2023'ten bu yana binlerce blog sayfası toplu yapay zeka içeriğiyle doldu. Strateji şuydu: AI üretir, insanlar kontrol eder, hacim büyür, trafik artar. Birkaç ay sonra gerçek tablo ortaya çıktı: sıralamalar ya beklenmedik düzeyde kaldı ya da Helpful Content Update (HCU) sonrası ciddi düşüş yaşandı.
Bu yazı bir "AI kötüdür" manifestosu değil. AI içerik üretiminde güçlü bir araçtır. Ancak neden tek başına yetmediğini, insan editörlüğünün sıralamanın neresinde ve nasıl devreye girdiğini açıklamadan, sadece "insan gerekli" demek boş bir iddia olur. Somut verilerle ve mekanizmalarla ele alalım.
Önce bir itiraf: bu analizin büyük bölümü hâlâ gelişiyor. Google, AI içerik tespiti konusunda kamuoyuyla tam olarak paylaşmıyor. Ancak elimizde bulunan şey şu: Helpful Content Update (HCU) dalga etkilerini gözlemleyen SEO araştırmacılarının analizi, kaliteli içerik ile zayıf içerik arasındaki farkı belirleyen sinyalleri giderek daha net ortaya koyuyor. Bu sinyaller insan editörlüğünün neyi değiştirdiğini somut biçimde tanımlamaya yetiyor.
İçindekiler
- Google'ın AI İçerik Politikası: Ne Diyor, Ne Yapmaz?
- E-E-A-T Nedir ve Neden AI Tek Başına Karşılayamaz?
- Helpful Content Update'in Gerçek Hedefi
- AI İçeriğin Ranklama Başarısızlığının 4 Teknik Nedeni
- İnsan Editörlüğünün E-E-A-T'e Katkısı: Somut Sinyaller
- SEO Uyumlu İçerik Üretimi: Doğru AI + İnsan Modeli
- Yapay Zeka İçerik Editörlüğünde Kalite Kontrol Süreci
- AEO Perspektifi: AI Araçları Sizi Kaynak Gösterir mi?
- Sık Sorulan Sorular
1. Google'ın AI İçerik Politikası: Ne Diyor, Ne Yapmaz?
Google'ın resmi tutumu açıktır: "Yararlı, güvenilir, insan odaklı içerik ödüllendirilir. İçeriği kim veya ne ürettiyse bu değerlendirmeyi değiştirmez."
Bu ifadeyi yüzeysel okursanız şu sonuca varırsınız: "Demek AI içerik de sorun değil." Bu okuma eksiktir.
Google'ın kastettiği şey şudur: İçerik nasıl üretildiğinden bağımsız olarak, sunulan bilgi doğru mu, kaynaklanabilir mi, gerçek bir uzmanlıktan mı geliyor, deneyim mi aktarılıyor yoksa derleme mi yapılıyor? Bunları ölçen algoritmik sinyaller, içeriğin AI mı insan mı yazdığını değil, bu kriterleri karşılayıp karşılamadığını ölçer.
Sorun AI olması değil, AI'ın varsayılan davranışının bu kriterleri zayıf karşılamasıdır.
2. E-E-A-T Nedir ve Neden AI Tek Başına Karşılayamaz?
E-E-A-T: Experience (Deneyim), Expertise (Uzmanlık), Authoritativeness (Otorite), Trustworthiness (Güvenilirlik).
Google bu çerçeveyi arama kalite değerlendirme kılavuzunda (Search Quality Rater Guidelines) kullanır. Kılavuz, algoritmayı doğrudan yönetmese de, algoritmanın neyi optimize etmeye çalıştığını anlatır.
Deneyim (Experience) — "Bu kişi bunu gerçekten yaşadı mı?"
