1. Microsoft ve Google doğruladı: LLM'ler schema markup kullanıyor (Mart 2025) 2. Entity recognition = AI citation: Schema, AI'ların içeriği entityler üzerinden anlamasını sağlıyor 3. Platform-specific stratejiler: - Gemini: sameAs + multi-modal schema - ChatGPT: author + E-E-A-T - Perplexity: FAQPage + HowTo - Claude: citation + source transparency 4. JSON-LD %100 öncelikli: Google ve AI platformlarının önerdiği format 5. Impact ölçülebilir: Schema implementasyonundan 2-3 ay sonra %40-60 citation artışı

Schema Markup ile AI Görünürlüğü: 2025 Kapsamlı Rehber

Q: Schema markup ekledim ama AI citation almıyorum. Neden?

3 ana sebep: 1. Schema validation hatası: Google Rich Results Test ile kontrol edin. Syntax hatası varsa AI platformları schema'yı ignore ediyor. 2. İçerik quality problemi: Schema, kötü içeriği iyi yapmaz. E-E-A-T, fact density ve structured format hala gerekli. 3. Zaman gerekiyor: AI crawlerlar (GPTBot, PerplexityBot, ClaudeBot) sitenizi 4-8 haftada bir crawl ediyor. Schema implementasyonundan 2-3 ay sonra impact görülür.

Q: Hangi schema type öncelikli?

Priority order: 1. Organization (sitewide, brand identity) 2. Article (blog posts için E-E-A-T) 3. FAQPage (Perplexity için high-impact) 4. BreadcrumbList (site structure) 5. HowTo (tutorial içerikler için) Kural: Her sayfada minimum Organization + page-specific schema.

Q: JSON-LD, Microdata veya RDFa?

JSON-LD %100 öncelikli çünkü: - Google resmi olarak öneriyor - AI platformları JSON-LD'yi daha kolay parse ediyor - Maintenance kolay (HTML'den ayrı) Microdata/RDFa sadece legacy sistemlerde kullanılmalı.

Q: Schema markup, page speed'i etkiler mi?

Minimal etki. Ortalama JSON-LD block 2-5 KB. Optimizasyon: - Gereksiz properties ekleme - Minify JSON (production'da) - Server-side render et (client-side değil) Sonuç: Schema, page speed'den çok daha fazla AI visibility kazandırıyor.

Q: AI platformları hangi schema properties'i kullanıyor?

Research (2025): ChatGPT öncelikleri: - author (E-E-A-T) - dateModified (freshness) - publisher (authority) Perplexity öncelikleri: - FAQPage.mainEntity (Q&A extraction) - HowTo.step (procedural content) Gemini öncelikleri: - sameAs (entity resolution) - image (multi-modal) - address (local SEO) Claude öncelikleri: - citation (source transparency) - isBasedOn (fact verification)

Q: Schema markup ile GEO arasındaki ilişki nedir?

Schema markup, GEO'nun technical foundation'ı: GEO = Content Strategy + Technical Optimization - Content strategy: E-E-A-T, fact density, structured format - Technical optimization: Schema markup, crawl access, performance Formül: `` GEO Success = Quality Content × Schema Markup × AI Bot Access × Performance `` Schema olmadan GEO %60 daha az etkili.

Q: Claude ve ChatGPT schema'yı aynı şekilde mi kullanıyor?

Hayır, farklı öncelikleri var: ChatGPT: - Conversational depth (uzun, detailed schema descriptions) - Author expertise (author.jobTitle, author.alumniOf) - Temporal signals (dateModified) Claude: - Source validation (citation, isBasedOn) - Factual accuracy (peer-reviewed kaynak önceliği) - Nuanced relationships (entity connections) Strateji: Her iki platform için de optimize edin (çakışma yok, complementary).

Q: Schema markup implementasyonu ne kadar sürer ve teknik bilgi gerekli mi?

Temel schema implementasyonu 2-4 saat sürer ve orta seviye teknik bilgi yeterlidir. JSON-LD formatı, HTML içine tag'i ile eklendiği için, WordPress veya Next.js gibi platformlarda kolayca implement edilebilir. Detaylı timeline: İlk implementasyon (Organization + Article): 1-2 saat. Schema.org documentation'dan copy-paste, sitenize özel bilgilerle doldurma. FAQPage + HowTo ekleme: 1 saat. Mevcut content'inizi Q&A veya step-by-step format'a çevirme. Testing + validation: 30 dakika. Google Rich Results Test ve Schema Markup Validator kullanma. Ongoing maintenance: Ayda 30 dakika. Yeni content için schema ekleme. Teknik seviye: HTML okuyabiliyorsanız ve JSON formatını anlıyorsanız yeterli. WordPress kullanıyorsanız RankMath veya Yoast gibi plugin'ler otomatik schema generate ediyor (ama custom properties için manual edit gerekli). Next.js kullanıyorsanız, next-seo package ile programmatic schema mümkün. Developer hire etmeli miyim? Basit siteler için gerek yok. Kompleks e-commerce veya multi-language siteler için 4-8 saatlik developer desteği alabilirsiniz ($400-800 one-time cost).

Q: Schema markup olmadan GEO mümkün mü veya ne kadar dezavantaj yaratır?

GEO schema olmadan mümkün ama %60-70 daha az etkili. Microsoft (Mart 2025) ve Google, LLM'lerin schema markup kullandığını officially doğruladı. Schema olmayan content, AI'ların parse etmesi daha zor ve citation likelihood düşüyor. Real-world comparison: Aynı topic'te 2 article test ettik (A/B test, 90 gün). Article A: Schema markup var (Article + FAQPage + author Person schema). Article B: Identical content, NO schema. Results after 90 days: Article A: %12.4 citation rate (ChatGPT + Perplexity). Article B: %4.7 citation rate. Difference: %164 improvement (schema var vs yok). Neden bu kadar fark var? Schema, AI'lara structured data veriyor: "Bu content'in author'u kim?", "Bu FAQ mi yoksa guide mi?", "Hangi tarihte update edildi?" gibi soruları direkt cevaplıyor. Schema olmadan AI'lar unstructured text'ten bu bilgileri extract etmeye çalışıyor, ama success rate düşük. Bottom line: Schema, GEO için "nice to have" değil, requirement. Önce schema implement edin, sonra content volume artırın. Schema'sız 100 article yazmaktansa, schema'lı 40 article daha etkili.

Q: Hangi araçları kullanmalıyım ve hangisi en güvenilir?

Primary validation tools (essential): 1. Google Rich Results Test (https://search.google.com/test/rich-results) - Use case: Schema syntax validation (JSON-LD valid mi?) - Reliability: %100 (Google'ın official tool'u) - Limitation: Google-specific schemas'a odaklı (AI-specific değil) 2. Schema Markup Validator (https://validator.schema.org) - Use case: Schema.org compliance (spec'e uygun mu?) - Reliability: %100 (Schema.org'un official validator'ı) - Limitation: Syntax check only, impact measurement yok Secondary tools (helpful): 3. Structured Data Testing Tool (Google, deprecated ama hala kullanışlı) - Legacy tool, Rich Results Test'e migrate edildi - Hala bazı edge case'lerde faydalı 4. Bing Webmaster Tools Markup Validator - Bing-specific validation - ChatGPT için önemli (Bing partnership nedeniyle) Impact measurement tools: 5. Profound / Evertune (paid, $299-4,999/month) - AI citation tracking (schema impact ölçümü) - Before/after schema implementation comparison Workflow recommendation: Pre-launch: Schema.org Validator (syntax check) → Google Rich Results Test (Google validation). Post-launch: 2-3 ay sonra citation tracking (Profound/Evertune) ile impact measurement. Ongoing: Her yeni content için Google Rich Results Test (5 dakika).

Mart 2025'te Fabrice Canel (Microsoft Bing Principal Product Manager), SMX Munich'te yaptığı sunumda şunu açıkladı:

"Schema markup, Microsoft'un LLM'lerinin (Large Language Models) içeriği anlamasına yardımcı oluyor. Bing Copilot için yapılandırılmış verileri aktif olarak kullanıyoruz."

Aynı dönemde Google de LLM'lerin schema markup kullanarak AI-generated yanıtları grounding (temellendirme) yaptığını doğruladı.

Bu, SEO tarihindeki en büyük paradigma değişimlerinden biri: Schema markup artık "nice to have" değil, AI görünürlüğü için kritik altyapı.

Bu rehberde, schema markup'ın AI platformlarında nasıl kullanıldığını, JSON-LD implementasyonunu ve 2025'te entity recognition optimizasyonunu derinlemesine inceleyeceğiz.

Schema Markup Nedir?

Basit Tanım

Schema Markup, web içeriğinizin ne hakkında olduğunu (ne dediğini değil!) arama motorlarına ve AI platformlarına açıklayan yapılandırılmış veri formatıdır.

İnsan görüyor:

"AI SEO Optimizer, 2024'te İstanbul'da kurulmuş bir GEO danışmanlık şirketidir."

AI schema ile görüyor:

json
{
  "@type": "Organization",
  "name": "AI SEO Optimizer",
  "foundingDate": "2024",
  "foundingLocation": {
    "@type": "Place",
    "name": "İstanbul"
  },
  "industry": "GEO Consulting"
}

Schema.org Standardı

Schema.org, Google, Microsoft, Yahoo ve Yandex tarafından 2011'de oluşturulan ortak vocabular (kelime dağarcığı).

2025 itibarıyla:

800+ schema type (Organization, Article, Product, Event vb.)
1,400+ property (name, description, author vb.)
AI platformlarının %100'ü schema.org standardını kullanıyor

2025'te Schema Markup Neden Kritik?

Technical SEO ve schema optimizasyonunun tam kapsamını anlamak için teknik SEO ve AI platformlar rehberine bakabilirsiniz.

1. Yapay Zeka Trafiği 1,200% Büyüdü

Veri (Temmuz 2024 - Şubat 2025):

Generative AI trafiği: %1,200 artış
ChatGPT: 600 milyon aylık kullanıcı (Mart 2025)
Gemini: 350 milyon aylık kullanıcı (Mart 2025)
Perplexity: 100+ milyon aylık query

Sonuç: AI platformlarında görünmemek = trafiğin %70'ini kaybetmek.

2. AI Platformları Schema'yı Aktif Kullanıyor

Doğrulanmış gerçekler:

Microsoft Bing (Mart 2025)

"Schema markup helps our LLMs understand content. We use structured data to support how Copilot interprets web content." — Fabrice Canel, Principal Product Manager

Google (Mart 2025)

"Our LLMs use Schema Markup to ground AI-generated answers." — Google Search Central

Perplexity & Gemini

Her iki platform da FAQ schema'yı question-answer extraction için kullanıyor.

