Değerli backlink.com.tr üyeleri için yaptığımız llm seo ile alakalı 1000 adet tweet'in analizini sizlere sunuyoruz. Kaynak tweetlerin büyük çoğunluğu ingilizce olduğu için çıkarımlar bizler için oldukça önemli.
Fiyat sunulan, hesaplama yapılan ve e-ticaret siteleri dışında birçok sitenin yerini almaya başlayan yapay zeka araçlarından sonra yeni bir yol izlemek doğru olacaktır.
| Metrik | Değer | Not |
|---|---|---|
| Tweet | 1.000 | 46 günde |
| Yazar | 681 | tekil hesap |
| Toplam erişim | 2,07 M | view |
| Blue verified | %64 | 434 hesap |
| Hâkim terim | GEO | 294 bahis |
| Ana metrik | Citation | 310 bahis |
1.000 tweet, 46 gün, %100 İngilizce, 2 milyon görüntüleme. SEO topluluğu kendi adını tartışıyor — Generative Engine Optimization mı, Answer Engine Optimization mı, yoksa LLMO mu? Asıl mesele ise terminoloji değil: arama trafiği Google'dan ChatGPT, Perplexity ve Claude'a göç ediyor, hâlâ kimse hangi sayfanın neden cite edildiğini ölçemiyor.
Sektörel okuma
SEO topluluğu küresel ölçekte bir kimlik krizi yaşıyor. Konuşmanın iki ucu var: bir tarafta endüstrinin ölü olduğunu ilan edenler ("$2.000'lık SEO audit'i bitti, ajansların ücretleri zombileşti"), diğer tarafta yapılanın aynı olduğunu söyleyen ılımlılar ("Google'da iyi olan içerik LLM'de de cite edilir"). Tweet'lerin %71'i somut taktik içeriyor — bu, üzerinden trend yapılan çoğu konunun aksine, gerçek bir mesleki adaptasyon.
En kritik teşhis: topluluk neyi takip edeceğini bilmiyor. "Citation" 310 kez geçti, "visibility" 279 kez — yani LLM içinde görünmek artık ana KPI. Ama hangi tracking tool'unun güvenilir veri verdiği konusunda kimse emin değil; Profound 8 bahisle önde, Otterly/Peec yarışıyor, hiçbiri sektör standardı değil. Bu, ölçüm boşluğu olan büyük bir pazarın imzası.
Yeni adın peşinde
| Terim | Açılım | Sıklık | Not |
|---|---|---|---|
| GEO | Generative Engine Optimization | 294 kez geçti | En önde, Adobe-SemRush satın alımıyla ivme kazandı. "Generatif arama motorlarında görünme" — kapsayıcı çatı terimi olmaya en yakın. |
| AEO | Answer Engine Optimization | 149 kez geçti | İkinci güçlü aday. Google'ın resmi AEO/GEO makalesi yayınlamasından sonra haftalık bahis artışı belirgin. SEO'ya daha sadık ses. |
| AIO | AI Overviews | 59 kez geçti | Tartışmalı: bazıları yöntem (AI Optimization), bazıları Google AI Overview'ın kısaltması olarak kullanıyor. Karışıklık yaratıyor. |
| LLMO | Large Language Model Optimization | 14 kez geçti | Niş ama tutkulu kullanıcıları var. Daha radikal bir konum: "markanız Claude veya GPT eğitim verisinde yoksa yoksunuz." |
Bir jackiecchu kullanıcısı tüm yarışmayı tek satırda özetledi: "Why so little attention is given to traffic/conversions/landing pages from LLM clicks. How many people with no AI or Search knowledge are raising money to shill bad AEO SaaS." Yani: isim tartışmasını bir kenara bırak, kimse LLM tıklamasından gelen trafiğin ne olduğunu ölçemiyor.
Platform mention'ları
| Platform | Sağlayıcı | Bahis |
|---|---|---|
| ChatGPT | OpenAI | 337 |
| Claude | Anthropic | 312 |
| Perplexity | Search-first LLM | 206 |
| Gemini | 122 | |
| Grok | xAI | 35 |
| Copilot | Microsoft | 31 |
Bookmark/view oranı %1
@shannholmberg · 30.251 takipçi · Blue verified · Tek tweet · 1.070 bookmark
"you have a blog post sitting at position 6 for a 2,400/mo keyword, 1.4% CTR, pulling 180 visits a month that converts at 0.8%. you want all three numbers to improve without rewriting the page from scratch."
