Pınar Su Üretken Yanıtlarda Kategori Liderliğine Dört Puan Yaklaştı

Yapay zeka görünürlüğü, Pınar Su ve İçecek'in dijital büyüme programında artık ölçülebilir bir katman. Marka, Webtures tarafından yürütülen SEO ve Generative Engine Optimization (GEO) çalışmaları kapsamında organik aramadaki ve üretken yanıt yüzeylerindeki görünürlüğünü tek bir çerçevede ele aldı. Kategoriye özgü bir soru seti üzerinde yapılan başlangıç ölçümü, markanın yapay zeka asistanlarında hangi sıklıkta, hangi konumda ve hangi kaynaklarla anıldığını ortaya koydu. Bulgular, Pınar'ın anıldığında kategorinin en önünde ve en olumlu tonla yer aldığını; asıl açığın anılma kalitesinde değil, kapsam genişliğinde ve markanın kendi içeriğinin kaynak olarak gösterilmesinde olduğunu gösterdi. Bu içerik, geçmişe dönük bir büyüme grafiği değil, bugünkü durumu veriyle sabitleyen bir başlangıç teşhisidir.

Pınar Su ve İçecek, çatı marka altında birbirinden bağımsız üç halka açık şirketin bulunduğu, üretken motorların en sık karıştırdığı varlık kümelerinden birinde konumlanıyor. Program da bu noktadan, markanın makine tarafından doğru tanınmasından başladı ve yapay zeka aramalarındaki görünürlüğü ölçülebilir bir zemine oturttu.

Pınar Su Neden SEO ve GEO Desteğine İhtiyaç Duydu

Pınar Su'nun ihtiyacı, ambalajlı su kategorisine özgü dört yapısal zorluktan doğdu. Bu zorlukların ortak paydası, markanın bilinirliğinin yüksek olmasına rağmen doğru bilginin makine tarafından markanın kendi kaynağından okunamamasıydı. Projenin başında bu dört başlık tespit edildi ve markanın dijital görünürlüğünü geliştirmek üzere Webtures ile iş birliğine gidildi.

• Varlık karışıklığı: Pınar Su ve İçecek, Pınar Süt ve Pınar Et aynı çatı marka altında yer alan ancak birbirinden ayrı üç halka açık şirket. Buna Pınar Madran, Pınar Denge, Pınar Yaşam Pınarım gibi ürün markaları ve Yaşar Holding'in payı eklendiğinde, yapay zeka asistanlarının rutin olarak karıştırdığı bir varlık kümesi çıkıyor. "Pınar Su hangi şirket" sorusunun cevabı markanın kendi içeriğinden öğrenilmeliydi.
• Kurumsal verinin PDF'te kilitli olması: Markanın en ayırt edici verileri, örneğin Türkiye'nin ilk ambalajlı suyunu üretmiş olması ya da su ihracatındaki payı, faaliyet raporu PDF'lerinde duruyor, HTML tarafında karşılığı yok. Üretken motorlar da aynı duvara çarpıyor; bu, markanın kendi sitesinde çözebileceği somut bir AI görünürlüğü açığı.
• Siparişin yerel ve bayi bağımlı olması: Damacana talebi ilçe düzeyinde oluşuyor ve bini aşan bayi ağı üzerinden karşılanıyor. Bayilerin marka adını kendi sitelerinde kullanması yerel sonuçlarda kanibalizasyon yaratıyor; işletme verisinin tutarlılığı yerel görünürlüğü doğrudan belirliyor.
• İki ayrı mevzuat rejimi: Kaynak ve içme suları İnsani Tüketim Amaçlı Sular Hakkında Yönetmelik kapsamında, doğal mineralli sular ise ayrı bir rejime tabi. Su kalitesi ve mineral içeriğine ilişkin her ifade bu ayrımı gözetmek zorunda.

Pınar Su Projesinde Belirlenen SEO ve GEO Hedefleri

Projenin hedefleri, markanın kendi tüzel kişiliğiyle doğru tanınmasını ve yapay zeka aramalarındaki görünürlüğünü ölçülebilir kılmayı merkeze aldı. Somut olarak; Pınar Su ve İçecek'in kendi ürün markalarıyla doğru ilişkilendirilmesi, kurumsal verinin PDF'ten çıkarılıp alıntılanabilir HTML pasajlarına taşınması, damacana siparişindeki yerel niyetin bayi ağıyla çatışmadan karşılanması ve üretken yanıt yüzeylerindeki görünürlüğün geliştirilmesi hedeflendi.

Hedefler baştan mevzuat çerçevesiyle birlikte tanımlandı. Su kalitesi ve mineral değerlerine ilişkin ifadeler, ilgili yönetmeliklerin ve Beslenme ve Sağlık Beyanları Yönetmeliği'nin izin verdiği sınırda kurgulandı. Ölçülebilirlik ise ayrı bir hedef olarak konuldu: markanın yapay zeka görünürlüğü, kategoriye özgü bir soru seti üzerinden düzenli ölçülecek ve rakip bandıyla birlikte raporlanacak biçimde tanımlandı.

