AI Agent Optimizasyonu Nedir? Web Sitesi AI Agent'lara Nasıl Hazırlanır?

AI agent optimizasyonu nedir?

AI agent optimizasyonu, bir yapay zeka ajanının kullanıcı adına sitenizde bir görevi baştan sona yürütebilmesi için bilgiyi, etkileşimleri ve işlem akışını düzenleme çalışmasıdır. Google yapay zeka ajanlarını, rezervasyon yapmak veya ürün özelliklerini karşılaştırmak gibi görevleri kişiler adına yerine getirebilen otonom sistemler olarak tanımlar.

Bu rehberde AI agent optimizasyonu ifadesini operasyonel bir terim olarak kullanıyoruz. Terim, bir web sitesinin tarayıcı agent'ları tarafından anlaşılması ve üzerinde güvenli görev tamamlanabilmesi için yapılan çalışmaları kapsar. Google, OpenAI veya W3C bu adı standart bir disiplin olarak tanımlamış değildir. Chrome aynı alan için agent-ready website ve agentic browsing ifadelerini kullanır. Bazı ajanslar ise Agent Experience Optimization (AXO) adını tercih eder.

Agent tanımı, Google'ın üretken yapay zeka özellikleri için yayımladığı optimizasyon rehberinden alınmıştır. Konuyu netleştirmek için iki kullanım biçimini ayırmak gerekir. AI arama bir soruya yanıt arar ve bulduğu bilgiyi kaynak bağlantılarıyla özetler. AI agent ise kullanıcının verdiği bir görevi üstlenir. Bu görev için siteleri açar ve seçenekleri karşılaştırır. Gerektiğinde form alanlarını da doldurur.

Generative Engine Optimization (GEO, üretken arama motoru optimizasyonu) açısından bu çalışma, GEO teknik optimizasyon katmanının üzerine eklenen bir eylem katmanı olarak düşünülebilir. Teknik optimizasyon, AI sistemlerinin siteye erişmesini ve içeriği işlemesini ele alır. AI agent optimizasyonu ise erişilen sayfada bir işlemin güvenle tamamlanıp tamamlanamadığına odaklanır.

Agentic retrieval ile AI agent optimizasyonu arasındaki fark nedir?

Agentic retrieval, bir AI sisteminin bir soruyu yanıtlamak için birden fazla adımda bilgi aramasını ve toplamasını ifade eder. AI agent optimizasyonu ise bu bilginin ardından sitede bir işlemin, örneğin bir rezervasyonun veya başvurunun, tamamlanabilmesini hedefler.

İki kavram aynı süreçte yan yana çalışabilir. Bir agent önce uygun otelleri araştırır. Sonra birini seçer ve rezervasyon formunu doldurur. İlk kısım bilgi bulma işidir ve agentic retrieval konusuna girer. İkinci kısım sitede işlem yapma işidir ve bu yazının konusudur. Agentic retrieval sayfası sorgu planlamayı, çok adımlı aramayı, kaynak seçimini ve sorguların yeniden kurulmasını ele alır. Bu sayfa ise tarayıcı etkileşimini, formları, hata kurtarmayı, işlem yollarını, kullanıcı onaylarını ve WebMCP gibi eylem protokollerini ele alır. Aşağıdaki tablo iki alanı aynı ölçütlerle karşılaştırır.

Tablodaki ayrım bir öncelik sırası da verir. Bilgi yanlışsa ya da agent sayfaya erişemiyorsa form düzeltmeleri tek başına sonuç vermez. Bilgi doğru olduğu hâlde işlem yarıda kalıyorsa sorun büyük olasılıkla eylem katmanındadır.

Model, web.dev'in agent'lara giriş yazısındaki al, planla ve uygula döngüsünü site sahibinin müdahale edebileceği adımlara göre yeniden adlandırır.

AI agent'lar bir web sitesini nasıl okur?