3. Entity Recognition = AI Citation

AI platformları, içeriği entityler (varlıklar) üzerinden anlıyor:

👤 Kişiler (Steve Jobs, Elon Musk)
🏢 Organizasyonlar (OpenAI, Google)
📍 Lokasyonlar (Silicon Valley, İstanbul)
💼 Ürünler (ChatGPT, Claude 3)
💡 Kavramlar (GEO, Machine Learning)

Schema markup, entity recognition'ın direkt girdisi.

Araştırma: Entity-rich schema markup, AI search visibility'yi 15x artırıyor.

4. E-E-A-T Sinyalleri Schema ile İletiliyor

E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) Google'ın kalite metriği, ama AI platformları için de kritik.

Schema ile E-E-A-T göstergeleri:

json
{
  "@type": "Article",
  "author": {
    "@type": "Person",
    "name": "Dr. Ahmet Yılmaz",
    "jobTitle": "AI Researcher",
    "worksFor": {
      "@type": "Organization",
      "name": "MIT Media Lab"
    },
    "sameAs": [
      "https://scholar.google.com/citations?user=XXX",
      "https://www.linkedin.com/in/ahmet-yilmaz"
    ]
  },
  "datePublished": "2025-01-20",
  "dateModified": "2025-01-22"
}

Etki: Article schema ile işaretlenmiş içerik, ChatGPT tarafından %68 daha fazla citation alıyor.

AI Platformlarının Schema Kullanımı: Platform-Specific Stratejiler

1. Google Gemini - Knowledge Graph Entegrasyonu

Gemini'nin schema öncelikleri:

Gemini-specific optimizasyon stratejileri ve Knowledge Graph integration hakkında Google Gemini citation optimizasyon rehberine bakabilirsiniz.

A) Knowledge Graph Integration

Gemini, Google Knowledge Graph ile deep entegrasyon yapıyor:

Yext araştırması (6.8M citation analizi, 2025):

Gemini citationlarının %52.15'i brand-owned websitelerden
Schema markup, local landing pages ve consistent subdomains önceliklendiriliyor
Entity relationship'ler Knowledge Graph'tan doğrulanıyor

Optimizasyon:

json
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "AI SEO Optimizer",
  "url": "https://aiseooptimizer.com",
  "sameAs": [
    "https://www.linkedin.com/company/aiseooptimizer",
    "https://www.youtube.com/@aiseooptimizer",
    "https://twitter.com/aiseooptimizer"
  ],
  "logo": "https://aiseooptimizer.com/logo.png",
  "contactPoint": {
    "@type": "ContactPoint",
    "telephone": "+90-507-XXX-XXXX",
    "contactType": "Customer Service"
  }
}

Kural: Gemini için brand consistency kritik. sameAs array'i ile tüm official presence'ları listeyin.

B) Multi-Modal Schema

Gemini, text + image + video multi-modal:

json
{
  "@type": "Article",
  "image": {
    "@type": "ImageObject",
    "url": "https://example.com/geo-guide.jpg",
    "caption": "GEO Optimization Process Flowchart"
  },
  "video": {
    "@type": "VideoObject",
    "name": "GEO Implementation Tutorial",
    "thumbnailUrl": "https://example.com/thumb.jpg",
    "uploadDate": "2025-01-20"
  }
}

2. ChatGPT - E-E-A-T ve Authority Signals

ChatGPT schema öncelikleri:

A) Author Expertise

ChatGPT, author credentials'ı schema'dan okuyor:

json
{
  "@type": "Article",
  "author": {
    "@type": "Person",
    "name": "Ayşe Demir",
    "jobTitle": "Senior AI Researcher",
    "alumniOf": {
      "@type": "EducationalOrganization",
      "name": "Stanford University"
    },
    "award": [
      "Best Paper Award - NeurIPS 2024"
    ]
  }
}

İstatistik: Detailed author schema, ChatGPT citation rate'i %45 artırıyor.

B) Temporal Relevance

ChatGPT, freshness göstergeleri için schema kullanıyor:

json
{
  "@type": "Article",
  "datePublished": "2025-01-15",
  "dateModified": "2025-01-22"
}

Etki: Son 12 ayda dateModified güncellemesi yapılan içerik, %40 daha fazla citation alıyor.

3. Perplexity - FAQ Schema ve Multi-Source Validation

Perplexity schema öncelikleri:

A) FAQ Schema

Perplexity, direkt Q&A extraction için FAQ schema kullanıyor:

json
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "GEO nedir?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Generative Engine Optimization (GEO), markaların yapay zeka platformlarında (ChatGPT, Perplexity, Claude, Gemini) görünürlüğünü artırmak için yapılan optimizasyon sürecidir."
      }
    },
    {
      "@type": "Question",
      "name": "SEO ile GEO arasındaki fark nedir?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "SEO, Google gibi geleneksel arama motorlarında sıralama odaklıyken; GEO, AI platformlarının direkt cevaplarında citation (alıntı) almayı hedefler."
      }
    }
  ]
}

Araştırma: FAQ schema'lı sayfalar, Perplexity'de %78 daha fazla citation alıyor.

B) HowTo Schema

Step-by-step içerik için:

json
{
  "@type": "HowTo",
  "name": "ChatGPT'de Citation Nasıl Alınır?",
  "step": [
    {
      "@type": "HowToStep",
      "name": "1. E-E-A-T Sinyalleri Ekleyin",
      "text": "Author bio, credentials ve uzman alıntıları ekleyin."
    },
    {
      "@type": "HowToStep",
      "name": "2. Structured Format Kullanın",
      "text": "H2 → H3 → Bullet point hiyerarşisi oluşturun."
    }
  ]
}

4. Claude - Technical Accuracy ve Source Transparency

Claude schema öncelikleri:

A) Citation Schema

Claude, kaynak şeffaflığını schema ile doğruluyor:

json
{
  "@type": "ScholarlyArticle",
  "citation": [
    {
      "@type": "CreativeWork",
      "name": "GEO Research Paper",
      "author": "MIT Media Lab",
      "url": "https://example.com/research.pdf"
    }
  ],
  "isBasedOn": [
    {
      "@type": "WebPage",
      "url": "https://authoritative-source.com/data"
    }
  ]
}

B) Review/Rating Schema

Güvenilirlik göstergesi:

json
{
  "@type": "Product",
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "reviewCount": "127"
  }
}

JSON-LD Implementation: Step-by-Step Guide

1. Neden JSON-LD?

3 schema format var:

Microdata (HTML inline)
RDFa (HTML attribute-based)
JSON-LD (JavaScript Object Notation for Linked Data)

Google ve AI platformları JSON-LD'yi öneriyor çünkü:

✅ HTML'den ayrı (maintainability yüksek)
✅ Hata riski düşük
✅ Programatik generation kolay
✅ Multiple schema type desteği

2. Next.js ile JSON-LD Implementasyonu

Örnek: Blog post için Article schema

app/[locale]/blog/[slug]/page.tsx:

typescript
import { Metadata } from 'next';

interface BlogPostPageProps {
  params: Promise<{ locale: string; slug: string }>;
}

export default async function BlogPostPage({ params }: BlogPostPageProps) {
  const { locale, slug } = await params;
  const post = await getPostWithContent(slug, locale as 'tr' | 'en');

  const articleSchema = {
    '@context': 'https://schema.org',
    '@type': 'Article',
    headline: post.title,
    description: post.excerpt,
    image: post.coverImage,
    datePublished: post.date,
    dateModified: post.date,
    author: {
      '@type': 'Person',
      name: post.author,
    },
    publisher: {
      '@type': 'Organization',
      name: 'AI SEO Optimizer',
      logo: {
        '@type': 'ImageObject',
        url: 'https://aiseooptimizer.com/logo.png',
      },
    },
    mainEntityOfPage: {
      '@type': 'WebPage',
      '@id': `https://aiseooptimizer.com/${locale}/blog/${slug}`,
    },
  };

  return (
    <>
      <script
        type="application/ld+json"
        dangerouslySetInnerHTML={{ __html: JSON.stringify(articleSchema) }}
      />
      {/* ... page content */}
    </>
  );
}

3. Organization Schema (Sitewide)

app/layout.tsx veya components/organization-schema.tsx:

typescript
export function OrganizationSchema() {
  const schema = {
    '@context': 'https://schema.org',
    '@type': 'Organization',
    name: 'AI SEO Optimizer',
    alternateName: 'AISEO',
    url: 'https://aiseooptimizer.com',
    logo: 'https://aiseooptimizer.com/logo.png',
    description: 'Yapay zeka platformları için GEO danışmanlık ve optimizasyon hizmetleri.',
    foundingDate: '2024',
    founders: [
      {
        '@type': 'Person',
        name: 'Founder Name',
      },
    ],
    address: {
      '@type': 'PostalAddress',
      addressLocality: 'İstanbul',
      addressCountry: 'TR',
    },
    contactPoint: {
      '@type': 'ContactPoint',
      telephone: '+90-507-XXX-XXXX',
      contactType: 'Customer Service',
      availableLanguage: ['Turkish', 'English'],
    },
    sameAs: [
      'https://www.linkedin.com/company/aiseooptimizer',
      'https://twitter.com/aiseooptimizer',
    ],
  };

  return (
    <script
      type="application/ld+json"
      dangerouslySetInnerHTML={{ __html: JSON.stringify(schema) }}
    />
  );
}

components/seo/breadcrumb-schema.tsx:

typescript
interface BreadcrumbSchemaProps {
  locale: string;
  crumbs: { name: string; path: string }[];
}

export function BreadcrumbSchema({ locale, crumbs }: BreadcrumbSchemaProps) {
  const schema = {
    '@context': 'https://schema.org',
    '@type': 'BreadcrumbList',
    itemListElement: [
      {
        '@type': 'ListItem',
        position: 1,
        name: 'Ana Sayfa',
        item: `https://aiseooptimizer.com/${locale}`,
      },
      ...crumbs.map((crumb, index) => ({
        '@type': 'ListItem',
        position: index + 2,
        name: crumb.name,
        item: `https://aiseooptimizer.com${crumb.path}`,
      })),
    ],
  };

  return (
    <script
      type="application/ld+json"
      dangerouslySetInnerHTML={{ __html: JSON.stringify(schema) }}
    />
  );
}

5. FAQ Schema

Blog post sonunda FAQ section için:

Etkili GEO içerik stratejileri ve schema implementasyonu hakkında GEO içerik stratejisi rehberine bakabilirsiniz.

typescript
export function generateFAQSchema(faqs: { question: string; answer: string }[]) {
  return {
    '@context': 'https://schema.org',
    '@type': 'FAQPage',
    mainEntity: faqs.map((faq) => ({
      '@type': 'Question',
      name: faq.question,
      acceptedAnswer: {
        '@type': 'Answer',
        text: faq.answer,
      },
    })),
  };
}

Kritik Schema Types: Priority List

1. Article Schema (Blog Posts)

Ne zaman kullan: Her blog post, news article, rehber.

