Sayfanın anlattığıyla aynı veriyi sunun

Yapılandırılmış Veri ve Görünür İçerik Doğrulaması

Geçerli ve asgari bir yapılandırılmış veri katmanı, görünür bilgi ve ilişkileri sunar. Sayfanın desteklemediği hiçbir iddiayı işaretlemeye eklemez.

İşaretlemeyi görünür sayfa içeriğiyle karşılaştırıyoruz, dayanağı olmayan ya da tekrarlanan iddiaları kaldırıyoruz. Değişikliği production'a almadan önce yeniden test ediyoruz. Kurduğumuz veri katmanı sayfanın gerçekten söylediğiyle örtüşüyor. Zengin sonucun gösterilip gösterilmeyeceğine platform karar veriyor. İşaretlemenin doğrulamadan geçmesini ve sonraki dağıtımlarda da sayfadaki içerikle uyumunu korumasını isteyen içerik ve mühendislik sorumluları.

Yapılandırılmış verileriniz yalnızca ziyaretçinin sayfada zaten doğrulayabildiğini söyler. Bir sonucu kovalamak için hiçbir şey uydurulmaz.

Bir uzmanın yapılandırılmış veri işaretlemesini temsil ettiği görünür sayfa içeriğiyle karşılaştırdığı illüstrasyon

Birlikte çalıştığımız 500'den fazla markadan birkaçı

Tüm referansları gör
  • Decathlon
  • Mynet
  • Gedik Yatırım
  • Jack Martin Menswear
  • Adore Mobilya

Denetimden canlı doğrulamaya

Yapılandırılmış veriyi adım adım doğruluyoruz

Sayfayı yorumlayan, uygulamayı üstlenen ve son sonucu kabul eden adı belli uzmanlar var. Toplama, karşılaştırma ve taslak hazırlama işi bu karar noktalarının altında ilerliyor.

Çalışma ilkelerimiz

  • Sayfada yoksa işaretlemede de yok
  • Dayanağı olmayan iddia çıkarılır
  • Son kontrol production'da yapılır
  • Zengin sonuç garanti edilmez

  1. Her sayfa için uygun işaretlemeyi belirliyoruz

    Sayfa şablonlarını çıkarıyoruz, her birinin amacını güncel resmî rehberlerdeki uygun türler ve özelliklerle eşleştiriyoruz.

    Sayfa ile schema eşleşmelerini ve gerekçeli istisnaları gösteren uygunluk matrisi.

    Yapay zeka desteği
    Agent, şablonların amacını, sayfada görünen işlevleri ve resmî uygunluk koşullarını çıkarır. Yalnızca desteklenen schema türlerini önerir.
    İnsan onayı
    İçerik, ürün ve teknik SEO sorumluları. Sayfa amacını, seçilen türleri ve açıkça belirtilen istisnaları onaylar.

  2. JSON-LD'yi sayfadaki bilgilerle karşılaştırıyoruz

    Temsil edici URL'lerdeki JSON-LD'yi görünür ad, tarih, yazar, teklif, tanımlayıcı ve ilişkilerle alan bazında karşılaştırıyoruz.

    Eksik, çelişkili veya doğrulanamayan özellikleri gösteren görünür bilgi eşitliği kaydı.

    Yapay zeka desteği
    Agent, oluşturulan JSON-LD'yi ayrıştırır. Alanları görünür ad, tarih, tanımlayıcı, iddia ve ilişkilerle tek tek karşılaştırır.
    İnsan onayı
    İlgili içerik ya da varlık sorumlusu, önemli her uyuşmazlıkta kullanılacak doğru değeri onaylar.

  3. Dayanaksız iddiaları ve tekrarları temizliyoruz

    Tekrarlanan düğümleri ve dayanağı olmayan iddiaları kaldırmadan önce bunları üreten CMS, bileşen, eklenti ya da entegrasyonu belirliyoruz.

    Hataları, işaretlemeden sorumlu katmanları ve güvenli kaldırma sınırlarını gösteren harita.

    Yapay zeka desteği
    Agent, desteklenmeyen özellikleri ve yinelenen düğümleri saptar. Gerekli tanımlayıcılarla bağımlılıkları koruyan bir kaldırma taslağı hazırlar.
    İnsan onayı
    Teknik SEO, içerik ve mühendislik sorumluları. Her kaldırma kararını ve etkilenecek şablonların kapsamını onaylar.