Google'a göre tarayıcı ajanları bir web sitesini ekran görüntüsü gibi görsel çıktılar, DOM yapısı ve erişilebilirlik ağacı üzerinden okuyabilir. Hangi ürünün bu yöntemlerden hangisini hangi ağırlıkla kullandığı değişebilir. Bu yüzden üç görünümü birlikte iyileştirmek en güvenli yaklaşımdır.

web.dev'deki agent dostu web siteleri rehberi bu üç yolu ayrıntılandırır ve dördüncü yol olarak öneri aşamasındaki WebMCP araçlarını anar.

Ekran görüntüsü üzerinden okuma nasıl çalışır?

Ekran görüntüsü yönteminde bir görsel model, sayfanın ekranda oluşan hâline bakarak butonları, alanları ve metinleri renk, boyut ve yakınlık gibi ipuçlarıyla tanır. web.dev bu yöntemin yavaş ve kullanılan token açısından maliyetli olduğunu belirtir.

Bu yöntem, insan gözüne net görünen ama kodda karmaşık kurulan arayüzlerde işe yarar. Aynı nedenle görsel hilelerden de etkilenir. Şeffaf bir katmanın altında kalan buton görsel analizde elenebilir. Çok küçük tıklama alanları da gözden kaçabilir. web.dev, tıklanabilir öğelerde cursor: pointer kullanılmasını güçlü bir eylem sinyali olarak önerir.

DOM agent'a ne anlatır?

DOM, agent'a sayfadaki öğelerin iç içe yapısını ve niteliklerini gösterir. Örneğin bir ürün kutusunun içindeki buton, bu yapı sayesinde o ürüne ait olarak anlaşılır.

Bu nedenle fiyat, stok durumu ve teslim koşulu gibi bilgiler görsel içine gömülmeden HTML metni olarak bulunmalıdır. Aynı ürünün bilgileri de DOM içinde aynı kapsayıcıda durmalıdır. Fiyatı bir kutuda, sepete ekle butonunu ilişkisiz başka bir kutuda gösteren şablonlar agent'ın doğru eşleştirme yapmasını zorlaştırabilir.

Erişilebilirlik ağacı neden önemlidir?

Erişilebilirlik ağacı, DOM'u etkileşimli öğelerin rolüne, adına ve durumuna indirgediği için agent'a sayfanın anlamsal bir özetini verir. Chrome ekibi, agent'ların bu ağacı birincil veri modeli olarak kullandığını belirtir.

Ekran okuyucular da aynı ağaçtan yararlanır. Dolayısıyla etiketi olmayan bir form alanı hem görme engelli bir kullanıcı hem de bir agent için belirsiz kalır. Chrome'un agent hazırlığı araç setindeki denetimler de her etkileşimli öğenin programatik bir adı olup olmadığını kontrol eder.

Hangi web bileşenleri agent'lar için sorun oluşturabilir?

Belirsiz formlar, gizli veya sonradan beliren fiyatlar, erişilemeyen kontroller, tutarsız etiketler ve yalnızca JavaScript etkileşimiyle ortaya çıkan durumlar agent'ların görevi tamamlamasını zorlaştırabilir. CAPTCHA ve giriş adımları ise görevi durdurabilir ya da kontrolü kullanıcıya devredebilir. Belirsiz uygunluk bilgisi ve eksik ürün ya da hizmet özellikleri de agent'ın doğru seçim yapmasını engelleyebilir.

Aşağıdaki tablo bu bileşenleri agent üzerindeki olası etkileri ve önerilen düzeltmelerle eşleştirir. Tablodaki etkiler, Chrome ve web.dev rehberliğinden türetilmiş site düzeyinde bir editoryal risk modelidir. Bu sınıflandırma bir platformun resmî hata listesi olarak okunmamalıdır.