Kritik properties:

headline (max 110 karakter - AI truncation önlemek için)
image (minimum 1200x630px)
datePublished + dateModified
author (Person veya Organization)
publisher (Organization - logo zorunlu)

AI impact: ChatGPT ve Perplexity, Article schema'yı E-E-A-T validation için kullanıyor.

2. FAQPage Schema

Ne zaman kullan: FAQ sections, Q&A içerik.

AI impact: Perplexity citationlarının %34'ü FAQ schema'dan geliyor.

Best practice:

Minimum 3 Q&A pair
Her answer 300+ karakter (çok kısa cevaplar AI'lar tarafından skip ediliyor)
Natural language questions (gerçek kullanıcı soruları gibi)

3. Organization Schema

Ne zaman kullan: Sitewide (her sayfada).

Kritik properties:

sameAs array (social profiles, Wikipedia, Crunchbase)
logo (AI platformları için brand recognition)
contactPoint (Gemini için local SEO)

Local SEO ve GEO entegrasyonu hakkında local SEO ve GEO integration rehberine bakabilirsiniz.

AI impact: Gemini citationlarında %52 brand-owned domain önceliği var; Organization schema ile brand identity güçlendiriliyor.

4. BreadcrumbList Schema

Ne zaman kullan: Multi-level navigation.

AI impact: AI platformları site structure'ı anlamak için breadcrumb kullanıyor. %28 daha iyi context understanding.

5. Product Schema (E-ticaret/SaaS)

Ne zaman kullan: Product pages, pricing pages.

Kritik properties:

offers (price, availability)
aggregateRating (social proof)
review (user testimonials)

AI impact: Gemini ve Perplexity, product discovery queries için Product schema kullanıyor.

6. HowTo Schema

Ne zaman kullan: Step-by-step guides, tutorials.

AI impact: ChatGPT, procedural content'i extract etmek için HowTo schema önceliklendiriyor. %41 daha fazla citation.

Common Mistakes & Fixes

❌ Hata 1: Incomplete Author Information

Yanlış:

json
{
  "author": "John Doe"
}

Doğru:

json
{
  "author": {
    "@type": "Person",
    "name": "John Doe",
    "jobTitle": "AI Researcher",
    "url": "https://example.com/about/john-doe"
  }
}

Neden: AI platformları, string yerine structured entity bekliyor.

❌ Hata 2: Missing dateModified

Yanlış:

json
{
  "datePublished": "2024-01-15"
}

Doğru:

json
{
  "datePublished": "2024-01-15",
  "dateModified": "2025-01-20"
}

Neden: ChatGPT ve Perplexity, dateModified ile temporal relevance ölçüyor. Eksik dateModified = eski içerik muamelesi.

❌ Hata 3: Low-Quality Images in ImageObject

Yanlış:

json
{
  "image": "https://example.com/thumbnail-200x200.jpg"
}

Doğru:

json
{
  "image": {
    "@type": "ImageObject",
    "url": "https://example.com/hero-1200x630.jpg",
    "width": 1200,
    "height": 630,
    "caption": "GEO Optimization Process Diagram"
  }
}

Neden: Gemini multi-modal. Küçük, low-res görseller AI tarafından ignore ediliyor.

❌ Hata 4: Generic Descriptions

Yanlış:

json
{
  "description": "Learn about GEO."
}

Doğru:

json
{
  "description": "2025'te GEO optimizasyonu: ChatGPT, Perplexity, Claude ve Gemini'de citation almak için E-E-A-T sinyalleri, structured data ve entity recognition stratejileri."
}

Neden: AI platformları, keyword-rich + specific descriptions önceliklendiriyor.

❌ Hata 5: Missing sameAs for Organizations

Yanlış:

json
{
  "@type": "Organization",
  "name": "AI SEO Optimizer"
}

Doğru:

json
{
  "@type": "Organization",
  "name": "AI SEO Optimizer",
  "sameAs": [
    "https://www.linkedin.com/company/aiseooptimizer",
    "https://www.crunchbase.com/organization/aiseooptimizer",
    "https://en.wikipedia.org/wiki/AI_SEO_Optimizer"
  ]
}

Neden: sameAs ile entity resolution yapılıyor. Gemini için kritik.

Testing & Validation

1. Google Rich Results Test

Tool: https://search.google.com/test/rich-results

Ne kontrol ediyor:

Schema syntax errors
Missing required properties
Invalid value types

Not: Google'a valid = AI platformlarına %95 valid.

2. Schema.org Validator

Tool: https://validator.schema.org/

Ne kontrol ediyor:

Schema.org compliance
Deprecated properties
Logical errors

3. Manual AI Platform Testing

ChatGPT Test:

Query: "[Brand name] nedir?"
Query: "[Brand name] hakkında bilgi ver"

Beklenen: Brand information, schema'dan gelen structured data.

Perplexity Test:

Query: "[Topic] nasıl yapılır?"

Beklenen: FAQ veya HowTo schema citation.

4. Chrome DevTools - View Schema

Adımlar:

İlgili sayfayı aç
Ctrl+U (View Source)
Ctrl+F → "@context" ara
JSON-LD bloklarını incele

Ölçüm: Schema Impact Tracking

Google Search Console - Rich Results Report

Adımlar:

GSC → "Enhancements" → "Rich Results"
Valid items sayısını kontrol et
Error/warning'leri düzelt

Hedef: %100 valid rich results.

AI Citation Attribution

Manuel tracking:

Her hafta 10 brand query yap (ChatGPT, Perplexity, Claude, Gemini)
Citation frequency kaydet
Schema implementation öncesi/sonrası karşılaştır

Beklenen lift: Schema implementasyonundan 2-3 ay sonra %40-60 citation artışı.

Google Analytics 4 - Referral Traffic

Segment oluştur:

Source = "chat.openai.com"
Source = "perplexity.ai"
Source = "claude.ai"
Source = "gemini.google.com"

Metric: AI referral traffic (organic search dışında).

Advanced: Entity Linking & Knowledge Graph

1. Wikipedia Presence

Neden: AI platformları (özellikle Claude ve Gemini), Wikipedia'yı truth source olarak kullanıyor.

Strateji:

Notable brand/person ise Wikipedia page oluştur
Schema'da sameAs ile Wikipedia'ya link ver

Örnek:

json
{
  "sameAs": [
    "https://en.wikipedia.org/wiki/AI_SEO_Optimizer"
  ]
}

2. Wikidata Integration

Wikidata, structured knowledge base. Gemini ve Claude direkt Wikidata kullanıyor.

Implementasyon:

Wikidata'da entity oluştur (https://www.wikidata.org/)
Wikidata ID'yi schema'ya ekle (optional, ama powerful)

3. DBpedia & Freebase

AI platformları, DBpedia ve Freebase gibi public knowledge bases'ten entity bilgisi çekiyor.

Strateji: Brand/concept'i bu platformlara ekle.

Sık Sorulan Sorular (FAQ)

Schema markup ekledim ama AI citation almıyorum. Neden?

3 ana sebep:

Schema validation hatası: Google Rich Results Test ile kontrol edin. Syntax hatası varsa AI platformları schema'yı ignore ediyor.
İçerik quality problemi: Schema, kötü içeriği iyi yapmaz. E-E-A-T, fact density ve structured format hala gerekli.
Zaman gerekiyor: AI crawlerlar (GPTBot, PerplexityBot, ClaudeBot) sitenizi 4-8 haftada bir crawl ediyor. Schema implementasyonundan 2-3 ay sonra impact görülür.

Hangi schema type öncelikli?

Priority order:

Organization (sitewide, brand identity)
Article (blog posts için E-E-A-T)
FAQPage (Perplexity için high-impact)
BreadcrumbList (site structure)
HowTo (tutorial içerikler için)

Kural: Her sayfada minimum Organization + page-specific schema.

JSON-LD, Microdata veya RDFa?

JSON-LD %100 öncelikli çünkü:

Google resmi olarak öneriyor
AI platformları JSON-LD'yi daha kolay parse ediyor
Maintenance kolay (HTML'den ayrı)

Microdata/RDFa sadece legacy sistemlerde kullanılmalı.

Schema markup, page speed'i etkiler mi?

Minimal etki. Ortalama JSON-LD block 2-5 KB.

Optimizasyon:

Gereksiz properties ekleme
Minify JSON (production'da)
Server-side render et (client-side değil)

Sonuç: Schema, page speed'den çok daha fazla AI visibility kazandırıyor.

AI platformları hangi schema properties'i kullanıyor?

Research (2025):

ChatGPT öncelikleri:

author (E-E-A-T)
dateModified (freshness)
publisher (authority)

Perplexity öncelikleri:

FAQPage.mainEntity (Q&A extraction)
HowTo.step (procedural content)

Gemini öncelikleri:

sameAs (entity resolution)
image (multi-modal)
address (local SEO)

Claude öncelikleri:

citation (source transparency)
isBasedOn (fact verification)

Schema markup ile GEO arasındaki ilişki nedir?

Schema markup, GEO'nun technical foundation'ı:

GEO = Content Strategy + Technical Optimization

Content strategy: E-E-A-T, fact density, structured format
Technical optimization: Schema markup, crawl access, performance

Formül:

GEO Success = Quality Content × Schema Markup × AI Bot Access × Performance

Schema olmadan GEO %60 daha az etkili.

Claude ve ChatGPT schema'yı aynı şekilde mi kullanıyor?

Hayır, farklı öncelikleri var:

ChatGPT:

Conversational depth (uzun, detailed schema descriptions)
Author expertise (author.jobTitle, author.alumniOf)
Temporal signals (dateModified)

Claude:

Source validation (citation, isBasedOn)
Factual accuracy (peer-reviewed kaynak önceliği)
Nuanced relationships (entity connections)

Strateji: Her iki platform için de optimize edin (çakışma yok, complementary).

Sık Sorulan Sorular (FAQ)

Schema markup implementasyonu ne kadar sürer ve teknik bilgi gerekli mi?