556 like · 45 retweet · 24 reply · 1.070 bookmark · 112K view
Konuşma haritası
Citation: 310 · Visibility: 279 · Mention: 58
Sektörün yeni KPI'ı. "İçeriğin Google'da 1. sırada mı, yoksa ChatGPT cevabında cite ediliyor mu?" sorusu eski "kaç tıklama aldın" sorusunun yerini alıyor. Ama henüz ortak bir ölçüm standardı yok.
"It needs to get cited across ChatGPT, Perplexity, and every LLM with long-tail reach you can't even track yet." — @ZiqiLiu158430
Schema: 83 · Structured data: 30 · Entity: 65
2010'ların unutulan tekniği şimdi en tartışmalı konu. Bir tarafta "schema öldü", diğer tarafta "2.5x AI citation lever". Doğrusu @suganthan'ın çerçevesi: schema 3 ayrı sistem tarafından 3 ayrı amaç için okunuyor (Google indeksleme, LLM pretraining, LLM runtime retrieval).
"Schema is read by 3 different systems for 3 different jobs. Both sides of this argument are wrong." — @suganthan
@denohawari · 21 tweet · $620K · 845%
Yüksek hacim, ihtiyatla okunmalı. Üst trafik anlatısının çoğu @denohawari'den geliyor (21 tweet, hep aynı sayılar). Gerçek case'ler de var (@OritSiMu Hostinger Head of AI Search oldu) ama içeriklerin önemli kısmı kendi danışmanlık satışı için pazarlama.
"LLM SEO right now is exactly where Google SEO was in 2003. The brands moving in the next 12 months will OWN their categories for the next decade." — @denohawari · 3.994 takipçi
@boringlocalseo · 8 tweet · Pew %47
En anekdot-yoğun ve veri-temelli kümeler. "Mart 2026 Pew raporu: yerel hizmet müşterilerinin %47'si Google'a 'plumber near me' yerine bir AI modeline 'kimi aramalıyım' sorusunu soruyor." Etnografik içerikler (Austin'deki electrician, Nashville'deki landscaper) yüksek bookmark alıyor.
"i asked him the dumbest question: 'how do customers find you?' he said 'chatgpt'. i thought he was joking. he wasn't." — @boringlocalseo · 9.167 takipçi
llms.txt: 31 · @jeremyphoward
Anthropic kurucusu Jeremy Howard'ın önerdiği standart. Topluluk bölünmüş: bir grup "SEO 2.0 for AI Agents" diyor, diğeri "Claude Code'un sıkça önerdiği gereksiz dosya" diye eleştiriyor. Henüz herhangi bir LLM'in resmi olarak kullandığı doğrulanmadı — yine de hızla yayılıyor.
"I've seen SEO plans from Claude Code that are laughable: 'Add an llms.txt file to help with LLM discoverability'." — @KaiCromwell · eleştirel ses
RAG: 160 · Retrieval: 79 · Embedding: 15
SEO uzmanlarının teknik LLM dilini öğrendiğinin işareti. RAG (Retrieval-Augmented Generation) terimi 160 kez geçti — bu eskiden NLP araştırma jargonuydu. Topluluk artık "vector search," "embedding similarity," "semantic chunking" gibi kavramları kullanıyor.
"Schema is read for Google's index pipeline, LLM pretraining, AND LLM runtime retrieval. They're three different mechanisms." — @suganthan
Claude Code · @manoj_ahi · serpIQ · $2.000 audit dead
SEO topluluğunun kendi araçlarını AI ile yazıyor olması. "$2.000'lık ajans audit'i 1 Claude skill'iyle yerine kondu" tezi viral. Açık kaynak CLI araçları (@manoj_ahi'nin serpIQ'su, @lilyraynyc'nin LLM-friendly JS checker'ı) Ahrefs/Semrush'ın uzun-vade tehdidi.
"Introducing serpIQ — free & open source SEO audit CLI for developers. Bring your own LLM — Claude, GPT, Gemini." — @manoj_ahi
@jackiecchu · "AEO SaaS shill"
Hype'a karşı sigorta görevi gören sesler. "GEO çözüm satan SaaS'lerin çoğu AI veya search bilgisi olmayanlar tarafından kuruluyor", "yeni isim aynı SEO işini tarif ediyor", "bookmark hacker'lar gerçek bir metric değil." Az ama bilgi yoğunluğu yüksek.
"How many people with no AI or Search knowledge are raising money to shill bad AEO SaaS." — @jackiecchu · 12.652 takipçi
Filtrelenmiş öğretici içerik
Bir LLM'in bir kullanıcı sorusuna sizden cite alabilmesi için içeriğin yapısı şu olmalı: önce net soru (H2), hemen altında 2-3 cümlelik kesin cevap, sonra detay + atıf kaynağı. Sayısal veri ve "according to X" tarzı doğrulanabilir referanslar LLM atıfını ciddi şekilde artırıyor.
