AI Mikro Dizinler Google'ı Nasıl Ele Geçiriyor: Tek Niş Tek Eyalet Formülü

Florida'da havuz yaptırmak isteyen biri arama yaptığında karşısına çıkan sonuçlar artık tek tek firma siteleri değil, o işi yapan herkesin bir arada durduğu ince listeler oluyor. Anlatıcının yapay zekâ mikro dizini dediği yapı tam da bu: tek bir iş kolu, tek bir eyalet ve eldeki tek bir veri dosyasından doğan küçük bir site. Bir eyaletteki tüm havuz yapımcılarını toplayan bu model, LLM destekli üretimle klasik rehberlerin tersine her şeyi değil bir işi derinlemesine kapsıyor. İşin heyecan verici yanı hız: saatler içinde yayına giren sayfalar, arama motorlarının sevdiği düzenli veriyi ilk günden taşıyor. BrightLocal ölçümlerine göre ChatGPT yerel aramalarında kaynakların %58'i doğrudan işletme siteleri, bu bilgi BrightLocal kaynağından elde edilmiştir ve mikro dizin fikrini güçlendiriyor.

Sitenin iskeleti dört sayfa türünden kuruluyor: ana sayfa, eyalet sayfası, şehir sayfaları ve işletme listeleme sayfaları. Ana sayfa girişi yapıyor, eyalet sayfası çerçeveyi çiziyor, asıl yükü ise onlarca şehir sayfası taşıyor. Videodaki canlı örnek Florida havuz yapımcıları: tek sitede yaklaşık 1500 işletme, North Lauderdale'de dört firma, tıklayınca telefon ve yol tarifi bilgileri beliriyor. Sayfalar yalın HTML ile hızlı açılıyor, süzgeç ekranları yerine her sorguya ayrı bir sayfa cevap veriyor. WebTwizz dokümanında anlatılan statik üretim yaklaşımı bu tabloyu doğruluyor; 5 Schema.org türü ve şehir odaklı URL düzeniyle benzer bir kurgu yapay zekâ desteğiyle kurulabiliyor, bu bilgi WebTwizz kaynağından elde edilmiştir.

Şehir sayfalarının dili özellikle güçlü: Bonita Springs havuz yapımcıları gibi bir başlık, aramanın tam karşılığı olarak duruyor. İşletme sayfalarında gerçek telefon, gerçek yorum sayısı ve sosyal profil bağlantıları yer alıyor; Hollywood Florida örneğinde Instagram ve YouTube profilleri bile çekilmiş. Anlatıcı burada bilgi kazancı ilkesini vurguluyor: firmanın sitesindeki metni aynen kopyalamak yerine oradan yapay zekâ yardımıyla yeni bir yargı üretmek gerekiyor. Google dokümanında anlatılan LocalBusiness işaretlemesi bu noktada devreye giriyor; çalışma saatleri, yorumlar ve bilgi paneli için gerekli alanlar sayfaya gömülüyor, bu bilgi Google kaynağından elde edilmiştir.

Eklenti kulesi ile tek dosya farkı

Anlatıcı üç yapıyı yan yana koyuyor: tek hizmet sayfası gibi çalışan mikro siteler, arada duran mikro dizinler ve her işi kapsayan dev rehberler. Mikro site ile mikro dizin el ele çalışabiliyor; biri tek noktaya odaklanırken diğeri tüm şehirlere yayılıyor. Eski tip eklenti rehberleri ise WordPress bünyesinde kule gibi yükseliyor: görsel eklentisi, güvenlik eklentisi, hız eklentisi, SEO eklentisi derken liste uzuyor. SocialAnimal mühendislik yazısında bu tablonun teknik karşılığı açık: EAV postmeta darboğazı ve 30 bin liste civarında 8 saniyeyi aşan açılış süreleri, bu bilgi SocialAnimal kaynağından elde edilmiştir.