  4. Gerekli en küçük varlık grafiğini kuruyoruz

    Onaylanmış sayfa bilgilerini anlatmaya yetecek en küçük bağlantılı varlık grafiğini kuruyoruz. Kaynakta bulunmayan ilişki veya uygunluk bilgisi eklemiyoruz.

    Tanımlayıcıları ve iç içe geçme kurallarını içeren asgari JSON-LD şablon spesifikasyonu.

    Yapay zeka desteği
    Agent, kararlı tanımlayıcıları, desteklenen özellikleri, ilişki yönlerini ve görünür metin kurallarını içeren en küçük yeniden kullanılabilir grafik kalıbını hazırlar.
    İnsan onayı
    Varlık, gizlilik, içerik ve mühendislik sorumluları. Kullanılacak bilgileri, yayın sınırını ve uygulama sözleşmesini onaylar.

  5. Testleri çalıştırıyoruz, production'a alıyoruz ve izliyoruz

    Yayınlanmış test örneklerinde sözdizimini, zorunlu özellikleri, onaylı tanımlayıcıları ve görünür içerikle eşitliği doğruluyoruz. Ardından canlı işaretlemeyi kontrol ediyoruz, şablon, içerik modeli veya varlık değişikliklerinden sonra testleri yineliyoruz.

    Yayın öncesi doğrulama paketi ile sorumlusu belirlenmiş production eşitliği ve gerileme kaydı.

    Yapay zeka desteği
    Agent, aday işaretlemeyi oluşturur ve hem temsilî şablonlarda hem de uç durum şablonlarında test eder. Ardından production kontrollerini planlar ve sıralama etkisi çıkarmadan gerileme kaydı açar.
    İnsan onayı
    Teknik SEO uzmanı ile mühendis production'a hazır oluşu onaylıyor. Web sorumlusu gerilemeleri önceliklendiriyor, bağımsız incelemeci de kapanışı doğruluyor.

  6. Her bulgunun kanıt türünü kaydediyoruz

    Kullanıcı sorusu haritasını ve görünür içerik eşitliği kontrollerini Gözlenen olarak kaydediyoruz. Klasik snippet'lar ve AI yanıt kayıtları bu katmanda yalnızca dış bağlam sunuyor. Örneklemde doğrulanan şablon eşitliği kapsamını Dolaylı, resmî schema uygunluğunu ve yayın sınırlarını Kısıt olarak işaretliyoruz. İşaretleme değişikliği, production eşitliğini yeniden test edene kadar Hipotez olarak kalıyor.

    Her işaretleme bulgusunun dayandığı kaynağı ve kanıt türünü gösteren kayıt.

    Yapay zeka desteği
    Her bulguyu arkasındaki kanıta göre sınıflandırır ve bir tanının kesinlik gibi ifade edilmesini engelleyen kaynak sınırlarını kaydeder.
    İnsan onayı
    Teknik SEO uzmanı her sınıflandırmayı onaylar ve doğrulamanın destekleyemediği her zengin sonuç iddiasını reddeder.

Denetim sonunda elinizde kalanlar

Teslimlerin desteklediği kararlar

Her teslimin sorumlusu ve desteklediği karar bellidir. Kanıt izi, başka bir uzmanın gerekçeyi sorgulayabileceği ya da aynı sonucu yeniden üretebileceği kadar açıktır.

  • Mevcut işaretlemenin denetim raporu

    Yayınlanmış sayfalardaki geçersiz sözdizimini, dayanağı olmayan özellikleri, yinelenen kimlikleri ve görünür içerik uyuşmazlıklarını gösterir.

    Kabul koşulu

    Yeni işaretleme eklenmeden önce hangi parçaların kaldırılacağını, düzeltileceğini ya da korunacağını belirler.

    Ritim: Önce mevcut yapı denetlenir

  • Uygulanacak asgari işaretleme şartnamesi

    Her şablon için uygun türleri, özellikleri, tanımlayıcıları, bağlantı kurallarını ve görünür kanıt gereksinimlerini açıklar.

    Kabul koşulu

    İçerik ve geliştirme ekipleri için görünürlük garantisi vermeyen, tek bir asgari uygulama hedefi belirler.

    Ritim: Uygulama hedefi netleşir

  • Her şablon için çalıştırılabilir testler

    Yayın akışında sözdizimi, tanımlayıcı ve görünür eşitlik kontrolleri için çalıştırılan temsilî örnek ve uç durum testleridir.