AI, internette mevcut olan bilgileri sentezler. "2024'te İstanbul'daki X mahallesinde kira fiyatları hakkında deneyimim şu" diyemez çünkü bir deneyimi yoktur. Bir ürünü kullanmamış, bir sürecin içinde bulunmamıştır. Bu yokluğu metinde belli olmaz gibi görünse de belirli sinyal desenleri (özgün veri eksikliği, kişisel ses yokluğu, genel ifade kalıpları) algoritma tarafından zamanla tanımlanır.
Uzmanlık (Expertise) — "Bu kişi bu konuyu gerçekten biliyor mu?"
AI bilgi derler, ama uzmanlık çoğunlukla neyin söylenmediğini bilmektir: hangi yaklaşımın gerçek koşullarda çalışmadığı, hangi veri noktasının yanıltıcı olduğu, hangi tavsiyenin belirli bir sektörde uygulanamazlığı. Bu "sessiz uzmanlık" AI'da sınırlıdır.
Bunun pratik yansıması şudur: bir tıbbi içerik sitesinde "ilaç X ne için kullanılır" sorusunu AI de doğru yanıtlayabilir. Ancak "bu ilaç hangi hasta profilinde risk taşır" sorusunun cevabı, klinik deneyim gerektiren nüanslar içerir. Google YMYL içeriklerde tam da bu nüans farkını değerlendirir. Sağlık, hukuk, finans, mühendislik gibi alanlarda yüzeysel doğruluk yeterli değildir; derinlik ve bağlam şarttır.
Otorite (Authoritativeness) — "Başkası bu kişiye atıf veriyor mu?"
Otoritenin en güçlü sinyali backlink'tir. Ama backlink'ten önce kaynak gösterilme gelir: başkası bu içeriğe, bu yazara, bu siteye referans veriyor mu? AI içeriğinin genel ifade kalıpları, özgün iddia içermediğinden atıf alma şansını düşürür.
Güvenilirlik (Trustworthiness) — "Yazar belli mi? Kaynaklar gösterilmiş mi?"
İşte burada yapısal sorun netleşir. Toplu AI içerik üretiminde sıklıkla şunlar eksik kalır: gerçek byline, yazarın biyografisi ve uzmanlık kanıtı, kaynak gösterimi ve alıntı, güncelleme tarihi. Bunlar olmadan güvenilirlik sinyali zayıftır.
3. Helpful Content Update'in Gerçek Hedefi
Google'ın Ağustos 2022'den itibaren devreye aldığı Helpful Content Update (HCU), siteye özel bir classifier çalıştırır. Bu classifier bir içeriğin değil, bir sitenin ne kadar "insan için" üretildiğini değerlendirir.
HCU'nun özellikle hedeflediği örüntü şudur: bir sitenin büyük bölümü, arama motoru trafik fırsatına göre üretilmiş, gerçek okuyucu yararından çok SERP pozisyonunu hedefleyen içeriklerden oluşuyor.
"Arama motorları için üretilmiş içerik" ile "insanlar için üretilmiş içerik" arasındaki fark, çoğu zaman şu soruda kristalleşir: "Bu makaleyi yazmak için yazarın kişisel deneyimi, araştırması ya da uzmanlığı var mıydı yoksa başka kaynaklardakileri derleyip kısalttı mı?"
AI toplu içerik üretimi bu ikinci kategoriye teknik olarak girmektedir. Bu nedenle HCU çağında toplu AI içeriği, site genelinde sıralama baskısına zemin hazırlar.
4. AI İçeriğin Ranklama Başarısızlığının 4 Teknik Nedeni
a) Özgün veri yokluğu
Sıralamada güçlü içerikler çoğunlukla orijinal veri içerir: anket sonucu, sektör analizi, gerçek vaka çalışması, ölçüm sonuçları. AI bu verileri üretemez, yalnızca mevcut veriyi parafraz eder. Özgün veri, hem SERP'te ayırt edicidir hem AEO açısından AI araçları tarafından kaynak gösterilme ihtimalini artırır.
b) Yüzeysel kapsam derinliği
AI, konunun genel çerçevesini hızla doldurur ama "bilgi kazancı" (information gain) açısından zayıf kalır. Google'ın Passage Ranking ve Quality Rater değerlendirmeleri, bir içeriğin daha önce söylenmemiş ne kattığını ölçer. Jenerik bir "X nedir" makalesi, yüzlerce benzerinin yanında sıralamada kaybolur.
