AI Markanız Hakkında Nasıl Konuşuyor? Bileşik Büyüyen Bir Varlık Olarak Duygu

Çoğu görünürlük panosu tek bir soruyu cevaplıyor: model bizi anıyor mu? Asıl zor soru, anarken ne söylediği — çünkü cevap motorunda nitelendirme öneriyle birlikte seyahat eder. “Destek yorumları karışık, uygun fiyatlı bir seçenek” ile “kategorinin standardı” ifadelerinin ikisi de anılmadır. Ama yalnızca biri satar.

Searchable’dan Chris Donnelly’nin çerçevesi yapısal noktayı koyuyor: bu ortamda duygu bileşik büyür; çünkü modeller, daha önceki model çıktısının şekillenmesine yardım ettiği metni yeniden sindirir. Arama sıralaması algoritma güncellendiğinde sıfırlanır; kaynaklara gömülmüş bir nitelendirme, kaynaklar değişene kadar kalır.

Bu, araştırma serimizin onuncu raporu; öncekiler motor ayrışması, atıf tedarik zinciri, marka yanlış bilgisi, B2B kısa listesi, uzun kuyruk tezi, kurumsal agent’lar, meydan okuyucu-yerleşik, alışveriş kaynak haritası ve genel-dikey asistanlar.

Metodoloji

Açık kaynaklı bir sentez

Bu rapor bir Brantial panel ölçümü değil, araştırma sentezidir. Duygu oluşumunun mekanizmasını yayımlanmış araştırmalardan ve 2026 konferans sunumlarından açıklar; her rakam kaynağıyla verilir, yorum yorum olarak işaretlenir. Bilinçli olarak marka bazlı hiçbir duygu skoru yayımlamaz: bunlar birinci taraf ölçüm gerektirir ve Türkçe duygu haritası Brantial prompt panelinde devam çalışması olarak planlanmıştır.

Çerçeve

Dört soru: duygu nereden geliyor, neden sertleşiyor, yanlış bir olgudan nasıl ayrılıyor ve bir marka neyi hareket ettirebilir?

Bulgu 1: Duygu, modelin yazdığı değil kaynaklardan derlediği şeydir

Model bir marka hakkında görüş oluşturmaz; kaynaklarının söylediklerinin dengesini özetler. Bu da kaynak karışımını duygu karışımı yapar — ve kaynak ekosistemi raporumuz bu karışımın neye benzediğini ortaya koymuştu: atıfların %3’ünden azı birinci lig medyaya, gerisi niş, uzman ve topluluk kaynaklarına (Tim Sanders/G2; Josh Blyskal/Profound — Zero Click NY 2026).

Motor ayrımı burada her yerdekinden daha önemli. ChatGPT topluluk içeriğini atıflarının kabaca %16’sına taşıyor; Claude %0,9’da kalıyor (Profound). Değerlendirici dil — övgü, şikâyet, karşılaştırma, kırgınlık — topluluk metninde yaşar. Topluluklara ağırlık veren motor onların tonunu miras alır; yapılandırılmış editoryal içeriğe ağırlık veren motor aynı markanın daha düz, teknik özellik odaklı bir nitelendirmesini devralır.

Yorum: Bir marka, kendisiyle ilgili hiçbir şey farklı olmadan iki motorda esaslı biçimde farklı duygu taşıyabilir — yalnızca okunan kaynaklar farklı olduğu için.

Bulgu 2: Bileşik büyümeyi sağlayan şey döngüdür

Üç yayımlanmış gözlem kapanan bir döngüyü tarif ediyor.

Tüketiciler, modellerin okuduğu yerlerde teyit ediyor. Tüketicilerin yaklaşık yarısı bir AI önerisini uygulamadan önce Reddit’te kontrol ediyor (Rob Gaige, Reddit — Zero Click NY 2026). Bu teyit sonra başka bir başlığa dönüşüyor — modelin zaten güvendiği bir kaynakta, yeni metin.

Marka müdahalesi kaynağı bozuyor. Reddit’in kendi verisi: haftada üçten fazla gönderi paylaşan markalarda topluluk duygusu çöküyor (Gaige). Düzeltme girişiminin kendisi, modelin okuduğu korpusu kötüleştirebiliyor.

Model çıktısı korpusa geri giriyor. Donnelly’nin bileşik büyüme argümanı: AI destekli metin web’e yayıldıkça, sonraki modeller önceki modellerin üretilmesine yardım ettiği nitelendirmeleri okuyor.

Yorum, açıkça yorum olarak: Bileşik büyüme iddiası bir mekanizma argümanı; ölçülmüş bir katsayı değil. Yayımlanmış hiçbir çalışma bir nitelendirmenin ne hızda sertleştiğini nicelemiyor. Kanıtın desteklediği şey yön, hız değil — ki bu da geç tepki vermek yerine erken ölçmeyi gerekçelendirmeye yeter.

Bulgu 3: Yanlış olgu ile kötü nitelendirme farklı iş ister

Yanlış bilgi raporumuz düpedüz yanlış iddiaları ele almıştı: güncelliğini yitirmiş fiyat, üretimden kalkmış ürün, hatalı sahiplik. Bunlar kaynağında düzeltilebilir ve sonrasında yeniden doğrulanabilir.

