Stape ile yapay zeka trafiği nasıl izlenir

Yapay zeka trafiği; yapay zeka platformlarından, asistanlardan, tarayıcılardan veya otomatik yapay zeka sistemlerinden kaynaklanan web sitesi ziyaretleri ya da istekleridir. Yapay zeka trafiği hem gerçek kullanıcı ziyaretlerini (bir kullanıcı yapay zeka platformlarındaki bir bağlantıya tıkladığında) hem de yapay zeka sistemleri tarafından oluşturulan otomatik istekleri (aşağıda ele aldığımız eğitim tarayıcıları ve arama getiricileri gibi) içerebilir. 

Yapay zeka, web sitesi trafiğinin önemli bir kaynağı haline geliyor. Sürekli gelişimi (aşağıda alıntılanan araştırmaya göre) şimdiden birçok sektörü etkiledi ve büyük olasılıkla web sitenizin trafik edinme raporlarını da etkilemeye başlamış olabilir.

Yapay zeka trafiği tespitini kurmadan önce, yapay zeka benimsenmesinin ve yapay zeka kaynaklı yönlendirme trafiğinin ne kadar hızlı büyüdüğüne bakmakta fayda var.

Adobe, Nisan 2026'da bir yapay zeka trafiği raporu yayımladı. Platform, farklı sektörlerdeki yapay zeka ziyaret payının büyümesini analiz etti:

• Perakende, %393 ile yıllık bazda en büyük artışı kaydetti;
• Seyahat %233;
• Finansal hizmetler %158;
• Medya ve eğlence %84;
• Teknoloji ve yazılım %63.

Tüketiciler arasında yapay zekanın giderek daha fazla benimsenmesi de bu eğilime katkıda bulunuyor. Adobe'nin Mart 2026 Tüketici Anketi'nde, katılımcıların %54'ü yapay zekayı daha sık kullandıklarını belirtti.

SimilarWeb'in 2026 Üretken Yapay Zeka Görünümü raporuna göre, üretken yapay zeka büyümeye devam ediyor. Haziran 2025 ile Mayıs 2026 arasında:

• Aylık ortalama web ziyareti yıllık %70 artışla 9,5 milyara ulaştı;
• Aylık tekil ziyaretçi sayısı %57 artarak 655 milyona yükseldi;
• Mobil uygulama indirmeleri de %58 artarak 4,4 milyara çıktı.

Yapay zeka botları web sitelerine farklı amaçlarla erişebilir; bu nedenle onları tespit etmeye çalışmadan önce, yapay zeka ile ilgili tüm bot trafiğinin aynı kabul edilmemesi gerektiğini anlamak önemlidir. Bazı botlar yapay zeka modellerini eğitmek veya geliştirmek için herkese açık içerikleri tararken, diğerleri bir kullanıcının sorgusu için bilgi almak veya yapay zeka yanıtı oluşturmak amacıyla sayfalara gerçek zamanlı olarak erişir.

Aşağıda listelenen botlar, yapay zeka modellerini geliştirmek, eğitmek veya iyileştirmek için kullanılabilecek herkese açık web içeriklerini tarar:

• GPTBot
• ClaudeBot
• Google-Extended
• Applebot-Extended
• Bytespider
• CCBot
• Meta-ExternalAgent

Eğitim tarayıcısı ziyaretleri mutlaka gerçek bir kullanıcının web sitesi ziyareti anlamına gelmez. Ancak bunları izlemek, yapay zeka sistemlerinin içeriğinize ne sıklıkta eriştiğini anlamanıza ve otomatik yapay zeka taramasını kullanıcı kaynaklı trafikten ayırt etmenize yardımcı olabilir.

Bu botlar, kullanıcı isteklerine yanıt olarak web sayfalarına erişebilir. Örneğin bir yapay zeka asistanı veya yapay zeka arama sistemi; bir yanıt, özet veya arama sonucu oluşturmak için web sitenizden bilgi alabilir:

• OAI-SearchBot
• ChatGPT-User
• Perplexity-User
• Claude-Web
• Claude-SearchBot

🤔Peki, bu tür yapay zeka botları nasıl tespit edilir?

Yapay zeka botları, web sitenize gelen istekler analiz edilerek tespit edilebilir. En yaygın yöntem, isteğin User-Agent üst bilgisini kontrol etmek ve bilinen yapay zeka tarayıcısı ile getirici tanımlayıcılarıyla karşılaştırmaktır.

Örneğin bir istek, User-Agent üst bilgisi GPTBot, ClaudeBot, OAI-SearchBot veya Perplexity-User gibi tanımlayıcılar içerdiğinde yapay zeka botundan geliyor olarak tanımlanabilir.

