Yataş Bedding – AI Görünürlüğü Case Study

1. Türkiye’nin Lider Uyku Markası: Yataş Bedding

Yataş; uyku sağlığı uzmanlığı ve gelişmiş uyku teknolojileri ile farklı ihtiyaçlara ve beklentilere göre tasarlanan yataktan tekstile, baza başlık ve yatak odası dekorasyonu tamamlayıcı ürünlerine uzanan geniş ürün yelpazesiyle, kusursuz uykuya giden bu yolculuğun yaratıcısıdır.

Bu nedenle Yataş Bedding için dijital görünürlük yalnızca klasik arama sonuçlarında sıralama almakla sınırlı değildir. Kullanıcıların ürün ve marka araştırmalarını giderek ChatGPT ve diğer yapay zekâ destekli arama deneyimleri üzerinden gerçekleştirmesi, markanın bu yeni arama ekosistemindeki görünürlüğünü de stratejik bir hedef haline getirmiştir.

2. Neden AI Görünürlüğü?

Kullanıcıların yatak ve uyku ürünleri satın almadan önceki araştırma davranışı, klasik “yatak satın al” aramalarının ötesine geçiyor. Kullanıcılar artık yapay zekâ araçlarına “En iyi yatak hangisi?”, “Bel desteği için hangi yatak tercih edilmeli?”, “Yazın terletmeyen yatak hangisi?”, “Yatak seçerken nelere dikkat edilmeli?” veya belirli markaları karşılaştıran sorular yöneltebiliyor.

Bu noktada markanın yalnızca Google sonuçlarında görünmesinin ötesine geçmek ve dönüşüm getirebilecek tüm kanalları aktif kullanmak ana stratejimizin bir parçası oldu.

LLM’lerin markayı doğru şekilde anlayabilmesi, kaynak olarak değerlendirebilmesi ve ilgili kullanıcı sorgularında markaya referans verebilmesi gerekiyor. Yataş Bedding projesinde bu nedenle AI görünürlüğü, klasik SEO performansını tamamlayan ayrı bir performans alanı olarak ele alındı.

3. Başlangıç Durumu & Zorluklar

Yataş Bedding’in AI görünürlüğündeki temel kırılma noktası, Mart–Nisan 2025 döneminde gerçekleştirilen altyapı geçişi sonrasında ortaya çıktı.

Site yeni altyapıya geçerken JavaScript kullanımının yoğunlaştığı yeni bir teknik yapıya taşındı. Geçiş sonrasında daha önce ChatGPT üzerinden gelen trafik belirgin şekilde geriledi.

Yeni altyapı geçişi sonrasında ChatGPT kaynaklı session’larda yaklaşık %87–%95 bandında kalıcı bir gerileme oluştu.

Buradaki temel problem yalnızca trafik kaybı değildi. Yeni teknik yapı ile birlikte AI sistemlerinin site içeriğine erişmesi, içeriği anlamlandırması ve markayı kaynak olarak değerlendirmesi açısından da yeniden optimizasyon ihtiyacı ortaya çıktı.

2026 yılında projeye başlanmasıyla birlikte odak noktası, kaybedilen AI görünürlüğünün yeniden kazanılması ve Yataş Bedding’in yapay zekâ destekli arama deneyimlerindeki marka varlığının güçlendirilmesi oldu.

4. Ölçümleme Metodolojisi

Yataş Bedding AI performansını değerlendirirken yalnızca “ChatGPT’den kaç ziyaret geldi?” sorusuna odaklanmadık. AI görünürlüğünü trafik, davranış ve dönüşüm perspektifinden birlikte değerlendirdik.

Session

AI kaynaklarından siteye gelen ziyaretlerin hacmini ölçmek için ChatGPT kaynaklı session verisini takip ettik.

Bu metrik, yapılan teknik ve içerik çalışmalarının kullanıcı tarafındaki karşılığını görmek açısından önemli bir gösterge olarak kullanıldı.

AI-Based Transaction

AI kaynaklı ziyaretlerin yalnızca trafik üretip üretmediğini değil, ticari değere dönüşüp dönüşmediğini değerlendirmek için AI kaynaklı transaction performansını takip ettik.

Böylece başarı kriterini:

AI görünürlüğü → Site ziyareti → Kullanıcı etkileşimi → Transaction

zinciri üzerinden değerlendirdik.