Kaynak: @brodieseo, @ZiqiLiu158430 vakaları
LLM'ler "kim", "ne", "nerede" entity'lerini grafik olarak öğrenir. Markanı, ürününü, kişilerini Organization/Person/Product schema ile işaretle. Wikidata bağlantısı varsa ekle. Bu, runtime retrieval esnasında modelin sayfayı "tanımasını" sağlar.
Kaynak: @suganthan'ın schema 3-sistem analizi
Birçok modern LLM crawler (GPTBot, ClaudeBot, PerplexityBot) JavaScript çalıştırmıyor. Eğer ana metniniz client-side render ediliyorsa LLM içeriği göremiyor. Server-side render veya pre-rendering şart. @lilyraynyc'nin LLM-friendly JS checker'ı bu kontrolü tek tıkla yapıyor.
Kaynak: @lilyraynyc · 118K takipçi
Local SEO testinde 50 niş × 30 şehirde "Best X in [city]" tarzı karşılaştırma sayfaları, blog yazılarından çok daha fazla AI citation aldı. LLM'ler tablo, liste, kıyaslama içeren sayfaları extraction için tercih ediyor — çünkü doğrudan cevap çıkarabiliyorlar.
Kaynak: @boringlocalseo · 50 niş testi
Hiçbir büyük LLM resmi olarak llms.txt'i okuduğunu doğrulamadı. Yine de düşük maliyetli — doğrudan bot'lara ana içerik haritasını veren bir markdown dosyası. "Yararı olmasa bile zararı yok" kategorisinde. Ana SEO işiniz olmamalı; tamamlayıcı bir adım.
Kaynak: Topluluk bölünmüş; @KaiCromwell eleştirel ses
Profound, Otterly gibi günlük prompt tracking tool'ları LLM'lere ek sorgu yağdırıyor. Bu sorgular bazen modelin "taze veri çekmek" için sizin sitenize crawl atmasına neden oluyor → analytics'inizde sahte trafik. Tracker kullanıyorsanız bunu hesaba katın.
Kaynak: @jbobbink uyarısı
2010'ların "1.000 backlink" yaklaşımı yerine, tek bir konuda derinlemesine cluster içerik. LLM'ler "X konusunda en otorite kim" sorusunu kelimeler değil, semantik yakınlık üzerinden çözüyor. 50 ilgisiz backlink yerine, niş çerçevende 10 derin makale çok daha etkili.
Konsensüs: 4+ üst engagement'lı tweet
Marka adınızın bir context içinde geçmesi (link olmasa bile) LLM eğitim ve retrieval'ı için sinyal. Bu yüzden HARO, podcast, expert quote, basın açıklaması gibi mention-yaratıcı PR şu an backlink'ten daha değerli. Yeni Digital PR = LLM Diet PR.
Kaynak: @PassiveSphere Digital PR vakaları
Hangi iddialara güveniyorum
Aşağıdaki tezler bu pencerede topluluğun en çok tekrarladığı iddialar. Her birine yanında bir "verdict" koydum: doğru, kısmen doğru, şüpheliyim, yanlış. Bunlar bir LLM olarak nasıl çalıştığımı bildiğim için değerlendirmemde işime yarayan iç bilgi — ama herhangi bir Anthropic / OpenAI / Google policy açıklaması değil. Sınırlı, kişisel bir okuma.
Major moves
@emilhartela'nın paylaştığı haber. Sözde sebep "SEO" değil GEO. Adobe markalı dağıtım üzerinden GEO çözümleri sunmak için bir altyapı satın alımı. Şu an "Adobe sırada hangi tool'u alır?" sorusu sektör spekülasyonunun ana ekseni.
Etki: SEO SaaS sektörü konsolidasyon dalgasında.
Dava süreci SerpApi, Oxylabs, AWMProxy gibi scraping aracılarının Perplexity, ChatGPT ve Google'ın gerçekte nasıl çalıştığını ifşa etti. @alexgroberman'a göre "SEO'nun trafik ve satış üretmek için bugüne kadar yaptıkları yöntemleri görmeye yarayan bir pencere."
Etki: LLM crawler ekosistemine düzenleme yolda olabilir.
@therealtongchen'ın bahsettiği: Google resmi olarak Answer Engine Optimization ve Generative Engine Optimization kavramlarını içeren bir makale yayınladı. Bu, geleneksel SEO ile yeni adlandırmaların birbirinden farklı olmadığı tezini güçlendirdi.
Etki: SEO'cuların paniği kısmen yatıştı; "her şeyi yeniden öğreneceğiz" söylemi zayıfladı.
