LLM'ler Wikipedia'yı Tercih Ediyor mu? Claude, Gemini ve GPT genelinde 6.844 atıfayı analiz ederek bunu öğrendik

Bu, çok dilli pazarlarda yapay zeka davranışını inceleyen serimizdeki yeni bir çalışmadır.

Çok uzun bir süre boyunca ve akademik profesyonellerin hayal kırıklığına rağmen (hâlâ "WIKIPEDIA KULLANILMASIN" sözünü duyan var mı?), Wikipedia varsayılan bilgi kaynağı olarak kabul edildi. Açık, yapılandırılmış ve daha da iyisi – çok dilli ve sürekli güncelleniyor. Bu da kağıt üzerinde büyük dil modelleri (LLM'ler) için mükemmel bir atıf adayı yapıyor.

Bu yüzden, Reddit ile birlikte, LLM'ler hakkında en etkili kaynaklardan biri. Ancak Wikipedia'nın kitlesel kaynaklı yapısı göz önüne alındığında, olumsuz veya eski bilgilerin düzenlenmesine açıktır ve bu da yapay zeka aramalarına girebilir.

Bu yüzden yaygın varsayımın Wikipedia'nın GEO ortamını şekillendirdiği olması şaşırtıcı değil. Wikipedia'nın ele aldığı şeylere göre optimize edin, Wikipedia'nın atıf edildiği yere atıf alın.

Ama verilerimiz farklı bir hikaye anlatıyor.

Web sitenizi çevirmemenin görünmez olduğunuz anlamına geldiğini zaten biliyoruz. Peki, bir şirketin Wikipedia sayfasına sahip olmak işleri sizin lehinize değiştiriyor mu?

Önde gelen üç yapay zeka modelinin Wikipedia'ya ne sıklıkla atıfta bulunduğunu, hangi dillerde ve bunun yerine hangi dillerde atıfta bulunduklarını inceledik. Sonuçlar, Wikipedia'nın kral olduğu algısını sorgular ve uluslararası pazarlarda yapay zeka görünürlüğü üzerine düşünen her marka için daha faydalı bir şey ortaya koyuyor: LLM'ler aktif olarak yüksek otoriteli, yerel çevrili kaynakları arıyor. Bulduklarında onları atıfta yaparlar. Yapmadıklarında ise İngilizceye geri dönüyorlar.

Kurulum

Claude Haiku 4.5, Gemini 3.1 Flash ve GPT 5.4 Mini'nin 750 sorgu boyunca kaynakları nasıl gösterdiğini analiz ettik.

Sorgular, her dil kombinasyonu için 15 Wikipedia sayfasından oluşturuldu: sadece İngilizce konular, Fransızca-İngilizce, İspanyolca-İngilizce ve Japonca-İngilizce. Her sayfa için beş sorgu oluşturuldu, ardından sadece İngilizce sorgular üç hedef dile çevrilerek aynı soru farklı bir dilde sorulduğunda atıf davranışının nasıl değiştiğini test etti. Toplamda 750 istem çıktı ve her biri 3 modelde çalıştı, analiz etmek için 2.250 bireysel model yanıtı elde etti.

Her istem modelden açıkça kaynak URL'lerini vermesini ve kendi bilgisinden yanıt verdiğinde işaretlemesini isterdi. Model yanıtları, ilgili Wikipedia alan (İngilizce veya hedef dil) ile eşleştirilerek Wikipedia'nın kendisinin ne sıklıkla atıf edildiği ve hangi alan adlarının onun yerine geçtiği ölçüldü.

Not: erken testlerde Claude, kaynakları ortaya çıkarmadan kendi eğitim verilerinden İngilizce sorularını yanıtlıyordu. İstemler, tüm modellerde açıkça atıf talep edecek şekilde ayarlandı. Bu ayarlamadan sonra bile, Claude sadece İngilizce konularında alışılmadık derecede yüksek oranlarda "kendi bilgi" yanıtlarını işaretlemeye devam etti, ki buna da değineceğiz.

