SEO'da Yapay Zeka Araçları: Kullandığım Set ve Onu Şekillendiren Testler

SEO'daki yapay zeka araç setim dil modellerinden, Google sonuçlarına dair ücretli verilerden, bir site tarama programından ve kendi betiklerimden oluşuyor. Model verileri iyi düzenliyor, anlatıyor ve kod yazıyor. Ancak sonuçların tek bir çekiminden ya da modelin tek bir cevabından çıkan sonuç rastgele olabiliyor. Bu yüzden bu araçları kullanma biçimimi değiştiren testleri gösteriyorum. 1'den 10'a bir sıralama yapmıyorum, çünkü bu araçları aynı veriler üzerinde yan yana karşılaştırmadım.

Yapay zeka SEO'da neyi iyi yapar, neyi yapamaz?

Dil modeli iyi okur, düzenler ve yazar, ama bellekten kötü hesaplar ve ona vermediğiniz verileri göremez. 26 ve 27 Eylül 2026'da dil modellerini 17 tür SEO görevinde, her birini kolay ve zor seviyede denedim. Türlerin bir kısmını SEO uzmanı için verilmiş 103 iş ilanına dayanarak kurdum. İlanlar en sık teknik denetimi, raporlamayı ve veri analizini sayıyordu. Araçlardan en sık Search Console, Google Analytics 4 (GA4), Ahrefs, Semrush ve Screaming Frog geçiyordu.

En güçlü modeller hemen her görev türünde neredeyse %100 puan aldı, bu yüzden farkları ancak daha zayıf modeller gösterdi. Öndekiler arasında Claude Opus 5.5, Fable 5.1, Codex ve Gemini 3.1 Pro vardı. Dosyadan hesaplamada zor seviyede Claude Haiku 4.5, 10 puandan 2 aldı. Düşük akıl yürütme seviyesindeki Gemini 3.8 Flash 10 puandan 1, yerel Gemma 4 12B ise 10 puandan 0 aldı. Modelin veriyi Python betiğiyle hesaplayabildiği görevlerde, denenen bütün bulut modelleri tam puan aldı. Onların en zayıfları da tam puan aldı. Bu görevlerdeki veriler, Screaming Frog'dan alınan dışa aktarımlar, 45 bin GA4 olayı ve 160 bin satırlık bir sunucu logu. Bu yüzden çalışmamdaki rakamları, modelin yazıp çalıştırdığı bir betik hesaplıyor.

Lehçe bir metni iki model kör değerlendirme yöntemiyle puanladı ve burada farklar büyüktü. Değerlendirenler, metni hangi modelin yazdığını bilmiyordu. Ölçek 5 dereceliydi ve 5, müşteriye düzeltmesiz gönderilebilecek metin demekti. Zor yazı görevinde yalnızca Claude Opus 5.5 ve Claude Sonnet 5, 5 aldı. Gemini 3.1 Pro, alıcıyla “dünkü görüşme” uydurduğu için 2 aldı. Değerlendiren Claude Opus, hem Claude'un hem de diğer modellerin cevapları için Gemini'den daha katıydı.

Aynı model, aynı testin bir sonraki çalıştırmasında farklı bir sonuç verebilir. Claude Haiku 4.5, iki çalıştırmada 102 puan üzerinden 62 ve 39 aldı. Bir yapay zeka modelinin neden bir sitenin tam denetimini tek başına yapamayacağını SEO analizi yazısında anlattım.

Setim: hangi araç ne için?

Araçları üreticilere göre değil, işteki altı kullanıma göre ayırıyorum. Aynı model birkaç kullanımda yer alabiliyor, çünkü onu verileri okumak için başka, kontrol için başka biçimde kullanıyorum. Her kullanımda, çalışma biçimimi değiştirdiğim testi veriyorum.

Hangi dil modellerini ve ne için kullanıyorum?

Asıl işi Claude Code'da, yani dosyalara, betiklere ve verilere erişimi olan, terminalde çalışan Claude'da yapıyorum. Claude betik yazıp çalıştırıyor, dışa aktarımları okuyor ve rapor taslakları hazırlıyor. Codex (OpenAI) ve Gemini (Google) ikinci kontrol için aynı materyalleri alıyor.

