AI arama motorları, schema.org NewsArticle ile yapılandırılmış, ilk üç alıntısı isimle atfedilmiş ve iddiaları atomize edilmiş basın bültenlerini alıntılıyor; geri kalanını ayrıştırma sırasında bilgi kaybeden anlatıya kurban veriyor.

AI arama motorları, yapılandırılmış basın bültenlerini alıntılıyor; anlatıya dayalı yazılanları büyük ölçüde yok sayıyor. ChatGPT, Perplexity, Gemini ve Google AI Overviews; schema.org NewsArticle işaretlemesi açıkça gömülmüş, ilk üç alıntısı isimli kaynaklardan gelen ve iddiaları cümle başına bir olgu hâlinde atomize edilmiş bültenleri tercih ediyor. Dağıtım servisinin erişimi büyük olsa bile, hikaye akışına yaslanmış bir bülten ayrıştırma aşamasında bilgi kaybediyor.

AI motorları 2026'da bir basın bültenini nasıl tüketiyor

Bir AI motoru bir basın bülteni sayfasına ulaştığında olan şey şu sırayla işler: HTML çekilir, sayfa başında JSON-LD veya schema.org bloğu aranır, varlıklar (Organization, Person, Place) çıkarılır, alıntılar konuşmacıya atfedilir, iddialar atomize edilir ve alıntı adayları olarak puanlanır. Gazeteci aynı sayfayı okuduğunda hikayeyi takip eder; ayrıştırıcı yapısal sinyalleri tarar.

Aynı bülten iki çok farklı sinyal seti üretir. Anlatı paragrafı gazeteciye "ne oldu" der; ayrıştırıcı yalnızca cümle parçaları, niteliği belirsiz alıntılar ve kanıtlanmamış sayılar görür. GEO araştırması (Aggarwal vd., 2024), kaynak içeriğe alıntı, atıf ve istatistik eklemenin generatif arama yanıtlarındaki görünürlüğü %40'a kadar artırabildiğini gösteriyor.

Dağıtım servisleri bilgi kaybettirir. Çoğu servis sayfayı yeniden akışa sokar, JSON-LD'yi sıyırır veya bozar, kanonik URL'yi değiştirir, görselin alt metnini düşürür. Bültenin orijinali iyi yapılandırılmış olsa bile, motorun gördüğü kopya genellikle servisin yeniden ürettiği kopyadır. ChatGPT, Perplexity, Gemini ve AI Overviews aynı sinyalleri biraz farklı ağırlıklandırır — ama hepsi yapıyı, niteliği belirsiz anlatıya tercih eder.

Alıntı kazandıran schema.org NewsArticle yapısı

schema.org NewsArticle, bir haber içeriğinin ayrıştırıcı tarafından güvenle tanınması için ihtiyaç duyduğu zorunlu alanları tanımlar: headline, datePublished, isim ve URL içeren author (Organization), logosu olan publisher. Google'ın Article structured data dokümantasyonu hangi alanların zorunlu, hangilerinin önerilen olduğunu ayrıntısıyla belirtir.

Alıntı için kritik opsiyonel alanlar şunlar: about, mentions, isBasedOn, citation, dateModified. about ve mentions motorun bülteni hangi varlıklarla ilişkilendireceğini söyler; citation ve isBasedOn orijinal araştırmaya, çalışmaya ya da olaya bağlanır. Bu alanlar atlandığında bültenin alıntı adayı puanı düşer.

JSON-LD bloğunun yeri de önemli. Blok <head> içinde ve sayfanın ilk script bloğu olarak yer almalı. JSON-LD 1.1 W3C tavsiyesi bu serileştirmenin standart biçimidir; sayfa altına ya da <body> sonuna enjekte edilmiş işaretleme çoğu zaman ya geç ayrıştırılır ya da hiç değerlendirilmez.

Pratik sonuç: dağıtım servisi bu yapıyı koruyacağına dair garanti vermiyorsa, kendi haber merkezini (newsroom) kanonik kaynak olarak konumlandırmak gerekiyor. Servis kopyasına yönlendirmek yerine rel=canonical ile haber merkezi URL'sine işaret etmek, motorun "asıl belge" olarak doğru sayfayı seçmesini sağlar.

Stratejik alıntı yerleşimi

Atfedilmiş alıntılar arasında ayrıştırıcılar çok keskin bir ayrım yapar. "İsim + görev + bağlı olduğu kurum" formuna sahip alıntılar (ör. "CEO Ayşe Yılmaz, 28 Nisan tarihli açıklamasında...") çıkarılır ve kişi varlığına bağlanır. "Şirket sözcüsü", "yetkili bir kaynak", "yönetim ekibi" gibi atıflar büyük ölçüde elenir.

İlk üç alıntının ağırlığı orantısız. Bültende üç güçlü atfedilmiş alıntı ve dördüncü zayıf bir alıntı varsa, motor genellikle ilk üçü çıkarır ve dördüncüyü görmez. Yerleşim sırası, kalitesi yüksek bir alıntının bile kaderini değiştirir.