Buluşma 1: Wikipedia en çok atıf alan kaynak değil

Biz bu işe Wikipedia'nın üstün çıkacağını varsayarak geldik, ama veriler tam tersini söylüyordu.

Test edilen konuların çoğunda, Encyclopaedia Britannica en çok atıf alan oldu ve üç modelin tamamında toplam 1.164 atıfla elde edildi. İngilizce Wikipedia, 433 genel atıfla ikinci sırada yer aldı – Britannica'nın özlü 1/3 atıfıydı.

Wikipedia'nın kazandığı tek kategori, son derece özgül, sadece İngilizce olan niş konulardı ve diğer tüm kaynakları geride bıraktı. Diğer her yerde Britannica hakim oldu.

Britannica'nın merkezi alan stratejisi burada işi yapıyor. Wikipedia'nın aksine, içeriği dile özgü alt alanlara (fr.wikipedia.org, es.wikipedia.org, ja.wikipedia.org) bölürken, Britannica içeriğinin neredeyse tamamını britannica.com üzerine toplar ve ağırlıklı olarak İngilizce sayfalar sunar. Bu tek yüksek otoriteli alan birimi, bağlantı sermayesi, atıf ağırlığı ve yapay zeka güveni biriktiriyor, Wikipedia'nın dağıtık modelinin tasarım gereği parçalanabileceğini gösteriyor.

Bu bulgulara dayanarak, alan otoritesi yoğunluğu, yapay zeka atıf bağlamlarında geleneksel aramada olduğu gibi artıyor gibi görünüyor. İçeriğiniz tek bir güçlü alan adında yaşıyorsa, daha küçük alan alanlarında yaşamasından daha fazla ortaya çıkma olasılığı yüksektir.

Bulgu 2: Sadece İngilizce Bir Strateji Yabancı Pazarlarda Ceza Kaybı Getirir

Britannica'nın sadece İngilizce yaklaşımı başarılı olsa da, diğer dillerde büyük ölçüde düşer.

Aynı Fransızca yerel konular İngilizce ile Fransızca ile aynı şekilde sorgulandığında, Britannica'nın atıf sayısı %55 oranında düştü. İspanyolca'da ise düşüş %23'tü. İngilizceden dilsel ve kültürel mesafenin en büyük olduğu Japonca'da atıf oranları %80 azaldı. Evet, stratejileri İngilizce'de harika çalışıyor ama tamamen orada duruyor.

‍

Britannica hâlâ tamamen alan otoritesinden faydalanıyor. Yerel dilde sorgulanan Fransızca ve İspanyolca konularda bile, genel olarak en çok atıf alan olarak kaldı. Ancak bu düşüş, sadece İngilizce içeriklerin kendi dillerinde soru sormaya başladığında performans sınırlarıyla karşı karşıya kaldığını gösteriyor. Aynı yetkili kaynak, Fransızca'da görünürlüğünün yarısından fazlasını, Japonca'da ise beşte dörtünü kaybediyor, çünkü içerik ana dili olarak erişilebilir değil.

Bu, yapay zeka aramasında çevrilmiş içeriğin artık isteğe bağlı olmadığını açıkça gösteriyor. Sadece İngilizce kaynaklar yabancı dildeki kaynaklardan tamamen kaybolmaz; Yerel alternatifler lehine sistematik olarak önceliklendiriliyor ve bu fark gerçek bir görünürlük maliyeti olacak kadar büyük. Mantıklı – kullanıcılar kendilerine özel olarak hazırlanmış içerikleri okumayı tercih eder ( yerelleştirmenin tüm amacı da bu).

Burada model seviyesinde bir sorun da var. Britannica'nın yabancı dilde sorgulardaki gücü neredeyse tamamen GPT ve Claude'un İngilizce kaynakları ortaya çıkarmaya devam etmesine bağlı. Gemini, yabancı sorgularda İngilizce alan adlarından aktif olarak kaçınıyor, bunun yerine larousse.fr gibi yerel sitelere (Fransızca 32 atıf) yöneliyor.