Metinleri ve raporları, başka bir üreticinin ikinci modeliyle, iki turda kontrol ediyorum. İlk tur olgu hatalarını ve boşlukları arıyor. İkinci tur yalnızca düzeltmeleri kontrol ediyor, çünkü düzeltme sırasında yeni hatalar ortaya çıkıyor. Ekim 2026'da bir projede ikinci tur, bir rehberde oranın hesaplandığı tüm linklerin sayısında yanlış bir rakam buldu: 76 yerine 79. Bu hata ancak düzeltmeler sırasında ortaya çıktı. Kontrol betiğim bunu bulmadı.

Kalite hakemi olarak model, bir insandan farklı bir şey ölçebiliyor, bu yüzden onu zaten değerlendirdiğim metinler üzerinde sınıyorum. 7 Ekim 2026'da iki modele 87 Google patent açıklamasını değerlendirmesi için verdim. Aralarında daha önce kendim hazır saydığım 8 açıklama vardı ve hakemler bunu bilmiyordu. Anthropic'in modeli Fable, bu 8'in 5'ini hazır saydı. Yüksek akıl yürütme seviyesindeki Codex 8'in 1'ini hazır saydı.

Bu iki sonuç yalnızca kendim hazır saydığım metinler hakkında bilgi veriyor. Kalan 79 açıklamayı ben değerlendirmedim, bu yüzden kaç reddin yerinde olduğunu bilmiyorum. Codex toplam 87 açıklamanın 51'ini reddetti, çünkü açıklamanın her cümlesini istemlerle, yani patentin hukuki kapsamıyla karşılaştırdı. Hakemlerin birbirleriyle uyumu rastgeleye yakındı. Cohen kappa'sı 0,06 çıktı; 0 rastgele uyumu, 1 tam uyumu gösterir.

Ekran kartlı kendi bilgisayarımdaki yerel modelleri toplu etiketleme için kullanıyorum, çünkü adet başına ödeme yapmıyorum. 1 Ekim 2026'da yerel modelleri dört basit işlemde denedim. Veriler, üç Polonya internet mağazasının sayfalarıydı. Gemma 4 31B, 403 sayfanın %98,5'inde sayfa türünü tanıdı. Sayfa türleri ürün, ürün listesi, makale ya da diğer. Kurallı bir betik bu sayfaların %84'ünü bildi.

Gemma fiyatları neredeyse hatasız okudu ve rakamların uyumunu değerlendirdi, ama bu testteki referansların bir kısmı insandan değil, modelden geliyordu. Sayfa türünün referansı, bir betiğin ürettiği ve Claude Opus modelinin düzelttiği etiketlerdi. Gemma, ürün kartlarının hepsinde (177) fiyatı doğru okudu. Referans, sayfa metniyle uyumlu yapılandırılmış verideki fiyattı. Gemma, bir cümledeki rakamın verilerle uyuşup uyuşmadığını 134 durumun %99,3'ünde doğru değerlendirdi. Bu cümlelerin yarısında rakam bilerek değiştirilmişti. Gemma ayrıca bir anahtar kelimedeki talep türünü (teklif, teklif dışı ya da tavsiye) 218 anahtar kelimenin %97,7'sinde tanıdı. Referans burada da Claude Opus modelinin etiketleriydi.

Aynı model ailesi, gerçek bir teklifin iki dosyası arasındaki sayıların karşılaştırılmasında başarısız oldu. 12 Ekim 2026'da Gemma 4'ün iki sürümü, 26B ve 31B, 63 satırı karşılaştırdı ve yalnızca sahte çelişkiler bildirdi. Örneğin “-%34” ile “üçte bir” ifadelerini çelişkili değerler olarak değerlendirdiler. O metindeki tek gerçek sorun rakamlarla ilgili değildi, tablodaki bir sonuç için abartılı bir sözcükle ilgiliydi. Yani Gemma'nın görevine girmiyordu. Şimdi bir betik, bir dosyadaki her rakamın diğerinde bulunup bulunmadığını kontrol ediyor. Bu, rakamların varlığının kontrolü; anlamlarını bir insan ya da ikinci bir model kontrol ediyor.

Sıralama ve talep verileri için hangi araçları kullanıyorum?

