Yapay Zeka Arama Motorları Dil ve Ülkeye Göre Kaynakları Nasıl Belirtir?

Birisi bir yapay zeka asistanına bir soru sorduğunda, asistanın yönlendirdiği kaynaklar, o kişinin ne öğreneceğini ve hangi markalarla karşılaşacağını belirler. Ve şunu fark ettik… Bu asistanlar kaynaklarını nasıl seçiyor? Bu davranış, diller, ülkeler, konular ve yapay zeka sistemleri arasında farklılık gösteriyor mu?

Diğer tüm sorularımızda olduğu gibi, bu konuyu da araştırmaya karar verdik.

5 konu kategorisi ve 3 ayrıntı düzeyini kapsayan 400 soru hazırladık, her birini İngilizce, Fransızca, İspanyolca ve Japonca dillerinde yazdık ve bunları 5 farklı ülkedeki 4 yapay zeka sistemine sunduk. Bu sayede 16.000’den fazla yanıt elde ettik ve her sistemin kaynak gösterdiği her kaynağı kaydettik.

Birkaç eğilim net bir şekilde ortaya çıktı. Bunlardan bazıları bu sistemlerin genel olarak nasıl işlediğiyle ilgili olsa da, yeni pazarlara giren herhangi bir marka için en önemli olanı, tahmin ettiğiniz gibi: dil meselesidir.

Hadi başlayalım.

Çalışmayı Nasıl Yürüttük

Sorgu kümesinin, sıradan bir SEO anahtar kelime listesinden ziyade gerçek bir merak duygusunu yansıtmasını istediğimiz için, 400 soruyu 5 kategoriye (e-ticaret, SaaS, genel kültür, dünya haberleri ve eğitim kılavuzları) ve kısa ve genel olandan uzun ve spesifik olana kadar 3 farklı sorgu uzunluğuna dağıttık.

Ardından her soruyu her pazar için 2 farklı versiyonda uyguladık: her yerde İngilizce olarak ve her pazarın yerel dilinde (Fransa’da Fransızca, İspanya, Arjantin ve ABD’de İspanyolca, Japonya’da Japonca). Kullanılan 4 sistem şunlardı: GPT 5.5, Claude Haiku 4.5, Gemini Flash 3.5 ve Google AI Overviews; Fransa’da ise, veri toplama sırasında AI Overviews henüz kullanıma sunulmadığı için Google AI Mode kullanıldı.

Her yanıt için, sistemin döndürdüğü kaynak URL’leri kaydettik. Aşağıdaki rakamlar, 16.000’den fazla yanıtın yer aldığı bu ham veri kümesinden elde edilmiştir.

Sohbet robotları ve yapay zeka genel bakışları, birbirinin tam tersi makineler gibi davranır

Davranışlar açısından en büyük farklılık, sohbet robotları ile Google’ın AI Overviews arasında görüldü; bu farklılık, özellikle her birinin kaynaklarını nasıl gösterdiği konusunda belirgindi.

Sohbet robotları, kısa ve genel sorularda kaynaklara neredeyse hiç başvurmazlar. Ancak soru ne kadar spesifik hale gelirse, o kadar çok kaynak gösterirler. Örneğin Claude, kısa bir sorguda ortalama 0,12, uzun bir sorguda ise 2,96 kaynak gösterir; ChatGPT ise 0,09’dan 2,26’ya çıkar. Gemini ise genel olarak daha fazla kaynak gösterir; kısa sorgularda yaklaşık 1,7 kaynaktan uzun sorgularda yaklaşık 6,5 kaynağa yükselir. AI arama sonuçlarında görünür olmayı hedefliyorsanız (bu yazıyı okuyorsanız, muhtemelen hedefliyorsunuzdur), içeriğinizi belirli, uzun kuyruklu sorgulara göre optimize etmek, kaynak gösterilme şansınızı artıracaktır.

