Zeo yöntemi

Ürün Sayfası ve PDP Optimizasyonu

Katalogdaki gerçek durumla örtüşen ürün sayfaları: her iddia sorumlusu belli bir alana bağlı, her zor ürün durumu dürüstçe render ediliyor ve aramadan sepete giden yol çalışmayı sürdürüyor.

Gayet düzgün görünen bir ürün sayfası, aslında artık satılmayan bir ürünü anlatıyor olabiliyor. Yanlış varyant, aylar önce güncellenmiş bir fiyat, eksik uyumluluk bilgisi ya da nereden geldiği belli olmayan bir metin de aynı sonucu veriyor.

PDP'leri katalogdaki gerçek ürün bilgisiyle uyumlu, kullanışlı ve makinenin okuyabileceği hâle getiriyoruz. Her iddiayı sorumlusu belli bir ürün kaynağına, her satın alma yolunu da çalışan bir deneyime bağlıyoruz.

Bize yazınE-ticaret SEO
Zeo figürleri sorumlusu belli veri kartları, varyant renkleri, medya, fiyat, stok ve politika etiketleriyle büyük bir ürün kartı oluşturuyor.

Birlikte çalıştığımız 500'den fazla markadan birkaçı

Tüm referansları gör
  • Enpara
  • Yemek.com
  • Abdi İbrahim
  • Tazedirekt
  • Vitra
  • Exquise

Aşamalar ve onay noktaları

Nasıl çalışıyoruz

Önce ürün sayfasını besleyen sistemi düzeltiyoruz, sayfanın kendisi sonra geliyor.

  1. Ürünleri gerçek davranışlarına göre grupluyoruz

    Ürünleri şablon, ürün türü, varyant modeli, yaşam döngüsü, pazar, veri tamlığı ve arama görevi bakımından ayırıyoruz. Sonra her ürün URL'sinin sorumlusunu belirliyoruz.

    Bulunmayan ve az verili ürünler dahil, gerçek kataloğun tamamını kapsayan bir küme planı çıkıyor.

    Yapay zeka desteği
    Kataloğu şablon, varyant modeli ve veri tamlığına göre bölümlüyor, henüz adı konmamış ürün kümelerini incelemeye açıyor.
    İnsan onayı
    Bulunmayan ve az verili ürünler gibi sorumlusu kolayca belirlenemeyen kümeler dahil, her kümenin URL sorumlusunu birlikte belirliyoruz. Küme planındaki her alanın sorumlusu belli oluyor.

  2. Her yanıtı sorumlusu belli bir alana bağlıyoruz

    Alışverişçi sorularını ürün, varyant, fiyat, stok, medya, yorum, kargo, iade ve politika kaynaklarına bağlıyoruz. Her kaynak için sorumluyu ve veri eksik geldiğinde ne olacağını da yazıyoruz.

    Sayfanın hangi bilgiyi güvenle söyleyebileceğini, hangi durumda susması gerektiğini gösteren bir alan kuralları seti oluşuyor.

    Yapay zeka desteği
    Arama verisindeki alışverişçi sorularını, ilgili ürün alanının gerçekten var ve dolu olup olmadığıyla karşılaştırıyor.
    İnsan onayı
    Yanıtsız kalan her alan için sayfanın tahmin yürütmek yerine susacağı kuralı belirleyen kişi bunu yazılı bırakıyor. Her alan için eksik veri kuralını yazıyoruz.

  3. PDP'yi ürün niyetine odaklıyoruz

    Ürün kimliği, özellikleri, uyumluluğu ve satın alma koşullarıyla ilgili aramaları bir yana ayırıyoruz. Kategori, karşılaştırma ve destek gibi kendi hedefini isteyen görevler öbür tarafta kalıyor.

    PDP'yi her soruya yanıt vermeye çalışan bir sayfaya çevirmeden, doğru yerde işe yarayan bir cevap haritası çıkıyor.

    Yapay zeka desteği
    Arama sorgularını niyetlerine göre kümeliyor, ürün satın alma sorularını kategori, karşılaştırma ve destek görevlerinden ayırıyor.
    İnsan onayı
    Hangi yanıtın PDP'de kalacağına, hangisi için ayrı bir sayfa gerektiğine birlikte karar veriyoruz. PDP kapsamının niyet sınırlarını çiziyoruz.

