayrıntılı sayfaya git →Uzman - 02
llms.txt protokolü
Site genelinde LLM-okunabilir yapı tanımı — Anthropic ve OpenAI öneri formatına uygun
LLM'ler için site rehberi: tek bir markdown dosyasıyla en önemli sayfalarınızı, navigasyon yapınızı ve içerik hiyerarşinizi açıkça bildirir. ChatGPT, Claude ve Perplexity için ekstra fetch bütçesi kazandırır.
Ayrıntılı sayfaya git →Uzman - 03
Semantic chunking
Embedding-friendly içerik bölümleme; RAG sistemlerinde citation kazanma odaklı
RAG sistemleri sayfayı 500-1000 karakterlik parçalara bölerek embedding alır. Doğru chunk sınırları + her parçanın bağımsız anlamlı olması, citation kazanma olasılığını 2-3 kat artırır.
Ayrıntılı sayfaya git →Uzman - 04
Citation surface engineering
GEO 2024 (Aggarwal et al. KDD) yöntemleri: Statistics +30%, Quotation +41%, Cite Sources +27% etki artışı
AI cevaplarda alıntılanabilir yüzey alanı mühendisliği. Akademik kaynak referansı + somut istatistik + tırnaklı uzman görüşü kombinasyonu, Aggarwal et al. (KDD 2024) ölçümünde %27-41 görünürlük artışı sağladı.
Ayrıntılı sayfaya git →Uzman - 05
Common Crawl optimizasyonu
AI eğitim veri setlerinde temsil — robots.txt, CCBot, GPTBot, ClaudeBot policy yönetimi
Common Crawl, LLM'lerin eğitim setinin %70+'ını besler. Marka temsiliyetinizin bu arşivde olması, gelecek modellerin sizi parametrik bellekte taşıması demek. CCBot izni + Harmonic Centrality optimizasyonu kritik.
Ayrıntılı sayfaya git →İleri - 06
Extraction-readiness
LLM'in tek paragraftan tam yanıt çıkarabilmesi için içerik mühendisliği
LLM'ler 50-100 kelimelik parçalardan tam yanıt çıkarmaya çalışır. Cümle başında konu sahibi, açık tanım, ölçülebilir veri ve self-contained yapı — bu dörtlü extraction-readiness puanını maksimuma taşır.
Ayrıntılı sayfaya git →Uzman
Schema.org JSON-LD entity authority
Organization, Person, Service, FAQPage, ItemList, Article, BreadcrumbList ve 18+ @type kombinasyonu
llms.txt protokolü
Site genelinde LLM-okunabilir yapı tanımı — Anthropic ve OpenAI öneri formatına uygun
Semantic chunking
Embedding-friendly içerik bölümleme; RAG sistemlerinde citation kazanma odaklı
Citation surface engineering
GEO 2024 (Aggarwal et al. KDD) yöntemleri: Statistics +30%, Quotation +41%, Cite Sources +27% etki artışı
Common Crawl optimizasyonu
AI eğitim veri setlerinde temsil — robots.txt, CCBot, GPTBot, ClaudeBot policy yönetimi
Extraction-readiness
LLM'in tek paragraftan tam yanıt çıkarabilmesi için içerik mühendisliği
Seviye ölçeği
Uzman
5+ yıl üretim ortamında, 10+ projede uyguladık. Konferansta konuşur, kurum içi eğitim verir, yeni başlayanları yönlendirebiliriz.
İleri
2+ yıl üretim ortamında, birden fazla projede uyguladık. Karmaşık durumları çözebilir, mimari karar verebiliriz.
Orta
Pratik kullanım var, projeye göre danışman/partner desteği ile derinleşiyoruz. Talep gelirse derinleştirebiliriz.
Bu kategoride iş birliği