Google sonuçlarına dair verileri DataForSEO'dan, Search Console'dan ve Ahrefs'ten alıyorum ve bu kaynakların her birinin ayrı bir tuzağı var. DataForSEO, her sorgu için ücretle Google sonuçlarının çekimlerini ve talep verilerini satıyor. 17 Eylül ile 14 Ekim 2026 arasında orada 99,89 USD karşılığında 17.076 görev verdim. Bunların 13.085'i Google sonuç çekimiydi.

Sıranın ölçümü için tek bir sonuç çekimi yetmiyor, çünkü aynı anahtar kelimenin art arda çekimleri farklı görünüyor. 7 Ekim 2026'da 94 anahtar kelimenin sonuçlarını saat başı üç kez ve aynı dakikada iki kez, 1,57 USD karşılığında çektim. Sonra aynı anahtar kelimenin iki çekimindeki ilk on alan adını karşılaştırdım. Ortak alan adları, iki çekimdeki tüm farklı alan adlarının medyanda yaklaşık %15'ini oluşturdu. Aynı dakikadaki çekimlerde bu yaklaşık %8'di. Bir anahtar kelimenin medyanda 4 sonuç varyantı vardı. Bu yüzden sıra yerine, alan adının ilk onda yer aldığı çekimlerin oranını hesaplıyorum. Çekim sayısı yaklaşık 10 ve onları aynı anda gönderiyorum.

Bu ölçüm, sırayı tek bir çekimden beş çekimdeki alıntılarla karşılaştırdığım önceki testimi geçersiz kıldı. Testin “geçti” sonucu yanlış çıktı, bu yüzden testi durdurdum. Google sonuçlarının üstündeki yapay zeka cevabı olan AI Overview, bu ölçümde kararlıydı: çekimlerin %97-99'unda çıkıyordu ve alıntılanan sayfa listesi değişmiyordu.

Search Console, Google'ın kendi ölçtüğü tıklamaları gösteriyor, ama panelden dışa aktarım tabloyu 1.000 satırda kesiyor. Tıklamaya göre sıralanmış bin sorgu, verinin en çok tıklanan kısmı. 20 Eylül 2026'da bir sitede panelden dışa aktarım, ABD'de 1-3. pozisyonlar için %4,28 TO gösterdi. TO, gösterimlerin tıklamayla sonuçlanan oranıdır. 1.000 satır sınırı olmadan alınan 16 aylık veri, yani 123.498 sorgu, %1,40 verdi. Bu tür verileri Search Console API'si, yani programlar için arayüz, üzerinden çekiyorum. İkinci yol, Google'ın ücretsiz rapor aracı Looker Studio'da Search Console bağlayıcısıyla bir rapor.

Ahrefs'i linkler, anahtar kelimeler ve rekabet için kullanıyorum, ama onun trafik tahminlerini Search Console'da kontrol ediyorum. Ahrefs Rank Tracker'daki trafik sütunu bir tahmin: tahmini talebin varsayılan tıklama oranıyla çarpımı. Bir sitede bu tahmin Search Console'daki tıklamalardan 10-50 kat yüksekti, başka bir sitede ise yaklaşık 3 kat düşüktü. Rank Tracker, sonuç sayfasındaki blokları da pozisyon olarak sayıyor. Bir durumda 1. sıradan 13. sıraya düşüş, yalnızca sonuçların üstünde bir AI Overview çıkması anlamına geliyordu.

Teknik denetim için hangi araçları kullanıyorum?

Denetimde Screaming Frog'u ve pencere açmadan çalışan Chrome'u kullanıyorum, yapay zeka modeli sonuçları okuyor, ama site taramasının yerini tutmuyor. Screaming Frog siteyi bir arama motoru botu gibi dolaşıyor. Pencere açmadan çalışan Chrome, sayfayı JavaScript çalıştıktan sonra gösteriyor, bu yüzden sayfanın iki sürümünü karşılaştırıyorum. Bir denetimde JavaScript'li ve JavaScript'siz, aynı anda başlatılmış taramalar, render hakkında yanlış bir sinyal verdi. O günden beri onları sırayla çalıştırıyorum.