Webtures, Pınar Su İçin Nasıl Bir SEO ve GEO Stratejisi Uyguladı

Webtures, teknik SEO, içerik mimarisi ve üretken yapay zeka görünürlüğünü birlikte ele alan bir strateji uyguladı. Yaklaşımın temeli şu: üretken motorlar için ayrı bir görünürlük mekanizması yok; bu yüzeylerde alıntılanabilmenin ön koşulu sayfanın indekslenebilir ve snippet'e uygun olması. Strateji dört başlıkta ilerledi.

Teknik SEO ve AI Erişilebilirlik Çalışmaları

Web sitesinin taranabilirliği, arama motorlarının ve yapay zeka sistemlerinin içerikleri anlayabilmesi amacıyla incelendi. Bu başlığın en belirleyici bulgusu biçimle ilgiliydi: doğrulanabilir kurumsal verinin tamamı PDF içinde duruyordu. Bir PDF indekslenebilir olsa bile pasaj düzeyinde alıntılanmaya HTML kadar elverişli değil; tarihçe, ihracat verisi ve ortaklık yapısı gibi başlıkların HTML karşılığı kurulmalıydı. Kurumsal site, sipariş sitesi ve çatı marka sitesi arasındaki rol dağılımı da netleştirildi; çünkü ölçümde markanın izlenen alan adının, yanıtlarda kaynak olarak çıkmadığı görüldü.

İçerik ve Semantik Otorite Çalışmaları

İçerikler, kullanıcıların arama motorlarına ve yapay zeka asistanlarına yönelttiği gerçek sorular dikkate alınarak geliştirildi. Bu kategoride sorular iki kümede toplanıyor. Birincisi bilgi arayışı: maden suyu ile sodanın farkı, su analiz raporundaki mineral değerlerinin anlamı, kaynak suyunun hangi yönetmeliğe tabi olduğu. İkincisi işlem niyeti: damacana fiyatı, abonelik, en yakın bayi. Aynı katmanda varlık ayrımı açıkça kuruldu; şirketin kendi ürün hattı, ortaklık yapısı ve tarihçesi, süt ve et tarafındaki ayrı şirketlerden bağımsız anlatıldı.

GEO ve Yapay Zekâ Görünürlüğü Çalışmaları

Markanın ChatGPT, Gemini ve Perplexity gibi yapay zeka destekli arama deneyimlerindeki görünürlüğüne yönelik çalışmalar yürütüldü. Kategoriye özgü bir soru seti tanımlandı ve üretken yanıtlar bu set üzerinden ölçüldü. Setin bir bölümü bilinçli olarak varlık ayrımını sınamak üzere kuruldu: bir asistanın Pınar Su ile Pınar Süt'ü karıştırıp karıştırmadığı, ürün markalarını doğru şirkete bağlayıp bağlamadığı. Ölçüm; markanın anılma oranını, yanıt içindeki ortalama konumunu, duygu skorunu ve kaynak gösterimini birlikte izleyen bir çerçeveye oturtuldu.

Kullanıcı Deneyimi ve Dönüşüm Optimizasyonu

Sayfa yapıları ve kullanıcı yolculukları, ziyaretçilerin bilgiye ve siparişe kolayca ulaşmasını destekleyecek şekilde düzenlendi. Damacana siparişinde niyet içerikte değil uygulamada ve telefonda tamamlanıyor, dolayısıyla sayfanın işi aktarımı kısaltmak. Bayi bulma yolculuğu yerel görünürlüğün doğrudan uzantısı olarak ele alındı; tutarsız işletme verisi burada yalnızca kullanıcıyı değil, arama motorunun ve üretken modelin marka hakkındaki modelini de bozuyor.

Pınar Su'nun Yapay Zeka Aramalarındaki Görünürlük Ölçümü

Pınar Su'nun yapay zeka aramalarındaki görünürlüğü, kategoriye özgü bir soru seti üzerinde başlangıç ölçümü (baseline) olarak sabitlendi. Bu ölçüm geçmişe dönük bir trend değil, bugünkü durumu veriyle tespit eden bir teşhis; markanın üretken yanıtlarda hangi sıklıkta, hangi konumda ve hangi kaynaklarla anıldığını gösteriyor. Aşağıdaki bulgular, aynı soru setiyle yapılacak sonraki ölçümlerin karşılaştırılacağı referans noktasını oluşturuyor.