Bilgi kazancını ölçmenin pratik yolu şudur: aynı konuyu ele alan SERP'teki ilk 5 sayfayı okuyun ve kendi içeriğinizde sadece sizin yazdığınız, başkasında olmayan en az 3 özgün gözlem veya veri var mı sorusunu sorun. Yoksa içeriğiniz "me too content" kategorisindedir.
c) Güven sinyali eksikliği
Author byline (gerçek isim), biyografi, kaynak linkleri ve güncelleme tarihi — bunların hepsi algoritmik güven sinyallerine karşılık gelir. Toplu AI içeriğinde bu sinyaller genellikle standart değildir.
d) Dwell time ve kullanıcı davranışı
AI içerik okuyucuyu genellikle bağlamaz. Genel ifadeler, belirsiz sonuçlar ve kişisel ses eksikliği, kullanıcının sayfadan hızla ayrılmasına yol açar. Google Search Console'daki "ortalama sayfa süresi" düşüklüğü ve yüksek bounce oranı, dolaylı sıralama sinyali olarak değerlendirilir.
5. İnsan Editörlüğünün E-E-A-T'e Katkısı: Somut Sinyaller
"İnsan editörlüğü şart" cümlesini somutlaştıralım. Editörlük hangi adımlarda ne değiştirir?
Gerçeklik ve özgünlük katmanı: Editör, AI'ın ürettiği genel ifadeyi gerçek bir vaka, özgün bir veri noktası ya da deneyimsel bir gözlemle zenginleştirir. Bu adım, içeriği "derlenmiş bilgi" kategorisinden "özgün katkı" kategorisine taşır.
Ses ve ton tutarlılığı: Marka sesi, sektöre özgü terminoloji ve hedef kitleye uygun anlatım — bunlar AI'ın varsayılan davranışında genellikle ortalama düzeyde çıkar. Editör bu boşlukları kapatır.
Kaynak doğrulama ve güncelleme: AI, eğitim verisi içinde kalmış bilgilerle çalışır. Editör güncelliği denetler, kırık veya hatalı referansları düzeltir, istatistikleri doğrular.
Byline ve uzmanlık kanıtı: Gerçek bir isim, biyografi ve uzmanlığın kanıtı (deneyim yılı, tamamlanan proje sayısı, spesifik alan bilgisi) — bunlar E-E-A-T'in en somut sinyal katmanıdır. Bu bilgiler AI tarafından üretilmez, editöryal süreçte eklenir.
Profesyonel makale editörlüğü hizmeti tam olarak bu katmanları sistematik hale getirir: AI üretimini ham girdi olarak kullanan, ancak her içeriği gerçeklik, ses ve güven sinyalleri açısından derinleştiren bir süreç.
6. SEO Uyumlu İçerik Üretimi: Doğru AI + İnsan Modeli
AI ile insan editörlüğünü doğru kombinlemenin pratik bir çerçevesi:
Adım 1 — Brief önce, AI sonra AI'ya ne üretmesi gerektiğini önceden tanımlayın: hedef keyword, SERP intent (bilgi mi, karşılaştırma mı, satın alma mı?), özgün açı veya veri, kaçınılacak jenerik ifadeler. Brief'siz AI üretimi, brief'siz insan yazarlığından farksız çıkar.
Adım 2 — AI taslak, editör derinleştirir AI'ın ürettiği yapıyı ve genel içeriği ham taslak olarak kabul edin. Editörlük aşamasında: vaka ekle, veri doğrula, kaynak link ver, yazarın sesini yansıt, özgün veri noktası veya özgün gözlem ekle.