Denetlenen sitenin güvenlik duvarı tarama programımı engellediğinde, tek tek adresleri Apify Web Fetch hizmetiyle çekiyorum. 12 Ekim 2026 tarihli testte hizmet, kendi IP adresimden çekemediğim 8 sayfanın 8'ini de okudu. İkisi müşteri sitelerine, altısı herkese açık yorum sitelerine, karşılaştırma sitelerine ve internet mağazalarına aitti. Adres başına 0,00155 USD tuttu. Hizmet ise bazen yalnızca doğrulama sayfasını çekmişken 200 koduyla başarılı bir çekim bildirdi. Bu yüzden çok kısa metni ya da doğrulamayla ilgili metni engel sayıp çekimi yineliyorum.

Bu hizmet gerçek bir Google botunun ya da yapay zeka botunun ne gördüğünü göstermiyor. Başka bir IP adresinden bağlanıyor ve bir botun adını versem bile diğer başlıklar sıradan bir Chrome tarayıcısını ele veriyor. Bot engellerini bu yüzden Search Console'da ve farklı botlar için sunucu cevaplarını karşılaştıran kendi betiğimle kontrol ediyorum. Bir isteği gerçek botun gönderip göndermediğini IP adresinden nasıl kontrol ettiğimi llms.txt dosyası yazısında anlattım.

Teknik denetim asistanını ajansımın 2020-2026 denetimleri üzerine kurdum ve onu bir insanın daha önce yaptığı denetimlerde ölçüyorum. Asistan, siteye dair verileri toplayan ve bu denetimlerden derlenmiş bir kural kataloğuna göre kontrol eden bir yapay zeka ajanı. Denetimin kapsamını ve önceliklerini, çalışmanın başında ve denetimi göndermeden önce kendim onaylıyorum. Ölçümün sonucunu, yeni bir sitedeki ikinci ölçümden sonra buraya ekleyeceğim.

İçerik ve semantik için hangi araçları kullanıyorum?

Anahtar kelimeyi sayfayla hibrit arama kullanarak eşleştiriyorum, çünkü aracımın önceki sürümü anahtar kelimelerin yalnızca üçte birinde doğru sayfayı buluyordu. 14 Ekim 2026'da iki sitenin Search Console anahtar kelimelerini, marka adı içerenleri çıkararak aldım. Her anahtar kelime için referans, o anahtar kelimeden tıklamaların en az %60'ını alan ve sitenin taranmış sayfaları arasında bulunan sayfaydı. Aracın önceki sürümü embedding'ler için, yani metnin bir sayı vektörüne çevrilmesi için, MiniLM modelini kullanıyordu. Anahtar kelimelerin %34'ünde referans sayfayı ilk sırada gösterdi.

Hibrit arama üç sayfa listesini birleştiriyor ve referans sayfayı anahtar kelimelerin %80,5'inde ve %77,1'inde buldu. İlk liste e5-large modelinden geliyor. İkincisi içerikteki sözcüklere, üçüncüsü başlıktaki, H1 başlığındaki ve adresteki sözcüklere göre arama. Listeleri, birkaç listede birden yüksekte olan sayfaları ödüllendiren RRF yöntemiyle birleştiriyorum. Embedding'ler için en iyi tek model her sitede farklıydı, hibrit ise ikisinde de kazandı.

Bu testte kendi aracımda bir hata buldum: model metin parçalarının çoğunun sonunu görmüyordu. Betik metni 80 sözcüklük parçalara bölüyordu, model ise 128 token, yani sözcük parçacığı kabul ediyor. Lehçe sözcükler İngilizceye göre daha fazla token'a bölünüyor, bu yüzden parçaların %89-98'i kesiliyordu. %34 sonucu bu yüzden yalnızca MiniLM modelini değil, aracın bu hatayla birlikte önceki sürümünü anlatıyor. Test Google'daki tıklamalarla uyumu ölçüyor, sorguya hangi sayfanın en iyi cevap verdiğini değil.

Varlıkları, yani firma, ürün, kişi ve kavram adlarını, metinlerden yerel GLiNER2 modeliyle çıkarıyorum. Temmuz 2026'daki testimde model Lehçe metinlerde 0,94 F1 aldı, İngilizce metinlerle aynı. F1, kesinlik ve duyarlılığı birleştirir, 1 kusursuz sonuçtur. Bu sonuç, örtüşmeyen etiketler için geçerli. Aynı sorguda aynı anda “firma” ve “marka” etiketleri olduğunda F1 0,85'e düşüyordu. Model sıradan bir işlemcide saniyede yaklaşık 20 paragraf işliyor ve sayfa başına ücret yok.

