Fan-Out Sorgu Stratejisi Neden Düşündüğünüz Gibi Çalışmıyor?

Fan-Out Sorgu Stratejisi Neden Düşündüğünüz Gibi Çalışmıyor?

Yapay zekâ aramasında görünürlük tartışmalarının son bir yıldaki en popüler taktiği “fan-out sorgularını hedeflemek” oldu. Mantık kulağa sağlam geliyor: sistem kullanıcının sorusunu alt sorulara bölüyor, bu alt soruları arıyor, sonuçları birleştiriyor. Öyleyse alt sorularda sıralanırsanız cevabın içine girersiniz. Grow & Convert bu mantığı veriyle test etti ve sonuç, taktiğin vaat ettiğinden çok daha karmaşık çıktı. Ana sayfada bu alanda yazdıklarımda en çok dikkat ettiğim şey de bu: kulağa mantıklı gelen her mekanizma ölçüldüğünde doğrulanmıyor.

Kısa cevap: atıfların önemli bir bölümü bu alt sorgu sıralamalarıyla açıklanmıyor. Dolayısıyla stratejiyi buna dayandırmak, zemini olmayan bir bina kurmak gibi.

İçindekiler

• Fan-Out Sorgu Nedir?
• Araştırma Ne Gösterdi?
• Tutarsızlık Sorunu: Aynı Soru, Farklı Kaynak
• Neden Hacklenebilir Bir Mekanizma Yok?
• Peki Ne İşe Yarıyor?
• Huni Dibi İçeriğin Şaşırtıcı Gücü
• Bu Ortamda Ölçüm Nasıl Yapılır?
• Bütçeyi Nereye Ayırmalı?
• Sıkça Sorulan Sorular

Fan-Out Sorgu Nedir?

Kullanıcı karmaşık bir soru sorduğunda sistem bunu tek parça olarak aramıyor. Soruyu birkaç alt sorguya bölüyor, her birini ayrı ayrı araştırıyor, sonuçları birleştirip tek bir cevap kuruyor. Bu alt sorgulara fan-out sorguları deniyor.

Buradan çıkan taktik önerisi şuydu: alt sorguları tahmin edin, onlar için içerik üretin, sıralanın, cevabın kaynağı olun. Zincirin her halkası mantıklı görünüyor. Sorun, halkaların birbirine bağlanma oranında.

Araştırma Ne Gösterdi?

Çalışmanın merkezi bulgusu şu: cevaplarda gösterilen kaynakların yalnızca bir bölümü, tespit edilen fan-out sorgularında üst sıralarda yer alan sayfalardan geliyor. Geri kalan büyük bölüm başka yerlerden — modelin eğitim verisinden, daha önce yapılmış aramalardan ya da ölçülemeyen başka kaynaklardan.

Dahası, veri setinin içindeki dağılım çok geniş. Bazı sorularda kaynaklarla alt sorgu sıralamaları neredeyse tamamen örtüşüyor; bazılarında ise alt sorgularda ilk sırada yer alan hiçbir sayfa cevaba girmiyor.

Bu dağılım, taktiğin “bazen çalışıp bazen çalışmadığı” anlamına geliyor. Üzerine bütçe kurulabilecek bir düzenlilik yok.

Tutarsızlık Sorunu: Aynı Soru, Farklı Kaynak

İkinci ve daha rahatsız edici bulgu, cevapların tutarsızlığı. Aynı soruyu aynı araca farklı zamanlarda sorduğunuzda farklı kaynaklar gösterilebiliyor. Bağımsız araştırmalar da aynı yönde: belirli bir kategoride önerilen markaların tekrar etme oranı şaşırtıcı derecede düşük.

Bunun pratik sonucu önemli. Tek bir sorgu üzerinden yapılan ölçüm anlamsız; “şu araçta birinci sıradayız” gibi bir cümle teknik olarak karşılıksız. Ölçüm ancak çok sayıda sorgunun ve zamana yayılmış tekrarların ortalaması üzerinden yapılabiliyor.

