TL;DR: ChatGPT, Perplexity ve Gemini genelinde 100 listing'lik bir denetimde, yalnızca düzyazı içeren listing'lerin citation rate'i %12 iken, yapılandırılmış geo verisi eksiksiz olan listing'lerde %71'e yükseldi. En büyük farkı yaratan üç sinyal doğrulanmış geo koordinatları, nearby context alanları ve platformlar arası NAP tutarlılığıydı.
Nisan 2026'nın ilk iki haftası boyunca tek bir soruya yanıt aramak için 100 konum tabanlı listing üzerinde kontrollü bir denetim yürüttük: yapılandırılmış geo verisi, bir AI asistanının bir listing'i alıntılama oranını gerçekte ne kadar değiştiriyor?
Kısa cevap: en kötü ve en iyi bucket arasında oranı yaklaşık altı kat değiştiriyor. Aşağıda tam metodoloji, bucket başına sonuçlar ve bir listing'i AI arama için optimize eden herkes için pratik çıkarımlar var.
Metodoloji
Listingler. Dört vertikalde 100 listing: 30 tatil kiralığı, 25 butik otel, 25 bağımsız restoran, 20 yerel gezi noktası. Coğrafyalar, tek pazar sapmasını sınırlamak için 14 Avrupa şehrine yayıldı. Tüm listinglerin aktif, indekslenebilir bir ana sayfası ve en az bir üçüncü taraf dizin varlığı vardı.
Sorgu kümesi. Listing başına on beş discovery-intent prompt şablonu; genel discovery ("Porto'da sessiz butik oteller"), özellik odaklı discovery ("Porto'da metroya yürüme mesafesinde oteller") ve isimle hatırlama ("Casa do Vale, Porto'da iyi bir guesthouse mu") kapsıyordu. Her şablon, konuşma geçmişi olmadan, temiz bir session'da sıfırdan çalıştırıldı.
Modeller. ChatGPT (GPT-5 sınıfı), Perplexity, Gemini. Her prompt model başına bir kez çalıştırıldı, böylece listing başına 45 ve toplamda 4500 cevap elde edildi.
Puanlama. Bir cevap, listing bağlantılı bir kaynak olarak göründüğünde, cevapta açıkça anıldığında veya her ikisi birden olduğunda citation olarak sayıldı. Kısmi isim eşleşmeleri false positive'leri elemek için elle gözden geçirildi.
Bucketing. Her listing, MapAtlas AEO Checker tarafından 29 yapılandırılmış sinyal üzerinden puanlandı ve ardından dört bütünlük bucket'ından birine yerleştirildi. Bucket eşikleri puanlama başlamadan önce sabitlendi.
Ana Sonuç
En alt ve en üst bucket'lar arasındaki citation rate farkı beklediğimizden daha büyüktü.
Kaynak: MapAtlas benchmark, Nisan 2026, n=100 listing, 4500 cevap.
Zengin metne ama yapılandırılmış veri içermeyen alt bucket, %12 citation rate elde etti. Tam Place schema, doğrulanmış geo koordinatlar, yakın çevre bağlam alanları, FAQ schema ve platformlar arası tutarlı NAP içeren üst bucket ise %71'e ulaştı.
Sinyal Bazlı Detaylandırma
Üst bucket sonucunu hangi bireysel sinyallerin sürüklediğini anlamak için feature-ablation analizi yürüttük. En yüksek ağırlıklı altı sinyalin her biri için, sinyale sahip olan listinglerle olmayanlar arasında, diğer değişkenleri yaklaşık sabit tutarak citation rate'leri karşılaştırdık.
| Sinyal | Sinyal ile | Sinyal olmadan | Lift |
|---|---|---|---|
Geo ile tam Place JSON-LD | 58% | 19% | 3.1x |
| Doğrulanmış yakın POI verisi | 62% | 24% | 2.6x |
| Transit yakınlık alanları | 54% | 22% | 2.5x |
| Konum soruları içeren FAQ schema | 49% | 26% | 1.9x |
| 3+ platformda NAP tutarlılığı | 56% | 21% | 2.7x |
| Dış tanımlayıcı (Wikidata / Place ID) | 51% | 27% | 1.9x |
Kaynak: MapAtlas benchmark, Nisan 2026.
Bu tablodan dört çıkarım:
- Geo koordinatlar tek başına en güçlü lift'i veriyor.
geoolmadan bir Place bloğu, hiç schema bulunmamasından yalnızca marjinal olarak iyidir. - Yakın çevre bağlamı neredeyse o kadar güçlü. İsimli POI'lere ve transit'e yakınlık, citation'ın ikinci en büyük belirleyicisidir.