GLiNER2'yi anahtar kelimelerin niyetini tanımak için kullanmıyorum, çünkü testimde yalnızca %33-42 oranında isabet ediyordu. Sık sık, kendisinin verdiği neredeyse en yüksek güven olan 0,99 güvenle yanılıyordu.

Bu yazı dizisinin konu haritasını Polonya ve ABD'den 71 rakip sayfasındaki varlıklardan çıkardım. Betik 110 varlık ve 1.764 üçlü çıkardı; üçlüler, varlık, özellik ve değer biçimindeki kayıtlardır. Veri 0,072 USD tuttu. Harita yazıların rollerini, linklerle birleştirilecek metin çiftlerini ve bu sitede eksik olan konuları gösterdi.

Link building için hangi araçları kullanıyorum?

Link analizi için Ahrefs'i kullanıyorum, ama kayıp olarak işaretlenen linkleri analiz sonuçlarına dahil etmeden önce doğrudan ilgili sayfalarda kontrol ediyorum. Ekim 2026'da bir projede Ahrefs, 360 Polonya alan adını kayıp olarak gösteriyordu. Bunların 140'ı aynı adresle hâlâ link veriyordu. Yaklaşık 70 adres sıradan bir programla çekilince 403 hatası verdi, bu yüzden onları betikle kontrol edilen bir tarayıcıda (Playwright) kontrol ettim.

Bir link platformu olan Linko'yu ortak yönettiğim için onu burada başka bir firmanın aracı gibi anlatmıyorum. Yayınları satın almadan önce portalları nasıl değerlendirdiğimi link building yazısında anlattım. Yapay zekanın yayınları ve yayıncılarla iletişimi hazırlamaya nasıl yardım ettiğini AI çağında link building yazısında anlattım.

Yapay zeka görünürlüğünü ölçmek için hangi araçları kullanıyorum?

Markanın yapay zeka görünürlüğünü ölçen araçları ayrı bir yazıda anlattım, bu yüzden burada yalnızca ilkeyi veriyorum. Markanın cevaptaki anılmasını ve sayfasının alıntılanmasını ayrı sayıyorum. Her soruyu birkaç kez soruyorum, çünkü asistanların cevapları değişiyor. Ölçümü, tekrar sayısını ve araçların tuzaklarını markanın yapay zeka görünürlüğü yazısında anlattım. Yapay zeka asistanlarının sayfayı alıntılayabilmesi için sitede ne yaptığımı AI SEO ve GEO yazısında anlattım.

Hangi SEO araçlarını kendimiz geliştirdik?

Hiçbir araç sorumu cevaplamadığında, yapay zekanın yardımıyla kendi betiğimi yazıyorum. Bu betiklerin çoğunu kendi çalışmalarımda kullanıyorum: tarama, veri çekme, varlıklar, metinlerin ve rakamların kontrolü. Bir betiği çalışmamda kullanmaya başlamadan önce, doğru cevabı bilinen verilerde sınıyorum.

VerticalSEO'da, site üzerinden ve API üzerinden, yapay zeka ajanları için de erişilebilecek 16 SEO aracı hazırlıyoruz. Araçlar henüz yayımlanmadı. 8 Ekim 2026 tarihli testler, araçların spesifikasyona uygun çalışıp çalışmadığını kontrol etti. 610 API testinin 610'u ve tarayıcıdaki yapay zeka ajanları için araçların 325 testinin 325'i geçti. Bu araçlar, site işlevlerini yapay zeka ajanlarına açan WebMCP standardında çalışıyor. Testler henüz araçların isabetli SEO sonuçları verip vermediğini ölçmüyor.

Varlıkları kontrol eden aracın testi, varlığı belirlemek için adın tek başına yetmediğini gösterdi. Polonya'nın ticaret platformu Allegro'yu arıyordum, ama araç Google'ın bilgi grafiğinden, yani varlık veri tabanından, Vivaldi'nin bir eserini seçiyordu. Adım ve soyadım için bir oyuncuyu seçiyordu. Araç artık bir varlığı yalnızca Google o varlık için kontrol ettiğim siteyi gösterdiğinde onaylıyor. Wikidata'nın ya da sayfanın yapılandırılmış verisinin gösterdiği bir kimlik numarası da onay sayılıyor.