Anlatıcı ne olmadığını da net çiziyor: Yelp kopyası değil, WordPress eklentisi değil, spam sayfa yığını değil. Sahte işletme yok, bağlantı planı yok; listedeki her firma gerçek, telefonu ve sitesi doğrulanabilir. Eski düzen şablon dolduruyor, yeni düzen her sayfayı kendi gerçekleriyle yazıyor. SearchEngineLand arşivindeki Eylül 2023 helpful content güncellemesi bu ayrımı destekliyor; geliştirilmiş sınıflandırıcı ve üçüncü taraf içerik sinyalleriyle yararsız sayfalar geriledi, bu bilgi SearchEngineLand kaynağından elde edilmiştir.

Hız farkı ilk kazanç: eskiden ekip ve haftalar isteyen dizin, şimdi bir-iki saatte yayına giriyor. Her sayfada hazır şema işaretlemesi duruyor; arama motoru sayfanın ne olduğunu ilk taramada anlıyor. Değişiklik için yönetim panelinde dolaşmaya gerek yok, Claude gibi bir LLM aracına cümleyle söylemek yetiyor. Veritabanı yok, giriş sayfası yok, eklenti güncellemesi yok; bozulacak parça azaldıkça bakım yükü düşüyor. Her şehir sayfası en iyiler listesi gibi durduğu için ChatGPT ve Gemini gibi yapay zekâ yanıtlarına da göz kırpıyor; bu liste biçimi üretken arama için ideal zemin oluşturuyor.

Şablon doldurmak ile bilgi üretmek

Eski tip rehberlerin zaafı şablon: her sayfada aynı cümleler, değişen yalnız firma adı. Yapay zekâ destekli sayfada ise her işletme kendi gerçekleriyle anlatılıyor; Florida Leak Solutions örneğinde firmanın sitesinden alınan ipuçları yeni bir değerlendirmeye dönüşüyor. Anlatıcının deyişiyle eklenti şablonu doldurur, yapay zekâ her sayfayı gerçeklerden yazar. Bu fark özgün sayfa sayısını artırıyor ve arama motoruna her URL için ayrı bir varlık nedeni sunuyor. Halüsinasyon riski sorulduğunda anlatıcı temkinli: bugünkü modellerde bu sorunu nadiren gördüğünü söylüyor, yine de her bilginin doğrulanması gerektiğini ekliyor.

En güçlü anahtar kalıp en iyi X Y kalıbı: Austin en iyi havuz yapımcıları gibi aramalar alım niyeti taşıyor. En iyi yazan kişi genelde karar aşamasında, bu yüzden her şehir sayfası bir kazanç sayfası gibi çalışıyor. Yüzü aşkın şehir sayfası olan bir sitede her sayfa ayrı bir kapı açıyor. Arcesso GEO rehberinde bu tabloyu doğruluyor: ChatGPT, Gemini ve Perplexity yanıtlarında yer almak için yapılandırılmış veri ve en iyiler listesi yerleşimleri belirleyici, bu bilgi Arcesso kaynağından elde edilmiştir.

Videodaki slayt BrightLocal verisine dayanıyor: 800 yerel aramada işletme siteleri %58, işletme anılmaları %27, dizinler %15 pay alıyor. Dizinler içinde Three Best Rated %24 ile öne çıkıyor; Yelp, Facebook ve Google Maps listede yok. BrightLocal 2026 taramasında 200 bin arama ve 1,9 milyon atıf incelendi; işletme siteleri tekil alan adlarının %93ünü, atıfların %42sini oluşturuyor. Yapay zekâ yanıtları ortalama 2-4 işletme sayıyor, aynı soru tekrar sorulduğunda isimler yarıdan fazla korunuyor. Kısa ve sıralı liste isteyen modele verilecek en temiz cevap, iyi kurgulanmış bir mikro dizin oluyor.

Bir-iki saatte kurulum

Kurulum altı adımda anlatılıyor: kapsam belirleme, veri temizliği, zenginleştirme, plan, inşa ve yayına alma. İlk kurulumda sistemi tanımak zaman alıyor, sonrasında süre bir-iki saate iniyor. Rank Expand Academy içinde dizin planı ve hazır paket dosyası paylaşılıyor; grup 700 kişiyi aşmış durumda. Anlatıcıya göre en sade başlangıç paket dosyasını alıp bir LLM aracına vermek ve niş ile bölgeyi söylemek. Benim gözümde bu işin özü şu: az sayfa değil, her sorguya ayrı cevap veren çok sayfalı ince bir yapı kurmak .