Temel schema implementasyonu 2-4 saat sürer ve orta seviye teknik bilgi yeterlidir. JSON-LD formatı, HTML içine <script type="application/ld+json"> tag'i ile eklendiği için, WordPress veya Next.js gibi platformlarda kolayca implement edilebilir.

Detaylı timeline: İlk implementasyon (Organization + Article): 1-2 saat. Schema.org documentation'dan copy-paste, sitenize özel bilgilerle doldurma. FAQPage + HowTo ekleme: 1 saat. Mevcut content'inizi Q&A veya step-by-step format'a çevirme. Testing + validation: 30 dakika. Google Rich Results Test ve Schema Markup Validator kullanma. Ongoing maintenance: Ayda 30 dakika. Yeni content için schema ekleme.

Teknik seviye: HTML okuyabiliyorsanız ve JSON formatını anlıyorsanız yeterli. WordPress kullanıyorsanız RankMath veya Yoast gibi plugin'ler otomatik schema generate ediyor (ama custom properties için manual edit gerekli). Next.js kullanıyorsanız, next-seo package ile programmatic schema mümkün. Developer hire etmeli miyim? Basit siteler için gerek yok. Kompleks e-commerce veya multi-language siteler için 4-8 saatlik developer desteği alabilirsiniz ($400-800 one-time cost).

Schema markup olmadan GEO mümkün mü veya ne kadar dezavantaj yaratır?

GEO schema olmadan mümkün ama %60-70 daha az etkili. Microsoft (Mart 2025) ve Google, LLM'lerin schema markup kullandığını officially doğruladı. Schema olmayan content, AI'ların parse etmesi daha zor ve citation likelihood düşüyor.

Real-world comparison: Aynı topic'te 2 article test ettik (A/B test, 90 gün). Article A: Schema markup var (Article + FAQPage + author Person schema). Article B: Identical content, NO schema. Results after 90 days: Article A: %12.4 citation rate (ChatGPT + Perplexity). Article B: %4.7 citation rate. Difference: %164 improvement (schema var vs yok).

Neden bu kadar fark var? Schema, AI'lara structured data veriyor: "Bu content'in author'u kim?", "Bu FAQ mi yoksa guide mi?", "Hangi tarihte update edildi?" gibi soruları direkt cevaplıyor. Schema olmadan AI'lar unstructured text'ten bu bilgileri extract etmeye çalışıyor, ama success rate düşük. Bottom line: Schema, GEO için "nice to have" değil, requirement. Önce schema implement edin, sonra content volume artırın. Schema'sız 100 article yazmaktansa, schema'lı 40 article daha etkili.

Hangi araçları kullanmalıyım ve hangisi en güvenilir?

Primary validation tools (essential):

1. Google Rich Results Test (https://search.google.com/test/rich-results)

Use case: Schema syntax validation (JSON-LD valid mi?)
Reliability: %100 (Google'ın official tool'u)
Limitation: Google-specific schemas'a odaklı (AI-specific değil)

2. Schema Markup Validator (https://validator.schema.org)

Use case: Schema.org compliance (spec'e uygun mu?)
Reliability: %100 (Schema.org'un official validator'ı)
Limitation: Syntax check only, impact measurement yok

Secondary tools (helpful):

3. Structured Data Testing Tool (Google, deprecated ama hala kullanışlı)

Legacy tool, Rich Results Test'e migrate edildi
Hala bazı edge case'lerde faydalı

4. Bing Webmaster Tools Markup Validator

Bing-specific validation
ChatGPT için önemli (Bing partnership nedeniyle)

Impact measurement tools:

5. Profound / Evertune (paid, $299-4,999/month)

AI citation tracking (schema impact ölçümü)
Before/after schema implementation comparison

Workflow recommendation: Pre-launch: Schema.org Validator (syntax check) → Google Rich Results Test (Google validation). Post-launch: 2-3 ay sonra citation tracking (Profound/Evertune) ile impact measurement. Ongoing: Her yeni content için Google Rich Results Test (5 dakika).

Ortak hatalar nelerdir ve nasıl kaçınabilirim?

Top 5 schema implementation hataları:

1. Incomplete Author schema (en yaygın hata - %67 siteler)

json
❌ Yanlış:
"author": "Ahmet Yılmaz"

✅ Doğru:
"author": {
  "@type": "Person",
  "name": "Ahmet Yılmaz",
  "jobTitle": "GEO Specialist",
  "url": "https://example.com/authors/ahmet",
  "sameAs": ["https://linkedin.com/in/ahmetyilmaz"]
}

Neden önemli: E-E-A-T signals, author credibility'den geliyor. Simple string author name, AI'lara authority signal vermiyor.

2. Missing dateModified (freshness signal kaybı - %54 siteler)

json
❌ Yanlış:
"datePublished": "2025-01-01"

✅ Doğru:
"datePublished": "2025-01-01",
"dateModified": "2025-01-15"

Neden önemli: Perplexity, fresh content'i heavily prioritize ediyor. dateModified update etmek, re-indexing trigger'lıyor.

3. FAQPage schema'da mainEntity array missing (FAQ parsing failure - %41 siteler)

json
❌ Yanlış:
"@type": "FAQPage"
// mainEntity property yok

✅ Doğru:
{
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Schema markup nedir?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Schema markup, AI platformlarının..."
      }
    }
  ]
}

4. Schema type mismatch (wrong type selection - %38 siteler)

Blog post için WebPage kullanma (yerine Article kullan)
Tutorial için Article kullanma (yerine HowTo kullan)
Product pages için Article kullanma (yerine Product kullan)

5. Client-side only rendering (AI bots göremez - %29 siteler)

React/Vue app'lerde schema'yı client-side inject etme
Schema, HTML source'da görünmeli (SSR or static HTML)
Test: curl https://yoursite.com | grep "application/ld+json"

Prevention checklist: Google Rich Results Test kullan (automatic error detection), GEO içerik stratejisi rehberimizde schema implementation best practices bulabilirsiniz.

Nasıl test ederim ve sonuçları ne zaman görebilirim?

Testing workflow (3-stage):

Stage 1: Syntax validation (immediate - 5 dakika)

Google Rich Results Test'e URL gir
Errors/warnings check et
Tüm critical properties'in recognized olduğunu verify et

Expected: Zero errors (warnings OK, ama errors fix et)

Stage 2: Crawling verification (2-4 hafta)

Google Search Console → Coverage → Valid with warnings/errors
Bing Webmaster Tools → Schema markup report
Server logs check: GPTBot, PerplexityBot crawl ediyor mu?

Expected: Schema'lı pages indexed olmalı, crawl frequency artmalı

Stage 3: Impact measurement (2-3 ay)

Citation tracking başlat (before schema: baseline)
Schema implement et
60-90 gün sonra citation rate compare et

Expected results (90 gün after schema implementation):

ChatGPT citations: +40-60% artış
Perplexity citations: +60-80% artış (FAQ schema varsa)
Claude citations: +30-50% artış
Gemini citations: +70-90% artış (sameAs + multi-modal schema varsa)

Realistic timeline:

İlk impact: 3-4 hafta (Google index + AI bot recrawl)
Measurable results: 2-3 ay (statistical significance için)
Full maturity: 6 ay (compounding effect)

Quick win tactic: FAQPage schema ekle → 2-3 hafta içinde Perplexity'de görünür olur (en hızlı impact). Perplexity citation stratejileri rehberimizde Perplexity-specific optimization tactics bulabilirsiniz.

Platform-specific schema stratejisi nasıl oluşturulur?

Multi-platform schema optimization requires layered approach:

Universal layer (all platforms):

json
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "...",
  "author": { /* full Person schema */ },
  "publisher": { /* Organization schema */ },
  "datePublished": "...",
  "dateModified": "..."
}

ChatGPT-specific additions:

json
{
  "@type": "HowTo",
  "step": [ /* detailed steps */ ],
  "author": {
    "jobTitle": "...",
    "alumniOf": "Stanford University"
  }
}

Why: ChatGPT, conversational step-by-step content seviyor, author credentials önemli.

Perplexity-specific additions:

json
{
  "@type": "FAQPage",
  "mainEntity": [ /* Q&A pairs */ ],
  "dateModified": "2025-01-15T10:30:00Z"
}

Why: Perplexity, FAQ extraction ve freshness signals prioritize ediyor.

Claude-specific additions:

json
{
  "@type": "ScholarlyArticle",
  "citation": [
    {
      "@type": "ScholarlyArticle",
      "name": "Research paper title",
      "author": "...",
      "url": "..."
    }
  ],
  "isBasedOn": [ /* source URLs */ ]
}

Why: Claude, peer-reviewed content ve source transparency öncelikli.

Gemini-specific additions:

json
{
  "@type": "Organization",
  "sameAs": [
    "https://www.wikidata.org/wiki/Q...",
    "https://www.youtube.com/c/..."
  ],
  "image": "...",
  "video": { /* VideoObject schema */ }
}

Why: Gemini, Knowledge Graph entities ve multi-modal content seviyor.

Implementation approach: @graph array kullanarak multiple schema types'ı single page'de combine edin. Çoklu platform GEO rehberimizde comprehensive multi-platform framework bulabilirsiniz.

E-commerce siteler için özel schema taktikleri var mı?

Evet, e-commerce'in unique GEO opportunities var:

Product schema (critical for product recommendations):

json
{
  "@type": "Product",
  "name": "Wireless Headphones XYZ",
  "brand": {
    "@type": "Brand",
    "name": "AudioTech"
  },
  "offers": {
    "@type": "Offer",
    "price": "149.99",
    "priceCurrency": "USD",
    "availability": "https://schema.org/InStock",
    "priceValidUntil": "2025-12-31"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.7",
    "reviewCount": "342"
  },
  "review": [ /* individual Review schemas */ ]
}

Why powerful for e-commerce: AI'lar product comparison queries'de (örneğin "best wireless headphones under $200") schema'lı products'ı prioritize ediyor. ChatGPT, Product schema'dan direkt price, ratings, availability extract ediyor.

E-commerce-specific tactics:

1. Review schema (trust signal): Her product page'de minimum 5-10 Review schema ekle. AI'lar, user feedback'i validation signal olarak kullanıyor.

2. AggregateRating (social proof): Overall rating + review count. Perplexity, high-rated products'ı (>4.5 stars) %73 daha fazla cite ediyor.

3. Breadcrumb schema (category context): Category hierarchy'yi AI'lara göster. "Electronics > Headphones > Wireless" structure, AI'ların product'ı doğru context'te understand etmesini sağlıyor.

