UX Metriklerinden AX Metriklerine: Ajan Çağında Deneyimi Nasıl Ölçersiniz?
Deneyim ölçümü üç katmana ayrıldı: insan, yapay zeka görünürlüğü ve ajan eylemi. Hangi metrik neyle yer değiştirdi, üç katman tek panoda nasıl okunur, ölçüm aksiyona nasıl bağlanır.
Üç geçiş: tıklamadan alıntıya, alıntıdan eyleme
Dijital pazarlama ölçümü, ticari internetin başından bu yana tek bir varsayıma dayandı: kullanıcı sitenize gelir, orada bir şey yapar, biz onu ölçeriz. Bu varsayım iki adımda kırıldı ve üçüncü adım şu an yaşanıyor.
Birinci geçiş: SEO'dan GEO'ya. Geleneksel arama hacmi düşerken kullanıcıların önemli bir bölümü cevabı sitenize gelmeden, yapay zeka arayüzünde tüketmeye başladı. Bu dünyada başarı, kullanıcının sitenize gelmesi değil, yapay zekanın cevabında sizi kaynak göstermesi oldu. Deneyim ölçümü de insanın sitedeki davranışından, makinenin siteyi anlamlandırma deneyimine kaydı. Geçen yılki yazımız bu geçişi anlatıyordu.
İkinci geçiş: alıntıdan eyleme. Yapay zeka ajanları sohbet penceresinden çıktı. Ajan kaynaklı trafik son bir yılda hızla büyüdü ve özellikle B2B tarafında satın alma araştırmasının önemli bir bölümü doğrudan bir asistan üzerinden yapılıyor. Ajan artık sizi yalnızca anmıyor; sitenize giriyor, ürün karşılaştırıyor, teklif formu dolduruyor, sepete ekliyor. Alıntılanmak gerekli ama yeterli değil: ajan sizi kaynak gösterip görevi rakibinizde tamamlayabilir, çünkü sizin sitenizde form doldurulamıyor.
Üçüncü geçiş: ölçümün üç katmana ayrılması. İnsan deneyimi metrikleri geçerliliğini koruyor; insanlar gelmeye devam ediyor. Yapay zeka görünürlük metrikleri bunun üstüne eklendi. Şimdi üçüncü katman ekleniyor: ajan eylem metrikleri. Bir markanın deneyim performansı artık bu üç katmanın birlikte okunmasıyla anlaşılır.
Bu değişimin adı Agent Experience (AX): yapay zeka ajanlarının bir web sitesini, yazılımı ya da API'yi ne kadar kolay, güvenli ve hatasız kullanabildiği. Ölçüm çerçevesinin üçüncü katmanı tam olarak bunu ölçer.
Metriklerin evrimi: eski gösterge, yeni karşılığı
Geçen yıl "hemen çıkma oranı yerine alıntılanma değeri" demiştik. Bu yıl tabloyu genişletiyoruz: her klasik UX metriğinin bir görünürlük karşılığı ve bir ajan eylem karşılığı var.
| Klasik UX metriği | GEO karşılığı (görünürlük) | AX karşılığı (eylem) |
|---|---|---|
| Hemen çıkma oranı | Alıntılanma oranı: yapay zeka cevaplarında kaynak gösterilme sıklığı | Ajan erişim başarısı: ajanların içeriğe engelsiz ulaşma oranı |
| Sitede kalma süresi | Cevap payı: cevap metninde markanın kapladığı alan ve duygu | Görev tamamlama oranı: başlatılan görevi bitirme yüzdesi |
| Sayfa hızı, Core Web Vitals | Güncellik: içeriğin ne kadar yeni ve doğrulanabilir olduğu | Erişim gecikmesi: veriye ulaşma süresi ve JavaScript bağımlılığı |
| Dönüşüm oranı | Marka doğruluğu: cevaplarda yanlış bilgi oranı | Otonom çözüm oranı: insan müdahalesi olmadan tamamlanan işlem yüzdesi |
| Form terk oranı | Kaynak çeşitliliği: kaç motorda, kaç soruda görünüyorsunuz | Kopma adımı: çok adımlı görevde hangi adımda ve neden durdu |
| Kullanılabilirlik skoru | Varlık netliği: bilgi grafiğinde markanın tutarlı tanımı | Agent-readiness skoru: sitenin ajan tarafından kullanılabilirliğinin 0-100 puanı |
Bu tabloda üç ilişki özellikle önemli.
Hemen çıkma oranı ve erişim başarısı. Geçen yıl hemen çıkmayı "doğrulama hatası" olarak yeniden tanımlamıştık: yapay zeka sizi tarıyor ama yeterince güvenilir bulmadığı için cevabına almıyor. Ajan çağında bir adım daha geriye gitmek gerekiyor: yapay zeka sizi tarayabiliyor mu? robots.txt dosyasında OAI-SearchBot engelliyse, içerik JavaScript arkasındaysa, güvenlik duvarı ClaudeBot'u sessizce reddediyorsa, doğrulama aşamasına bile gelinmiyor. Sunucu loglarında ajan kullanıcı ajanlarının aldığı durum kodları bugün en temel deneyim metriğidir.