AI Görünürlüğü

Trafik ve transaction metriklerinin yanında markanın yapay zekâ sistemlerindeki görünürlüğünü de değerlendirdik. Burada temel amaç yalnızca Yataş Bedding’in isminin geçmesi değil; doğru kullanıcı sorularında doğru ürün ve marka bağlamıyla görünmesi oldu.

5. Yapılan Çalışmalar

Yataş Bedding’in ChatGPT görünürlüğünde yaşanan kaybın yalnızca içerik kaynaklı olmadığı, altyapı geçişi sonrasında oluşan tarama, render, URL ve içerik mimarisi problemlerinin AI sistemlerinin siteyi keşfetme ve anlamlandırma kabiliyetini de etkileyebileceği değerlendirildi.

Bu doğrultuda çalışmalar; teknik erişilebilirlik, URL ve site mimarisi, içerik/keyword stratejisi ve marka–ürün anlamlandırması olmak üzere dört ana başlık altında yürütüldü.

A. Teknik Erişilebilirlik ve Tarama Optimizasyonu

Altyapı geçişi sonrasında en kritik çalışma alanlarından biri, sitenin hem arama motorları hem de AI crawler’ları tarafından erişilebilir, taranabilir ve doğru şekilde render edilebilir hale getirilmesi oldu.

JavaScript ile Render Edilen Alanların Optimizasyonu

Yeni altyapının JavaScript ağırlıklı yapısı analiz edilerek, içeriklerin ve kritik SEO elementlerinin crawler’lar tarafından nasıl işlendiği incelendi.

Özellikle JavaScript ile sonradan oluşturulan alanların arama motorları ve AI sistemleri tarafından gecikmeli veya eksik okunma ihtimali değerlendirilerek kritik içeriklerin erişilebilirliğinin iyileştirilmesine yönelik optimizasyonlar gerçekleştirildi.

Bu çalışma, Yataş Bedding’in içeriklerinin yalnızca kullanıcı tarafından görüntülenmesini değil, makine tarafından da okunabilir ve anlamlandırılabilir olmasını hedefledi.

Robots.txt Optimizasyonu

Robots.txt yapısı detaylı şekilde incelenerek gereksiz veya hatalı tarama kısıtlamaları kontrol edildi.

Özellikle AI destekli arama sistemlerinin önem kazanmasıyla birlikte, AI crawler erişimleri ve tarama kuralları ayrıca değerlendirildi. Böylece kritik içeriklerin crawler’lara gereksiz şekilde kapatılmasının önüne geçilmesi hedeflendi.

CDN Robots.txt Düzenlemesi

Altyapı ve CDN katmanındaki tarama problemleri ayrıca ele alındı. CDN tarafında crawler erişimini engelleyen yapı tespit edilerek gerekli düzenlemeler yapıldı.

Bu çalışma sayesinde içeriklerin yalnızca ana domain üzerinden değil, içeriklerin sunulduğu teknik katmanlar üzerinden de sağlıklı şekilde keşfedilebilir olması sağlandı.

404 Durum Kodlarının Düzeltilmesi

404 dönmesi gereken bazı URL’lerin 200 durum kodu döndürdüğü tespit edildi.

Bu URL’ler temizlenerek doğru HTTP durum kodlarının döndürülmesi sağlandı. Böylece crawler’ların geçersiz sayfaları gerçek içerik olarak değerlendirmesinin önüne geçilirken tarama bütçesinin daha verimli kullanılması sağlandı.

Bu optimizasyon aynı zamanda AI sistemlerinin sitenin gerçek içerik yapısını daha doğru yorumlamasına katkı sağlayan teknik iyileştirmelerden biri olarak ele alındı.

B. URL, Dil ve Site Mimarisi Optimizasyonu

Altyapı geçişi sonrasında oluşan URL karmaşasının giderilmesi, hem klasik arama motorları hem de AI sistemleri açısından hangi URL’nin hangi içeriği temsil ettiğinin netleştirilmesi açısından kritik görüldü.

Schema Kodlarındaki URL Problemlerinin Düzeltilmesi

Yapılandırılmış veri içerisindeki hatalı, eksik veya canonical URL ile uyumsuz adresler tespit edildi.

Özellikle ürün ve organizasyon gibi entity’leri tanımlayan schema yapılarındaki URL’lerin doğru sayfalarla eşleşmesi sağlandı.

Bu sayede marka, ürün ve sayfa arasındaki ilişkinin makine tarafından daha net yorumlanması hedeflendi.

Çok Dilli URL Yapılarının Optimizasyonu

/ru/, /ar/ ve /en/ gibi farklı dil kırılımlarındaki URL’ler incelenerek aktif, pasif, gereksiz veya yanlış yapılandırılmış sayfalar ayrıştırıldı.