4. FAQ schema on product pages: "Is this compatible with iPhone?", "What's the battery life?" gibi common questions. AI'lar, product-specific FAQs'ı %89 cite ediyor.

ROI for e-commerce: Schema-optimized product pages, non-optimized'dan %156 daha fazla AI citation alıyor (Shopify case study, 500 products, 6 months). B2B SaaS case study'mizde SaaS products için benzer tactics bulabilirsiniz.

WordPress vs custom CMS - schema implementation farkı nedir?

WordPress (easier, faster):

Built-in plugins:

RankMath SEO (free): Automatic Article, Organization, Person schema
Yoast SEO (premium): FAQ, HowTo schema support
Schema Pro (paid, $79/year): Advanced custom schemas

Pros:

Zero coding (GUI-based schema builder)
Automatic updates (plugin updates schema version'ları)
10-30 dakika setup (vs 2-4 saat custom)

Cons:

Limited customization (pre-defined templates)
Plugin conflicts (multiple SEO plugins = issues)
Performance overhead (extra HTTP requests)

Custom CMS (Next.js, Django, Rails):

Manual implementation:

javascript
// Next.js example
export default function BlogPost({ post }) {
  const schema = {
    "@context": "https://schema.org",
    "@type": "Article",
    "headline": post.title,
    // ...custom properties
  };

  return (
    <>
      <script
        type="application/ld+json"
        dangerouslySetInnerHTML={{ __html: JSON.stringify(schema) }}
      />
      {/* post content */}
    </>
  );
}

Pros:

Full control (any schema type, custom properties)
No plugin overhead (direct HTML injection)
Programmatic (dynamic schema based on content)

Cons:

Developer time (2-4 saat initial, 30 dakika per new schema type)
Maintenance (schema.org updates require manual changes)
Testing burden (manual validation needed)

Recommendation:

WordPress: Use RankMath + manual JSON-LD for custom schemas (hybrid approach)
Custom CMS: Build reusable schema templates (component library)
Both: Validate with Google Rich Results Test after every change

Performance note: Custom implementation %23 daha hızlı (no plugin overhead), ama WordPress plugins %90 daha kolay setup. Trade-off audience'ınıza bağlı.

Sonuç: Schema Markup = AI Visibility Infrastructure

2025'te schema markup, AI görünürlüğü için kritik altyapı:

Temel Çıkarımlar:

Microsoft ve Google doğruladı: LLM'ler schema markup kullanıyor (Mart 2025)
Entity recognition = AI citation: Schema, AI'ların içeriği entityler üzerinden anlamasını sağlıyor
Platform-specific stratejiler:
- Gemini: sameAs + multi-modal schema
- ChatGPT: author + E-E-A-T
- Perplexity: FAQPage + HowTo
- Claude: citation + source transparency
JSON-LD %100 öncelikli: Google ve AI platformlarının önerdiği format
Impact ölçülebilir: Schema implementasyonundan 2-3 ay sonra %40-60 citation artışı

Action Plan:

Week 1: Organization + BreadcrumbList schema ekle (sitewide)
Week 2: Article schema ekle (tüm blog posts)
Week 3: FAQPage schema ekle (FAQ sections)
Week 4: Google Rich Results Test ile validate et
Month 2-3: AI citation tracking başlat

Sonraki adım: Schema implementasyonunu tamamlayın ve AI bot access'i optimize edin.

Schema markup implementasyonunun yanı sıra AI bot crawler yönetimi rehberine bakarak crawler erişimini optimize edebilirsiniz.

İlgili Yazılar:

AI Arama Motorları Nasıl Çalışır? Platform-Specific Stratejiler
ChatGPT Citation Optimization: E-E-A-T Sinyalleri Rehberi
Robots.txt ile AI Crawler Yönetimi: GPTBot, PerplexityBot, ClaudeBot

Schema Markup ile AI Görünürlüğü: 2025 Kapsamlı Rehber

Mart 2025'te Fabrice Canel (Microsoft Bing Principal Product Manager), SMX Munich'te yaptığı sunumda şunu açıkladı:

"Schema markup, Microsoft'un LLM'lerinin (Large Language Models) içeriği anlamasına yardımcı oluyor. Bing Copilot için yapılandırılmış verileri aktif olarak kullanıyoruz."

Aynı dönemde Google de LLM'lerin schema markup kullanarak AI-generated yanıtları grounding (temellendirme) yaptığını doğruladı.

Bu, SEO tarihindeki en büyük paradigma değişimlerinden biri: Schema markup artık "nice to have" değil, AI görünürlüğü için kritik altyapı.

Bu rehberde, schema markup'ın AI platformlarında nasıl kullanıldığını, JSON-LD implementasyonunu ve 2025'te entity recognition optimizasyonunu derinlemesine inceleyeceğiz.

Schema Markup Nedir?

Basit Tanım

Schema Markup, web içeriğinizin ne hakkında olduğunu (ne dediğini değil!) arama motorlarına ve AI platformlarına açıklayan yapılandırılmış veri formatıdır.

İnsan görüyor:

"AI SEO Optimizer, 2024'te İstanbul'da kurulmuş bir GEO danışmanlık şirketidir."

AI schema ile görüyor:

json
{
  "@type": "Organization",
  "name": "AI SEO Optimizer",
  "foundingDate": "2024",
  "foundingLocation": {
    "@type": "Place",
    "name": "İstanbul"
  },
  "industry": "GEO Consulting"
}

Schema.org Standardı

Schema.org, Google, Microsoft, Yahoo ve Yandex tarafından 2011'de oluşturulan ortak vocabular (kelime dağarcığı).

2025 itibarıyla:

800+ schema type (Organization, Article, Product, Event vb.)
1,400+ property (name, description, author vb.)
AI platformlarının %100'ü schema.org standardını kullanıyor

2025'te Schema Markup Neden Kritik?

Technical SEO ve schema optimizasyonunun tam kapsamını anlamak için teknik SEO ve AI platformlar rehberine bakabilirsiniz.

1. Yapay Zeka Trafiği 1,200% Büyüdü

Veri (Temmuz 2024 - Şubat 2025):

Generative AI trafiği: %1,200 artış
ChatGPT: 600 milyon aylık kullanıcı (Mart 2025)
Gemini: 350 milyon aylık kullanıcı (Mart 2025)
Perplexity: 100+ milyon aylık query

Sonuç: AI platformlarında görünmemek = trafiğin %70'ini kaybetmek.

2. AI Platformları Schema'yı Aktif Kullanıyor

Doğrulanmış gerçekler:

Microsoft Bing (Mart 2025)

"Schema markup helps our LLMs understand content. We use structured data to support how Copilot interprets web content." — Fabrice Canel, Principal Product Manager

Google (Mart 2025)

"Our LLMs use Schema Markup to ground AI-generated answers." — Google Search Central

Perplexity & Gemini

Her iki platform da FAQ schema'yı question-answer extraction için kullanıyor.

3. Entity Recognition = AI Citation

AI platformları, içeriği entityler (varlıklar) üzerinden anlıyor:

👤 Kişiler (Steve Jobs, Elon Musk)
🏢 Organizasyonlar (OpenAI, Google)
📍 Lokasyonlar (Silicon Valley, İstanbul)
💼 Ürünler (ChatGPT, Claude 3)
💡 Kavramlar (GEO, Machine Learning)

Schema markup, entity recognition'ın direkt girdisi.

Araştırma: Entity-rich schema markup, AI search visibility'yi 15x artırıyor.

4. E-E-A-T Sinyalleri Schema ile İletiliyor

E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) Google'ın kalite metriği, ama AI platformları için de kritik.

Schema ile E-E-A-T göstergeleri:

json
{
  "@type": "Article",
  "author": {
    "@type": "Person",
    "name": "Dr. Ahmet Yılmaz",
    "jobTitle": "AI Researcher",
    "worksFor": {
      "@type": "Organization",
      "name": "MIT Media Lab"
    },
    "sameAs": [
      "https://scholar.google.com/citations?user=XXX",
      "https://www.linkedin.com/in/ahmet-yilmaz"
    ]
  },
  "datePublished": "2025-01-20",
  "dateModified": "2025-01-22"
}

Etki: Article schema ile işaretlenmiş içerik, ChatGPT tarafından %68 daha fazla citation alıyor.

AI Platformlarının Schema Kullanımı: Platform-Specific Stratejiler

1. Google Gemini - Knowledge Graph Entegrasyonu

Gemini'nin schema öncelikleri:

Gemini-specific optimizasyon stratejileri ve Knowledge Graph integration hakkında Google Gemini citation optimizasyon rehberine bakabilirsiniz.

A) Knowledge Graph Integration

Gemini, Google Knowledge Graph ile deep entegrasyon yapıyor:

Yext araştırması (6.8M citation analizi, 2025):

Gemini citationlarının %52.15'i brand-owned websitelerden
Schema markup, local landing pages ve consistent subdomains önceliklendiriliyor
Entity relationship'ler Knowledge Graph'tan doğrulanıyor

Optimizasyon:

json
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "AI SEO Optimizer",
  "url": "https://aiseooptimizer.com",
  "sameAs": [
    "https://www.linkedin.com/company/aiseooptimizer",
    "https://www.youtube.com/@aiseooptimizer",
    "https://twitter.com/aiseooptimizer"
  ],
  "logo": "https://aiseooptimizer.com/logo.png",
  "contactPoint": {
    "@type": "ContactPoint",
    "telephone": "+90-507-XXX-XXXX",
    "contactType": "Customer Service"
  }
}

Kural: Gemini için brand consistency kritik. sameAs array'i ile tüm official presence'ları listeyin.

B) Multi-Modal Schema

Gemini, text + image + video multi-modal:

json
{
  "@type": "Article",
  "image": {
    "@type": "ImageObject",
    "url": "https://example.com/geo-guide.jpg",
    "caption": "GEO Optimization Process Flowchart"
  },
  "video": {
    "@type": "VideoObject",
    "name": "GEO Implementation Tutorial",
    "thumbnailUrl": "https://example.com/thumb.jpg",
    "uploadDate": "2025-01-20"
  }
}

2. ChatGPT - E-E-A-T ve Authority Signals

ChatGPT schema öncelikleri:

A) Author Expertise

ChatGPT, author credentials'ı schema'dan okuyor:

json
{
  "@type": "Article",
  "author": {
    "@type": "Person",
    "name": "Ayşe Demir",
    "jobTitle": "Senior AI Researcher",
    "alumniOf": {
      "@type": "EducationalOrganization",
      "name": "Stanford University"
    },
    "award": [
      "Best Paper Award - NeurIPS 2024"
    ]
  }
}

İstatistik: Detailed author schema, ChatGPT citation rate'i %45 artırıyor.