Adım 3 — E-E-A-T sinyallerini sistematik ekle Yayınlamadan önce kontrol listesi: gerçek byline var mı? Biyografi eklenmiş mi? Kaynaklar link mi? Yayın ve güncelleme tarihi görünüyor mu? FAQ bölümü var mı (featured snippet ve AEO için)?
Adım 4 — Performans takibi ve güncelleme döngüsü İçeriği yayınlamak sürecin sonu değildir. 6 ayda bir: sıralama pozisyonu, click-through rate, dwell time. Düşen içeriği silmeden önce güncelleyin, derinleştirin, özgün veri ekleyin.
7. Yapay Zeka İçerik Editörlüğünde Kalite Kontrol Süreci
Toplu AI üretimini yönetirken kalite kontrolü ölçeklendirilmeli ama basitleştirilmemeli. Pratik bir kontrol süreci şu aşamalardan oluşur:
1. Özgünlük kontrolü: İçerik mevcut SERP sonuçlarından belirgin şekilde ayrışıyor mu? Özgün bir veri, gözlem ya da bakış açısı var mı?
2. Doğruluk kontrolü: İstatistikler güncel kaynaktan mı alınmış? Tarihler doğru mu? Spesifik iddialar doğrulanabilir mi?
3. Ses kontrolü: İçerik marka tonuna uyuyor mu? Fazla resmi ya da fazla gayri resmi mi?
4. Yapısal SEO kontrolü: H1/H2/H3 hiyerarşisi doğru mu? Target keyword doğal şekilde yerleştirilmiş mi? İç bağlantılar kurulmuş mu?
5. Güven sinyali kontrolü: Byline, bio, tarih, kaynak — hepsi mevcut mu?
Bu kontrol listesini otomatize etmek mümkündür, ancak özgünlük ve doğruluk adımları insan gözü gerektirir.
Türkiye Pazarında İnsan Editörlüğünün Ek Boyutu
Türkçe içerik üretiminde insan editörlüğünün önemi, global ölçütten daha yüksektir. Bunun birkaç nedeni var.
Türkçe NLP kalitesi farkı: Büyük dil modelleri İngilizce eğitim verisiyle çok daha kapsamlı şekilde beslenmiştir. Türkçe çıktılar, dilbilgisel olarak doğru görünse bile anlam kaymaları, yanlış fiil çekimleri, idiomların hatalı kullanımı ve register karışıklığı (resmi-gayri resmi dil sınırının aşılması) içerebilir. Bu hataları fark etmek ana dil konuşucusu bir editör gerektirir.
Kültürel bağlam ve yerelleştirme: AI, Türkiye'ye özgü sektörel dinamikleri, yasal referansları (KDV oranları, KVKK, e-fatura zorunlulukları) ve piyasa koşullarını ancak sınırlı ölçüde yansıtır. Yerelleştirme hataları, içeriğin Türk okuyucuya "yabancı çevirisi" gibi hissettirmesine yol açar. Bu his güven sinyal kaybıdır.
Sektöre özgü terminoloji: Finans, hukuk, sağlık, mühendislik, inşaat gibi alanlarda Türkçe teknik terminoloji hem standart hem de sektör içi slang boyutlarıyla karmaşıktır. AI bu nüansları güvenilir şekilde ayırt edemez. Editör bu kontrolü sağlar.
İçerik Performans Takibinde Editörlük Sinyalleri
İnsan editörlüğünün E-E-A-T etkisini doğrudan ölçmek zordur, ancak editörlük kalitesiyle güçlü korelasyon gösteren üç metrik izlenebilir:
1. Ortalama sayfa süresi (Dwell time): İnsan sesi taşıyan, özgün gözlemler içeren, deneyimsel anlatıya sahip içerikler okuyucuyu daha uzun tutar. Düşük dwell time, içeriğin okuyucuyu karşılamadığının sinyalidir.
2. Backlink edinim oranı: Özgün veri ve özgün analiz içeren içerikler, başka sitelerden link kazanır. AI toplu içerik bu linki nadiren kazanır. Yeni içeriğin yayınlanmasından 60-90 gün sonra edinilen backlink sayısını izleyin.