Dolayısıyla bu alanda satılan “garantili görünürlük” vaatlerine temkinli yaklaşmakta fayda var. Sistemin kendisi tutarlı değilken garanti verilemez.

Neden Hacklenebilir Bir Mekanizma Yok?

Klasik aramada sıralama, tanımlı ve nispeten kararlı bir hesaplamanın çıktısı. Aynı sorgu, aynı gün, benzer koşullarda benzer sonuç veriyor. Bu kararlılık, optimize edilebilir bir yüzey üretiyor.

Cevap üretimi ise olasılıksal. Her seferinde yeniden kurulan bir metin var ve kaynak seçimi bu kurulumun içinde gerçekleşiyor. Kararlı bir yüzey olmadığı için, üzerinde kalıcı bir manivela da bulunmuyor.

Bu, “yapacak bir şey yok” demek değil. Olasılığı yükseltebilirsiniz; garanti edemezsiniz. Aradaki fark, strateji kurarken beklentiyi doğru ayarlamak açısından belirleyici.

Peki Ne İşe Yarıyor?

Araştırmanın önerisi net: dar taktikler yerine geniş konu kapsaması ve derinlik. Yani ürün ve hizmetinizle ilgili alanda gerçekten kapsamlı, tutarlı ve özgün içerik üretmek.

Bunun iki yönlü faydası var. Bir yandan klasik arama tarafındaki konumunuzu güçlendiriyor — ki bu hâlâ trafiğin büyük kısmını taşıyor. Diğer yandan, modelin sizi bir konuyla ilişkilendirmesi için gereken tekrarlı sinyali üretiyor.

Bir marka bir konuyla yeterince çok yerde ve yeterince tutarlı biçimde anıldığında, cevaplarda görünme olasılığı yükseliyor. Bu bir sıralama değil, bir birikim. Alıntılanabilir içerik yazmanın teknik tarafını AEO rehberinde ele almıştım; buradaki mesele o tekniğin hangi ölçekte uygulanacağı.

Huni Dibi İçeriğin Şaşırtıcı Gücü

Araştırmanın en kullanışlı bulgusu belki de bu: satın alma niyetine yakın, ürün odaklı ve özgün içerikler, genel bilgi içeriğine kıyasla daha yüksek atıf performansı gösteriyor.

Sezgiye aykırı görünüyor, çünkü genel kanı yapay zekânın bilgi sorularını cevapladığı yönünde. Ama kullanıcı “hangisini seçmeliyim” diye sorduğunda sistemin ihtiyaç duyduğu şey tam olarak sizin sahip olduğunuz bilgi: ne sattığınız, kime uygun olduğu, hangi durumda uygun olmadığı.

Pratik karşılığı şu: “X nedir” yazılarının yanına “X nasıl seçilir”, “X fiyatını ne belirler”, “X kimin için uygun değildir” içerikleri ekleyin. Bu içerikler hem daha az rekabetli hem de modelin başka yerde bulamayacağı türden.

Bu Ortamda Ölçüm Nasıl Yapılır?

1. Tek sorgu değil, sorgu seti kullanın. On beş-yirmi soruluk sabit bir liste kurun ve hep aynı listeyi ölçün.
2. Tekrarlı ölçün. Aynı soruyu farklı günlerde sorun; tek seferlik sonuç gürültüdür.
3. Oran takip edin. “Yirmi sorunun kaçında anıldık” oranı, tek tek sonuçlardan çok daha anlamlı.
4. Marka sorgusunu çapraz kontrol edin. Görünürlük artıyorsa marka aramaları da zamanla artıyor. Bu, en güvenilir dolaylı gösterge.
5. Aylık ritim kurun. Haftalık ölçüm bu alanda sadece gürültü üretiyor.

Diğer yazılar için AI kategorisine bakabilirsiniz.

Bütçeyi Nereye Ayırmalı?