Bulgu 3: Yapay Zeka Dil Boşluklarını Kapattığında, İngilizce Wikipedia'ya işaret eder

Yalnızca İngilizce Vikipedi'de var olan ve çevirilmiş karşılığı olmayan konuların alt kümesi için, modeller bir seçim yapmak zorundaydı: cevap vermeyi reddetmek, kendi bilgilerine dönmek ya da sorgu dili (veya köprü) ne olursa olsun kullanıcıları İngilizce sayfaya yönlendirmek.

Üç model de farkı kapatmayı seçti. İngilizce Wikipedia'yı şaşırtıcı derecede istikrarlı oranlarla aktarıyorlar: GPT ortalaması %48,3, Claude %26,8 ve Gemini %19,8. Yanlış olan ise, İngilizce sorgulamanın Wikipedia'da en yüksek atıf oranını vermemesi.

GPT, İspanyolca ve Japonca'da %49,3'e ulaştı. Gemini, Fransızca'da %23,3 (İngilizcede %16) vurdu. Claude İspanyolca ile %34,7 puan aldı.

En makul açıklama rekabet yoğunluğudur: İngilizce olarak niş bir İngilizce konu hakkında sorgulama yaptığınızda, model seçebileceğiniz devasa bir İngilizce içerik havuzuna sahiptir ve atıflar birçok kaynağa dağıtılır. Aynı niş konu hakkında yabancı dilde sorgulama yaptığınızda, modelin dayanabileceği yerel bir otorite yoktur, bu yüzden doğrudan İngilizce Wikipedia sayfasına yönlendirir. Alternatif havuz ne kadar daralırsa, Wikipedia bir atıf olarak o kadar güvenilir hale gelir.

Yani, yabancı dil pazarlarında faaliyet gösteren herhangi bir markanın bilmesi gereken şey şu: yabancı dil web daha az doygun, atıflar daha yoğundur ve doğru yerel kaynak olmak orantısız (ve avantajlı) bir ağırlık taşır.

Bulgu 4: Claude Sadece İngilizce Konuları Farklı Ele Alıyor

Claude, GPT ve Gemini'nin göstermediği bir davranış sergiledi. İngilizce sorgularda test edilen 75 İngilizce konuda Claude, kaynakları göstermek yerine 32 yanıtı (%42,7) "kendi bilgisi" olarak işaretledi. Aynı sadece İngilizce konular yabancı dillerde sorgulandığında, oran keskin bir şekilde arttı.

‍

Birkaç teorimiz var: Claude, kaynakları icat etmektense belirsizliği vurgulamayı tercih ederek, atıfları halüsinasyon konusunda daha muhafazakar olabilir. Doğrulanabilir bir destek olmadan atıflar etrafında oluşan çıktı üretmeme konusunda daha güçlü iç korumalara sahip olabilir. Ya da yerel kaynaklar seyrek olduğunda eğitim verilerine geri dönme için daha düşük bir eşik olabilir.

Temel sebep ne olursa olsun, veriler Claude'un özellikle İngilizce olmayan dillerde sorgulama yapan niş konularda giden atıflar için daha az güvenilir bir yüzey olduğunu gösteriyor. Özellikle Claude'un görünürlüğüne bahis yapıyorsanız, bu stratejinizi değiştirebilir.

Buluşma 5: Çevirilmiş sayfalar olduğunda, modeller çok farklı davranır

Çevirilmiş Wikipedia sayfaları olan konular için, modeller ya yerelleştirilmiş versiyonu (İspanyolca sorgu için es.wikipedia.org) gösterebilir veya varsayılan olarak İngilizce olabilir. Yaptıkları seçimler modele göre büyük ölçüde değişir.

‍

GPT, yerelleştirilmiş Wikipedia versiyonunu tanıma ve atıfta bulunma konusunda açık bir farkla en güvenilir olanıdır. Yaklaşık dörtte birinde böyle oluyor. Claude ve Gemini neredeyse hiç yerel Wikipedia sayfalarına atıfta bulunmuyor, tek haneli oranlarda duruyor.

