Yapay zeka tarayıcıları JavaScript çalıştırmaz

Kısa cevap

Yapay zeka tarayıcıları JavaScript çalıştırmaz. GPTBot, ClaudeBot ya da PerplexityBot bir sayfa istediğinde düz bir HTTP GET yapar, sunucunun döndürdüğü baytları alır ve bunları metin olarak ayrıştırır. Ortada web tarayıcısı yoktur; DOM kurulumu, hydration ve XHR çağrılarının sonuçlanmasını bekleme de yoktur. Vercel ve MERJ tarafından, tek bir ayda 569 milyon GPTBot ve 370 milyon ClaudeBot isteği taşıyan bir ağ üzerinde yapılan ortak analiz, büyük yapay zeka tarayıcılarının hiçbirinde JavaScript çalıştırıldığına dair kanıt bulamadı. Tarayıcılar zaman zaman script dosyalarını indiriyor — GPTBot isteklerinin %11,50'sinde, ClaudeBot isteklerinin %23,84'ünde JavaScript çekildi — ve sonra bunları hiç çalıştırmıyor.

Google bir istisna ve pek çok ekibin sorunu fark etmemiş olmasının nedeni de bu. Googlebot, başsız bir Chromium render servisi işletir ve Gemini de aynı altyapı üzerine temellendirilmiştir. Yani istemci tarafında oluşturulan parametrik bir katalog, Google Arama'da gayet iyi sıralanırken ChatGPT, Claude ve Perplexity tarafında tamamen görünmez olabilir. Bunlar artık aynı kitle değil: Forrester'ın 2026 alıcı araştırması, kurumsal alıcıların %94'ünün satın alma sürecinde artık yapay zeka kullandığını ortaya koydu ve Adobe, perakende sitelerine yapay zekadan gelen trafiğin 2026'nın ilk çeyreğinde yıllık bazda %393 büyüdüğünü ölçtü.

GPTBot aslında ne alıyor

İşin içindeki iki belge konusunda net olmakta fayda var, çünkü çoğu katalog ekibi yalnızca ikincisine bakıyor.

Ham HTML, kaynak sunucunun yanıta yazdığı bayt akışıdır. curl komutunun ekrana bastığı, view-source: ile gördüğünüz ve yalnızca metin işleyen bir HTTP istemcisinin ayrıştırdığı şeydir.

Render edilmiş DOM ise, web tarayıcısı bu HTML'i ayrıştırdıktan, her script'i indirip çalıştırdıktan, her fetch() çağrısını sonuçlandırdıktan ve her değişikliği uyguladıktan sonra bellekte var olan şeydir. Geliştirici araçlarınızın Elements panelinde gördüğünüz de budur.

Modern bir SPA kataloğunda bu iki belgenin neredeyse hiçbir ortak yanı yoktur. Ham HTML bir kabuktur: bir <div id="root">, bir ön yükleme manifestosu ve yüz kilobaytlık paket referansı. Anlamlı her ifade — parça numarası, kılıf, tolerans, çalışma sıcaklığı aralığı, RoHS durumu, yaşam döngüsü durumu, stok, fiyat kademesi — daha sonra, tarayıcının hiçbir zaman yapmayacağı bir API çağrısından gelir.

Bir yapay zeka tarayıcısı ham HTML'inizi görür, başka hiçbir şeyi görmez. Bir teknik özellik, sunucunun döndürdüğü baytların içinde yoksa, model açısından o özellik hiç yoktur.

Hangi istemciler render eder, hangileri etmez

Tablodaki her "Hayır", çıkarım değil, Vercel ve MERJ veri setinde ölçülmüş davranıştır. Her "Evet" ise işletici tarafından belgelenmiştir: Google render hattını yayımlıyor ve Apple'ın kendi tarayıcı dokümantasyonu, Applebot için "sitenizin içeriğini bir tarayıcı içinde render edebilir" diyor. Anthropic tarafından daha sonra tanıtılan Claude-SearchBot ve Claude-User ajanları çalışmadan sonraya denk geldiği için ayrıca ölçülmedi; o tarihten bu yana hiçbir işletici bunlar için bir render hattı duyurmadı.

Pratikteki sonuç, hiç de işinize gelmeyecek bir asimetri yaratıyor. Render etmek, taramanın pahalı kısmıdır; ve bu adımı atlayan işleticiler, bugün tam da ürününüzle alıcınızın arasında duran taraf.

Parametrik kataloglar neden diğer her şeyden daha kötü durumda

Adobe'nin Nisan 2026 analizi, perakende sayfalarını makine okunabilirliği açısından puanladı ve ürün detay sayfalarını %66 ile tüm sayfa türleri içindeki en düşük seviyede buldu; ana sayfaların (%75), kategori sayfalarının (%74) ve hatta SSS sayfalarının (%80) altında. Bu sıralama tesadüf değil. En yapılandırılmış, en değerli, karar açısından en belirleyici veriyi taşıyan sayfalar, aynı zamanda en çok JavaScript ile kurulan sayfalar.