    Kabul koşulu

    İşaretleme değişikliğinin yayına hazır olup olmadığını ve hangi hataların yayını durduracağını gösterir.

    Ritim: Yayın kararı testle verilir

  • Canlı işaretleme eşitliği raporu

    Canlı sayfalardaki geçerliliği, görünür içerikle eşitliği, yinelenen düğümleri ve gerilemeleri her şablon için ayrı gösterir.

    Kabul koşulu

    Canlı işaretleme onaylı spesifikasyondan saptığında, kimin hangi düzeltmeyi yapacağına karar vermek için gereken bilgiyi verir.

    Ritim: Sapmalar sorumlularıyla izlenir

  • Bir bulgunun kabul koşulları

    Kabul ettiğimiz sonuç, doğrulamadan geçen ve görünür, onaylı bilgilerle eşit kalan production işaretlemesidir. Bu kabul sıralama ya da atıf vaadi içermez. Sıralama, öneri, yönlendirme ve dönüşümü ayrı sonuçlar olarak ölçüyoruz.

    Kabul koşulu

    Bir bulguyu ancak yeniden üretilebildiğinde, kanıt düzeyi belirtildiğinde, insan onayından geçtiğinde ve temsil edici şablonlarla dil varyantlarında doğrulandığında kabul ediyoruz.

    Ritim: Kabul, eşitlik doğrulanınca verilir

  • İşaretleme sağlığı karnesi

    Her metriğin kapsamını, hangi sayfaların sayıldığını, hariç tutulan durumları ve izlediğimiz süreyi karşılaştırma başlamadan önce sabitliyoruz. Karneyi etkilenen her yayında tazeliyoruz. Aylık incelemede çözülmemiş sapmalara bakıyor, üç aylık incelemede örnekleri ve sorumluları güncelliyoruz.

    Kabul koşulu

    İşaretleme geçerliliği, görünür bilgi eşitliği, tekrarlı varlık oranı, uygun sayfa kapsamı ve production gerileme oranı. Her ölçüm, geçerli olduğu sayfa kümesi üzerinden raporlanır.

    Ritim: Ölçüm kapsamı önceden sabitlenir

Sayfa ile işaretleme uyuşmuyorsa

Yapılandırılmış veri doğrulamasının doğru seçim olduğu durumlar

İlk olarak çalışmanın sınırını, kabul edeceğimiz kanıtı ve son kararı verecek kişiyi netleştiriyoruz. İnceleme bittiğinde ekiplerin uygulayabileceği, sorumlusu belli bir karar bırakıyoruz.

Şu durumlarda iyi bir seçim

  • Sorun bu doğrulama kapsamına giriyor — Bu görev, işaretleme eksik ya da geçersizse, şablonlar arasında tekrarlanıyorsa veya ziyaretçinin gördüğü içerikle çelişiyorsa uygundur.
  • İşaretleme kararı ilerlemiyor — Schema ve ilişkilerin sayfayı nasıl anlatacağı, neyin dışarıda kalacağı ve production eşitliğinin nasıl izleneceği henüz karara bağlanmamış.
  • Kanıt mevcut, fakat dağınık — İçerik de işaretleme de sitede bulunuyor. Ama sorumlu kişi, uygun kullanım ve görünür içerikle eşitlik şablona ya da ortama göre değişiyor.
  • Denetim girdileri hazır — Sayfa/şablon envanteri, onaylı görünür bilgi ve varlıklar, JSON-LD sonuçları ile CMS, render ve dağıtım kısıtlarını getiriyorsunuz.
  • Sayfa amacına uygun schema seçimi — Her şablonu sayfanın gerçek amacıyla eşleştiriyoruz, yalnızca görünür içeriğin ve ilgili politikaların desteklediği schema türlerini kullanıyoruz.
  • Sayfada doğrulanabilen bilgi ve ilişkiler — Yalnızca ziyaretçinin sayfada görebildiği varlıkları, özellikleri, tanımlayıcıları ve ilişkilerin yönünü modelliyoruz.
  • İşaretlemenin kaynağı ve tekrarları — Değişiklikten önce JSON-LD'nin CMS, bileşen ve eklenti katmanlarından hangisinde üretildiğini, birleştiğini ya da tekrarlandığını saptıyoruz.
  • Production doğrulaması ve eşitlik takibi — Kaynak koduyla yetinmiyor, JSON-LD'yi görünür içerikle karşılaştırıp sonraki değişikliklerin gerilemelerini test ediyoruz.