Ancak Google AI Özetleri tam tersini yapıyor. Kısa ve genel aramalarda en fazla kaynak gösteriyorlar (her biri için yaklaşık 6 kaynak) ve arama sorgusu uzadıkça ve daha spesifik hale geldikçe bu sayı azalıyor (yaklaşık 4’e kadar). Bu, bir sohbet robotunun değil, bir arama sonuçları sayfasının davranışıdır: kısa aramalarda çeşitli bağlantılar gösterilir ve soru ne kadar kesin olursa, cevap o kadar daralır.

İşte üç sohbet robotunun, sorgu başına alıntılanan kaynakların ortalama sayısı temelinde karşılaştırılması:

‍

Sohbet robotları, halihazırda bildikleri bilgilere dayanarak genel soruları yanıtlar ve ancak bir sorgu daha spesifik hale geldiğinde kaynaklara başvurur; buna karşılık AI Overviews, bir arama motoru gibi bağlantılar ekler.

Bağlantı Görünmese Bile Markaların Adları Belirleniyor

Birçok yapay zeka arayüzünde, kullanıcı bir bağlantı listesi değil, yazılı cevabı görür. Dolayısıyla, bir asistanın cevabında adını verdiği şirketler, alıntı yaptığı URL’ler kadar önemli olabilir. Her bir sohbet robotunun her sorgu başına kaç farklı şirketten bahsettiğini saydık. (Google AI Overview’lar bu analiz dışında tutulmuştur; çünkü bu platformda alıntılanan bağlantıları tespit edebildik, ancak cevap metnini elde edemedik).

Sorgu Başına Ortalama Şirket Sayısı: Chatbot ve Sorgu Uzunluğuna Göre

‍

ChatGPT ve Gemini, kısa ve genel sorularda bile – yani neredeyse hiç URL belirtmedikleri aynı sorularda bile – her sorgu başına birkaç şirketin adını saymaktadır. Bir marka, kendisine yönlendiren tek bir bağlantı bile olmadan cevap metninde yer alabilir; bu da, bu modellerin zaten tanıdığı türde bir şirket olmanın, sadece bağlantı verilebilir olmaktan daha önemli olduğu anlamına gelir.

Ticari ve Zaman Duyarlı Konularda Alıntı Sayısı Artıyor

Konu, sorgu uzunluğu kadar önemlidir. Sohbet robotlarına bakıldığında, soru başına ortalama kaynak sayısı, her zaman güncel olan konulardan ticari ve hızla değişen konulara doğru istikrarlı bir şekilde artmıştır.

‍

Öğreticiler ve genel bilgi gibi sabit, iyi belgelenmiş konular en az alıntı çekiyor; modeller bu tür soruları büyük ölçüde eğitim verilerinden yanıtlıyor. E-ticaret, SaaS ve küresel haberler gibi ticari ve zamana duyarlı konular ise en fazla alıntı çekiyor, çünkü modeller güncel bilgileri aramaya yöneliyor. Ticari bir kategoride yer alan herkes için bu bulgunun cesaret verici yanı şudur: İşte tam da bu sorgularda, alıntılanabilir bir kaynak olma fırsatı kapıdadır.

İngilizce Hâlâ En Fazla Kaynağı Çekiyor

Test ettiğimiz her pazarda, üç sohbet robotunda da İngilizce sorgular, yerel dildeki sorgulara kıyasla daha fazla kaynak ortaya çıkardı.

Aynı soruyu İngilizce olarak sorduğunuzda, bu sistemler her yerde yerel dilde yaptıklarından daha fazla kaynağa başvurur. İngilizce içerik, alıntı sayısına ilişkin olarak hâlâ yapısal bir avantaj sahibidir; bu da, İngilizce’nin İnternet’te hâlen baskın dil olması göz önüne alındığında mantıklıdır. Dil değiştikçe değişen şey, kaynakların ortaya çıkıp çıkmaması değil, hangilerinin ortaya çıktığıdır.

{{araçlar-banner}}

Yerel dilde sorarsanız, kaynaklar da yerel hale gelir

Aynı soruları İngilizce yerine yerel bir dilde sorduğumuzda, sistemler belirgin bir şekilde yerel, o dilde yazılmış kaynaklara yöneldi.