  4. Şablonu gerçek ürün durumlarına göre kuruyoruz

    Title, açıklama, teknik özellik, varyant, medya, kanıt, yorum, link, politika, stok, yapılandırılmış veri ve bağlama uygun sonraki adımlar için kuralları tanımlıyoruz.

    Normal ve uç ürün durumları için örnekleri ve yedek davranışları içeren, tek sürüm üzerinden yönetilen bir şartname elde ediyoruz.

    Yapay zeka desteği
    Seyrek verili ve uç durumdaki ürünler için, onaylanmış şablon şartnamesine uyan yedek metin ve düzen taslakları hazırlıyor.
    İnsan onayı
    Teknik özelliği, yorumu ya da görseli eksik ürünlerde uygulanacak yedek davranışı, katalog geneline yayılmadan önce onaylıyoruz. Her uç durum için yedek davranışı onaylıyoruz.

  5. Önce bozulma ihtimali en yüksek ürünlerle deniyoruz

    Ölçeklemeden önce varyantları, seyrek kayıtları, bulunmayan ürünleri, yerelleştirilmiş sayfaları, mobil görünümü ve kritik aramadan sepete yolculukları yayına alıp test ediyoruz.

    Etki alanı henüz küçükken ortak şablon kusurlarını yakalayan canlı bir kabul raporu çıkıyor.

    Yapay zeka desteği
    Pilot ürünlerde aramadan sepete yolculuk kontrollerini çalıştırıyor, her temsili ürünün hangi adımda takıldığını işaretliyor.
    İnsan onayı
    Takılan bir yolculuğun şablonun yayılmasını durdurup durdurmayacağına, yoksa sorunun tek bir üründeki bozuk veriden mi geldiğine karar veriyoruz. Kabul raporunu ölçeklemeden önce onaylıyoruz.

Kataloğu bölümleyen ve yolculukları çalıştıran yapay zeka; kuralı koyan ve yedek davranışı onaylayan insan.

Yapay zeka kataloğu şablon, varyant modeli ve veri tamlığına göre bölümleyip adı konmamış kümeleri ortaya çıkarıyor, arama verisindeki soruları ilgili ürün alanının var ve dolu olup olmadığıyla karşılaştırıyor, sorguları niyetlerine göre kümeleyip ürün ve satın alma sorularını kategori, karşılaştırma ve destek görevlerinden ayırıyor, seyrek verili ürünler için onaylı şartnameye uyan yedek metin ve düzen taslakları hazırlıyor, pilot ürünlerde aramadan sepete yolculuk kontrollerini çalıştırıyor. Kural koymak ve onaylamak bize ait. Yorum, puan, teknik özellik, sertifika, fiyat, stok, kıtlık ya da uyumluluk bilgisi uydurmuyoruz, kullanım hakkı ve gerekçe olmadan üretici ya da rakip içeriğini kopyalamıyoruz ve ürün verisi eksikken katalog geneline kural yayınlamıyoruz.

Çıktılar ve kabul koşulları

Elinize ne geçiyor

Dört somut çıktı, ürün bilgisini, sayfa davranışını ve yayın sürecini aynı düzende buluşturuyor.

  • Politika dokümanı

    PDP içerik ve durum kuralları

    Kabul koşulu

    Her küme için tek bir canonical kimlik, gerekli alanlar, varyant ve bulunmayan ürün davranışı, kaynak sorumluları ve korunacak yolculuk yazılı oluyor.

  • Karar matrisi

    Alan ve varlık haritası

    Kabul koşulu

    Her bilgi, iddia, medya öğesi, politika ve şema alanı için kaynak, dönüşüm, görünür olduğu yer ve eksik veri kuralı kayda giriyor.

  • Önceliklendirilmiş iş listesi

    Şablon optimizasyon listesi

    Kabul koşulu

    Her madde ilgili kümeyi, kaynak bağımlılığını, örnekleri, kabul kontrollerini, yayın planını ve geri alma adımını söylüyor.

  • Değerlendirme tablosu

    Örnek sayfa kabul raporu

    Kabul koşulu

    Varyant, seyrek veri, bulunmayan ürün, medya, yorum, mobil görünüm ve aramadan sepete yolculuklar ya testten geçiyor ya da sorumlusu belli bir istisnaya bağlanıyor.