- FAQ schema yardımcı oluyor ama konuma özel sinyallerden daha az. Konum sorularını yanıtlayan FAQ'ler ("en yakın metro ne kadar uzakta"), genel operasyonel FAQ'leri geniş bir farkla geride bıraktı.
- Dış tanımlayıcılar sıkletlerinin üstünde yumruk sallıyor. Listing'i bir Wikidata QID'sine veya Google Place ID'sine bağlamak, ablation'da citation rate'i neredeyse ikiye katladı; muhtemelen AI sistemlerinin kaynaklar arasında dedup yapmasını sağladığı için.
Vertikal Farkları
Etki büyüklüğü vertikaller arasında aynı değildi. En zayıf baseline'dan başlayan tatil kiralıkları, yapılandırılmış veriden en büyük mutlak kazancı gösterdi. Eğitim verisinde zaten iyi temsil edilen landmark'lar en küçüğünü gösterdi.
| Vertikal | Alt bucket | Üst bucket | Fark |
|---|---|---|---|
| Tatil kiralığı | 7% | 68% | +61 |
| Butik otel | 14% | 74% | +60 |
| Bağımsız restoran | 13% | 69% | +56 |
| Yerel gezi noktası | 18% | 72% | +54 |
Kaynak: MapAtlas benchmark, Nisan 2026.
En net kazanç tatil kiralıklarında. Görünmez başlayan bir listing, yalnızca yapılandırılmış veri üzerinden sürekli alıntılanan bir kaynağa dönüşebiliyor. Zaten güçlü kamu temsiline sahip mekanlarda etki daha zayıf, ama hala anlamlı.
Model Aslında Ne Yapıyor
200 cevabın kalitatif incelemesinde tekrar eden bir desen ortaya çıktı. Bir listing eksiksiz yapılandırılmış veriye sahip olduğunda, asistan belirli gerçekleri alıntılama eğilimine giriyordu: istasyona yürüme süresi, 300 metre içindeki restoran sayısı, mahalle adı, açılış saatleri. Aynı listing yapılandırılmış verisinden soyulduğunda, asistan ya listing'i tamamen atlıyor ya da genel ifadelerle tanımlıyordu.
Bu, retrieval-augmented modellerin davranış eğilimiyle örtüşüyor. Soruyu somut, doğrulanabilir gerçeklerle cevaplayan kaynakları tercihli olarak alıntılıyorlar. Bir listing'i "sessiz ve yürünebilir" diye tanımlayan metin, "walk score 92, gürültü indeksi ortalama 18 dB" diyen yapılandırılmış bir alana karşı kaybediyor. İkinci versiyon çıkarması daha kolay, kullanıcının sorgusuyla karşılaştırması daha kolay ve atfedilmesi daha kolay.
Bir Listing'i Bucket 1'den Bucket 4'e Ne Taşır
Ablation'a dayalı olarak, lift'in büyük kısmını dört değişiklik oluşturuyor:
1. Geo koordinatları olan eksiksiz bir Place veya LodgingBusiness JSON-LD bloğu ekleyin. Posta adresiyle eşleşen koordinatlar, kanonik bir dış tanımlayıcı ve gerekli tüm Schema.org alanları. Google'ın kendi yerel işletme için yapılandırılmış veri rehberi, en çok ağırlığa sahip alanları listeler. Alan düzeyinde ayrıntılar için bkz. yerel işletme AI citation'ları için JSON-LD schema.
2. Listing'i doğrulanmış yakın çevre bağlamıyla zenginleştirin. En yakın transit duraklarına yürüme süreleri, yakın restoran ve kafe sayıları, tanımlı bir yarıçap içindeki isimli POI'ler. MapAtlas GeoEnrich bunu ölçekte doğrulanmış kaynaklardan üretir, böylece hem schema'ya hem sayfa metnine gömülebilir.
3. Konuma özel FAQ schema yayınlayın. Kullanıcıların konum sorgularını ifade ediş şekline doğrudan denk gelen sorular. Bkz. AI arama için konuma özel FAQ'ler.
4. NAP'yi platformlar arasında uzlaştırın. Listing ana sayfası, Google Business Profile ve en az bir üçüncü taraf dizin, aynı isim, adres ve telefonu göstermeli. Mekanik için bkz. AI arama için NAP tutarlılığı.
Uyarılar
Bu benchmark yön göstericidir, kesin değil. Belirtmeye değer üç sınırlama:
- Örnek boyutu. 100 listing büyük etkileri görmek için yeterli, ama ince ayrıntılı farkları çözmek için değil.
- Model drift. AI asistanları sıkça güncelleniyor. Mutlak rakamlar kayacak, sinyallerin göreli sıralaması daha stabil.