Tablodaki en kritik satırlar genellikle fiyat ve uygunluk satırlarıdır. Bu iki bilgi eksikse agent işlemi tamamlasa bile kullanıcının istemediği bir sonuca ulaşabilir. web.dev rehberi de karmaşık üzerine gelme durumlarının, kayan yerleşimlerin ve akışkan animasyonların agent'lar için işlevsel olarak bozuk olduğunu yazar. Rehbere göre sepete ekle butonu her ürün kategorisinde farklı bir yerde duruyorsa ekran görüntüsüyle çalışan agent'lar karışabilir.

Giriş ve CAPTCHA adımlarında agent'ların davranışı ürüne göre değişir. OpenAI tarafında güncel örnek, ChatGPT Work içindeki Cloud Browser'dır. OpenAI'ın yardım sayfasına göre bu araç sayfaları okuyabilir, butonlara tıklayabilir ve formlara bilgi girebilir. Giriş ya da onay gerektiğinde ve geri alınması zor bir taahhüt doğuran işlemlerden önce durur. Bazı siteler güvenlik önlemleriyle otomatik tarayıcı erişimini kısıtlayabilir. Bu yüzden giriş ve doğrulama adımlarında hedef, kullanıcı kontrolü devraldığında akışın açık ve kesintisiz ilerlemesi olmalıdır.

Agent-ready bir sayfanın hangi özellikleri olmalıdır?

Agent-ready bir sayfa, insan ziyaretçinin ve AI agent'ın aynı görevi aynı bilgiyle ve belirsizlik yaşamadan tamamlayabildiği sayfadır. Bunun için anlamlı etiketler, açık formlar, net giriş koşulları, tutarlı eylemler, görünür fiyat ve uygunluk, kararlı tanımlayıcılar, anlaşılır hata mesajları, erişilebilirlik ve yapılandırılmış ürün ya da hizmet bilgileri birlikte gerekir.

Aşağıdaki kontrol listesi, Chrome ve web.dev rehberliğini bu sitenin operasyonel kullanılabilirlik kontrolleriyle birleştirir. Bağlı etiketler, anlamsal kontroller, erişilebilirlik ve yerleşim kararlılığı doğrudan bu rehberlerde yer alır. Kararlı tanımlayıcılar, site genelinde tutarlı eylem öğeleri, form kurallarının önceden açıklanması ve yapılandırılmış ürün bilgisi ise editoryal önerilerdir. web.dev, agent hazırlığı için önerdiği her iyileştirmenin siteleri insanlar için de iyileştirdiğini belirtir.

• Fiyat, ek ücretler ve toplam tutar seçim yapılan adımda görünür metin olarak yer alır.
• Stok, tarih veya kontenjan gibi uygunluk bilgileri seçimden önce gösterilir.
• Ürün ve hizmet bilgileri sayfada yazılıdır ve kullanılıyorsa yapılandırılmış veriyle tutarlıdır.
• Her form alanının kendisine bağlı ve anlamlı bir etiketi vardır.
• Zorunlu alanlar, biçim kuralları ve karakter sınırları alan doldurulmadan önce açıklanır.
• Aynı eylem site genelinde aynı adla ve aynı HTML öğesiyle sunulur.
• Sayfa klavyeyle kullanılabilir ve ekran okuyucuda anlamlı okunur.
• Ürün kimlikleri, URL'ler ve form alanı adları oturumdan oturuma değişmez.
• Sayfa yüklenirken öğeler yer değiştirmez ve yerleşim kararlı kalır.
• Hata mesajı hangi alanın neden reddedildiğini ve nasıl düzeltileceğini söyler.

WebMCP nedir?

WebMCP, bir web sitesinin yapabildiği işlemleri AI agent'lara yapılandırılmış araçlar olarak sunmayı amaçlayan ve henüz standartlaşmamış bir tarayıcı API önerisidir. Chrome'da origin trial (kaynak denemesi) kapsamında deneysel olarak test edilebilir. Üretime hazır bir standart olarak görülmemelidir.