Hasarın büyük kısmından beş kalıp sorumlu:

1. 01Filtre durumu istemcide yaşıyor. Parametrik seçiciniz, yerel bir store'dan okuyan bir React bileşeni. "0603, 100nF, X7R, 50V" için sunucuda oluşturulmuş bir URL yok; dolayısıyla bir tarayıcının çekebileceği de, kaynak gösterebileceği de bir şey yok.
2. 02Teknik özellik tablosu bir API yanıtı. Önce sayfa kabuğu render ediliyor, ardından /api/product/attributes adresine giden bir istek tabloyu dolduruyor. Tarayıcı kabukta duruyor.
3. 03Fiyat ve stok bilinçli olarak istemci tarafında. Önbellekleme açısından makul. Makine görünürlüğü açısından ölümcül, çünkü stoğu göremeyen bir model o parçayı önermez.
4. 04Sekmeler ve akordiyonlar içeriklerini erteliyor. Teknik dokümanlar, uygulama notları, uygunluk sertifikaları ve CAD bağlantıları çoğunlukla tıklandığında yükleniyor. Bir tarayıcı hiçbir zaman tıklamaz.
5. 05Sonsuz kaydırma, sayfalamanın yerini alıyor. 51. üründen sonrasının taranabilir hiçbir URL'si yok.

Partsgraph, Ağustos 2026'da dünya genelinde — Kuzey Amerika, Avrupa ve Asya — 984 distribütör ve üretici alan adını denetledi. Medyan yapay zeka görünürlük puanı 100 üzerinden 50 çıktı ve kohortun %70'i D ya da F aldı. Yaklaşık yarısı, web tarayıcısı olmayan standart bir istemciye tek bir okunabilir katalog sayfası bile veremedi. Medyanı 34 olan elektronik dağıtımı ise en zayıf segmentti.

Yapay zeka tarayıcılarının kataloğumu okuyabildiğini nasıl test ederim?

Bunu kendi kaynak sunucunuza karşı yapın. Bir rakibin sitesini, tarayıcı user-agent'ını taklit ederek test etmek yanlış negatif üretir; çünkü kurumsal bot yönetim çözümleri tarayıcıları user-agent metnine göre değil, kaynak IP adresine göre doğrular — tanınmayan bir adresten gelen sahte bir başlık, robots.txt ne derse desin doğrulamaya takılır.

1. 01Ham HTML'i çekin. En değerli tek ürün sayfanızı seçin.

curl -sS --compressed -o page.html -w "status=%{http_code} bytes=%{size_download}" "https://example.com/products/part-number"

1. 01Parça numarasını baytların içinde arayın. Tarayıcıda değil — dosyanın içinde.

grep -c "MPN-12345" page.html

Bu 0 döndürüyorsa, hiçbir yapay zeka tarayıcısı sayfanın o parçayla ilgili olduğunu anlayamaz.

1. 01Bir mühendisin filtreleyeceğini düşündüğünüz üç parametrik değeri arayın.

grep -oiE "operating temperature|tolerance|package|rohs|lifecycle" page.html | sort | uniq -c

1. 01Yapılandırılmış veri bloklarını sayın.

grep -c "application/ld+json" page.html

Sıfır, makine tarafından okunabilir bir ürün kaydının bulunmadığı anlamına gelir. Bir ya da daha fazlası varsa, bunu çıkarmalı ve yalnızca bir gezinti izi taşımadığını; gerçekten sku, mpn, gtin, brand, offers ve kilit additionalProperty girdilerini içerdiğini doğrulamalısınız.

1. 01Render edilmiş sayfayla karşılaştırın. Aynı URL'yi, JavaScript devre dışı bırakılmış bir web tarayıcısında açın. Ayakta kalan şey, kabaca bir tarayıcının aldığı şeydir. Bununla normal sayfa arasındaki fark, görünmezliğinizin ölçüsüdür.

1. 01Tek bir sayfayı değil, tüm yolu kontrol edin. Aynı adımları bir kategori sayfası, bir arama sonuç sayfası, bir teknik doküman bağlantısı ve bir CAD indirmesi için tekrarlayın. Ürün sayfasını okuyabilen ama ona taranabilir bir kategori listesinden ulaşamayan bir tarayıcı yine tıkanmış demektir.

Testi geçen bir sayfada parça numarası onlarca kez görünür, parametrik etiketler metin olarak yer alır ve en az bir JSON-LD bloğu bulunur. Karşılaştırma için: iyi kurulmuş bir ürün sayfası, tam teknik özellik tablosunu içeren tipik olarak 60–200 KB HTML döndürür; bozuk bir SPA kabuğu ise paket referanslarından başka hiçbir şey içermeyen 4–15 KB döndürür.

Siteyi yeniden yazmadan bunu nasıl düzeltirsiniz?

Platform değiştirmenize gerek yok. Gereken şey, kaynaktaki baytların gerçekleri içermesi. Dört yol var ve bunlar birbirini dışlamıyor.