Cevap payı ve görev tamamlama. Cevap payı yüksek, görev tamamlama düşük bir marka, ajan çağının en sık görülen profili. Ajan sizi öneriyor, kullanıcı "tamam, oradan al" diyor, ajan sitenize giriyor ve sahte bir <div> butonda takılıyor. Görünürlük yatırımı eylem katmanında kaybediliyor. İki metriği yan yana okumayan ekip bu kaçağı göremez.
Güncellik ve erişim gecikmesi. Tarama tabanlı motorlar güncel veriyi belirgin biçimde tercih eder; çeyreklik güncellenmeyen içerik alıntıdan düşer. Ajan tarafında ise gecikmenin anlamı farklı: ajan bir görevi tamamlarken saniyeler içinde onlarca istek yapar; her JavaScript render'ı, her yönlendirme, her yavaş API cevabı görevin yarım kalma olasılığını artırır. Sunucu tarafı render, klasik arama optimizasyonundaki öneminden çok daha kritik.
Üç katmanlı ölçüm çerçevesi
Webtures olarak deneyim ölçümünü artık tek bir pano yerine üç katmanlı bir çerçevede kuruyoruz. Katmanlar birbirinin yerini almaz; her biri farklı bir kullanıcının deneyimini ölçer.
Katman 1: insan deneyimi
Kaynaklar: Google Analytics 4, Microsoft Clarity, kullanıcı testleri. Metrikler: dönüşüm, çıkış oranı, kalma süresi, ısı ve kaydırma haritaları, form terk, görev başarısı. Sorusu: insan ziyaretçi sitede ne yapıyor, nerede zorlanıyor?
Bu katman değer kaybetmedi. İnsanlar sitenize gelmeye devam ediyor ve giderek daha çoğu bir ajanın önerisiyle geliyor. Ajanın getirdiği kullanıcı, kararının büyük kısmını vermiş, yüksek niyetli bir ziyaretçidir; sitede kötü deneyim yaşaması iki kat pahalıdır.
Katman 2: yapay zeka görünürlüğü
Kaynaklar: Brantial, tanımlı istem setleriyle düzenli motor sorguları. Metrikler: alıntılanma oranı, cevap payı, motor bazında görünürlük, duygu, marka doğruluğu, güncellik. Sorusu: yapay zeka motorları müşterime beni ne sıklıkla, ne doğrulukta ve hangi bağlamda öneriyor?
Bu katmanın kritik özelliği çoklu motor izlemesi. Farklı motorların kaynak örtüşmesi düşük; yalnızca tek bir asistana bakan marka, diğerlerindeki görünmezliğini fark etmez. İstem seti sabit tutulmalı ki aylık karşılaştırma anlamlı olsun.
Katman 3: ajan eylemi
Kaynaklar: sunucu logları, ajan görev simülasyonları, AI Agent Readiness taraması, MCP ve API logları. Metrikler: erişim başarısı, görev tamamlama oranı, kopma adımı, erişim gecikmesi, otonom çözüm oranı, agent-readiness skoru. Sorusu: ajan sitemde işini bitirebiliyor mu; bitiremiyorsa nerede ve neden kopuyor?
Bu katman en yeni ve en az kurulu olan. Analytics ajanı görmez, Clarity ajanı kaydetmez. Veri ancak sunucu loglarından, simülasyonlardan ve dış taramadan gelir. Bu katmanın analiz yöntemini ajan izi haritaları yazımızda ayrıntılı anlattık.
Üç katman birlikte
Bir yönetim panosunda üç katman yan yana durmalı, çünkü asıl içgörü katmanlar arasındaki farkta çıkar.
- Katman 2 yüksek, katman 3 düşük: görünüyorsunuz ama işlem yapılamıyor. Öncelik erişim ve araç katmanı.
- Katman 3 yüksek, katman 2 düşük: sitede her şey çalışıyor ama ajanlar sizi önermiyor. Öncelik bağlam ve otorite.
- Katman 1 düşerken katman 2 yükseliyor: trafik azalıyor ama görünürlük artıyor. Bu bir kayıp değil, kanal kayması; yönetime böyle anlatılmalı.
Klasik UX denetimi Agent Experience çağında nerede durur?
İnsan tarafındaki deneyim ölçümü değerini yitirmedi, kapsamı genişledi. Bu cümleyi geçen yıl da yazmıştık ve bu yıl daha güçlü savunuyoruz, çünkü klasik UX denetiminin çıktıları ajan katmanının doğrudan girdisi oldu.
UX denetimi, dijital bir ürünün kullanılabilirlik, erişilebilirlik ve iş hedefleri açısından eksiklerini sistematik olarak tespit eder. İşletme değeri üç noktada toplanır: tünel görüşünü kıran tarafsız bir dış bakış, rakiplerle kıyaslama, hataları geliştirme maliyetine dönüşmeden yakalama. Bu üçü aynen geçerli. Yeni olan, denetim yöntemlerinin üçüncü bir işlev kazanması.