Chrome ekibi WebMCP'yi Şubat 2026'da erken önizleme programıyla duyurdu. Duyuruya göre amaç, agent'ların sitede işlem yaparken hız, güvenilirlik ve kesinlik kazanmasıdır. Önerinin iki yolu vardır. Bildirimsel yaklaşım, standart işlemleri doğrudan HTML formları üzerinden tanımlar. Buyurucu yaklaşım ise JavaScript çalıştırılmasını gerektiren karmaşık etkileşimler içindir.

API o tarihten bu yana ilk önizlemenin ötesine geçti. Chrome'un güncel WebMCP belgeleri API'yi origin trial aşamasında gösterir. web.dev de API'lerin Chrome'da origin trial ile üretim ortamında denenebildiğini belirtir. Spesifikasyonun kendisi ise W3C Web Machine Learning Community Group tarafından yayımlanan bir topluluk grubu taslak raporudur. Belge, bir W3C standardı olmadığını ve W3C standart sürecinde yer almadığını açıkça yazar.

Universal Commerce Protocol ve agentic commerce ne anlama gelir?

Agentic commerce, AI agent'ların kullanıcı adına ürün bulma, karşılaştırma ve satın alma adımlarını yürütmesidir. Universal Commerce Protocol (UCP), Google'ın Ocak 2026'da duyurduğu ve agent'larla ticari sistemlerin ortak bir dille çalışmasını amaçlayan açık bir standarttır.

Google'ın duyurusuna göre UCP, Shopify, Etsy, Wayfair, Target ve Walmart ile birlikte geliştirildi. Protokol, Agent2Agent (A2A), Agent Payments Protocol (AP2) ve Model Context Protocol (MCP) ile birlikte çalışacak şekilde tasarlandı. Google bu altyapıyı AI Modu ve Gemini uygulamasındaki ödeme özelliklerinde kullanıyor.

UCP destekli ödemeye erişim henüz sınırlıdır. Merchant Center yardım sayfası, belgenin ABD, Kanada ve Avustralya'daki uygun ürünler için geçerli olduğunu ve UCP destekli ödemenin şimdilik seçili satıcılara açık olduğunu belirtir. Bu özellikte satıcı, satışın resmî tarafı olarak kalır. UCP entegrasyon merkezinin kurulum sayfasına göre Merchant Center entegrasyonu ABD'de kademeli olarak açılıyor. Kanada ve Avustralya'nın ise sonraki yıl eklenmesi planlanıyor. Google, Şubat 2026'da UCP destekli ödemenin ABD'deki alışverişçiler için AI Modu ve Gemini'de açılmaya başladığını duyurmuştu.

Bu tablo, Türkiye'deki bir e-ticaret sitesi için bugünün önceliğinin protokol entegrasyonu olmayabileceğini gösterir. Güncel ürün verisi, görünür fiyat ve sorunsuz ödeme akışı ise hangi protokol öne çıkarsa çıksın agent'ların ihtiyaç duyacağı temel bilgilerdir. Ürün verisi ve feed tarafını e-ticaret için GEO rehberinde ayrıca ele alıyoruz.

Hangi işletmeler AI agent optimizasyonunu önceliklendirmeli?

Gelirini sitede tamamlanan işlemlerden elde eden işletmeler AI agent optimizasyonunu önceliklendirmelidir. E-ticaret, otel ve seyahat, rezervasyon, randevu, biletleme, SaaS ve hizmet pazaryeri siteleri bu gruptadır. Yalnızca pasif içerik tüketimi hedefleyen yayıncılarda öncelik genellikle daha düşüktür.