Ürün ve kategori rotalarında sunucu tarafı render, kalıcı cevaptır. Bunu destekleyen bir framework üzerindeyseniz, katalog rotalarını sunucu bileşenlerine ya da artımlı yeniden doğrulamalı statik üretime taşımak genellikle çeyreklerle değil haftalarla ölçülen bir iştir; çünkü veri katmanı zaten var — sadece yanlış taraftan çağrılıyor.

Prerender, dürüst ara çözümdür. Her ürün sayfasını derleme sırasında ya da bir zamanlamayla bir kez render edin, HTML'i uçta önbelleğe alın ve herkese onu sunun. İnsanlara ve makinelere aynı belgeyi verin; tarayıcılara farklı bir sayfa göstermek hem politika riski taşır hem de pratikte kendi ayağınıza sıkmaktır, çünkü model hangi sürümü aldıysa onu alıntılayacaktır.

Sunucuda oluşturulan JSON-LD, düşük eforla en yüksek getiriyi sağlayan değişikliktir. Bunu bir etiket yöneticisine değil, sunucunun ürettiği HTML'in içine koyun.

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "sku": "MPN-12345",
  "mpn": "MPN-12345",
  "name": "100 nF 50 V X7R 0603 ceramic capacitor",
  "brand": { "@type": "Brand", "name": "Example Components" },
  "additionalProperty": [
    { "@type": "PropertyValue", "name": "Capacitance", "value": "100 nF" },
    { "@type": "PropertyValue", "name": "Voltage rating", "value": "50 V" },
    { "@type": "PropertyValue", "name": "Dielectric", "value": "X7R" },
    { "@type": "PropertyValue", "name": "Operating temperature", "value": "-55 to +125 C" }
  ],
  "offers": {
    "@type": "Offer",
    "priceCurrency": "USD",
    "price": "0.042",
    "availability": "https://schema.org/InStock"
  }
}
</script>

Markdown kopyası, bir sayfayı her türlü belirsizlikten kurtarmanın en ucuz yoludur. Her ürün sayfasının düz metin karşılığını, teknik özellik tablosu bir markdown tablosu olarak render edilmiş biçimde, sabit ve bağlantı verilmiş bir URL'de yayımlayın. Yalnızca metin işleyen istemciler bunu kusursuz ayrıştırır, aynı veri kaynağından üretmenin maliyeti neredeyse sıfırdır ve ön yüz yeniden tasarlandığında kaymayan kanonik bir makine yüzeyi kazandırır. llms.txt bunun karşılığı değildir: 2026 itibarıyla büyük yapay zeka işleticilerinden hiçbiri onu okumayı taahhüt etmedi ve Google'ın Search Relations ekibi desteklemeyi açıkça reddetti. Kopyalar işe yarar, çünkü sıradan, bağlantı verilmiş sayfalardır.

Overlay ise yukarıdakilerin tümünü mevcut sitenin içine değil, önüne koyar. Bir sidecar servis ya da edge worker; kendi alan adınız üzerinden sunucuda oluşturulmuş, ajanların okuyabildiği sayfaları, JSON-LD'yi, markdown kopyalarını ve barındırılan bir MCP uç noktasını sunar ve bunları mevcut PIM'inizden okur. Müşteriye dönük sitede hiçbir şey değişmez. Partsgraph tam olarak bu yaklaşımı benimsiyor ve giderek artan sayıda üreticinin kendi bünyesinde inşa ettiği şey de bu: Microchip, Kasım 2025'te ürün verisi için ücretsiz ve herkese açık bir MCP sunucusu yayımladı; ECIA bünyesindeki TrustedParts ise Haziran 2026'da bir envanter yapay zeka ajanı servisi başlattı.

Önce ne yapmalı, hangi sırayla

1. 01Yukarıdaki altı adımlı testi en iyi on ürününüzde çalıştırın ve bayt sayılarını kaydedin.
2. 02Ürün sayfalarında JSON-LD'yi sunucuda oluşturun. Ölçülebilir etkisi en büyük olan en küçük değişiklik budur.
3. 03Etkileşimli sürüm istemci tarafında kalsa bile, her teknik özelliğin, her teknik doküman ve CAD bağlantısının ilk HTML çıktısında yer almasını sağlayın.
4. 04Önemli olan her parametrik filtre kombinasyonuna gerçek, taranabilir ve sunucuda oluşturulan bir URL verin.
5. 05Ürün başına bir markdown kopyası yayımlayın ve sayfadan ona bağlantı verin.
6. 06Sıralamaları, promptları ve cevaplardaki payınızı ancak bundan sonra dert edin. Erişim, alıntıdan önce gelir; içerik yanıt gövdesinde var olmadan optimize edilecek bir şey yoktur.

Buradaki mekanizma ne ince ne de tartışmalı. Bir model yalnızca kendisine ulaşan şeyi alıntılayabilir ve kendisine ulaşan şey sizin ham HTML'inizdir. Geri kalan her şey, hiçbir zaman gerçekleşmemiş bir render adımıdır.

Kataloğunuzun nerede durduğunu öğrenmek ister misiniz? Ücretsiz Partsgraph yapay zeka görünürlük puanlayıcısı, bu makaledeki kontrolleri kendi alan adınıza karşı [/audit](/audit) adresinde çalıştırır.