3. Featured snippet ve AI Overview görünürlüğü: Yapılandırılmış, kaynaklı, özlü cevap içeren içerikler featured snippet ve AI Overview'da görünme olasılığı taşır. Bu görünürlük doğrudan editörlük kalitesiyle bağlantılıdır: belirsiz, genel, alıntısız içerikler bu pozisyona girmez.
Uzun Vadeli İçerik Stratejisinde AI + Editörlük Dengesi
2025-2026'da kurumsal içerik üretiminin gerçekçi modeli şudur: AI üretim hızını artırır, insan editörlüğü kaliteyi güvence altına alır.
Bu dengeyi kurarken pratik bir çerçeve:
İçerik tipi bazlı karar matrisi:
Yüksek E-E-A-T gerektiren içerikler (ürün/hizmet tanıtımı, vaka çalışması, uzman görüşü, araştırma özeti) için: insan önce yazar ya da AI taslağını %60-70 oranında yeniden yazar. Editörlük yoğundur.
Orta E-E-A-T gerektiren içerikler (nasıl yapılır kılavuzları, tanımlayıcı içerikler, liste makaleler) için: AI taslak üretir, insan editör %30-40 müdahaleyle finalize eder. Kalite kontrol listesi uygulanır.
Düşük E-E-A-T riskli içerikler (sosyal medya metinleri, e-posta konu satırları, meta description A/B varyasyonları) için: AI çıktısı minimum insan gözüyle kullanılabilir.
Bu matrisi uygulayan firmalar, AI'ın hız avantajından yararlanırken E-E-A-T riskini yönetir.
Editörlük sürecini ölçeklendirmek:
İçerik operasyonu büyüdükçe editörlüğü bireysel inisiyatife bırakmak sürdürülemez hale gelir. Ölçeklenebilir editörlük için üç bileşen gerekir:
Birincisi, style guide (üslup kılavuzu). Marka sesi, terminoloji tercihleri, Türkçe/İngilizce terim kullanım kuralları, rakam/tarih yazım standartları — bunlar tek bir belgede tanımlı olmalı. Her editörün bu kılavuzu referans alması, tutarlılığı kişiden bağımsız kılar.
İkincisi, editorial workflow. Hangi içerik kim tarafından üretilir, kim gözden geçirir, kim onaylar, ne zaman yayınlanır? Bu akış CMS'e entegre edilmeli: "taslak → editör gözden geçirme → SEO kontrolü → onay → yayın" adımları takip edilebilir olmalı.
Üçüncüsü, güncelleme protokolü. İçerik bir kez yayınlanıp bırakılmamalı. Her blog postu 6-12 ay aralıklarında performans bazlı değerlendirmeye girmeli: sıralama düştü mü, bilgi eskidi mi, yeni gelişmeler eklenmeli mi? Güncelleme kararı sistematik bir süreç olmalı, aksi takdirde arşiv içeriği zamanla E-E-A-T zararına dönüşür.
8. AEO Perspektifi: AI Araçları Sizi Kaynak Gösterir mi?
Answer Engine Optimization (AEO), ChatGPT, Perplexity, Google AI Overview gibi araçlar tarafından kaynak gösterilmek için içerik optimizasyonu anlamına gelir.
Bu araçlar kaynak seçerken ne ararlar? Genel olarak: özgün veri, açık şekilde belirtilmiş uzmanlık, yapılandırılmış bilgi (liste, tablo, FAQ), güvenilir domain sinyali.
Toplu AI içeriği bu kriterlerin tam tersini üretir: jenerik bilgi, belirsiz yazarlık, düşük domain güven sinyali. Bu nedenle AEO açısından insan editörlüğünün önemi SEO'dan daha da yüksektir: AI araçları özgün, doğrulanabilir, uzmanlık tabanlı içerikleri kaynak olarak seçer.