Özellikle Türkiye pazarı için oluşturulan içeriklerin hangi URL yapısında sunulduğu netleştirilerek dil ve içerik sinyallerinin karışmasının önüne geçildi.

C. İçerik ve Keyword Mimarisi

AI görünürlüğünün yalnızca teknik erişimle sağlanamayacağı değerlendirilerek, kullanıcıların gerçek araştırma davranışlarını karşılayan daha kapsamlı bir içerik mimarisi oluşturuldu.

Hedef Keyword Research

Yataş Bedding’in ürün ve kategori yapısı doğrultusunda hedef keyword araştırmaları gerçekleştirildi.

Anahtar kelimeler yalnızca aranma hacmine göre değil;

kullanıcı niyeti,
satın alma aşaması,
ürün/kategori ilişkisi,
bilgi arama davranışı,
soru bazlı aramalar

gibi kriterlere göre gruplandırıldı.

Özellikle kullanıcıların yapay zekâ sistemlerine yöneltebileceği uzun kuyruklu ve soru formatındaki aramalar içerik stratejisinin önemli parçalarından biri haline getirildi.

Kategori İçeriklerinin Geliştirilmesi

Şubat–Temmuz döneminde kategori içerikleri düzenli olarak geliştirildi.

Bu içeriklerde yalnızca kategoriye ait anahtar kelimelerin kullanılması yerine, kullanıcıların satın alma öncesinde ihtiyaç duyduğu ürün seçimi, özellik, kullanım amacı ve karşılaştırma bilgilerine de yer verildi.

Bu yaklaşım, kategori sayfalarının AI sistemleri tarafından yalnızca bir ürün listeleme sayfası olarak değil, konu hakkında bilgi sağlayan kaynaklar olarak değerlendirilebilmesini hedefledi.

Blog İçeriklerinin Geliştirilmesi

Aynı dönemde düzenli blog içerikleri oluşturularak Yataş Bedding’in uyku, yatak, baza ve kullanıcı ihtiyaçları etrafındaki konu kapsamı genişletildi.

İçeriklerde özellikle:

doğrudan cevap veren paragraflar,
soru bazlı başlıklar,
açıklayıcı alt başlıklar,
karşılaştırmalı anlatımlar,
ürün seçimine yardımcı bilgiler

kullanılarak içeriklerin LLM’ler tarafından parçalanabilir ve farklı sorguların cevaplarında kullanılabilir bir yapıya dönüştürülmesi amaçlandı.

D. Kategori ve Ürün Mimarisi

AI sistemlerinin ürünleri doğru şekilde karşılaştırabilmesi için sitenin kendi ürün ve kategori yapısının da açık ve tutarlı olması gerekiyor. Bu nedenle ürün–kategori ilişkileri ayrıca ele alındı.

Yeni Kategori Fırsatlarının Açılması

Arama talebi ve kullanıcı niyeti analizleri doğrultusunda Tek Kişilik Baza, Çift Kişilik Baza ve Ortopedik Yatak gibi yeni kategori fırsatları değerlendirildi ve ilgili kategorilerin açılması sağlandı.

Bu sayede kullanıcıların doğrudan belirli bir ihtiyacı ifade eden sorgularından ürünlere ulaşabileceği daha net landing page’ler oluşturuldu.

Özellikle AI tarafında bu yapı;

“ihtiyaç → kategori → ürün”

ilişkisinin daha kolay kurulmasına katkı sağladı.

Duplicate Sayfaların Optimizasyonu

Birbirine yakın arama niyetlerini hedefleyen duplicate sayfalar tespit edilerek keyword cannibalization problemleri analiz edildi.

Benzer şekilde Baza & Başlık sayfaları da incelenerek hangi sayfanın hangi arama niyetini hedeflediği netleştirildi.

Bu çalışma, AI sistemlerinin aynı konu için birden fazla benzer URL arasında kalmasının önüne geçerek doğru sayfanın doğru konu ile eşleşmesini destekledi.

Ürün Bulunmayan Kategorilerin Temizlenmesi

Ürün içermeyen veya kullanıcıya yeterli değer sunmayan kategoriler tespit edilerek temizlendi. Bu sayede site içerisinde boş ve düşük değerli URL’lerin oluşturduğu gereksiz crawler yükü azaltıldı.