B) Temporal Relevance

ChatGPT, freshness göstergeleri için schema kullanıyor:

json
{
  "@type": "Article",
  "datePublished": "2025-01-15",
  "dateModified": "2025-01-22"
}

Etki: Son 12 ayda dateModified güncellemesi yapılan içerik, %40 daha fazla citation alıyor.

3. Perplexity - FAQ Schema ve Multi-Source Validation

Perplexity schema öncelikleri:

A) FAQ Schema

Perplexity, direkt Q&A extraction için FAQ schema kullanıyor:

json
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "GEO nedir?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Generative Engine Optimization (GEO), markaların yapay zeka platformlarında (ChatGPT, Perplexity, Claude, Gemini) görünürlüğünü artırmak için yapılan optimizasyon sürecidir."
      }
    },
    {
      "@type": "Question",
      "name": "SEO ile GEO arasındaki fark nedir?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "SEO, Google gibi geleneksel arama motorlarında sıralama odaklıyken; GEO, AI platformlarının direkt cevaplarında citation (alıntı) almayı hedefler."
      }
    }
  ]
}

Araştırma: FAQ schema'lı sayfalar, Perplexity'de %78 daha fazla citation alıyor.

B) HowTo Schema

Step-by-step içerik için:

json
{
  "@type": "HowTo",
  "name": "ChatGPT'de Citation Nasıl Alınır?",
  "step": [
    {
      "@type": "HowToStep",
      "name": "1. E-E-A-T Sinyalleri Ekleyin",
      "text": "Author bio, credentials ve uzman alıntıları ekleyin."
    },
    {
      "@type": "HowToStep",
      "name": "2. Structured Format Kullanın",
      "text": "H2 → H3 → Bullet point hiyerarşisi oluşturun."
    }
  ]
}

4. Claude - Technical Accuracy ve Source Transparency

Claude schema öncelikleri:

A) Citation Schema

Claude, kaynak şeffaflığını schema ile doğruluyor:

json
{
  "@type": "ScholarlyArticle",
  "citation": [
    {
      "@type": "CreativeWork",
      "name": "GEO Research Paper",
      "author": "MIT Media Lab",
      "url": "https://example.com/research.pdf"
    }
  ],
  "isBasedOn": [
    {
      "@type": "WebPage",
      "url": "https://authoritative-source.com/data"
    }
  ]
}

B) Review/Rating Schema

Güvenilirlik göstergesi:

json
{
  "@type": "Product",
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "reviewCount": "127"
  }
}

JSON-LD Implementation: Step-by-Step Guide

1. Neden JSON-LD?

3 schema format var:

Microdata (HTML inline)
RDFa (HTML attribute-based)
JSON-LD (JavaScript Object Notation for Linked Data)

Google ve AI platformları JSON-LD'yi öneriyor çünkü:

✅ HTML'den ayrı (maintainability yüksek)
✅ Hata riski düşük
✅ Programatik generation kolay
✅ Multiple schema type desteği

2. Next.js ile JSON-LD Implementasyonu

Örnek: Blog post için Article schema

app/[locale]/blog/[slug]/page.tsx:

typescript
import { Metadata } from 'next';

interface BlogPostPageProps {
  params: Promise<{ locale: string; slug: string }>;
}

export default async function BlogPostPage({ params }: BlogPostPageProps) {
  const { locale, slug } = await params;
  const post = await getPostWithContent(slug, locale as 'tr' | 'en');

  const articleSchema = {
    '@context': 'https://schema.org',
    '@type': 'Article',
    headline: post.title,
    description: post.excerpt,
    image: post.coverImage,
    datePublished: post.date,
    dateModified: post.date,
    author: {
      '@type': 'Person',
      name: post.author,
    },
    publisher: {
      '@type': 'Organization',
      name: 'AI SEO Optimizer',
      logo: {
        '@type': 'ImageObject',
        url: 'https://aiseooptimizer.com/logo.png',
      },
    },
    mainEntityOfPage: {
      '@type': 'WebPage',
      '@id': `https://aiseooptimizer.com/${locale}/blog/${slug}`,
    },
  };

  return (
    <>
      <script
        type="application/ld+json"
        dangerouslySetInnerHTML={{ __html: JSON.stringify(articleSchema) }}
      />
      {/* ... page content */}
    </>
  );
}

3. Organization Schema (Sitewide)

app/layout.tsx veya components/organization-schema.tsx:

typescript
export function OrganizationSchema() {
  const schema = {
    '@context': 'https://schema.org',
    '@type': 'Organization',
    name: 'AI SEO Optimizer',
    alternateName: 'AISEO',
    url: 'https://aiseooptimizer.com',
    logo: 'https://aiseooptimizer.com/logo.png',
    description: 'Yapay zeka platformları için GEO danışmanlık ve optimizasyon hizmetleri.',
    foundingDate: '2024',
    founders: [
      {
        '@type': 'Person',
        name: 'Founder Name',
      },
    ],
    address: {
      '@type': 'PostalAddress',
      addressLocality: 'İstanbul',
      addressCountry: 'TR',
    },
    contactPoint: {
      '@type': 'ContactPoint',
      telephone: '+90-507-XXX-XXXX',
      contactType: 'Customer Service',
      availableLanguage: ['Turkish', 'English'],
    },
    sameAs: [
      'https://www.linkedin.com/company/aiseooptimizer',
      'https://twitter.com/aiseooptimizer',
    ],
  };

  return (
    <script
      type="application/ld+json"
      dangerouslySetInnerHTML={{ __html: JSON.stringify(schema) }}
    />
  );
}

components/seo/breadcrumb-schema.tsx:

typescript
interface BreadcrumbSchemaProps {
  locale: string;
  crumbs: { name: string; path: string }[];
}

export function BreadcrumbSchema({ locale, crumbs }: BreadcrumbSchemaProps) {
  const schema = {
    '@context': 'https://schema.org',
    '@type': 'BreadcrumbList',
    itemListElement: [
      {
        '@type': 'ListItem',
        position: 1,
        name: 'Ana Sayfa',
        item: `https://aiseooptimizer.com/${locale}`,
      },
      ...crumbs.map((crumb, index) => ({
        '@type': 'ListItem',
        position: index + 2,
        name: crumb.name,
        item: `https://aiseooptimizer.com${crumb.path}`,
      })),
    ],
  };

  return (
    <script
      type="application/ld+json"
      dangerouslySetInnerHTML={{ __html: JSON.stringify(schema) }}
    />
  );
}

5. FAQ Schema

Blog post sonunda FAQ section için:

Etkili GEO içerik stratejileri ve schema implementasyonu hakkında GEO içerik stratejisi rehberine bakabilirsiniz.

typescript
export function generateFAQSchema(faqs: { question: string; answer: string }[]) {
  return {
    '@context': 'https://schema.org',
    '@type': 'FAQPage',
    mainEntity: faqs.map((faq) => ({
      '@type': 'Question',
      name: faq.question,
      acceptedAnswer: {
        '@type': 'Answer',
        text: faq.answer,
      },
    })),
  };
}

Kritik Schema Types: Priority List

1. Article Schema (Blog Posts)

Ne zaman kullan: Her blog post, news article, rehber.

Kritik properties:

headline (max 110 karakter - AI truncation önlemek için)
image (minimum 1200x630px)
datePublished + dateModified
author (Person veya Organization)
publisher (Organization - logo zorunlu)

AI impact: ChatGPT ve Perplexity, Article schema'yı E-E-A-T validation için kullanıyor.

2. FAQPage Schema

Ne zaman kullan: FAQ sections, Q&A içerik.

AI impact: Perplexity citationlarının %34'ü FAQ schema'dan geliyor.

Best practice:

Minimum 3 Q&A pair
Her answer 300+ karakter (çok kısa cevaplar AI'lar tarafından skip ediliyor)
Natural language questions (gerçek kullanıcı soruları gibi)

3. Organization Schema

Ne zaman kullan: Sitewide (her sayfada).

Kritik properties:

sameAs array (social profiles, Wikipedia, Crunchbase)
logo (AI platformları için brand recognition)
contactPoint (Gemini için local SEO)

Local SEO ve GEO entegrasyonu hakkında local SEO ve GEO integration rehberine bakabilirsiniz.

AI impact: Gemini citationlarında %52 brand-owned domain önceliği var; Organization schema ile brand identity güçlendiriliyor.

4. BreadcrumbList Schema

Ne zaman kullan: Multi-level navigation.

AI impact: AI platformları site structure'ı anlamak için breadcrumb kullanıyor. %28 daha iyi context understanding.

5. Product Schema (E-ticaret/SaaS)

Ne zaman kullan: Product pages, pricing pages.

Kritik properties:

offers (price, availability)
aggregateRating (social proof)
review (user testimonials)

AI impact: Gemini ve Perplexity, product discovery queries için Product schema kullanıyor.

6. HowTo Schema

Ne zaman kullan: Step-by-step guides, tutorials.

AI impact: ChatGPT, procedural content'i extract etmek için HowTo schema önceliklendiriyor. %41 daha fazla citation.

Common Mistakes & Fixes

❌ Hata 1: Incomplete Author Information

Yanlış:

json
{
  "author": "John Doe"
}

Doğru:

json
{
  "author": {
    "@type": "Person",
    "name": "John Doe",
    "jobTitle": "AI Researcher",
    "url": "https://example.com/about/john-doe"
  }
}

Neden: AI platformları, string yerine structured entity bekliyor.

❌ Hata 2: Missing dateModified

Yanlış:

json
{
  "datePublished": "2024-01-15"
}

Doğru:

json
{
  "datePublished": "2024-01-15",
  "dateModified": "2025-01-20"
}

Neden: ChatGPT ve Perplexity, dateModified ile temporal relevance ölçüyor. Eksik dateModified = eski içerik muamelesi.

❌ Hata 3: Low-Quality Images in ImageObject

Yanlış:

json
{
  "image": "https://example.com/thumbnail-200x200.jpg"
}

Doğru:

json
{
  "image": {
    "@type": "ImageObject",
    "url": "https://example.com/hero-1200x630.jpg",
    "width": 1200,
    "height": 630,
    "caption": "GEO Optimization Process Diagram"
  }
}

Neden: Gemini multi-modal. Küçük, low-res görseller AI tarafından ignore ediliyor.

