Araştırmaya göre Perplexity yanıt başına ortalama 16,7 atıf veriyor; ChatGPT 1,6

Deney

dev.to'da yayımlanan bir araştırma, tek bir gün içinde ChatGPT, Perplexity ve Google AI Mode'a aynı 47 satın alma sorusunu sordu ve ortaya çıkan 141 yanıttaki tüm atıfları sınıflandırdı. Yazar, asistanları yanıt kalitesine göre sıralamak yerine, her birinin bir web sitesinin istemcisi olarak nasıl davrandığına odaklandı: kaç kaynağa başvurduğu, ne tür siteleri tercih ettiği ve bir yayıncının çıktısında görünmek için ne yapması gerektiği.

Atıf farkı

Öne çıkan rakamlar birbirinden ciddi biçimde ayrışıyor. Gönderiye göre Perplexity yanıt başına ortalama 16,7 atıf verirken, Google AI Mode 3,7 ve ChatGPT 1,6 atıf veriyor. Yalnızca sağlayıcı web sitelerine giden bağlantılar sayıldığında, Perplexity 47 yanıtında 667 bağlantı üretirken ChatGPT 47 bağlantı üretti — neredeyse tam olarak yanıt başına bir tane.

Yazar bu farkı pratik çıkarım olarak çerçeveliyor. Perplexity'de bir sayfa gerçekten yarışta, çünkü motor geniş bir şekilde okuyor ve okuduğunun büyük kısmına atıf yapıyor. ChatGPT'de ise yanıt başına kabaca bir atıflı site olduğu için seçim, sayfa hiç çekilmeden önce yapılmış gibi görünüyor ve sayfadaki iyileştirmeler, sayfanın hiç olmadığı bir kısa listeyi değiştiremiyor. Google AI Mode ikisinin arasında kalıyor.

Google Maps'ten yanıltıcı bir sinyal

ChatGPT 47 yanıtından 23'ünde Google Maps'e bağlantı verdi ve bu, doğrulanmış bir işletme kaydı tutmanın bir gerekçesi olarak okunabilirdi. Yazar gerçek URL'leri inceledi ve durumun farklı olduğunu gördü: 507 Maps bağlantısının tamamı, google.com/maps/search/ biçiminde işletme adı ve şehirle oluşturulmuş arama sorgularıydı ve hiçbiri gerçek bir /maps/place/ kaydına işaret etmiyordu. Bu örüntü, modelin işletmeyi sıradan web aramasıyla bulduğunu ve ardından kullanıcıya kolaylık olsun diye bir harita bağlantısı oluşturduğunu düşündürüyor. Daha geniş ders metodolojik: bir bağlantının hostname'inden sonuç çıkarmadan önce biçimini inceleyin.

Tarayıcının hiç ulaşmadığı yapılandırılmış veri

Yazarın kendi sitesini doğrularken araştırma, geniş bir geçerliliği olan bir uygulama detayına rastladı. Next.js'in next/script bileşeni aracılığıyla render edilen JSON-LD, strategy="beforeInteractive" ile bile sunucudan gelen HTML'de hiç görünmüyor; içerik self.__next_s kuyruğuna alınıyor ve hidrasyondan sonra enjekte ediliyor. Google'ın tarayıcısı JavaScript'i çalıştırıyor ve veriyi sonunda alıyor, ama asistan yanıtlarının arkasındaki fetcher'ların çoğu almıyor. Bir sayfada, düz bir script etiketiyle üretilen FAQPage bloğu curl çıktısında görünürken, aynı sayfada next/script ile üretilen BlogPosting bloğu yoktu.

Düzeltme küçük: yapılandırılmış veriyi düz bir script type="application/ld+" etiketi ve suppressHydrationWarning ile üretin. Gönderiye göre, JavaScript okumayan okuyucular için yapılandırılmış verinin var olup olmadığı bu tek satırlık farka bağlı.

Arama sonuçları ve asistan yanıtları aynı fikirde değil

Kanal dağılımı da ayrışıyor. Bu ticari sorgular için Google'ın sonuç sayfaları kabaca yarısı liste tarzı içerik, yarısı ajans landing page'lerinden oluşurken, aynı sorulardaki asistan yanıtları videoya, profesyonel ağlara, forumlara ve köklü yayıncılara dayandı. Bir kanaldaki görünürlüğü iyileştiren çalışma diğerini mutlaka hareket ettirmiyor. Gönderi sınırları hakkında açık sözlü — tek bir günde 47 soru küçük bir örneklem — ve tam metodoloji, tablolar ve uyarılar için yazarın kendi sitesindeki ayrı bir yazıya işaret ediyor.

Neden önemli

Asistanlar anlamlı bir keşif kanalı haline gelirse, yayıncılar AI görünürlüğünü tek bir hedef olarak ele alamaz. Perplexity birçok kaynak arasında okunup karşılaştırılabilen siteleri ödüllendiriyor; ChatGPT'nin darboğazı herhangi bir sayfa çekiminin üst tarafında; Google AI Mode ikisinin arasında. Araştırmadan iki somut eylem çıkıyor. Birincisi, yapılandırılmış veri ve taranabilir diğer içerik, istemci tarafı hidrasyonun arkasında değil sunucu HTML'sinde yaşamalı; aksi halde çoğu asistan fetcher'ı bunu hiç görmeyecek. İkincisi, atıf ve yönlendirme örüntülerini analiz eden ekipler bağlantıların gerçekte ne olduğunu doğrulamalı — Google Maps örneğinin gösterdiği gibi, makul görünen bir sinyal, optimizasyon çabasını tam ters yöne yönlendirebilir.