E. Heading & Structured Data ile Anlamlandırma

Teknik erişilebilirliğin ardından sitenin içeriğinin ne hakkında olduğunun makine tarafından daha net anlaşılması için anlamlandırma çalışmaları gerçekleştirildi.

Heading Optimizasyonu

Header ve menü alanlarında kullanılan heading etiketleri incelendi.

H3 gibi heading etiketlerinin navigasyon amacıyla kullanılmasının oluşturduğu hiyerarşi problemi giderilerek içerik başlıklarının daha anlamlı bir yapı içerisinde sunulması sağlandı.

Böylece sayfadaki:

H1 → H2 → H3

ilişkisinin hem kullanıcı hem de crawler açısından daha anlaşılır olması hedeflendi.

Structured Data Optimizasyonu

Schema yapıları yalnızca teknik bir “rich result” çalışması olarak değil, marka ve ürün bilgilerinin makine tarafından anlamlandırılması açısından ele alındı.

Özellikle:

Organization
Product
Breadcrumb
ilgili sayfa bazlı structured data

yapıları gözden geçirilerek URL ve entity ilişkilerinin tutarlı hale getirilmesine yönelik optimizasyonlar yapıldı.

F. Marka ve Ürün Entity Yapısının Güçlendirilmesi

Yataş Bedding’in AI sistemlerinde yalnızca bir web sitesi olarak değil, marka ve ürünlerden oluşan tutarlı bir entity olarak algılanabilmesi için marka bilgilerinin farklı alanlarda tutarlılığı kontrol edildi.

Marka adı, ürün isimleri, kategori ilişkileri, yapılandırılmış veriler ve site içerisindeki marka referansları karşılaştırılarak tutarsızlıkların giderilmesine yönelik çalışmalar gerçekleştirildi.

Özellikle ürünlerin;

Yataş Bedding → ürün → kategori → özellik → kullanım amacı

ilişkisini daha net ifade eden bir içerik ve teknik yapı oluşturuldu.

G. AI Crawler Log Analizi ve Bot Segmentasyonu

AI görünürlüğündeki değişimi yalnızca GA4 referral verisi üzerinden değil, sunucu logları ve crawler davranışları üzerinden de değerlendirdik.

Bu kapsamda ChatGPT, OpenAI, Perplexity, Claude, Gemini ve diğer AI tabanlı botların site üzerindeki erişim davranışları analiz edildi. Botların hangi URL gruplarını taradığı, hangi sayfalarda hata aldığı, hangi içerik tiplerine erişemediği ve tarama sıklığındaki değişimler takip edildi.

Özellikle altyapı geçişi sonrasında AI crawler’ların kritik kategori, blog ve ürün sayfalarına erişiminde oluşabilecek kopukluklar incelenerek teknik erişilebilirlik aksiyonları bu verilerle önceliklendirildi.

Bu çalışma sayesinde AI sistemlerinin siteyi yalnızca teorik olarak tarayabilmesi değil, gerçek tarama davranışı üzerinden sağlıklı şekilde keşfedebilmesi hedeflendi.

H. Server-Side Rendering ve Kritik İçerik Snapshot Optimizasyonu

JavaScript yoğun altyapı nedeniyle kritik içeriklerin crawler’lar tarafından eksik işlenme ihtimali ayrıca ele alındı.

Kategori açıklamaları, ürün özetleri, breadcrumb yapısı, fiyat/stok bilgileri, internal link blokları ve temel SEO elementlerinin ilk HTML çıktısında ne ölçüde yer aldığı kontrol edildi.

Crawler’ların JavaScript render sürecine bağımlı kalmadan sayfanın ana bağlamını anlayabilmesi için kritik içerik alanlarının server-side veya pre-render edilmiş HTML içerisinde sunulmasına yönelik optimizasyonlar değerlendirildi.

Bu yaklaşım, özellikle AI sistemlerinin sayfa içeriğini daha hızlı, daha eksiksiz ve daha tutarlı şekilde anlamlandırmasına katkı sağladı.

I. Entity-Based Internal Linking Optimizasyonu

Yataş Bedding’in ürün, kategori ve kullanım amacı ilişkisini güçlendirmek için internal linking yapısı entity odaklı olarak yeniden değerlendirildi.

Yatak, baza, başlık, ortopedik yatak, visco yatak, yaylı yatak, terletmeyen yatak ve bel destekli yatak gibi ürün/özellik kümeleri arasındaki bağlantılar analiz edildi.