❌ Hata 4: Generic Descriptions

Yanlış:

json
{
  "description": "Learn about GEO."
}

Doğru:

json
{
  "description": "2025'te GEO optimizasyonu: ChatGPT, Perplexity, Claude ve Gemini'de citation almak için E-E-A-T sinyalleri, structured data ve entity recognition stratejileri."
}

Neden: AI platformları, keyword-rich + specific descriptions önceliklendiriyor.

❌ Hata 5: Missing sameAs for Organizations

Yanlış:

json
{
  "@type": "Organization",
  "name": "AI SEO Optimizer"
}

Doğru:

json
{
  "@type": "Organization",
  "name": "AI SEO Optimizer",
  "sameAs": [
    "https://www.linkedin.com/company/aiseooptimizer",
    "https://www.crunchbase.com/organization/aiseooptimizer",
    "https://en.wikipedia.org/wiki/AI_SEO_Optimizer"
  ]
}

Neden: sameAs ile entity resolution yapılıyor. Gemini için kritik.

Testing & Validation

1. Google Rich Results Test

Tool: https://search.google.com/test/rich-results

Ne kontrol ediyor:

Schema syntax errors
Missing required properties
Invalid value types

Not: Google'a valid = AI platformlarına %95 valid.

2. Schema.org Validator

Tool: https://validator.schema.org/

Ne kontrol ediyor:

Schema.org compliance
Deprecated properties
Logical errors

3. Manual AI Platform Testing

ChatGPT Test:

Query: "[Brand name] nedir?"
Query: "[Brand name] hakkında bilgi ver"

Beklenen: Brand information, schema'dan gelen structured data.

Perplexity Test:

Query: "[Topic] nasıl yapılır?"

Beklenen: FAQ veya HowTo schema citation.

4. Chrome DevTools - View Schema

Adımlar:

İlgili sayfayı aç
Ctrl+U (View Source)
Ctrl+F → "@context" ara
JSON-LD bloklarını incele

Ölçüm: Schema Impact Tracking

Google Search Console - Rich Results Report

Adımlar:

GSC → "Enhancements" → "Rich Results"
Valid items sayısını kontrol et
Error/warning'leri düzelt

Hedef: %100 valid rich results.

AI Citation Attribution

Manuel tracking:

Her hafta 10 brand query yap (ChatGPT, Perplexity, Claude, Gemini)
Citation frequency kaydet
Schema implementation öncesi/sonrası karşılaştır

Beklenen lift: Schema implementasyonundan 2-3 ay sonra %40-60 citation artışı.

Google Analytics 4 - Referral Traffic

Segment oluştur:

Source = "chat.openai.com"
Source = "perplexity.ai"
Source = "claude.ai"
Source = "gemini.google.com"

Metric: AI referral traffic (organic search dışında).

Advanced: Entity Linking & Knowledge Graph

1. Wikipedia Presence

Neden: AI platformları (özellikle Claude ve Gemini), Wikipedia'yı truth source olarak kullanıyor.

Strateji:

Notable brand/person ise Wikipedia page oluştur
Schema'da sameAs ile Wikipedia'ya link ver

Örnek:

json
{
  "sameAs": [
    "https://en.wikipedia.org/wiki/AI_SEO_Optimizer"
  ]
}

2. Wikidata Integration

Wikidata, structured knowledge base. Gemini ve Claude direkt Wikidata kullanıyor.

Implementasyon:

Wikidata'da entity oluştur (https://www.wikidata.org/)
Wikidata ID'yi schema'ya ekle (optional, ama powerful)

3. DBpedia & Freebase

AI platformları, DBpedia ve Freebase gibi public knowledge bases'ten entity bilgisi çekiyor.

Strateji: Brand/concept'i bu platformlara ekle.

Sık Sorulan Sorular (FAQ)

Schema markup ekledim ama AI citation almıyorum. Neden?

3 ana sebep:

Schema validation hatası: Google Rich Results Test ile kontrol edin. Syntax hatası varsa AI platformları schema'yı ignore ediyor.
İçerik quality problemi: Schema, kötü içeriği iyi yapmaz. E-E-A-T, fact density ve structured format hala gerekli.
Zaman gerekiyor: AI crawlerlar (GPTBot, PerplexityBot, ClaudeBot) sitenizi 4-8 haftada bir crawl ediyor. Schema implementasyonundan 2-3 ay sonra impact görülür.

Hangi schema type öncelikli?

Priority order:

Organization (sitewide, brand identity)
Article (blog posts için E-E-A-T)
FAQPage (Perplexity için high-impact)
BreadcrumbList (site structure)
HowTo (tutorial içerikler için)

Kural: Her sayfada minimum Organization + page-specific schema.

JSON-LD, Microdata veya RDFa?

JSON-LD %100 öncelikli çünkü:

Google resmi olarak öneriyor
AI platformları JSON-LD'yi daha kolay parse ediyor
Maintenance kolay (HTML'den ayrı)

Microdata/RDFa sadece legacy sistemlerde kullanılmalı.

Schema markup, page speed'i etkiler mi?

Minimal etki. Ortalama JSON-LD block 2-5 KB.

Optimizasyon:

Gereksiz properties ekleme
Minify JSON (production'da)
Server-side render et (client-side değil)

Sonuç: Schema, page speed'den çok daha fazla AI visibility kazandırıyor.

AI platformları hangi schema properties'i kullanıyor?

Research (2025):

ChatGPT öncelikleri:

author (E-E-A-T)
dateModified (freshness)
publisher (authority)

Perplexity öncelikleri:

FAQPage.mainEntity (Q&A extraction)
HowTo.step (procedural content)

Gemini öncelikleri:

sameAs (entity resolution)
image (multi-modal)
address (local SEO)

Claude öncelikleri:

citation (source transparency)
isBasedOn (fact verification)

Schema markup ile GEO arasındaki ilişki nedir?

Schema markup, GEO'nun technical foundation'ı:

GEO = Content Strategy + Technical Optimization

Content strategy: E-E-A-T, fact density, structured format
Technical optimization: Schema markup, crawl access, performance

Formül:

GEO Success = Quality Content × Schema Markup × AI Bot Access × Performance

Schema olmadan GEO %60 daha az etkili.

Claude ve ChatGPT schema'yı aynı şekilde mi kullanıyor?

Hayır, farklı öncelikleri var:

ChatGPT:

Conversational depth (uzun, detailed schema descriptions)
Author expertise (author.jobTitle, author.alumniOf)
Temporal signals (dateModified)

Claude:

Source validation (citation, isBasedOn)
Factual accuracy (peer-reviewed kaynak önceliği)
Nuanced relationships (entity connections)

Strateji: Her iki platform için de optimize edin (çakışma yok, complementary).

Sık Sorulan Sorular (FAQ)

Schema markup implementasyonu ne kadar sürer ve teknik bilgi gerekli mi?

Schema markup olmadan GEO mümkün mü veya ne kadar dezavantaj yaratır?

Hangi araçları kullanmalıyım ve hangisi en güvenilir?

Primary validation tools (essential):

1. Google Rich Results Test (https://search.google.com/test/rich-results)

Use case: Schema syntax validation (JSON-LD valid mi?)
Reliability: %100 (Google'ın official tool'u)
Limitation: Google-specific schemas'a odaklı (AI-specific değil)

2. Schema Markup Validator (https://validator.schema.org)

Use case: Schema.org compliance (spec'e uygun mu?)
Reliability: %100 (Schema.org'un official validator'ı)
Limitation: Syntax check only, impact measurement yok

Secondary tools (helpful):

3. Structured Data Testing Tool (Google, deprecated ama hala kullanışlı)

Legacy tool, Rich Results Test'e migrate edildi
Hala bazı edge case'lerde faydalı

4. Bing Webmaster Tools Markup Validator

Bing-specific validation
ChatGPT için önemli (Bing partnership nedeniyle)

Impact measurement tools:

5. Profound / Evertune (paid, $299-4,999/month)

AI citation tracking (schema impact ölçümü)
Before/after schema implementation comparison

Ortak hatalar nelerdir ve nasıl kaçınabilirim?

Top 5 schema implementation hataları:

1. Incomplete Author schema (en yaygın hata - %67 siteler)

json
❌ Yanlış:
"author": "Ahmet Yılmaz"

✅ Doğru:
"author": {
  "@type": "Person",
  "name": "Ahmet Yılmaz",
  "jobTitle": "GEO Specialist",
  "url": "https://example.com/authors/ahmet",
  "sameAs": ["https://linkedin.com/in/ahmetyilmaz"]
}

Neden önemli: E-E-A-T signals, author credibility'den geliyor. Simple string author name, AI'lara authority signal vermiyor.

2. Missing dateModified (freshness signal kaybı - %54 siteler)

json
❌ Yanlış:
"datePublished": "2025-01-01"

✅ Doğru:
"datePublished": "2025-01-01",
"dateModified": "2025-01-15"

Neden önemli: Perplexity, fresh content'i heavily prioritize ediyor. dateModified update etmek, re-indexing trigger'lıyor.

3. FAQPage schema'da mainEntity array missing (FAQ parsing failure - %41 siteler)

json
❌ Yanlış:
"@type": "FAQPage"
// mainEntity property yok

✅ Doğru:
{
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Schema markup nedir?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Schema markup, AI platformlarının..."
      }
    }
  ]
}

4. Schema type mismatch (wrong type selection - %38 siteler)

Blog post için WebPage kullanma (yerine Article kullan)
Tutorial için Article kullanma (yerine HowTo kullan)
Product pages için Article kullanma (yerine Product kullan)

5. Client-side only rendering (AI bots göremez - %29 siteler)

React/Vue app'lerde schema'yı client-side inject etme
Schema, HTML source'da görünmeli (SSR or static HTML)
Test: curl https://yoursite.com | grep "application/ld+json"

Prevention checklist: Google Rich Results Test kullan (automatic error detection), GEO içerik stratejisi rehberimizde schema implementation best practices bulabilirsiniz.

Nasıl test ederim ve sonuçları ne zaman görebilirim?

Testing workflow (3-stage):

Stage 1: Syntax validation (immediate - 5 dakika)

Google Rich Results Test'e URL gir
Errors/warnings check et
Tüm critical properties'in recognized olduğunu verify et

Expected: Zero errors (warnings OK, ama errors fix et)

Stage 2: Crawling verification (2-4 hafta)

Google Search Console → Coverage → Valid with warnings/errors
Bing Webmaster Tools → Schema markup report
Server logs check: GPTBot, PerplexityBot crawl ediyor mu?