Bununla birlikte User-Agent yalnızca tek bir sinyaldir ve tüm yapay zeka trafiğini güvenilir bir şekilde belirleyemez. Bazı yapay zeka aracıları standart bir tarayıcı User-Agent'ı kullanabilir; bu da yalnızca istek üst bilgisine bakarak onları gerçek ziyaretçilerden ayırt etmeyi zorlaştırır.

Daha güvenilir bir tespit için ziyaretçi davranışlarını ve istek düzeyindeki diğer sinyalleri de analiz edebilirsiniz. Örneğin yapay zeka aracıları şu özelliklere sahip olabilir:

✅ çok kısa sayfa etkileşim süreleri;

✅ sayfayı kaydırmama veya sayfa öğeleriyle etkileşime girmeme;

✅ gerçek ziyaretçilerinkinden farklı gezinme modelleri oluşturma. 

İstek sıklığı, oturum kalıpları, JavaScript yürütme ve erişilen sayfaların sırası gibi diğer sinyaller de otomatik trafiği gerçek kullanıcılardan ayırt etmeye yardımcı olabilir.

Bu nedenle güvenilir yapay zeka trafiği tespiti, genellikle User-Agent analizini davranışsal ve teknik sinyallerle birleştirir.

Yapay zeka bot trafiğini şunları kullanarak tespit edebilirsiniz:

• User-Agent dizeleri de dahil olmak üzere gelen isteklerle ilgili ayrıntıları içeren sunucu günlükleri.
• Cloudflare, Nginx veya Apache günlükleri gibi CDN veya web sunucusu günlükleri.
• Bilinen yapay zeka tarayıcılarını otomatik olarak tanımlayan ve trafiklerini kategorilere ayıran bot tespit araçları (bu rehberde aşağıda ele aldığımız benzer çözümlerden biri).

Yapay zeka ile ilgili tüm trafik aynı tür ziyaretçiyi temsil etmez. İnsan kaynaklı yapay zeka trafiği, bir kişi ChatGPT veya Perplexity gibi bir yapay zeka platformunu kullanıp ardından web sitenize tıkladığında gerçekleşir. LLM aracı trafiği ise bir yapay zeka sistemi veya aracısı, bir kullanıcı adına bilgi almak, bir görevi tamamlamak veya sitenizle etkileşime geçmek için web sitenize doğrudan eriştiğinde oluşur.

Bu iki trafik türünü ayırt etmek zor olabilir; çünkü aynı yapay zeka platformuyla ilişkili olsalar da analiz verilerinizde farklı şekilde görünebilirler.

En güvenilir yaklaşım, trafiği analiz platformunuza ulaşmadan önce istek düzeyinde analiz etmektir:

• İnsan kaynaklı yapay zeka trafiği. Yönlendirme veya edinme verilerinin bir yapay zeka platformunu işaret ettiği ve isteğin sayfaları yükleme ya da istemci taraflı etkinlikleri tetikleme gibi normal bir kullanıcı oturumu gibi davrandığı ziyaretleri arayın.
• LLM aracı trafiği. OAI-SearchBot, GPTBot veya ClaudeBot gibi bilinen yapay zeka tarayıcılarından, arama getiricilerinden veya aracı kullanıcı aracılarından gelen istekleri arayın. Bu istekler çoğunlukla User-Agent ve diğer sunucu taraflı istek verilerinden tespit edilebilir.

Yapay zeka trafiğini ölçmek zor olabilir; çünkü analiz platformlarında her zaman net bir şekilde tanımlanabilir bir trafik kaynağı olarak görünmez. Bir ziyaretçinin web sitenize nasıl ulaştığına bağlı olarak, yapay zeka platformlarından gelen trafik yönlendirme, doğrudan trafik, organik arama veya başka bir edinme kanalı olarak kaydedilebilir. 

👉Örneğin bir yapay zeka platformu yönlendirme bilgisi iletmezse ziyaret doğrudan trafik olarak atanabilir. Bir yapay zeka arama özelliğinden (Google'daki AI Overview gibi) trafik aldıysanız ziyaret yapay zeka platformu yerine arama motoruna atanabilir. Bu durum, yapay zeka trafiği ilişkilendirmesini tutarsız hale getirir.

Bir diğer zorluk da yapay zeka tarayıcıları tarafından oluşturulan trafiği tespit etmektir. Birçok yapay zeka tarayıcısı Chromium üzerine inşa edilmiştir ve Chrome ile aynı veya çok benzer kullanıcı aracısı dizelerini kullanabilir. Örneğin yaptığımız testler, Atlas ve Comet gibi tarayıcıların ana farkın tarayıcı sürümü olduğu durumlarda Chrome ile aynı kullanıcı aracısı dizesini gönderebildiğini gösterdi. Bu konuda yapay zeka tarayıcısı izleme üzerine özel bir blog yazımız bulunmaktadır; daha fazla ayrıntı için lütfen bu yazıya göz atın.