Konuyla ilgili daha fazla bilgi için SEO uyumlu içerik ve AEO stratejileri hakkındaki yazımıza göz atabilirsiniz.
Sık Sorulan Sorular
Google AI içeriği otomatik olarak cezalandırıyor mu?
Hayır. Google, içeriğin nasıl üretildiğinden bağımsız olarak kalitesini değerlendirir. Ancak AI'ın varsayılan üretim biçimi — özgün veri eksikliği, belirsiz yazarlık, jenerik derinlik — E-E-A-T sinyallerini zayıf bırakır ve bu algoritmik dezavantaja yol açar. Ceza değil, zayıf sinyal.
İnsan editörlüğü sadece dil bilgisi düzeltmek midir?
Hayır. Dil bilgisi kontrolü editörlüğün en küçük boyutudur. Gerçek editörlük: özgünlük katma, veri doğrulama, ses uyumlandırma, E-E-A-T sinyali ekleme, kaynak kurma, yapısal SEO kontrolü süreçlerini kapsar.
SEO uyumlu içerik için kelime sayısı ne kadar olmalı?
Kelime sayısı hedeflemenin kendi başına bir önemi yoktur. Önemli olan bilgi kazancı (information gain): rakiplerin söylemediği ne kattınız? Kısa ama özgün ve derin bir içerik, uzun ama jenerik bir içeriği çoğunlukla geçer.
Makale editörlüğü hizmetinde turnaround süresi nedir?
Kapsama ve hacme göre değişir. Standart bir 1.500–2.500 kelime uzunluğundaki makale için tek editörlük turu genellikle 1–2 iş günüdür. Teknik veya uzmanlık gerektiren konularda konu uzmanı değerlendirmesiyle bu süre uzayabilir. Makale editörlüğü hizmetimiz için ihtiyacınıza özel süre tahmini paylaşabiliriz.
AI ile üretilmiş içerikleri geriye dönük iyileştirmek mümkün mü?
Evet, ve bu çoğunlukla sıfırdan yazmaktan daha verimlidir. Yapısal çerçeve ve anahtar kapsam zaten mevcut; editörlük, özgün veri ekleme ve E-E-A-T sinyallerini sistematize etme aşamaları uygulandığında mevcut AI içerik kurtarılabilir. İçerik audit'i bu süreci netleştirir: hangi makaleler güncellenmeli, hangisi birleştirilmeli, hangisi deindex edilmeli?
SEO uyumlu içerik ile sadece "keyword içeren içerik" arasındaki fark nedir?
Keyword içeren içerik, hedef terimi sayfa boyunca dağıtır. SEO uyumlu içerik ise bunu çok daha kapsamlı bir yapıyla yapar: arama niyetine (search intent) uygun bir içerik türü (rehber mi, karşılaştırma mı, tanımlama mı?), doğal keyword kullanımı (zorla yerleştirilmiş değil, bağlam içinde), güçlü iç bağlantı ağı, yapısal veri (schema markup), ve E-E-A-T sinyalleri. Keyword yoğunluğu hedefleyen içerik 2010'ların SEO anlayışıdır; Google günümüzde bütünsel kaliteyi değerlendirir.
Makale editörlüğü hizmetinde ne tür işletmeler yararlanır?
En yüksek faydayı şu profiller alır: Düzenli içerik üretimine ihtiyaç duyan ancak tam zamanlı editör kadrosu tutacak ölçekte olmayan KOBİ'ler. İçerik üretimini kısmen AI ile yaparken kalite ve güven standardını korumak isteyen dijital ajanslar. Blog ve içerik pazarlamasını ciddiye almaya başlayan yeni kurumsal firmalar. Profesyonel ve güvenilir ton gerektiren hukuk, finans, sağlık, eğitim sektöründeki B2B firmalar. Bu profillerde makale editörlüğü hizmeti direkt değer üretir: içerik operasyonunun sürdürülebilirliği ve kalite tutarlılığı birlikte sağlanır.
