Otomotiv ve Yedek Parça Sektöründe GEO Rehberi (2026)
Otomotiv ve yedek parça sitelerinde GEO: uyumluluk verisi, şema alanları, bilgi kümeleri ve ajan hazırlığı; AI asistanlarının önerip doğruladığı marka olun.
Otomotiv ve yedek parça sektörü, e-ticaret ekosisteminde teknik detayın ve veri karmaşıklığının en yoğun olduğu alanların başında gelir. Kullanıcıların parça arama davranışı değişti: "Fiat Egea ön tampon" yazıp linkleri tıklamak yerine, "2023 model Fiat Egea Cross aracıma uygun, montajı kolay ve orijinal parçayla uyumlu ön tampon hangisi?" sorusunu doğrudan ChatGPT, Gemini ya da Perplexity'ye yöneltiyorlar. 2026'da bir adım daha var: alışveriş ajanı soruyu sormakla kalmıyor, uyumluluğu doğrulayıp sepeti kendisi oluşturuyor. Bu düzende rekabet arama motoru sıralaması değil, yapay zeka modellerinin ve ajanların önerdiği ve doğruladığı marka olabilme yarışıdır.
Otomotiv ve yedek parça sitesinin GEO dünyasındaki tanımı
GEO perspektifinde bir otomotiv e-ticaret sitesi, ürünlerin listelendiği bir katalog değil; büyük dil modelleri (LLM) ve alışveriş ajanları için bir doğruluk kaynağı ve veri kütüphanesidir.
Otomotiv, hatalı parça uyumsuzluğunun maliyetli sonuçlar doğurduğu bir alandır. Bu nedenle AI modelleri bu dikeyde en çok güvenilir ve yapılandırılmış veriye ihtiyaç duyar. Sitenizin amacı yalnızca ürün satmak değil, o parçanın hangi araca, hangi şase aralığına ve hangi teknik özelliklerle uyumlu olduğunu modele ve ajana kanıtlamaktır.
Neden klasik arama yerine GEO odaklı yapılanmalısınız?
2025 verilerine göre global arama hacimlerinde geleneksel sorguların yerini %25 oranında AI sohbetleri aldı ve tıklamasız (zero-click) arama oranı %69 seviyesine ulaştı. Otomotiv gibi teknik sektörlerde kullanıcı binlerce ürün arasında kaybolmak yerine asistanın doğru parçayı getirmesini bekliyor. Türkiye pazarındaki tabloyu otomotiv sektöründe AI görünürlük raporunda marka bazında ölçtük.
- Sorgu karmaşıklığı. Kullanıcı parça numarasını değil, sorunu ya da ihtiyacı tarif ediyor. GEO, bu doğal dil sorgularını doğru ürünle eşleştirme yeteneğidir.
- Güven açığı. AI modelleri halüsinasyon görmemek için en otoriter kaynağı referans alır. Webtures analizlerine göre teknik şemalar ve uyumluluk tablolarıyla beslenmiş siteler AI cevaplarında %40 daha fazla alıntılanıyor.
- Ajan deneyimi. Müşteri sitenize girip filtrelemek yerine asistanına "Bu parça benim aracıma uyar mı?" diye soruyor. GEO, cevabın "Evet, uyar ve şu siteden alabilirsin" olmasını sağlar; ajan hazırlığı ise ajanın o alışverişi sizde tamamlayabilmesini.
Ürün sayfalarında varlık (entity) ve bağlam optimizasyonu
Yapay zeka modelleri kelimeleri değil bağlamı ve varlıkları tarar. Otomotiv sitelerinde ürün sayfaları birer teknik doküman netliğinde kurgulanmalıdır. Modelin ve ajanın sizi referans alması için ürün sayfalarında şu standartları sağlayın:
1. Soru-cevap ve problem çözümü
Kullanıcıların asistana soracağı muhtemel soruları ürün sayfasına entegre edin. "Bu balata ses yapar mı?", "Montaj için ekstra aparat gerekir mi?" gibi soruların net, kısa ve uzman diliyle yazılmış cevapları sayfada yer almalıdır; FAQPage şemasıyla işaretleyin.