Sezgisel değerlendirme ve kullanıcı testleri. Arayüzün insan için sezgiselliğini ölçer. Net bilgi mimarisi makine okunabilirliğini besler. Yeni: aynı arayüzün ajan görev simülasyonuyla test edilmesi, insan için sezgisel ama ajan için okunamaz öğeleri ortaya çıkarır. Görsel olarak güçlü, semantik olarak zayıf buton gibi.
Analitik veri analizi. Oturum kayıtları ve ısı haritaları hangi içeriğin gerçek ihtiyacı karşıladığını gösterir. Yeni: bu veriler ajan log analiziyle çaprazlanır. İnsanın en çok tıkladığı öğe ile ajanın bulamadığı öğe aynıysa, sorun kodda.
İçerik ve erişilebilirlik denetimi. Semantik HTML, başlık hiyerarşisi, betimleyici metin ve ARIA. Bu, geçen yıl dil modellerinin içerik anlama katmanıydı. Bu yıl daha fazlası: erişilebilirlik ağacı, ajanların siteyi gördüğü ana kanal. WCAG uyumu, ajan uyumunun ön koşulu haline geldi. Ekran okuyucu için doğru olan buton ajan için de doğrudur.
Kısacası klasik UX denetimi GEO stratejisinin altyapısıydı; şimdi AX stratejisinin de altyapısı. İnsan için sadeleşen her deneyim, ajan için daha okunabilir ve daha kullanılabilir bir yapı üretir. Denetimi bırakmak değil, çıktılarını üç katmana birden bağlamak gerekiyor.
Ölçümü aksiyona bağlamak: yapılandırılmış veri, protokol, otorite
Ölçüm çerçevesi, aksiyon çerçevesine bağlanmadığı sürece rapordan ibaret kalır. Üç katmanın her birinin kendi düzeltme alanı var.
Görünürlük için: makine dostu içerik ve varlık otoritesi. Doğrudan cevaplar: içerik, olası sorulara ilk paragrafta net cevap versin. Otorite inşası: dijital PR yalnızca backlink için değil, markanın güvenilir veri kaynağı olarak dil modellerinin bilgi tabanına işlemesi için. Varlık optimizasyonu: marka, ürün ve hizmetin Organization, Product ve Service şemalarıyla, @id ve sameAs bağlantılarıyla bilgi grafiğinde tutarlı tanımı. Şema tek başına yetmez; yapay zeka tarayıcılarının çoğu görünür HTML'i de okur, ikisi eşleşmeli.
Eylem için: erişim, araçlar, protokol. Ajan katmanının düzeltmeleri teknik ama sıralı. Önce erişim: robots.txt ve güvenlik duvarı, sunucu tarafı render. Sonra araçlar: semantik butonlar, erişilebilir adlar, tutarlı etiketler, makine okunabilir form sonuçları. Sonra protokol: işletme profiline göre MCP sunucusu, WebMCP araç kaydı, ticaret için ACP ve UCP uyumlu feed ve AP2 hazırlığı. Bu sırayı atlayan yatırım boşa gider; botları engelli bir sitenin kusursuz MCP sunucusu kimseye ulaşmaz. Protokol katmanının ayrıntısı için Agentic Commerce Hazırlığı sayfasına bakabilirsiniz.
Her ikisi için: güven ve yönetişim. Ajanın sizinle işlem yapması sorumluluk sorusunu doğurur. Hangi eylemi ajan kendi başına yapabilir, hangisinde insan onayı gerekir, işlem izi nerede tutulur? Müşterilerin önemli bir kısmı tamamen otomatik hizmete temkinli yaklaşıyor; güven, ölçülmesi gereken bir metrik ve tasarlanması gereken bir katman.
Ölçüm ve aksiyon döngüsü aylık işlemeli: üç katman ölçülür, en büyük katman farkı bulunur, o katmanın düzeltmesi yapılır, tekrar ölçülür. Deterministik tarama araçları bu döngüyü karşılaştırılabilir kılar; aynı girdi aynı skoru verdiği için ilerleme tartışmasız görünür.
Görünmezlikten referansa, referanstan işlem yapılabilir kaynağa
Geçen yıl bu yazıyı şöyle bitirmiştik: sorulacak soru "siteme kaç kişi tıkladı" değil, "yapay zeka asistanları müşterilerime beni ne kadar tavsiye ediyor" olmalı. Bu soru hâlâ doğru ve yanına ikincisi eklendi: tavsiye ettikten sonra, benimle işlemi tamamlayabiliyorlar mı?
Kullanıcı deneyimi artık ekranın arkasında değil, algoritmanın kalbinde ve giderek ajanın eyleminde yaşanıyor. SEO sizi arama sonuçlarında listelerdi. GEO sizi cevabın kendisi yaptı. Agent Experience sizi cevabın ardından gelen eylemin adresi yapar.
Webtures olarak deneyim ölçümünü bu üç katmanda kuruyor, üç katmanı tek panoda okuyor ve aradaki farkı aksiyona çeviriyoruz. Sitenizin üçüncü katmandaki durumunu görmek için ücretsiz agent-readiness taramasıyla başlayabilir, üç katmanlı ölçüm programını Agent Experience tarafında birlikte kurabiliriz.