Ölçüm Çerçevesi ve Soru Seti

Ölçüm, ambalajlı su kategorisinin gerçek niyetlerini yansıtan bir soru seti üzerine kuruldu. Sorular; restoran ve etkinlik için cam şişe su tedariki, ofis ve ev için damacana aboneliği, doğal kaynak suyu sertifikası ve cam şişe ile pet şişe güvenliği gibi başlıkları kapsıyor. Niyet dağılımı üç eksende yürüdü: bilgi arayışı (Informational), ticari araştırma (Commercial Investigation) ve yerel niyet (Local). Yanıtlar ChatGPT, Gemini ve Perplexity yüzeylerinde, Türkiye pazarı için izlendi. Çerçevenin amacı tek bir sayıya indirgemek değil; anılma oranını, konumu, tonu ve kaynağı birlikte okuyabilmekti.

Soru seti düzeyinde markanın kapsama oranı güçlü çıktı: izlenen kategori sorularının büyük bölümünde Pınar Su yanıta girdi. Kapsamın dışında kaldığı belirgin tek başlık, doğal kaynak suyu sertifikasına odaklanan sorgu oldu; bu sorguda marka yanıtta hiç yer almadı. Bu boşluk rastgele değil, doğrudan içerikle ilgili: sertifika ve kaynak kimliği bilgisi markanın HTML tarafında alıntılanabilir biçimde bulunmadığında, model o soruyu başka kaynaklardan cevaplıyor.

Kategori İçi Görünürlük ve Rakip Karşılaştırması

Kategori içi görünürlükte Pınar Su, izlenen marka bandında ikinci sırada yer aldı. Share of voice yani üretken yanıtlarda anılma payı Pınar için %18 ölçülürken, bandın lideri konumundaki rakip %22 ile önde; onları %6 ve %0 ile iki marka izliyor. Fark dört puan; yani liderlik uzak değil, kapatılabilir bir aralıkta. Aşağıdaki tablo baseline ölçümün rakip karşılaştırmasını özetliyor (rakip markalar anonimleştirilmiştir).

Marka	Görünürlük (Share of Voice)	Toplam Anılma	Ortalama Konum	Duygu Skoru
Kategori lideri rakip	%22	11	4,44	56
Pınar Su ve İçecek	%18	9	2,33	59
Üçüncü rakip	%6	3	—	51
Dördüncü rakip	%0	0	—	51

Kaynak: Brantial yapay zeka görünürlüğü ölçümü, başlangıç (baseline) anlık görüntüsü. Görünürlük, izlenen üretken yanıtlarda markanın anılma payını (share of voice) gösterir. Ortalama konumda düşük değer daha iyidir (marka yanıtta daha önde listelenir). Duygu skoru 0-100 aralığındadır.

Tablo, tek başına "kaç kez anıldı" sayısının yanıltıcı olabileceğini gösteriyor. Lider rakip daha çok anılıyor (11 anılma) ama Pınar, daha az anılmasına rağmen (9 anılma) hem ortalama konumda hem duygu skorunda kategorinin en iyisi.

Yani Pınar'ın görünürlük açığı bir otorite ya da algı sorunu değil; markanın daha az sayıda soruya girmesinden, yani kapsam genişliğinden kaynaklanıyor.

Anılma Kalitesi Konum ve Duygu Skoru

Anılma kalitesinde Pınar Su kategorinin önünde. Markanın yanıt içindeki ortalama konumu 2,33 ölçüldü; bu, listelendiği yanıtlarda çoğunlukla ilk sıralarda yer aldığı anlamına geliyor. Karşılaştırıldığında lider rakibin ortalama konumu 4,44, yani daha geride. Konum metriğinde düşük değerin daha iyi olduğu hatırlanırsa, Pınar anıldığında en görünür pozisyonu tutuyor. Bazı sorgularda konum 1'e kadar iniyor; özellikle fonksiyonel ve sertifikalı ürünlere dair niyetlerde marka ilk anılan isim oluyor.

Duygu skorunda da tablo Pınar lehine. Markanın duygu skoru 59 ile kategorinin en yükseği; izlenen diğer markalar 56 ve 51 bandında kalıyor. Bu iki metrik birlikte okunduğunda ortaya net bir tablo çıkıyor: Pınar Su, üretken yanıtlarda hem önde hem olumlu anılıyor. Dolayısıyla stratejinin önceliği markanın nasıl anıldığını düzeltmek değil, daha fazla soruda ve kendi kaynağıyla anılmasını sağlamak.

Kaynak Gösterimi ve İçerik Boşlukları

Baseline ölçümün en kritik bulgusu kaynak tarafında. Pınar Su üretken yanıtlarda anılıyor, ancak markanın kendi alan adı bu yanıtlarda kaynak olarak neredeyse hiç gösterilmiyor. Modelin dayandığı kaynaklar arasında üçüncü taraf toptan ve fiyat karşılaştırma siteleri ile rakip marka alan adları öne çıkıyor. Bu, doğrudan "kurumsal verinin PDF'te kilitli olması" bulgusuyla örtüşüyor: marka biliniyor, model onu anıyor, ama bu bilgiyi markanın kendi HTML içeriğinden değil, ikinci elden aktaran kaynaklardan alıyor.