2. Görsel analiz ve meta veri
Modeller görselleri de analiz ediyor. Ürün fotoğraflarının yalnızca boyutu değil içeriği de teknik detay taşımalı: parçanın teknik çizimi, montaj şeması ve bağlantı noktaları. Her görselin alt metni parça adı, OEM numarası ve uyumlu model bilgisini içermeli; kuralları alt text sözlük girişinde derledik.
3. Uyumluluk verisi: ajanın doğrulayabildiği alanlar
Ajan "uyar mı" sorusuna cevabı metinden değil yapılandırılmış veriden alır. Aşağıdaki alanlar ürün sayfasında hem görünür hem de JSON-LD içinde bulunmalıdır:
| Alan | Şema karşılığı | Neden gerekli |
|---|---|---|
| OEM / üretici parça numarası | mpn, gtin | Ajan parçayı adıyla değil numarasıyla eşler |
| Uyumlu araç listesi | isAccessoryOrSparePartFor (Vehicle: marka, model, yıl, motor) | "Bu araca uyar mı" cevabının kaynağı |
| OEM / yan sanayi ayrımı | brand, additionalProperty | Karşılaştırma sorularında doğru sınıf |
| Stok, fiyat, teslimat | offers (availability, price, shippingDetails) | Ajan sepeti yalnızca stoktaki ürünle kurar |
| İade ve garanti | hasMerchantReturnPolicy, warranty | Uyumsuzluk riskinde ajanın güven sinyali |
Avrupa pazarında TecDoc, ABD'de ACES/PIES gibi sektör standartlarıyla eşleşen bir uyumluluk veri tabanı, bu alanların tek kaynaktan beslenmesini sağlar; ajan protokolleri (ACP, UCP) için üretilen ürün feed'i de aynı kaynaktan çıkar.
Kategori yapısı yerine bilgi kümeleri (topic clusters)
Hiyerarşik kategori ağaçları (Araç > Model > Parça) eskiden yeterliydi; GEO dünyasında bilgi kümeleri esastır. AI kategorileri gezmez, bilgiyi çeker. Sitenin mimarisi araç modelleri ile parçalar arasındaki ilişkiyi bir bilgi grafiği gibi sunmalıdır.
- Model bazlı otorite sayfaları. "Dacia Duster yedek parça" sayfası yerine "Dacia Duster 2023 bakım ve parça rehberi": kronik sorunlar, en çok değişen parçalar, bakım periyotları.
- Karşılaştırmalı içerikler. "OEM parça ve yan sanayi" karşılaştırması, satın alma karar aşamasındaki kullanıcıya asistanın sunacağı en değerli veridir; markanızın uzmanlığını somut veriyle gösterin.
- Bağlamsız okunabilen paragraflar. Her uyumluluk açıklaması tek başına alıntılanabilir olmalı: araç, yıl, motor kodu ve parça numarası aynı cümlede.
Görünürlükten önerilmeye, önerilmeden işleme
Otomotiv ve yedek parça sektöründe gelecek, arama sonuçlarında ilk sırada listelenmek değil; kullanıcının asistanıyla yaptığı sohbette tek geçerli tavsiye olmak ve ajanın o tavsiyeyi sizde işleme dönüştürebilmesidir. 2026'da ikinci adım somutlaştı: ChatGPT içinden satın alma, ajan ticareti protokolleri ve ajan ödemeleri. Markaların kendi verilerini AI platformlarına ne kadar doğru ve güvenilir servis ettiği belirleyici; sitenizi satış kanalından sektörün en güvenilir teknik veri bankasına dönüştürmek pazar liderliği için en kritik strateji.
Bu yapının iki çıktısı ölçülmeli. Markanızın hangi parça, model ve uyumluluk sorgularında önerildiği, hangilerinde rakiplerin öne geçtiği Brantial ile takip edilir; sitenizin ajanlar tarafından okunup işlem yapılabilir olup olmadığı AI Agent Readiness taramasıyla ölçülür. Kurulumun tamamı için Agentic Commerce Hazırlığı hizmetimize bakabilirsiniz.