Bu tabloyu kabul ettiğinizde pratik soru şu hâle geliyor: elimdeki sınırlı içerik bütçesini nasıl dağıtacağım? Sahada işe yaradığını gördüğüm dağılım kabaca şöyle.

Yarısı, konu derinliği için. Alanınızın çekirdek sorularını hakkıyla cevaplayan içerik. Bunlar hem klasik aramada sıralanıyor hem de sizi bir konuyla ilişkilendiren tekrarlı sinyali üretiyor. Görünür getirisi en yavaş, kalıcılığı en yüksek kalem.

Üçte biri, huni dibi içerik için. Fiyat mantığı, seçim kriterleri, uygunluk sınırları, karşılaştırmalar. Hem dönüşüme en yakın hem de atıf performansı en yüksek grup. Çoğu sitede en eksik olan da bu.

Kalanı, mevcut içeriğin bakımına. Yeni yazı üretmek her zaman daha cazip görünüyor ama sıralaması olan bir sayfayı güncellemek, sıfırdan yazmaktan çok daha hızlı sonuç veriyor. İlk paragrafı netleştirmek, kaynak ve tarih eklemek, eskimiş rakamları düzeltmek — birkaç saatlik iş.

Bu dağılımda dikkat çeken şey, taktik denemelere ayrılmış bir pay olmaması. Bunun sebebi taktiklerin değersiz olması değil; getirisi ölçülemeyen bir alana sabit bütçe ayırmanın, ölçülebilir alanlardan çalması. Yeni bir yaklaşımı denemek isterseniz bunu ayrı bir bütçe kalemi olarak değil, mevcut üretimin içinde küçük bir deney olarak kurgulayın ve sonucunu üç ay boyunca izleyin.

Sıkça Sorulan Sorular

Fan-out sorgularını tamamen görmezden mi geleyim?

Görmezden gelmeyin ama stratejinin merkezine koymayın. Konu kapsamanızı genişletirken bu alt sorular zaten doğal olarak kapsanıyor.

Alt sorguları nasıl öğrenebilirim?

Kesin biçimde öğrenemezsiniz; platformlar bu veriyi paylaşmıyor. Tahmin araçları var ama isabetleri sınırlı. Enerjinizi buraya harcamayın.

O zaman GEO diye bir şey var mı?

Var, ama sanıldığından daha çok klasik SEO’ya benziyor: teknik sağlamlık, konu otoritesi, özgün içerik, temiz veri. Farkı, içeriğin alıntılanabilir biçimde yazılması.

Küçük siteler bu ortamda şanslı mı şanssız mı?

Dar bir alanda derinleşen küçük siteler avantajlı. Sistemler niş sorularda büyük sitelerde karşılık bulamıyor ve daha spesifik kaynaklara yöneliyor.

Sonucu ne zaman görürüm?

Birikim gerektiren bir iş olduğu için birkaç ayı buluyor. Üç aydan kısa sürede sonuç vaat eden yaklaşımlara temkinli yaklaşın.

Peki Şimdi Ne Yapmalı?

Bu araştırmanın asıl değeri, bir taktiği çürütmesi değil; beklentiyi doğru yere oturtması. Yapay zekâ görünürlüğü hacklenecek bir sıralama değil, biriktirilecek bir otorite. Bu ay yeni bir taktik denemek yerine, alanınızda gerçekten eksik olan üç konuyu belirleyip onları hakkıyla yazın. Uzun yol bu ve şu an başka bir kestirme yok.

Konu kapsamanızı ve huni dibi içerik planınızı birlikte çıkarmak isterseniz SEO & SEM danışmanlığı kapsamında çalışabiliriz: hyturkyilmaz.com/iletisim

Kaynakça

Grow & Convert. (2026, Nisan). The fan-out query strategy doesn’t work like you think. https://www.growandconvert.com/ai/fan-out-query-serp-study/

SparkToro. (2026, Ocak). AI recommendations are inconsistent. SparkToro Research.