Uzunlukta tatlı nokta var: çekince barındırmayan, "inanıyoruz ki" ya da "umuyoruz ki" tarzı PR fiilleri içermeyen 1-2 cümlelik beyan biçimli alıntılar en yüksek çıkarım oranına sahip. Konuşmacıyı schema.org Person varlığı olarak işaretlediğinizde — jobTitle, affiliation, mümkünse sameAs (LinkedIn, kurumsal bio) alanlarını doldurarak — motor insanı iddiaya bağlayabilir.

Atomik iddialar

Ayrıştırıcı bir paragraftan ne çıkaracağına karar verirken cümleyi atomize etmeye çalışır. Her cümle bir olgu, bir tarih ve bir kaynak içerdiğinde — kaynak ister kurum içi araştırma ister üçüncü taraf ister gözlemlenebilir olay olsun — cümle alıntı adayı haline gelir. Cümle birden fazla iddiayı paketlediğinde ("X, Y ve Z'yi %30 artırdık") motor güvenle ayrıştıramadığı için tüm cümleyi düşürür.

Sayısal iddialar açık birim, açık tarih ve yöntem ipucu ister. "%30 artış" tek başına düşük güvenli; "2026 ilk çeyreğinde, AppsFlyer ölçümlerine göre, kullanıcı başına gelir 18,40 ₺'den 23,90 ₺'ye yükseldi" çıkarılabilir.

Alıntı çekiciliği yüksek paragraf deseni şu sırayla çalışır: soru → doğrudan cevap → destekleyici kanıt → bağlantılı kaynak. Bu sıra, motorun cevabı tek bir cümlelik öbek olarak çekip kaynağı atfetmesini kolaylaştırır.

Önce ve sonra: tipik bir bülteni yeniden yazmak

Tipik anlatı bülteni şöyle başlar: "Şirket X, sektörde devrim yaratan yeni ürününü piyasaya sürdüğünü heyecanla duyurdu." Yapılandırma yok, alıntı anonim, iddialar paketlenmiş. AI Overviews bu paragrafı gördüğünde çıkaracak güvenilir bir olgu bulamaz.

Yeniden yazılmış sürüm aynı içeriği farklı taşır: <head> içinde JSON-LD NewsArticle bloğu (headline, datePublished, author, publisher, about doldurulmuş); ilk paragrafta "Şirket X, 28 Nisan 2026 tarihinde Ürün Y'yi yayınladı" şeklinde tek-olgu cümlesi; ikinci paragrafta CEO'nun ismiyle, göreviyle ve tarihiyle atfedilmiş bir alıntı; üçüncü paragrafta üçüncü taraf bir referansa bağlanan tek bir sayısal iddia. Yapılandırılmış işaretlemeyi yazma sürecinde otomatik üreten bir yazım aracı bu dönüşümü yazarken yapar — sonradan değil.

Dağıtım servisine girince ortaya çıkan yaygın hatalar: kanonik URL'nin servis kopyasına dönmesi, görselin alt metninin düşmesi, JSON-LD'nin yeniden biçimlendirilmesi, dateModified alanının servis tarihiyle değişmesi. Haber merkezi kopyasında rel=canonical doğru şekilde işaret etmiyorsa motor servis kopyayı asıl kaynak sayar.

AI alıntısını ölçmek

Yayından sonra ölçüm doğrudan testlerle başlar. Hem markalı (şirket adı + konu) hem markasız sorgularla ChatGPT, Perplexity, Gemini ve Google AI Overviews'i 1-2 hafta içinde sorgulayın. Her sorgu için kayıt: hangi motor alıntıladı · hangi iddiayı atfetti · hangi URL'yi gösterdi. Motorun çoğunlukla servis kopyasını gösterdiğini fark ederseniz, kanonikalizasyon sorunu var demektir.

Perplexity'nin Publisher Programı yayıncılara kendi indeksleme ve alıntı davranışı hakkında belgelenmiş yönergeler veriyor. Diğer motorlar bu kadar açık değil — bu yüzden ölçüm tek seferlik bir sorgu değil, devam eden bir döngü olmalı.

Alıntı görünmediğinde tanılama sırası şu: işaretleme (JSON-LD doğrulayıcısından geçiyor mu?) → alıntı atfı (ilk üç alıntı isimli mi?) → iddia yoğunluğu (cümle başına bir olgu mu?) → URL kanonikalizasyonu (motor sizin asıl sayfanızı mı, servis kopyasını mı görüyor?). Yayın öncesinde yapılandırılmış verinin ön izlemesini görmek, bu sıradaki ilk adımı yayın öncesinde yakalamanıza imkan verir.

Gerçekçi beklenti: AI motorları opaktır, alıntı davranışı haftadan haftaya değişir, tek bir test ölçüm değildir. İterasyon döngüsünü işletmek — yapılandır, yayınla, sorgula, kayıt et, düzelt — yapı kararını her bültene tutarlı uygulayan tek sürdürülebilir yol.

AI Arama Motorları Hangi Basın Bültenlerini Alıntılıyor