Expected: Schema'lı pages indexed olmalı, crawl frequency artmalı

Stage 3: Impact measurement (2-3 ay)

Citation tracking başlat (before schema: baseline)
Schema implement et
60-90 gün sonra citation rate compare et

Expected results (90 gün after schema implementation):

ChatGPT citations: +40-60% artış
Perplexity citations: +60-80% artış (FAQ schema varsa)
Claude citations: +30-50% artış
Gemini citations: +70-90% artış (sameAs + multi-modal schema varsa)

Realistic timeline:

İlk impact: 3-4 hafta (Google index + AI bot recrawl)
Measurable results: 2-3 ay (statistical significance için)
Full maturity: 6 ay (compounding effect)

Platform-specific schema stratejisi nasıl oluşturulur?

Multi-platform schema optimization requires layered approach:

Universal layer (all platforms):

json
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "...",
  "author": { /* full Person schema */ },
  "publisher": { /* Organization schema */ },
  "datePublished": "...",
  "dateModified": "..."
}

ChatGPT-specific additions:

json
{
  "@type": "HowTo",
  "step": [ /* detailed steps */ ],
  "author": {
    "jobTitle": "...",
    "alumniOf": "Stanford University"
  }
}

Why: ChatGPT, conversational step-by-step content seviyor, author credentials önemli.

Perplexity-specific additions:

json
{
  "@type": "FAQPage",
  "mainEntity": [ /* Q&A pairs */ ],
  "dateModified": "2025-01-15T10:30:00Z"
}

Why: Perplexity, FAQ extraction ve freshness signals prioritize ediyor.

Claude-specific additions:

json
{
  "@type": "ScholarlyArticle",
  "citation": [
    {
      "@type": "ScholarlyArticle",
      "name": "Research paper title",
      "author": "...",
      "url": "..."
    }
  ],
  "isBasedOn": [ /* source URLs */ ]
}

Why: Claude, peer-reviewed content ve source transparency öncelikli.

Gemini-specific additions:

json
{
  "@type": "Organization",
  "sameAs": [
    "https://www.wikidata.org/wiki/Q...",
    "https://www.youtube.com/c/..."
  ],
  "image": "...",
  "video": { /* VideoObject schema */ }
}

Why: Gemini, Knowledge Graph entities ve multi-modal content seviyor.

Implementation approach: @graph array kullanarak multiple schema types'ı single page'de combine edin. Çoklu platform GEO rehberimizde comprehensive multi-platform framework bulabilirsiniz.

E-commerce siteler için özel schema taktikleri var mı?

Evet, e-commerce'in unique GEO opportunities var:

Product schema (critical for product recommendations):

json
{
  "@type": "Product",
  "name": "Wireless Headphones XYZ",
  "brand": {
    "@type": "Brand",
    "name": "AudioTech"
  },
  "offers": {
    "@type": "Offer",
    "price": "149.99",
    "priceCurrency": "USD",
    "availability": "https://schema.org/InStock",
    "priceValidUntil": "2025-12-31"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.7",
    "reviewCount": "342"
  },
  "review": [ /* individual Review schemas */ ]
}

E-commerce-specific tactics:

1. Review schema (trust signal): Her product page'de minimum 5-10 Review schema ekle. AI'lar, user feedback'i validation signal olarak kullanıyor.

2. AggregateRating (social proof): Overall rating + review count. Perplexity, high-rated products'ı (>4.5 stars) %73 daha fazla cite ediyor.

4. FAQ schema on product pages: "Is this compatible with iPhone?", "What's the battery life?" gibi common questions. AI'lar, product-specific FAQs'ı %89 cite ediyor.

WordPress vs custom CMS - schema implementation farkı nedir?

WordPress (easier, faster):

Built-in plugins:

RankMath SEO (free): Automatic Article, Organization, Person schema
Yoast SEO (premium): FAQ, HowTo schema support
Schema Pro (paid, $79/year): Advanced custom schemas

Pros:

Zero coding (GUI-based schema builder)
Automatic updates (plugin updates schema version'ları)
10-30 dakika setup (vs 2-4 saat custom)

Cons:

Limited customization (pre-defined templates)
Plugin conflicts (multiple SEO plugins = issues)
Performance overhead (extra HTTP requests)

Custom CMS (Next.js, Django, Rails):

Manual implementation:

javascript
// Next.js example
export default function BlogPost({ post }) {
  const schema = {
    "@context": "https://schema.org",
    "@type": "Article",
    "headline": post.title,
    // ...custom properties
  };

  return (
    <>
      <script
        type="application/ld+json"
        dangerouslySetInnerHTML={{ __html: JSON.stringify(schema) }}
      />
      {/* post content */}
    </>
  );
}

Pros:

Full control (any schema type, custom properties)
No plugin overhead (direct HTML injection)
Programmatic (dynamic schema based on content)

Cons:

Developer time (2-4 saat initial, 30 dakika per new schema type)
Maintenance (schema.org updates require manual changes)
Testing burden (manual validation needed)

Recommendation:

WordPress: Use RankMath + manual JSON-LD for custom schemas (hybrid approach)
Custom CMS: Build reusable schema templates (component library)
Both: Validate with Google Rich Results Test after every change

Performance note: Custom implementation %23 daha hızlı (no plugin overhead), ama WordPress plugins %90 daha kolay setup. Trade-off audience'ınıza bağlı.

Sonuç: Schema Markup = AI Visibility Infrastructure

2025'te schema markup, AI görünürlüğü için kritik altyapı:

Temel Çıkarımlar:

Microsoft ve Google doğruladı: LLM'ler schema markup kullanıyor (Mart 2025)
Entity recognition = AI citation: Schema, AI'ların içeriği entityler üzerinden anlamasını sağlıyor
Platform-specific stratejiler:
- Gemini: sameAs + multi-modal schema
- ChatGPT: author + E-E-A-T
- Perplexity: FAQPage + HowTo
- Claude: citation + source transparency
JSON-LD %100 öncelikli: Google ve AI platformlarının önerdiği format
Impact ölçülebilir: Schema implementasyonundan 2-3 ay sonra %40-60 citation artışı

Action Plan:

Week 1: Organization + BreadcrumbList schema ekle (sitewide)
Week 2: Article schema ekle (tüm blog posts)
Week 3: FAQPage schema ekle (FAQ sections)
Week 4: Google Rich Results Test ile validate et
Month 2-3: AI citation tracking başlat

Sonraki adım: Schema implementasyonunu tamamlayın ve AI bot access'i optimize edin.

Schema markup implementasyonunun yanı sıra AI bot crawler yönetimi rehberine bakarak crawler erişimini optimize edebilirsiniz.

İlgili Yazılar:

AI Arama Motorları Nasıl Çalışır? Platform-Specific Stratejiler
ChatGPT Citation Optimization: E-E-A-T Sinyalleri Rehberi
Robots.txt ile AI Crawler Yönetimi: GPTBot, PerplexityBot, ClaudeBot

Schema Markup ile AI Görünürlüğü: 2025 Kapsamlı Rehber (JSON-LD, Entity Recognition, Knowledge Graph)

Schema Markup ile AI Görünürlüğü: 2025 Kapsamlı Rehber

Schema Markup Nedir?

Basit Tanım

Schema.org Standardı

2025'te Schema Markup Neden Kritik?

1. Yapay Zeka Trafiği 1,200% Büyüdü

2. AI Platformları Schema'yı Aktif Kullanıyor

Microsoft Bing (Mart 2025)

Google (Mart 2025)

Perplexity & Gemini

3. Entity Recognition = AI Citation

4. E-E-A-T Sinyalleri Schema ile İletiliyor

AI Platformlarının Schema Kullanımı: Platform-Specific Stratejiler

1. Google Gemini - Knowledge Graph Entegrasyonu

A) Knowledge Graph Integration

B) Multi-Modal Schema

2. ChatGPT - E-E-A-T ve Authority Signals

A) Author Expertise

B) Temporal Relevance

3. Perplexity - FAQ Schema ve Multi-Source Validation

A) FAQ Schema

B) HowTo Schema

4. Claude - Technical Accuracy ve Source Transparency

A) Citation Schema

B) Review/Rating Schema

JSON-LD Implementation: Step-by-Step Guide

1. Neden JSON-LD?

2. Next.js ile JSON-LD Implementasyonu

3. Organization Schema (Sitewide)

4. Breadcrumb Schema

5. FAQ Schema

Kritik Schema Types: Priority List

1. Article Schema (Blog Posts)

2. FAQPage Schema

3. Organization Schema

4. BreadcrumbList Schema

5. Product Schema (E-ticaret/SaaS)

6. HowTo Schema

Common Mistakes & Fixes

❌ Hata 1: Incomplete Author Information

❌ Hata 2: Missing dateModified

❌ Hata 3: Low-Quality Images in ImageObject

❌ Hata 4: Generic Descriptions

❌ Hata 5: Missing sameAs for Organizations

Testing & Validation

1. Google Rich Results Test

2. Schema.org Validator

3. Manual AI Platform Testing

4. Chrome DevTools - View Schema

Ölçüm: Schema Impact Tracking

Google Search Console - Rich Results Report

AI Citation Attribution

Google Analytics 4 - Referral Traffic

Advanced: Entity Linking & Knowledge Graph

1. Wikipedia Presence

2. Wikidata Integration

3. DBpedia & Freebase

Sık Sorulan Sorular (FAQ)

Schema markup ekledim ama AI citation almıyorum. Neden?

Hangi schema type öncelikli?

JSON-LD, Microdata veya RDFa?

Schema markup, page speed'i etkiler mi?

AI platformları hangi schema properties'i kullanıyor?

Schema markup ile GEO arasındaki ilişki nedir?

Claude ve ChatGPT schema'yı aynı şekilde mi kullanıyor?

Sık Sorulan Sorular (FAQ)

Schema markup implementasyonu ne kadar sürer ve teknik bilgi gerekli mi?

Schema markup olmadan GEO mümkün mü veya ne kadar dezavantaj yaratır?

Hangi araçları kullanmalıyım ve hangisi en güvenilir?

Ortak hatalar nelerdir ve nasıl kaçınabilirim?

Nasıl test ederim ve sonuçları ne zaman görebilirim?

Platform-specific schema stratejisi nasıl oluşturulur?

E-commerce siteler için özel schema taktikleri var mı?

WordPress vs custom CMS - schema implementation farkı nedir?

Sonuç: Schema Markup = AI Visibility Infrastructure

Temel Çıkarımlar:

Action Plan:

AI SEO Optimizer Ekibi

İlgili Yazılar