Tablodaki öncelik üç ölçüte dayanır. Bunlar işlemin değeri, görevin sıklığı ve sitede agent'ın yürütebileceği bir iş akışının bulunmasıdır. Üç ölçüt de güçlüyse öncelik yüksektir. Biri sınırlı kalıyorsa öncelik ortaya iner. Sitede tamamlanacak bir işlem yoksa öncelik düşüktür. Tablo editoryal bir değerlendirmedir ve işletmenin kendi dönüşüm verileriyle doğrulanmalıdır.

Tablodaki yüksek öncelikli grupların ortak noktası, bir hatanın doğrudan kayıp işleme dönüşmesidir. Yerel hizmet veren klinikler ve danışmanlık büroları da randevu formu kullanıyorsa bu gruba yaklaşır. Bu işletmelerin AI yanıtlarındaki görünürlüğünü yerel işletmeler için GEO sayfasında ayrıca ele alıyoruz. Pasif içerik yayıncılarında ise erişim ve içerik yapısı, form akışından daha belirleyicidir.

Agent-ready bir web sitesi nasıl test edilir?

Agent-ready bir siteyi denetim, değerlendirme ve görev testi olmak üzere üç katmanda test edin. Önce Lighthouse gibi deterministik denetimlerle erişilebilirlik ve kararlılık hatalarını bulun. Ardından agent davranışını aynı görevi tekrarlayan değerlendirmelerle ölçün. Son olarak en değerli görevi arama, seçim, form, doğrulama ve onay adımlarıyla baştan sona deneyin.

Bu sıra, bu sitenin editoryal test çerçevesidir. Denetim teknik hazırlığı, değerlendirme agent davranışının tutarlılığını, görev testi ise işlemin gerçekten tamamlanıp tamamlanmadığını gösterir.

Deterministik denetim neyi kontrol eder?

Deterministik denetim, aynı sayfada her çalıştırıldığında aynı sonucu veren kurallarla erişilebilirlik, yerleşim kararlılığı ve WebMCP entegrasyonunu kontrol eder. Chrome'un M150 sürümüyle gelen Lighthouse Agentic browsing kategorisi bu işi yapar.

Chrome'un araç seti duyurusuna göre kategori, her etkileşimli öğenin programatik bir adı olup olmadığını kontrol eder. Yerleşim kararlılığını CLS ile ölçer. Kayıtlı WebMCP araçlarını ve şema geçerliliğini de denetler. Chrome ekibi kategoriyi bilgilendirme amaçlı ve kıyaslamasız olarak tanımlar. Bu yüzden sonuçları bir düzeltme listesi olarak kullanın.

Olasılıksal agent değerlendirmesi neden gerekir?

Olasılıksal değerlendirme gerekir çünkü üretken yapay zeka kullanan bir agent aynı göreve her denemede farklı bir yol izleyebilir. Chrome'un WebMCP belgeleri bu nedenle testlerin olasılıksal sonuçları desteklemesi ve değerlendirmelerle (eval) yapılması gerektiğini belirtir.

Chrome'un WebMCP değerlendirme rehberine göre bir aracı yayına almadan önce agent'ın aracı ne zaman çağıracağını, nasıl yürüteceğini ve hangi yanıtların kabul edilebilir olduğunu doğrulamak gerekir. Aynı ilke WebMCP kullanmayan formlarda da işe yarar. Görevi sabit bir senaryoyla birden çok kez çalıştırın ve başarılı denemeleri geçerli denemelere oranlayın. Tekrarlanan gözlemlerin nasıl kaydedileceğini GEO ölçümleme yöntemimizde ayrıntılı olarak anlatıyoruz.

Uçtan uca görev testi nasıl yapılır?

Uçtan uca görev testinde sitenin en değerli görevini seçer ve bu görevi bir agent ile ya da erişilebilirlik araçlarıyla arama adımından onay ekranına kadar denersiniz. Her denemede gereken bilgileri, kullanılan bileşenleri, engelleri, hata durumlarını ve sonucu kaydedin.