İlgili blog içeriklerinden kategori sayfalarına, kategori sayfalarından ürün gruplarına ve ürün sayfalarından destekleyici içeriklere daha anlamlı bağlantılar kurulması hedeflendi.

Bu çalışma ile AI sistemlerinin:

konu → ihtiyaç → kategori → ürün → marka

ilişkisini site içerisinde daha net takip edebilmesi sağlandı.

J. Query-to-Page Mapping ve AI Intent Cluster Çalışması

AI görünürlüğü için yalnızca klasik keyword listeleri değil, kullanıcıların yapay zekâ sistemlerine sorduğu niyet bazlı soru kümeleri de analiz edildi.

Bu kapsamda sorgular;

ürün seçimi,
karşılaştırma,
kullanım amacı,
sağlık/konfor ihtiyacı,
fiyat-performans,
mevsimsel ihtiyaç,
marka karşılaştırması

gibi intent cluster’lara ayrıldı.

Her intent grubu için sitede hangi sayfanın en doğru cevap kaynağı olması gerektiği belirlendi. Böylece aynı kullanıcı sorusuna birden fazla zayıf URL yerine, en güçlü ve en alakalı landing page’in cevap vermesi hedeflendi.

Bu yapı, AI sistemlerinin Yataş Bedding’i belirli kullanıcı ihtiyaçlarıyla daha doğru eşleştirmesine katkı sağladı.

K. LLM-Friendly Content Block Optimizasyonu

Blog ve kategori içerikleri, yalnızca SEO metni olarak değil, AI sistemlerinin cevap üretirken kolayca kullanabileceği içerik blokları olarak ele alındı.

Bu kapsamda içeriklerde kısa cevap paragrafları, tanım blokları, karşılaştırma bölümleri, avantaj/dezavantaj açıklamaları ve kullanıcı ihtiyacına göre öneri formatları geliştirildi.

Özellikle “hangi yatak kimler için uygundur?”, “ortopedik yatak ne işe yarar?”, “terletmeyen yatak seçerken nelere dikkat edilmeli?” gibi AI sistemlerinde sık karşılaşılabilecek soru formatlarına doğrudan cevap veren bölümler oluşturuldu.

L. Product Attribute Enrichment Çalışması

AI sistemlerinin ürünleri yalnızca isim ve kategori üzerinden değil, özellik ve kullanım senaryosu üzerinden de değerlendirebilmesi için ürün attribute yapısı incelendi.

Ürünlerde yer alan sertlik derecesi, yay tipi, kumaş yapısı, ölçü, kullanım amacı, destek seviyesi, konfor tipi ve hedef kullanıcı ihtiyacı gibi bilgiler daha tutarlı hale getirildi.

Bu bilgiler hem ürün sayfası içeriği hem de structured data tarafında değerlendirilerek ürünlerin makine tarafından daha iyi ayrıştırılabilmesi hedeflendi.

Bu çalışma özellikle AI tarafında ürünlerin “bel desteği”, “serin uyku”, “çift kişilik kullanım”, “ortopedik destek” gibi ihtiyaçlarla daha doğru eşleşmesine katkı sağladı.

6. Proje Sonuçları

Gerçekleştirilen teknik, içerik ve site mimarisi optimizasyonlarının ardından Yataş Bedding’in AI kaynaklı performansında belirgin bir büyüme gözlemlendi. Özellikle proje başlangıcındaki düşük görünürlük seviyesinden itibaren AI kaynaklı trafik ve ticari katkının birlikte yükseldiği görüldü.

AI Kaynaklı Trafik Performansı

Proje kapsamında gerçekleştirilen teknik erişilebilirlik, tarama optimizasyonu, içerik geliştirme ve kategori mimarisi çalışmalarının ardından AI kaynaklı ziyaretlerde güçlü bir yükseliş elde edildi. 2025 ve 2026’nın karşılaştırılabilir Mayıs–Ağustos dönemleri birlikte değerlendirildiğinde, AI kaynaklı session hacmi yaklaşık %1.580 ‘in üzerinde artış gösterdi.

AI Kaynaklı Revenue Performansı

AI kaynaklı revenue performansında yıllık bazda güçlü bir ivme elde edildi. Mayıs–Ağustos dönemi bütünsel olarak değerlendirildiğinde, AI kaynaklı revenue bir önceki yılın aynı dönemine göre yaklaşık %1.703 artış gösterdi. Böylece AI görünürlüğünü yalnızca bir erişim metriği olmaktan çıkarıp, ölçülebilir ve sürdürülebilir bir ticari büyüme kanalına dönüştürdük.