Şu durumlarda başka bir çalışma daha doğru

  • İşaretlemeyle zengin sonuç zorlamak — Doğrulama, işaretlemeyi doğru ve makinelerin okuyabileceği duruma getirir. Dış sistemlerin bunu gösterip göstermemesi kendi kararlarına bağlıdır.
  • Sıralama, öneri ve atıf kapsam dışıdır — Geçerli yapılandırılmış veri sayfayı ayrıştırıcılara açıklar, ama zengin sonuç, yanıt seçimi, sıralama veya atıf garantilemez.
  • Dolaylı ölçümler sonuç sayılmaz — Görünür teklifi abartan geçerli işaretleme başarı değildir. Dolaylı ölçümleri etiketleyip doğrudan gözlemle karşılaştırıyoruz.

AI'ın bir markayı nasıl kaynak gösterdiğini izleyen ekip

GEO çalışması, AI yanıtlarının bugün bir marka hakkında gerçekte ne söylediğini kaydetmekle başlıyor, sonra etkileyebileceğiniz kısımlara geçiyor. Aşağıdaki danışmanlar, bu sayfanın kapsadığı yetkinlikte çalışıyor.

Bu konuda ürettiğimiz içerikler

YazıElif Naz Akan KarakoçYapay Zeka İçin Yapılandırılmış Veri: Schema ile AI Görünürlüğünü Desteklemek İçin İpuçlarıYazıSamet ÖzsüleymanEn Yaygın JSON-LD Schema Sorunları ve Çözümleri

Kullandığımız araçlar

Bu işin arkasındaki araçlar

  • Schema App

    Production'daki JSON-LD'nin onaylı graph ile uyumunu düzenli kontrol ediyor

  • Google Rich Results Test

    Geçerli markup'tan ayrı olarak rich result uygunluğunu kontrol ediyor

  • Schema.org Validator

    Söz dizimi ve söz varlığını tek bir motorun kurallarından bağımsız kontrol ediyor

  • Screaming Frog

    Site genelindeki markup farkını onu üreten kesin template'e kadar izliyor

Sayfa söylemiyorsa, işaretleme de söyleyemez

JSON-LD'nizi production'daki sayfayla birlikte inceleyelim

Mevcut JSON-LD'yi, önemli sayfa örneklerini ve teknik kısıtları inceliyoruz. Doğrudan gözleme dayanan bulguları, test bekleyenleri ve son kararı verecek kişiyi aynı doğrulama kaydında gösteriyoruz.
Doğrulama kapsamını konuşalım

Sık gelen sorular

Bu doğrulamayla sıralama ya da atıf garantisi verilebilir mi?

Hayır. Geçerli yapılandırılmış veri, ayrıştırıcıların sayfa anlamını daha açık okumasına yardımcı olur. Zengin sonuç, yanıt seçimi, sıralama veya atıf garantisi vermez. Kontrol edebildiğimiz işaretleme katmanını iyileştirir, dış sistemlerin sonuçlarını ayrı ölçeriz.

Hangi durumlarda bu doğrulama çalışmasına ihtiyaç duyulur?

İşaretleme eksik ya da geçersizse, şablonlar arasında tekrarlanıyorsa veya ziyaretçinin gördüğü içerikle çelişiyorsa bu görev uygundur. Bir uygulama önermeden önce sınırlı bir tanılamayla kapsamın gerçekten bu işe uyduğunu doğrularız.

Bir işaretleme kaldırıldığında başka bir yerin bozulmasını ne engelliyor?

Hiçbir şey çıkarılmadan önce JSON-LD'yi üreten, birleştiren ya da tekrarlayan bütün CMS, bileşen, eklenti ve entegrasyon katmanlarını çıkarıyoruz. Gerekli tanımlayıcılar ve bağımlılıklar olduğu gibi kalıyor. Her kaldırma kararını ve etkilenecek şablonları teknik SEO, içerik ve mühendislik sorumluları onaylıyor. Değişikliğin yayına alınmasının güvenli olup olmadığına ise testler karar veriyor.

Çalışmanın başarılı sayılması için hangi kanıt gerekir?

Production'daki işaretlemenin doğrulamadan geçmesi ve görünür, onaylı bilgilerle eşit kalması gerekiyor. Değişikliğin ardından başlangıç ölçümünü yeniden çalıştırıyoruz. Atıf, yönlendirme ve dönüşüm gibi sonraki sonuçları ayrı gözlemler olarak izliyoruz.