1. Ana görevi seçin. Örneğin bir otel için bu görev, belirli tarihlerde iki kişilik oda ayırtmak olabilir.
2. Kullanıcı ve agent yolculuğunu adım adım çıkarın. Arama, seçim, form ve onay ekranlarını sırayla yazın.
3. Görev için gereken bilgileri belirleyin. Fiyat, uygunluk, iptal koşulu ve zorunlu alanlar bu listeye girer.
4. İşlem bileşenlerini listeleyin. Her buton, seçici ve form alanı için erişilebilir bir ad olup olmadığını kontrol edin.
5. Engelleri tespit edin. Gizli fiyat, açılmayan menü veya tanınmayan buton gibi durumları ekran görüntüsüyle kaydedin.
6. Hata durumlarını bilerek deneyin. Eksik alan, geçersiz biçim ve dolu tarih gibi senaryolarda mesajın anlaşılır olup olmadığına bakın.
7. Onay adımının çalıştığını doğrulayın. Ödeme veya gönderim öncesinde kullanıcı onayının istendiğini ve atlanamadığını kontrol edin.

Sunucu kayıtları da test sürecine katkı verir. Google'ın kullanıcı tarafından tetiklenen getiriciler sayfasına göre Google-Agent, Google altyapısında çalışan agent'ların kullanıcı isteğiyle web'de gezinmesi ve işlem yapması için kullanılır. Bu isteklerin kimliğini doğrulamak için Google'ın deneysel Web Bot Auth belgesi de incelenebilir. Belgeye göre Google, agent isteklerinin tamamını henüz imzalamıyor ve IP ile ters DNS doğrulaması geçerliliğini koruyor.

AI agent optimizasyonu bugün zorunlu mu?

Hayır, AI agent optimizasyonu bugün her web sitesi için acil ya da zorunlu değildir. Agentic web gelişmekte olan bir alandır ve öncelik, işletmenin gelirinin sitede tamamlanan işlemlere ne kadar bağlı olduğuna göre belirlenmelidir.

Google da agent deneyimlerini keşfetmeyi, işletmeniz için anlamlıysa ve ek zamanınız varsa ele alınacak bir alan olarak konumlandırır. WebMCP hâlâ standartlaşmamış bir öneridir ve Chrome'da origin trial aşamasındadır. UCP destekli ödeme ise şimdilik seçili satıcılar ve sınırlı pazarlarla sınırlıdır. Bu tablo büyük bir yeniden yapılanmayı acil kılmaz.

Etiketli formlar, görünür fiyat ve erişilebilir kontroller gibi temel düzeltmeler ise bugün de insan kullanıcılara fayda sağlar. Rezervasyon veya satış yapan bir site bu düzeltmelerle başlayabilir. Protokoller ve WebMCP olgunlaştıkça test ortamında değerlendirilebilir.

Sık sorulan sorular

AI agent optimizasyonu SEO'nun yerini almaz. Tarayıcı agent'ları için evrensel bir schema.org zorunluluğu da belgelenmemiştir. Robots.txt dosyası ise kullanıcı adına çalışan agent'ları tek başına engellemeyebilir.

AI agent optimizasyonu SEO'nun yerini alır mı?

Hayır, AI agent optimizasyonu SEO'nun yerini almaz. Bir agent'ın sitede görev yapabilmesi için önce sayfayı bulması ve erişebilmesi gerekir. Bu temel ise klasik SEO ve teknik erişim çalışmalarından gelir.

Yapılandırılmış veri AI agent'lar için zorunlu mu?

Hayır, tarayıcı agent'larının sitede işlem yapabilmesi için evrensel bir schema.org zorunluluğu belgelenmemiştir. Chrome ve web.dev rehberleri anlamsal HTML'yi, erişilebilirlik ağacını ve öngörülebilir etkileşimleri öne çıkarır. Ayrı bir konu olarak Google, Arama'nın üretken yapay zeka özellikleri için de yapılandırılmış veri ya da özel schema.org işaretlemesi gerekmediğini belirtir.