İlgi eğrisi
Curated KOL listesi
LLM SEO konusunda takip etmeye değer hesaplar — her biri farklı bir nişten. Hacim ve niyet birlikte değerlendirildi; reklam-ağırlıklı hesaplar (örn. tek konuda 21 case study satan @denohawari) bilgi içerikleri için takip listenin altında, satış pitch'ini geçtikten sonra.
| Hesap | Takipçi | Niş | Niye listede |
|---|---|---|---|
| @lilyraynycLily Ray | 118.208 blue | Teknik SEO + AI | Industry'nin en güvenilir sesi. Spam değil, kanıtlanmış uzman. Open-source tool şipşak çıkarmasıyla pratik içerikte de güçlü. |
| @jordan_ross_8FJordan Ross | 88.302 blue | Stratejik | "Ajanslar 12 ay yanlış şeylere AI yöneltecek" tarzı margin-odaklı stratejik içerik. Klişeden uzak. |
| @glenngabeGlenn Gabe | 83.113 blue | Google teknik | Google Search Central Live event notları, algoritma okumaları. Ana akım otorite — pencerede tek paylaşımı 191 like aldı. |
| @shannholmbergShann Holmberg | 30.251 blue | On-page taktik | Pencerenin en yüksek-bookmark tweet'inin sahibi. "Autoreason" workflow'larıyla GEO×SEO köprüsünü pratik düzeyde anlatan tek hesap. |
| @boringlocalseoBoring Local SEO | 9.167 blue | Local + etnografik | Etnografik içerik üreten ender ses. Austin'deki electrician, Nashville'deki landscaper hikayeleri sektörün abstract trendlerini somutlaştırıyor. |
| @suganthanSuganthan | ~20.000 blue | Schema + technical | "Schema 3 ayrı sistem için okunuyor" tarzı çerçeve veren teknik analist. Kafa karışıklığı dağıtıcı içerikler. |
| @alexgrobermanAlex Groberman | 20.834 blue | Davalar + ifşa | Reddit-Perplexity davası okumasını yapan kişi. Sektörel duyurları derinlemesine analiz ediyor — 129K ortalama view. |
| @manoj_ahiManoj Ahi | 12.985 blue | Open-source tooling | serpIQ — kodu okuyup GSC verisi alıp blog brief üreten open-source CLI'ın yaratıcısı. Vibecoded tooling dalgasının imzası. |
| @jackiecchuJackie Chu | 12.652 blue | Şüpheci/kontrariyan | Hype'a en sert duruş. "Bad AEO SaaS shill" yorumuyla bir tweet'te tüm pazarı sorguladı. Sigorta sesi. |
| @jbobbinkJan-Willem Bobbink | ~10.000 | Analytics + ölçüm | "LLM tracker'lar kendi kullanıcılarının analytics'ini bozuyor" gibi henüz hiçbir yerde konuşulmayan teknik uyarılar veriyor. Az ama derin. |
| Başlık | Açıklama |
|---|---|
| Örneklem | 1.000 tweet, 46 günlük dilim (7 Nis – 23 May 2026). Tweet search extractor — monitör değil, tarihçesel arama. Tweet'ler olgun (96,6%'sı view sayısına sahip), engagement metrikleri güvenilir. |
| Spam kontrolü | Bu örneklemde spam farkedilmedi. Önceki "backlink" sorgusunun aksine, "LLM SEO" konusu doğal olarak teknik kelime — reply farm'a uygun değil. Manuel kontrolde 0 tek kelimelik yanıt, 0 koordineli giveaway. |
| Tema sınıflaması | Keyword frekansı (172 AI, 310 citation, 294 GEO vb.) + manuel anlatı kümelemesi. Yüzdeler temaya giren tweet sayısının örnekleme oranı; bazı tweet'ler birden çok temaya giriyor olabilir, baskın tema seçildi. |
| "Claude'un Notu" bölümü | §07'deki AI yorumları benim — Claude'un — LLM mimari bilgisine dayalı şahsi okumam. Anthropic policy, OpenAI confirmed behavior, ya da herhangi bir resmi açıklama değil. Sınırlı, eleştirel ama tartışılabilir. |
| Tracking tool sayıları | Profound 8, Peec 3, Otterly 2 — bunlar tweet metni içinde geçen bahis sayıları. Asıl pazar payı ile uyumlu olmayabilir. Sektör henüz konsolide olmadığı için bu hızla değişebilir. |
| Önerilen iyileştirme | Bu sorguyu monitör olarak çalıştırırsanız, eklenmesi gereken filtre: minimum 50 karakter, retweet ratio düşük olanları öne çıkar, ve Profound/Otterly/Peec gibi tool isimlerini sub-keyword olarak takip et. |