Japonya’da, sorularımızı Japonca sorduğumuzda tüm kaynakların %26’sı Japon (.jp) alan adlarında barındırılırken, aynı soruları İngilizce sorduğumuzda bu oran yaklaşık %1’e düşmüştür. Küresel platformlardaki Japonca sayfaları da, özellikle ja.wikipedia.org ve jp.linkedin.com gibi siteleri de hesaba katarsak, bu oran %35'e yükselirken İngilizce kaynakların oranı %1,3'te kalıyor. Ancak tersi yönde ilerleyip Japon hükümeti ve akademik siteleriyle (.go.jp ve .ac.jp) sınırlandırırsak, aradaki fark sabit kalıyor: Japonca kaynaklarda %4,26'ya karşılık İngilizce kaynaklarda %0,13.

Fransa da aynı eğilimi sergiledi. Fransızca aramalar, .fr alan adlarına yönlendirilen bağlantıların %16’sını oluştururken, İngilizce aramalarda bu oran %1,4’tü; küresel sitelerdeki yerelleştirilmiş sayfalar da dahil edildiğinde, Fransızca kaynaklara yönlendirilen bağlantıların toplam oranı %30’a ulaştı. Fransız hükümet siteleri (.gouv.fr), İngilizce aramalarda neredeyse sıfırdan Fransızca aramalarda %1,25’e yükseldi. İspanya’daki İspanyolca aramalar, atıfların %7’sini .es alan adlarına, %26’sını ise İspanyolca kaynaklara yönlendirirken, İngilizce aramalarda bu oran %1,7 oldu.

Arjantin, kültürü ve tarihini yansıtan bir istisnaydı. Alıntıların yalnızca %2’si .ar uzantılı alan adlarına yönelirken, %23’ü İspanyolca, %1,1’i ise İngilizceydi. Arjantinli kullanıcılara, Arjantinli alan adlarından değil, İspanya, Meksika ve yerelleştirilmiş küresel sitelerden İspanyolca içerik sunulmaktadır. Burada, modellerin coğrafi konumdan ziyade dili takip ettiğini gördük.

Aynı sorular, aynı konular, farklı sorgu dili ve sistemler farklı bir kaynak kümesine başvuruyor. Kısacası, yalnızca İngilizce olarak mevcut olan içerik, bu sistemlerin yerel dilde yanıt verirken kullandıkları kaynak havuzunun büyük ölçüde dışında kalıyor. Bu durumun etkisi, İngilizce’den en uzak pazar olan Japonya’da en belirgin şekilde görülüyor.

Her Sistemin Kendi Kaynak Kriterleri Vardır

Sistemler, tercih ettikleri kaynak türleri açısından da farklılık gösteriyor ve bu durum, test ettiğimiz tüm dillerde sabit kaldı.

Tabloda da görüldüğü gibi, her sistem alıntılarını ticari ve marka sayfalarından almaktadır; ancak diğer tüm konularda bu davranış farklılık göstermektedir.

Örneğin, Claude açıkça ticari ve marka sayfalarının en büyük hayranıdır; alıntıların 10’da 9’u bu sayfalara yönelirken, medyaya yönelen alıntı neredeyse hiç yoktur. ChatGPT ise ağırlığını en geniş alana yaymaktadır (ancak çok da fazla değil); yine de büyük ölçüde ticari ve marka sayfalarını tercih ederken, küresel kurumsal ve medya sayfaları sırasıyla %8,1 ve %9,9 ile geride kalmaktadır.

Gemini ve Google AI Overviews, büyük ölçüde topluluk ve video kaynaklarına dayanmaktadır: Yalnızca YouTube ve Reddit, Gemini’deki alıntıların %21,5’ini ve AI Overviews’daki alıntıların %29,8’ini oluşturmaktadır.

Gemini’de veya bir AI Genel Bakışında yer almak istiyorsanız, YouTube ve Reddit’te güçlü bir varlık göstermeniz en büyük farkı yaratacaktır. Hedefiniz ChatGPT ve Claude ise, kendi marka sayfalarınız ve saygın yayınlarda yer almanız daha önemlidir.