Bu durum, yapay zeka trafiği analizini daha da zorlaştırır. Yapay zeka trafiğini tespit etmeye yönelik özel bir yöntem olmadan, hangi yapay zeka platformlarının yeni ziyaretçiler getirdiğini belirlemek, yapay zeka yönlendirme trafiğini izlemek ve yapay zeka kaynaklarından gelen etkileşim ile dönüşümleri ölçmek zor olabilir.

Stape'in AI Traffic Detection power-up'ı, yapay zeka kaynaklı trafiği tespit etmeye ve bu bilgileri bir sunucu GTM kapsayıcısındaki gelen isteklere eklemeye yardımcı olur. Bu, yapay zeka trafiğini diğer kaynaklardan ayırt etmeyi ve tespit edilen verileri yapay zeka trafiği analizleri ile ilişkilendirmesi için kullanmayı kolaylaştırır (aşağıda nasıl yapılandırılacağına dair bir örnek sunacağız).

Yalnızca standart yönlendirme verilerine veya kullanıcı aracısı dizelerine güvenmek yerine, tespit edilen bilgileri sunucu taraflı izleme kurulumunuzda kullanabilir ve GA4, Matomo veya ihtiyaç duyduğunuz diğer analiz platformlarına aktarabilirsiniz.

Bu power-up, Pro plan veya üzeri kullanan Stape müşterileri için kullanılabilir.

Bu power-up'ın yardımıyla yapay zeka kaynaklı trafiği ölçebilir, yapay zeka platformlarının web sitesi ziyaretlerine ve dönüşümlere nasıl katkıda bulunduğunu anlayabilirsiniz. Tespit edilen verileri özel raporlar oluşturmak ve yapay zeka trafiğindeki zaman içindeki değişimleri izlemek için de kullanabilirsiniz.

Yapay zeka trafiğini daha doğru izlemek için, yapay zeka isteklerini GA4'e ulaşmadan önce tespit edebilir ve bu verileri özel bir etkinlik parametresi veya başka bir trafik özelliği olarak analiz kurulumunuza gönderebilirsiniz.

AI Traffic Detection power-up'ını yukarıda gösterildiği gibi yapılandırdıktan sonra, yapay zeka tespit verilerini etkinlik parametreleri olarak gönderebilir ve bunları GA4'te özel boyutlar olarak kaydedebilirsiniz. Dolayısıyla kurulum, temel olarak yukarıda gösterdiğimiz Matomo kurulumuyla aynıdır. 

1. GA4'te analiz etmek istediğiniz yapay zeka trafiği verileri için özel boyutlar oluşturun.

Örneğin şunları oluşturabilirsiniz:

• Yapay zeka trafiği – isteğin yapay zeka trafiği olarak tanımlanıp tanımlanmadığını belirtir.
• Yapay zeka trafiği kaynağı – mevcut olduğunda yapay zeka platformunu tanımlar.

GA4 mülkünüzde Admin → Data display → Custom definitions → Create custom dimension adımlarını izleyin.

AI traffic boyutu için, sunucu GTM'den göndermeyi planladığınız etkinlik parametresi adını (örneğin ai_traffic) kullanın.

AI traffic source boyutu için ai_traffic_source gibi bir parametre kullanabilirsiniz.

Boyutları oluştururken GA4 arayüzünde belirttiğiniz parametre adlarını kaydedin; bir sonraki adımda bunlara ihtiyacınız olacak. 

2. Sunucu GTM'deki GA4 etiketine yapay zeka trafiği verilerini ekleyin.

Bunu yapmak için Tags bölümüne gidin → GA4 Base tag etiketini açın → Event Parameter bölümünü genişletin → Add Row seçeneğine tıklayın.

Ad olarak, GA4'te yeni boyutu oluşturmak için kullandığınız adı belirtin.

Değer olarak yeni bir değişken oluşturun:

• Variable Type: Request Header
• Name: X-User-AI

İkinci boyutu eklemek için yeni bir satır ekleyin (kaynağı tanımlayan boyut – ai_traffic_source). Değişken türü olarak yine Request Header seçeneğini tercih edin; ad olarak X-User-AI-Name kullandığınızdan emin olun.

Etikette şu şekilde görünür:

Yapay zeka trafiği müşteri yolculuğunun önemli bir parçası haline geliyor, ancak standart analitik araçları bu tür trafiği tanımlamayı ve analiz etmeyi her zaman kolaylaştırmıyor.

Stape'in AI Traffic Detection eklentisiyle, tespit edilen yapay zeka trafiğini belirleyebilir ve bu bilgileri analitik platformlarınıza gönderebilirsiniz. Bu, yapay zeka kaynaklı ziyaretleri mevcut trafik verilerinizle birlikte analiz etmenize, zaman içindeki değişiklikleri izlemenize ve yapay zekanın web sitenizin edinim ve dönüşüm yolculuğunda oynadığı rolü daha iyi anlamanıza olanak tanır.