Bu iki bilgi farklı alanlara aittir. İlki agent'ın sayfada görev yapmasıyla, ikincisi Google Arama'nın içeriği yanıtlarda kullanmasıyla ilgilidir. Yapılandırılmış veri kullanıyorsanız sayfadaki görünür bilgiyle tutarlı tutun. Bu tutarlılığı yapılandırılmış veri ve görünür bilgi tutarlılığı sayfasında ayrıntılı olarak ele alıyoruz. E-ticarette durum biraz farklıdır. UCP destekli ödeme gibi özellikler Merchant Center ürün feed'lerine dayanır. Bu nedenle ürün verisinin feed, sayfa ve yapılandırılmış veri arasında çelişkisiz olması önemlidir.

Robots.txt ile AI agent'ları engelleyebilir miyim?

Her zaman engelleyemezsiniz. Google'ın belgelerine göre Google-Agent gibi kullanıcı tarafından tetiklenen getiriciler, istek bir kullanıcıdan geldiği için robots.txt kurallarını genellikle yok sayar.

Belirli agent trafiğini yönetmek istiyorsanız sunucu tarafı kurallar ve bot doğrulama yöntemleri daha belirleyici olur. Bu kararın, işlem yapmak isteyen gerçek kullanıcıları da etkileyebileceğini hesaba katın. Robots.txt tarayıcılara yönelik bir istek dosyasıdır ve erişim yetkisi sağlamaz. Yüksek etkili eylemleri kimlik doğrulama, yetkilendirme ve uygulama düzeyindeki kontrollerle koruyun.

Kaynaklar

1. Google Search Central, Google Arama'daki üretken yapay zeka özellikleri için optimizasyon rehberi. Sayfanın son güncellenme tarihi 10 Temmuz 2026.
2. web.dev, Build agent-friendly websites. Yayın tarihi 1 Nisan 2026.
3. web.dev, Introduction to agents. Yayın tarihi 25 Şubat 2025.
4. Chrome for Developers, Web sitenizi ajanlara hazır hale getirmek için geliştirici araç seti. Yayın tarihi 22 Haziran 2026.
5. Chrome for Developers, WebMCP is available for early preview. Yayın tarihi 10 Şubat 2026.
6. Chrome for Developers, WebMCP evals. Son güncellenme tarihi 28 Mayıs 2026.
7. W3C Web Machine Learning Community Group, WebMCP Draft Community Group Report. İncelenen taslak 26 Eylül 2026 tarihlidir.
8. Google, New tech and tools for retailers to succeed in an agentic shopping era. Yayın tarihi 11 Ocak 2026.
9. Google, dijital reklam ve ticaret duyurusu. Yayın tarihi 11 Şubat 2026.
10. Google Merchant Center Help, About the Universal Commerce Protocol (UCP) and UCP-powered checkout feature on Google. İnceleme tarihi 28 Eylül 2026.
11. Google Merchant Center Help, How to onboard to the UCP integration hub in Merchant Center. İnceleme tarihi 28 Eylül 2026.
12. Google Crawling Infrastructure, Google user-triggered fetchers. Sayfanın son güncellenme tarihi 19 Ağustos 2026.
13. Google Crawling Infrastructure, Authenticating requests with Web Bot Auth (Experimental). Sayfanın son güncellenme tarihi 4 Mayıs 2026.
14. OpenAI Help Center, Using cloud browser in ChatGPT. İnceleme tarihi 28 Eylül 2026.

Yazar hakkındaİbrahim ÖzkanDijital Pazarlama Uzmanı

Meta ve Google reklamları, SEO, GEO, sosyal medya yönetimi ve ChatGPT Ads üzerine markalara danışmanlık veriyor. Yazılarında sahada uygulanan yöntemleri sade bir dille anlatıyor.

LinkedIn ↗Instagram ↗İletişimHakkımızda