Ancak, Claude ve Gemini'nin yerel içeriği görmezden gelmediğini belirtmek gerekir. Bunun yerine, bu atıf payını başka yerlere, yerel kurumsal kaynaklara ayırıyorlar. Bu da gösteriyor ki yerel medya bilgi sunma konusunda her zaman rakiplerini geride bırakıyor.

Bulgu 6: Yapay Zeka, Yabancı Dillerde Yerel Kurumları Büyük Ölçüde Tercih Ediyor

Yapay zeka modelleri, özellikle çoğunlukla İngilizce veri setleri üzerinde eğitilen, ana dilde soruları yanıtladığında, sadece sorguları çevirip aynı küresel kaynakları geri verdiklerini düşünebilirsiniz. Ancak araştırmalarımıza göre, atıf davranışlarını genellikle kurumsal olan yüksek otoriteli yerel platformlara kaydırıyorlar.

Fransızca sorgular

Louvre (louvre.fr) 39 kez atıfta bulundu. Château de Versailles 29 alıntı aldı. Fransız ansiklopedisi Larousse 66 alıntı topladı ve Gemini'nin Fransızca konuları için en önemli kaynağı oldu. Histoire-France 24 topladı.

İspanyolca sorular

Prado Müzesi (museodelprado.es) 24 kez atıfta bulundu. UNESCO'nun Dünya Mirası portalı 36 atıf aldı. Cervantes Virtual (İspanyol edebiyatının dijital kütüphanesi) ise 26 tane aldı. İspanyolca bir biyografi veritabanı olan Biografías y Vidas ise 24 aldı.

Japon sorguları

Ulusal Diyet Kütüphanesi (ndl.go.jp) 45 alıntı aldı. Japonya'nın ulusal kamu yayıncısı NHK 40 kez atıfta bulundu. Studio Ghibli'nin resmi sitesi, ilgili konularda 37 atıf topladı. Japon referans toplayıcısı Kotobank ise 22 puan aldı.

İngilizce sorgular

Karşılaştırma için: Met (metmuseum.org) İngilizce sorgularda 117 kez atıfta bulundu. Ulusal Park Servisi (nps.gov) ise 34 aldı. Pennsylvania Oyun Komisyonu (pgc.pa.gov), yalnızca İngilizce olan niş konularda 34 kez atıfta bulundu.

Kalıp tutarlı. Yapay zeka modelleri, mevcut olduklarında kültürel ve dilsel olarak doğan kurumsal kaynakları tercih eder. Müzeler, kütüphaneler, kamu yayıncıları, devlet portalları ve referans ansiklopedileri, kendi yerel pazarlarında küresel markaları ve sadece İngilizce olan rakipleri geride bırakıyor.

7'yi Bulmak: İkizler Yerel Alanları Herkesten Daha Zor Avlıyor

Atıfları TLD'ye göre böldüğünüzde (.fr, .es, .jp vs. global/İngilizce alan alanları), yerel alan alanlarını aktif olarak önceliklendirmekle öne çıkan bir model öne çıkar.

Gemini, test edilen her dilde en büyük atıf payını yerel TLD alan alanlarına sürekli olarak tahsis ediyor. Bu, Gemini'nin Britannica'daki davranışıyla da örtüşüyor: İngiliz otorite alanlarını yerelleştirilmiş alternatifler lehine en çok atlayan model bu.

Bu, uluslararası yapay zeka görünürlüğü stratejileri geliştiren markalar için operasyonel olarak önemlidir. Önceliğiniz yabancı pazarlarda Gemini görünürlüğünü sağlamaksa, sitenizin yerel bir versiyonunun uygun ccTLD'de (veya doğru hreflang sinyalleri ve çevrilmiş içerikle) olması Britannica veya Wikipedia'dan atıf almaktan daha fazla iş çıkarır.