Şu olduğunda tamam sayarız: Sayfa kuralları, alan haritası, optimizasyon listesi ve kabul raporu; her küme tek bir canonical kimliğe, gerekli alanlara, varyant ve bulunmayan ürün davranışına, kaynak sorumlularına ve korunacak bir yolculuğa sahip olduğunda, her bilgi, iddia, medya öğesi, politika ve şema alanı kaynağını, dönüşümünü, göründüğü yeri ve eksik veri kuralını kaydettiğinde, listedeki her madde kümesini, kaynak bağımlılığını, örneklerini, kabul kontrollerini, yayın planını ve geri alma adımını söylediğinde ve varyant, seyrek veri, bulunmayan ürün, medya, yorum, mobil ve aramadan sepete yolculuklar geçtiğinde ya da sorumlusu belli bir istisnaya bağlandığında tamamlanmış oluyor.

Uyum ve hazırlık

Ne zaman gerekir

Burada derdimiz daha süslü metinler yazmak değil. Ürün kaynağını ve sayfa şablonunu birlikte düzeltebilen ekipler için çalışıyoruz.

Şu durumlarda iyi bir seçim

  • Ürün bilgileri, varyantlar, medya, yorumlar ve politikalar katalog genelinde tutarsız görünüyor. Sayfanın tamamından sorumlu tek bir kişi de yok.
  • Arama talebi, alışverişçilerin hangi sorulara yanıt aradığını gösteriyor. PDP bu yanıtları doğrulanmış veriden verebilir ama gerekli alanlar ya da şablon henüz hazır değil.
  • Varyantları, bulunmayan ürünleri, seyrek verili kayıtları, farklı pazarları ve mobil deneyimi kapsayan şablon iyileştirmelerine ihtiyacınız var.

Şu durumlarda başka bir çalışma daha doğru

  • Doğrulanmış ayırt edici bir yanı olmayan ürünler için benzersiz görünen açıklamalar uydurmak istiyorsanız bunu yapmıyoruz.
  • Fiyat, stok, varyant ya da diğer ürün verisi kaynağında düzeltilemiyor. Şablon sorumlusu da değişiklikleri yayına almadan test edemiyor.

Bunlardan biri sizin durumunuza daha yakınsa, buradan başlayın: E-ticaret SEO

Şu olduğunda tamam sayarız: Önemli her ürün alanının sorumlusu belli oluyor. Normal ve zor ürün durumları doğru render ediliyor, sayfa gerçek ürün niyetine yanıt veriyor ve temsili aramadan sepete yolculuklar çalışıyor. Tek bir seçilmiş üründen yola çıkıp katalog geneline kural yayınlamıyoruz.

Bu SEO çalışmasının arkasındaki uzmanlar

Zeo'nun SEO hikâyesi 2006'da, MENA bölgesinin ilk SEO blogu olarak tanımladığımız yayınla başladı. Aşağıda gördüğünüz danışmanlar bu işi bugün de sürdürüyor ve bu sayfanın konusuna göre burada yer alıyor.

Bu konuda ürettiğimiz içerikler

VideoOzan KetenciSEO Focused Product Optimization in E-Commerce Brands | Ozan Ketenci, Zeo

Kullandığımız araçlar

Bu işin arkasındaki araçlar

  • Screaming Frog

    varyant seyrek kayıt ve stoksuz ürünlerde PDP alanlarını çıkarıyor

  • Sitebulb

    ürün sayfası gruplarındaki ortak template hatalarını düzenli kaydediyor

  • PageSpeed Insights

    satın alma kontrollerinin render olduğu mobil PDP performansını ölçüyor

  • Schema App

    onaylı ürün alanlarını sürdürülebilir ve doğru schema propertylerine bağlıyor

  • Google Search Console

    yanlış PDP grubuna gelen gerçek ürün sorularını buluyor

  • Google Analytics

    temsilî organik ziyaretleri PDP girişinden sepete kadar izliyor

Sonraki adım

PDP'leriniz gerçek ürün bilgisini anlatsın

Birkaç temsili ürünü, özellikle yönetmesi zor olanları seçin. Ürün verisiyle sayfanın nerede ayrıştığını birlikte izleyelim.
Bize yazın

Başlamadan önce

Aklınıza takılanlar

Onaylanmış yapılandırılmış bilgiden ve marka kurallarından yararlanarak insan incelemesine sunulacak bir taslak hazırlayabiliyor. Fayda, özellik, uyumluluk, kanıt ya da yorum uyduramıyor.