- Sorgu karışımı. Şablonlarımız discovery intent'e doğru eğilimli. Transactional sorgular ("Porto'da bu gece bir oda booking yap") farklı yönlendiriliyor ve kapsam dışındaydı.
Daha geniş nokta herhangi bir tekil sayının hassasiyeti değil. Nokta şu: yapılandırılmış ve yapılandırılmamış listingler arasındaki fark büyük, ölçülebilir ve büyük ölçüde listing sahibinin kontrolü dahilindeki çalışmayla kapatılabilir.
Kendi Baseline'ınızı Ölçün
MapAtlas AEO Checker, bir listing'i bu benchmark'ta kullanılan aynı 29 sinyale karşı puanlar. En iyi performans gösteren mülkünüz üzerinde, sonra da en zayıfınızda çalıştırın. Puandaki fark genellikle her birinin pratikte AI asistanları tarafından ne sıklıkla yüzeye çıkarıldığındaki farkla örtüşüyor.
Citation rate, aramayı AI üzerinden yapan kullanıcı kuşağı için organik sıralamanın analoğu haline geliyor. Kazanan listingler, modele çıkaracak bir şey verenler. Geri kalanı modelin nazikçe görmezden geleceği metinden ibaret.
İlgili içerikler:
- AI asistanları neden adres uyduruyor
- SEO keyword'den keyword'e idi, artık database'den database'e
- AI arama için konuma özel FAQ'ler
- AI görünürlük skorunuzu ücretsiz kontrol edin
Sıkça Sorulan Sorular
AI citation rate nedir?
AI citation rate, bir AI asistanının belirli bir listing'i alıntılanan kaynaklar arasına koyduğu veya cevabında ismini açıkça belirttiği ilgili kullanıcı sorgularının oranıdır. AI aramasının organik sıralamaya karşılık gelen metriğidir, ama sonuç sayfası seviyesinde değil cevap seviyesinde ölçülür. %40 citation rate'e sahip bir listing, test edilen asistanlarda ilgili her beş cevabın ikisinde görünür.
Bu benchmark nasıl yapıldı?
Dört vertikalde 100 listing seçtik: tatil kiralıkları, butik oteller, bağımsız restoranlar ve yerel gezi noktaları. Her listing, standart bir discovery-intent soru şablonu kullanılarak ChatGPT, Perplexity ve Gemini üzerinde 15 kez sorgulandı. Cevaplar, listing'in alıntılanan bir kaynak veya adıyla anılan bir öneri olarak görünüp görünmediğine göre puanlandı. Listingler daha sonra MapAtlas AEO Checker ile ölçülen yapılandırılmış veri bütünlüğüne göre bucket'lara ayrıldı.
Citation rate üzerinde en büyük etkiyi ne yaptı?
Üç sinyal ibreyi en çok oynattı: geo koordinatları ile birlikte eksiksiz bir Place veya LodgingBusiness JSON-LD bloğunun varlığı, toplu taşıma süreleri ve isimli POI'lere yakınlık gibi doğrulanmış yakın çevre bağlamı ve Google Business Profile, listing ana sayfası ile en az bir üçüncü taraf dizin arasındaki NAP tutarlılığı. Bu üçünde de yüksek puan alan listingler, üçünde de düşük puan alan listinglerden yaklaşık altı kat daha yüksek citation rate'e sahipti.
Yalnızca metin açıklamaları işe yaradı mı?
Marjinal düzeyde. Konum anahtar kelimeleri içeren ama yapılandırılmış veri barındırmayan uzun metin açıklamaları, yaklaşık %12 temel citation rate üretti. Doğrulanmış geo alanları olmadan Schema.org markup eklemek bu oranı yaklaşık %28'e çıkardı. Doğrulanmış yakın çevre bağlamı ve tutarlı NAP verisi eklemek, en iyi bucket için oranı daha da yükseltip yaklaşık %71'e taşıdı. Metin kalitesi, listing bir kez alıntılandıktan sonra kullanıcı güveni için önemlidir, ama listing'in ilk etapta alıntılanıp alıntılanmadığı üzerinde sınırlı etkiye sahiptir.
Kendi citation rate'imi nasıl ölçebilirim?
Listing URL'nizi mapatlas.eu/ai-seo-checker adresindeki ücretsiz MapAtlas AEO Checker üzerinden geçirin. Checker, bu benchmark'ta kullanılan aynı 29 sinyali puanlar ve eksik olanları işaretler. Puanı, ChatGPT, Perplexity ve Gemini genelinde periyodik manuel promptlarla birleştirerek listing'inizin zaman içinde ne sıklıkla yüzeye çıktığını takip edin.