Search Console verileri için panelim LemmeGSC'yi açık kaynaklı yazılım olarak yayına hazırlıyorum. Panel, Search Console verilerini 1.000 satır sınırı olmadan çekiyor. Diğer şeylerin yanı sıra anahtar kelime kanibalizasyonunu, yani bir sitenin birkaç sayfasının aynı anahtar kelimede yarışmasını gösteriyor.

Başlangıç için hangi ücretsiz SEO araçları yeter?

Başlangıç için Search Console, Looker Studio, bir yapay zeka asistanının ücretsiz sürümü ve Screaming Frog'un ücretsiz sürümü yeter. Bu araçların her birinin farklı bir rolü var:

• Search Console, Google'dan tıklamaları, gösterimleri ve sorguları gösterir;
• Search Console bağlayıcılı Looker Studio bu verileri 1.000 satır sınırı olmadan çeker;
• yapay zeka asistanının ücretsiz sürümü, veri verirseniz anahtar kelimeleri gruplar, taslaklar ve betikler yazar;
• Screaming Frog'un ücretsiz sürümü 500 adrese kadar tarar, bu küçük bir site için yeter.

Anahtar kelime ve link için ücretli araçları, ancak onlardan hangi soruya cevap beklediğinizi bildiğinizde eklemeye değer. Ücretsiz yapay zeka asistanı Search Console verilerinizi bilmiyor. En çok, sizden bir dışa aktarım ve sonucu hesaplayacak bir betik isteği aldığında işe yarıyor.

Bir yapay zeka aracına güvenmeden önce onu nasıl test ediyorum?

Aracı, doğru cevabını bildiğim veriler üzerinde sınıyorum. Bu yazıdaki her testte aşağıdaki listenin tüm öğeleri yoktu. Yerel modeller testinde sayfa türünün referansını bir insan değil, bir model düzeltmişti. Bugün bir testte şu öğeler var:

• insanın kararlarından ya da Google'ın verilerinden gelen bir referans veri seti, örneğin bir anahtar kelimeden tıklamaların çoğunu alan sayfa;
• testi çalıştırmadan önce yazılmış beklenen sonuç;
• aynı çalıştırmanın tekrarı, çünkü modelin tek bir çalıştırması ya da tek bir sonuç çekimi rastgele olabilir;
• kontrolün onu yakalayıp yakalamadığını görmek için bilerek hata konmuş durumlar;
• adet başına maliyet ve süre;
• modelin değil, betiğin kontrol ettiği rakamlar.

Test verileri bana ucuza mal oldu, en çok emek isteyen şey referans veri seti. Sonuç çekimleri testi 1,57 USD, serinin konu haritası için veriler 0,072 USD tuttu. Referans veri seti, bir insanın önceden değerlendirmesini gerektiriyor. Verilen maliyetler bu emeği içermiyor.

Testin sonucunu, testin neyi kontrol etmediğiyle birlikte yazıyorum. Anahtar kelimenin sayfaya atanmasında Google'daki tıklamalarla uyumu biliyorum, ama gösterilen sayfanın sorguya en iyi cevabı verip vermediğini bilmiyorum. Yerel modellerde tam görevleri değil, dört basit işlemi denedim. Böyle bir not olmadan testin sonucunu olduğundan geniş sanmak kolay.

SEO'da yapay zeka araçları hakkında sık sorulan sorular

Nereden başlamalı?

Her hafta yaptığınız tek bir görevle ve Search Console'da zaten sahip olduğunuz verilerle başlayın. Modele tüm veriyi verin ve bugün elle hesapladığınız şeyi hesaplayacak bir betik isteyin. Sonucu, kendiniz kontrol edeceğiniz on küsur örnekle karşılaştırın. Sonuçlar ancak uyuştuğunda betiği tüm veriler üzerinde çalıştırın. Çalışmanın başında Search Console'daki hangi verileri kontrol ettiğimi SEO stratejisi yazısında anlattım.