Bu Çok Dilli Yapay Zeka Görünürlüğünü Nasıl Etkiler

İşte çalışmadan çıkarılan en büyük çıkarımlar:

Wikipedia, insanların varsaydığı (bizim gibi) bir atıf monoliti değil. Britannica'nın merkezi stratejisi, çoğu konuda Wikipedia'nın dağıtık stratejisinden daha iyi performans gösterir ve yerel kurumsal kaynaklar her ikisinin de kendi yerel pazarlarında daha iyi performans gösterir. Eğer yapay zeka görünürlüğü stratejiniz Wikipedia'ya dayanıyorsa, muhtemelen yanlış kaynağa sabitlenmiştir.

Sadece İngilizce bir içerik stratejisi, yabancı pazarlarda ölçülebilir bir yapay zeka görünürlüğü maliyetine sahiptir. Britannica'nın Fransızca'da %55 ve Japon'da %80'lik düşüşü istisna değil. Bunlar, içeriğini çevirmeyen herhangi bir kuruluşun başına ne geldiğinin net bir gösterisidir: kullanıcılar kendi dillerinde sorgulama yaptığında, yapay zeka önce yerel kaynakları arar ve İngilizce alternatifler ancak yerel bir şey olmadığında boşluğu doldurur.

Yerel içerik büyük ödüller kazanıyor. Yabancı dillerdeki web daha az doygun olduğundan, doğru yerel kaynak olmak, İngilizcede aynı kaynağı olmaktan çok daha fazla kaynak taşımak. Met, İngilizce konularda 117 atıf alır; Louvre ise Fransızca olarak 39 tane alır. Ham hacim daha küçük görünüyor, ancak Fransızca için mevcut atıf slotlarının oranı çok daha yüksek ve rekabet daha zayıf.

Çeviri artık sadece yerelleştirme değil, yapay zeka görünürlüğü oyunu. Yapay zeka modelleri, yerel pazarlarda birincil kaynak olarak hizmet edecek yüksek otoriteli, yerel olarak çevrilmiş platformlar arıyor. İçeriğini hedef kitlelerinin dillerine çeviren markalar, sadece İngilizce olan rakiplerin kazanamadığı atıflar için kendilerini konumlandırıyor. Çok dilli SEO en iyi uygulamaları, tercüme uygulaması, dile özgü URL'ler, çevrilmiş meta veriler, hepsi birleşiktir.

Çoğu yapay zeka görünürlüğü aracı sadece İngilizce sorguları hesablıyor ve gördüğümüz gibi, bu sorgular işin küçük bir kısmını temsil ediyor. Markanızın farklı dillerde nasıl konuşulduğunu takip etmek istersiniz – ve neyse ki bu mümkün Weglot Radar.

Model davranışı tekiz değildir. GPT, İngilizce Wikipedia'ya en agresif şekilde köprü kuruyor. Claude, sadece İngilizce olan niş konularda atıf ortaya çıkarma konusunda en temkinli kişidir. İkizler en çok yerel TLD alan alanlarını avlıyor. Bir model için optimize ediyorsanız, stratejiniz başka bir model için optimize ettiğinizden farklı görünür.

Daha geniş bir sinyal ise, uluslararası pazarlarda yapay zeka görünürlüğünün, her zaman güçlü organik görünürlüğü destekleyenler üzerine inşa edildiğidir: otoriter içerik, doğru şekilde yerelleştirilmiş ve kullanıcıların ve tarayıcıların güvenebileceği bir alan alanından hizmet veriyor. Mekanizma artık daha keskin bir şekilde ödüllendiriyor ve yokluğunu da daha keskin cezalandırıyor.

Rakiplerinizden önce çok dilli yapay zeka sonuçlarında ortaya çıkın

Bu çalışmanın tamamı kolayca şu şekilde özetlenebilir: sitenizi çevirin, yabancı kitlenizin nerede olduğunu gösterin. Yapay zeka arama ve tüketim alışkanlıklarını büyük ölçüde değiştirmiş olsa da, müşterilerinizin dilini konuşmak – ve onlara nasıl konuştuğunuzu sahiplenmek , bunu tarayıcı eklentilerine bırakmak yerine – onlara ulaşmanın kolay ama sürdürülebilir bir yoludur.

Başlamaya hazır mısınız? Sitenizi şu şekilde çevirin Weglot, 14 gün boyunca bedeva.