İçerik boşlukları da bu çerçevede somutlaşıyor. Markanın kapsam dışında kaldığı sertifika odaklı sorgu ile kendi alan adının kaynak gösterilmemesi aynı kök nedene işaret ediyor: doğrulanabilir kurumsal bilginin alıntılanabilir HTML pasajlarına taşınmamış olması. Baseline ölçüm bu boşlukları isimlendirdiği için, sonraki dönemde yapılacak içerik çalışmasının etkisi aynı soru seti üzerinden ölçülebilir hale geliyor.

Pınar Su Projesinde Hangi Çalışmalar Gerçekleştirildi

Webtures tarafından teknik SEO, içerik mimarisi, site yapısı, yapılandırılmış veri ve GEO alanlarında markanın ihtiyaçlarına özel çalışmalar gerçekleştirildi. Ana iş kalemleri, baseline ölçümün işaret ettiği kapsam ve kaynak açıklarını kapatmayı önceliklendirdi.

• Taranabilirlik, indeksleme ve sayfa deneyimi denetimi
• PDF'te kalan kurumsal verinin alıntılanabilir HTML pasajlarına taşınması
• Şirket ve ürün markası ilişkilerinin yapılandırılmış veriyle netleştirilmesi
• Kurumsal, sipariş ve çatı marka siteleri arasında rol ayrımı
• Soru odaklı içerik mimarisi ve bağlamdan bağımsız okunabilen cevap paragrafları
• Su mevzuatının iki ayrı rejimine uygun içerik denetimi
• Bayi ağı için tutarlı işletme verisi ve yerel niyet çalışması
• Üretken yanıt yüzeylerinde soru seti bazlı görünürlük izleme ve rakip bandı takibi

Baseline Ölçümün Ortaya Koyduğu Tablo

Program tek bir metrik üzerinden değil, birbirini besleyen üç görünürlük katmanı üzerinden izlendi: organik arama performansı, yerel ve bayi temelli görünürlük, üretken yanıtlarda kaynak olarak anılma. Elimizdeki başlangıç ölçümü, üretken yanıt katmanı için net bir referans noktası verdi. Bu bir büyüme grafiği değil; sonraki ölçümlerin karşılaştırılacağı sıfır noktası.

Kategori Bandındaki Konum

Kategori bandında Pınar Su, %18 görünürlükle ikinci sırada ve lidere dört puan mesafede. Bu, markanın üretken aramalarda görünmez olmadığını, aksine güçlü bir başlangıç konumunda bulunduğunu gösteriyor. Aradaki farkın kaynağı da ölçümle isimlendirildi: liderin daha fazla soruya girmesi. Dolayısıyla ölçülebilir hedef nettir; markanın kapsama oranını artırmak, yani şu an dışında kaldığı sorulara markanın kendi kaynağıyla girmesini sağlamak.

Anılmaktan Doğru Anılmaya

Çok markalı bir yapıda görünürlük anılmakla değil, doğru anılmakla ölçülüyor. Pınar Su anıldığında kategorinin en önünde (ortalama konum 2,33) ve en olumlu tonuyla (duygu skoru 59\) yer alıyor; sorun kalitede değil. Asıl açık iki başlıkta toplanıyor: markanın kendi alan adının yanıtlarda kaynak gösterilmemesi ve belirli sorularda hiç yer almaması. Her iki açık da kurumsal verinin makine tarafından okunabilir biçimde markanın kendi kaynağında durmasıyla kapanır. Baseline ölçüm bu açıkları sayıya döktüğü için, sonraki çalışmaların etkisi artık tahminle değil, aynı çerçeveyle ölçülecek.

Pınar Su ve Webtures İş Birliğinin Sonucu

Webtures'ın uyguladığı SEO ve GEO stratejisi, Pınar Su ve İçecek'in organik arama performansını ve yapay zeka destekli arama deneyimlerindeki görünürlüğünü birlikte ele aldı. Başlangıç ölçümü, markanın güçlü ama eksik bir konumda olduğunu gösterdi: anıldığında önde ve olumlu, ancak kendi içeriğiyle beslenmediği için kapsamı ve kaynak payı olması gerekenin altında. Bu tablo, çok markalı bir yapıda görünürlüğün neden anılmakla değil doğru anılmakla ölçülmesi gerektiğini de somutlaştırıyor. Kurumsal veri makine tarafından okunabilir biçimde markanın kendi kaynağında durduğunda, hem kapsam hem kaynak payı ölçülebilir biçimde artacak; sonraki ölçüm turu bu ilerlemeyi aynı soru seti üzerinden gösterecek.