AI İle Teknik SEO Analizi Kontrol Listesi

AI, teknik SEO analizinde hız kazandırır; denetçinin yerini almaz. Bu kontrol listesi modeli ‘özetleyici ve sınıflandırıcı’ olarak kullanır: veri kaynağı kilitlenir, prompt daraltılır, bulgu ticket’a çevrilmeden önce doğrulanır. Sıralama veya trafik vaadi yoktur. Kavramsal zemin: yapay zeka SEO; klasik teknik çerçeve: teknik SEO nedir?.

Bölüm 1Tur 0 — Veri kaynağını kilitlemeden prompt yok

• Crawl dışa aktarımı hazır mı? ( Screaming Frog / bulut audit / log — tarih ve kapsam notu)
• Search Console: kapsama, robots, sayfa deneyimi — ekran veya CSV eklendi mi?
• Örneklem URL seti: ana şablonlardan en az 1’er örnek (ürün, kategori, blog, hesap)
• Ortam net mi? (prod vs staging — staging’i prod sanan analiz geçersiz)
• PII / gizli URL’ler prompt’a yapıştırılmadan çıkarıldı mı?

Crawl aracı iş akışı için: Screaming Frog rehberi. Modelin gördüğü tablo, sizin göremediğiniz sunucu gerçeğini içermez.

Prompt şablonunu versiyonlayın: hangi sütunlar zorunlu, hangi çıktı formatı (tablo: URL, sorun, kanıt, öncelik, sahip). Serbest uzun paragraf isteyen prompt’lar ticket’a dönüşmez. Modelden ‘emin değilim’ demesini açıkça isteyin; uydurma kanıt üretmek yerine boş bırakması daha değerlidir.

Aynı crawl’ı iki modele veya iki prompt’a verip yalnızca kesişen bulguları ‘aday’ saymak yanılgı payını düşürür. Kesişmeyenler hipotez kutusuna gider. Bu, ‘AI doğruladı’ iddiası değildir; insan turunu kısaltır.

Bölüm 2Crawl ve indeks hijyeni — AI’ya ne sorulur?

Prompt’u ‘tüm SEO sorunlarını bul’ diye değil, tek kovaya indirin. Her kova ayrı çıktı şablonu ister.

• 4xx/5xx ve yönlendirme zincirlerini öncelik sırasına koydurun (etki × yaygınlık).
• noindex / canonical çelişkisi adaylarını listeletin — sonra canlı HTML’de doğrulayın.
• Orphan veya zayıf iç link adaylarını ‘hipotez’ diye etiketletin; otomatik silme önermesin.
• Sitemap’te olup 404 olan / indeks dışı kalan URL’leri çapraz kontrol ettirin.
• Modelin uydurduğu ‘Google cezası’ cümlelerini silin — kanıt yoksa iddia yok.

İnsan doğrulama: en az 5 kritik bulguyu tarayıcıda veya crawl aracında yeniden açın. Doğrulanmayan bulgu ticket olmaz. Klasik madde listesi: teknik SEO checklist.

Kova sırası önerisi: önce erişilebilirlik (4xx/5xx, zincir), sonra indeks çelişkileri (noindex/canonical), sonra keşif (orphan, zayıf iç link), en sonda ‘içerik kalitesi’ yorumları. Modeli son kovaya erken bırakırsanız teknik yangını görmezden gelip stil eleştirisine kayabilir. Her kova için ayrı prompt dosyası tutun; tek mega-prompt bağlamı boğar.

Log analiziniz varsa AI’ya örnek log dilimlerini (PII temiz) verip ‘Googlebot 404 örüntüleri’ sınıflatabilirsiniz. Yine de IP/user-agent doğruluğu sizin sorumluluğunuzdadır. Uydurma bot etiketlerine ticket açmayın.

• Prompt çıktısında her satır için ‘kanıt sütunu zorunlu’ kuralı var mı?
• Aynı bulgunun üç farklı şekilde tekrarlanmadığı kontrol edildi mi?

Bölüm 3Şablon riskleri: title, canonical, robots

• Title/H1 şablon kuralı: boş, yinelenen, parametreli kopyalar — örneklemle doğrula.
• Canonical: self vs çapraz; HTTP→HTTPS ve www tutarlılığı.
• robots.txt: kritik dizin yanlışlıkla Disallow mı? (AI yorumunu canlı dosyayla karşılaştır)
• hreflang / dil şablonu varsa çakışma adayları ayrı kova.
• Paginated / filtre URL’leri: indeks politikası yazılı mı?