Hangi Alan Adları ve Markalar En Çok Alıntılanıyor?

Ortalamalar, alıntıların dağılımını gösterir. Spesifik isimler ise bu alanı kimlerin doldurduğunu ortaya koyar. Her konu kategorisi içinde her bir sohbet robotunun en çok alıntı yaptığı alan adlarını ve şirketleri, adları doğrudan geçen sorgulardaki şirketleri hariç tutarak belirledik; dolayısıyla bu veriler, modellerin kendi başlarına ulaştıkları sonuçları yansıtmaktadır. Bu iki tablo, üç sohbet robotunu kapsamaktadır.

En çok atıf alan alan adları (kategori başına ilk 3)

‍

Burada net bir ayrım görebiliriz.

Gemini, alıntılarını az sayıda platforma yoğunlaştırıyor; YouTube ve Reddit ise neredeyse her kategoride ilk sıraları alıyor.

ChatGPT ve Claude ise kaynaklarını birçok kategoriye özgü otoriteye yayıyor: e-ticaret için Tom's Guide ve TechRadar gibi donanım inceleme siteleri; genel bilgi ve haberler için ise arXiv, PubMed ve Wikipedia gibi araştırma ve referans kaynakları.

E-ticaret ve SaaS alanları en fazla atıf sayısına sahip ve en istikrarlı bir okuma sunuyor; genel bilgi alanlarındaki rakamlar ise yetersiz olduğundan, bu konumları yön belirleyici olarak değerlendirin.

En çok atıf alan şirketler (her kategoride ilk 3)

‍

HubSpot, üç chatbotun hepsinde de SaaS kategorisinde birinci sırada yer alırken, Salesforce onu yakından takip ediyor; modeller arasında nadir görülen bir düzeyde uyum gözlemleniyor ve e-ticaret kümeleri Logitech, Razer ve Anker gibi tüketici donanım markaları etrafında şekilleniyor.

Yine de bu, mütevazı bir üstünlük: HubSpot, SaaS sektöründe %3’ün altında bir paya sahip olduğundan, bahsedilme sayıları çok sayıda şirket arasında dağılmış durumda. Burada bahsedilmek, SEO’da geleneksel ilk 3 mavi bağlantıda olduğu gibi tek bir hakim ismi tahtından indirmekle pek ilgisi yok. Bunun yerine, asıl önemli olan bu rekabetin bir parçası olabilmektir.

Bunun Küreselleşme Açısından Anlamı Nedir?

Bu çalışma, bu sistemlerin nerelere baktığını ölçüyor; tek bir sitenin ne yapması gerektiğini değil. Verilerin ortaya koyduğu şey, yapay zeka sistemlerinin kaynak seçimini yerel hale getirdiği: bir dilde sorgulama yapıldığında, o dildeki kaynakları tercih ediyorlar.

Yurtdışına açılan bir marka için bu durum, yerel dildeki içeriği bir “uygunluk” meselesi olarak yeniden tanımlamaktadır. Basitçe ifade etmek gerekirse, bir pazardaki yerel dilde hazırlanmış içerik, yerel bir kullanıcı soru sorduğunda referans olarak gösterilebilir. Ancak içerik yalnızca İngilizce olarak mevcutsa, çoğu durumda referans olarak gösterilemez. Bu, çeviri ve yapay zeka görünürlüğü üzerine yaptığımız önceki araştırmalarımızda farklı bir açıdan gözlemlediğimiz bir örüntüdür ve bu çalışma, bunun arkasındaki mekanizmayı açıklamaya yardımcı olmaktadır.

Bu pazarlara kendi dillerinde ulaşmaya hazır mısınız?

İçeriğinizin, kullanıcılar kendi dillerinde arama yaptıklarında alıntılanabilir olmasını istiyorsanız, Weglot adresinden ücretsiz deneme sürümünü başlatabilir ve dakikalar içinde çok dilli bir siteyi yayına alabilirsiniz.