Duygu böyle değil. “Destek yavaş” ifadesi, birçok kaynağın söylediğinin doğru bir özeti olabilir. Bunu düzeltmek bir düzenleme problemi değil, kanıt problemidir: özet değişmeden önce yayımlanmış deneyimin dengesi değişmelidir. Buradan iki sonuç çıkar.

Olguların çözümü var, nitelendirmelerin gecikmesi. Düzeltilmiş bir teknik özellik bir tarama döngüsü içinde yayılabilir. Nitelendirme ise ancak yeni kaynaklar biriktikçe kayar — daha yavaş ve büyük ölçüde markanın doğrudan kontrolü dışında.

Bastırma seçeneği yok. Atıf temelli bir sistemde eleştiriyi boğma stratejisi işlemez: kaynaklar okunabilir kalır ve girişimin kendisi korpusta görünür olur.

Bulgu 4: Ölçülebilir dört soru

Yayımlanmış çalışmalar birlikte okunduğunda, bugün mevcut ölçümle cevaplanabilir dört duygu sorusu var — ve bunlar herhangi bir kampanyadan önce kurulmaya değer olanlar.

1. Markayla birlikte hangi sıfatlar seyahat ediyor? Cevaplarda tekrarlayan değerlendirici dil, motor bazında.
2. Bunları hangi kaynaklar sağlıyor? Nitelendirme belirdiğinde modelin atıf yaptığı spesifik sayfalar ve başlıklar — aksiyon alınabilir katman.
3. Motora göre nerede ayrışıyor? %16/%0,9 topluluk farkı göz önüne alındığında motorları karşılaştırmak, “itibarımız” ile “bir motorun okuduğu korpus”u birbirinden ayırır.
4. Bir değişiklikten sonra nasıl hareket ediyor? Kaynak düzeyinde bir düzeltmeden sonra yeniden ölçmek, kalıcı bir kaymayı gürültüden ayırmanın tek yolu; çünkü cevaplar deterministik değil.

Donnelly’nin markalara sorduğu dört soru — anılma sıklığı, duygu, AI’ın sizin hakkınızda söyledikleri ve bunu besleyen kaynaklar — aynı kuruluma denk düşüyor; daha sert tespiti de geçerliliğini koruyor: burada atfın imkânsız olduğu iddiası bir efsane.

Türkiye için anlamı

Topluluk katmanı şikâyet ağırlıklı. Türkçe ticari tartışma Ekşi Sözlük, ŞikayetVar ve kategori forumlarında yoğunlaşıyor. Özellikle ŞikayetVar yapısı gereği şikâyet odaklı: bir markanın oradaki varlığı, tasarımı gereği çözülmemiş sorunlarıdır. ChatGPT’nin topluluk-atıf deseni Türkçeye taşınıyorsa bu, çoğu markanın hiç nicelemediği bir duygu maruziyeti — ve ölçülmeye değer ilk şey.

İnce korpuslar iki yönde de daha hızlı hareket eder. Kategori başına daha az Türkçe kaynak olduğu için tekil başlıklar daha çok ağırlık taşır. Bu iki yönlü keser: iyi argümanlı tek bir olumsuz başlık bir nitelendirmeye hâkim olabilir; az sayıda doyurucu ve güvenilir kaynak da onu İngilizcedekinden hızlı değiştirebilir.

Türkçe ölçüm opsiyonel değil. Duyguyu yalnızca İngilizcede ölçen bir marka, yurt içindeki alıcılarının prompt’larının ulaştığından farklı bir korpusu ölçüyordur. İkisi tamamen çelişebilir; devam çalışmasının Türkçe prompt’ları ayrı ölçmesinin nedeni tam da bu.

Sonuç

Cevap motorlarında duygu, kaynakların bir özetidir ve alıcıların AI önerilerini kontrol ettiği toplulukların içinden geçen bir döngüyle sertleşir. Bir olgu gibi düzenlenebilir değildir: iş kaynak düzeyinde, yavaş ve büyük ölçüde dolaylıdır — daha iyi kanıtlanmış kapsama kazanın, o dili üreten şikâyetleri çözün ve korpusu daha da bozan paylaşım davranışından uzak durun.

Sıralama: yukarıdaki dört soruyu motor bazında kurun, yanlış olguları (şimdi düzeltilebilir) nitelendirmelerden (zamanla kaydırılabilir) ayırın ve her kampanyadan sonra değil, her kaynak düzeyi değişiklikten sonra yeniden ölçün.

Kaynaklar

• Chris Donnelly, Searchable — bileşik büyüyen duygu, dört marka sorusu ve atıf, 2026
• Rob Gaige, Reddit — teyit davranışı ve marka katılımının sınırları, Zero Click NY 2026
• Josh Blyskal, Profound — kaynak türü ve motora göre atıf dağılımı, Zero Click NY 2026
• Tim Sanders, G2 — atıf ekosistemleri ve birinci lig medya payı, Zero Click NY 2026
• Brantial araştırma serisi (2026): Kaynak Ekosistemi, Marka Yanlış Bilgi, Ayrışma

Rakamlar, atıf yapılan konuşma ve yayınlarda sunulduğu hâliyle aktarılmıştır ve ağırlıkla İngilizce dilli, ABD pazarı davranışını tanımlar. Burada marka bazlı hiçbir duygu skoru yayımlanmamıştır; Brantial’ın devam çalışması Türkçe marka duygusunu kendi prompt panelimizde haritalayacaktır.