Şablon hatası tek URL düzeltmesiyle bitmez. AI’dan ‘etkilenen şablon sınıfı + regress testi’ isteyin. ChatGPT iş akışı ipuçları: ChatGPT SEO adım adım.

AI’nın sık karıştırdığı nokta: ‘canonical var’ ile ‘canonical doğru’ aynı değildir. Model HTML’de etiket görünce yeşil sayabilir. Siz çapraz URL’yi açıp hedef 200 ve tutarlı mı diye bakın. robots.txt yorumunda yorum satırı ile Disallow’u karıştırması da yaygındır — dosyayı kendiniz okuyun.

Şablon sınıfı ticket’ında örneklem kuralı yazın: en az N rastgele URL + 1 bilinen kenar durum (filtre, sayfalama, kampanya parametresi). Regress testini ‘bir URL düzeldi’ diye kapatmayın.

Bölüm 4CWV ve render: modelin sık yanıltığı yerler

• Lab skoru ile CrUX/field’i ayırttınız mı? Karıştıran özeti reddedin.
• LCP adayı (görsel/font/hero) URL bazında doğrulandı mı?
• JS’ye bağlı içerik: ‘Google görmüyor’ iddiası için canlı test / URL Inspection var mı?
• Üçüncü parti script listesi abartısız mı? (her scripti sil demek strateji değildir)

Tek URL hızlı teşhis için ekip içi kontrol notu tutulabilir; model çıktısının yerine geçmez. robots/sitemap taslakları için üretici araçlar yardımcı olabilir — prod’a kör kopyalamayın.

Render tartışmasında ‘View Source’da yok = Google görmüyor’ kısayolunu model sık tekrarlar. Gerçek dünya daha nüanslıdır: render, kaynaklar, lazy içerik. Bu yüzden kritik şablonlarda URL Inspection veya eşdeğer doğrulama şarttır. Model cümlesini ticket kanıtı yapmayın.

CWV yorumunda sayfa tipini (şablon sınıfı) yazdırın. Ana sayfa LCP’si ile PDP LCP’si farklı işler ister. Model ‘tüm siteye lazy load’ derse hero LCP’yi bozabilir — bu yüzden öneriyi şablon bazında süzün. Field veri yoksa lab’ı ‘kesin gerçek’ diye sunmayın; ‘lab hipotezi’ deyin.

Bölüm 5Rapor → ticket: kabul kriteri olmadan kapatmayın

• Her ticket: sorun, kanıt URL, beklenen davranış, sahip ekip, öncelik.
• AI özet paragrafı ticket gövdesine yapışık bırakılmasın; maddeleştirin.
• Doğrulama adımı: kim, hangi araçla, ne zaman ‘done’ diyecek?
• Regress: şablon deploy sonrası örneklem yeniden crawl.
• Ölçüm: GSC kapsama / crawl istatistiği — sıralama skoru KPI değil.

Kapanış kontrolü: veri kaynağı tarihli → kova bazlı prompt → canlı doğrulama → ticket kabul kriteri. Model ‘site sağlıklı’ dese bile kanıt yoksa tur bitmemiştir.

Sprint sonunda AI özetini PDF diye arşivlemek yerine kapanan/açık ticket sayılarını ve doğrulanmış vs elenen bulgu oranını kaydedin. Elenen oranı yüksekse prompt veya veri kaynağı zayıftır; model ‘kötü’ diye etiketlemek yerine girdiyi iyileştirin. Teknik omurga için klasik checklist ile çapraz okuyun.

Ekip ritmi önerisi: haftalık 60–90 dakikalık ‘AI + crawl’ turu. Turun çıktısı rapor değil, doğrulanmış ticket’lardır. Ayda bir prompt şablonlarını gözden geçirin; CMS veya log formatı değiştiyse şablon bayatlar. Model yükseltmelerini ‘otomatik daha iyi analiz’ sanmayın — aynı görev setiyle regresyon bakın.

Çeyreklik ‘AI yardımcı değeri’ retrospektifi: kaç bulgu doğrulandı, kaç elendi, ortalama süre kazancı (tahmini). Değer yoksa aracı suçlamadan önce veri ve prompt kalitesine bakın. Bu retrospektif, araç karşılaştırması rehberindeki pilot disiplininin teknik SEO’ya uygulanmış hâlidir.