Zeo yöntemi

Ürün Şeması ve Zengin Sonuçlar

İşaretlemeyi görünür ve güncel ticaret verisinden tek bir sorumlu üreticiyle yayımlıyoruz; uygunluğu izliyor, zengin sonuç sözü vermiyoruz.

Geçerli bir JSON-LD çıktısı da ürünü yanlış anlatabiliyor. Fiyat eski kalmış, varyant eksik, puan görünmüyor olabilir. Ya da iki farklı uygulama aynı ürünü bambaşka biçimde tanımlıyordur. Doğrulama aracından geçmek burada yalnızca ilk adım.

Ürün işaretlemesini güncel ve görünür ticaret verisinden üretiyoruz. Ürün, varyant ve teklif bilgilerini birbiriyle tutarlı tutuyor, zengin sonuç sözü vermeden uygunluğu izliyoruz.

Bize yazınE-ticaret SEO
Zeo figürleri, görünür ürün bilgilerini büyük bir JSON-LD kartına bağlarken yinelenen ve eskimiş teklif bloğunu ayırıyor.

Birlikte çalıştığımız 500'den fazla markadan birkaçı

Tüm referansları gör
  • GE
  • Sigortam.net
  • Pegasus Airlines
  • Peak Games
  • Cyberpark

Aşamalar ve onay noktaları

Nasıl çalışıyoruz

Ürün verisinin kaynağından arama özelliğine kadar kopmayan bir doğruluk zinciri kuruyoruz.

  1. Sayfaya uygun ürün özelliklerini seçiyoruz

    Product snippet, merchant listing, varyant, yorum, kargo, iade ve diğer özellikleri PDP türüne, pazara, ürünün yaşam döngüsüne ve elimizdeki veriye göre belirliyoruz.

    Kapsama alacağımız ürünlerin yanı sıra şimdilik dışarıda kalacakları da açıkça gösteren bir liste çıkıyor.

    Yapay zeka desteği
    Her PDP türünü ve pazarı, aday ürün özelliğinin uygunluk koşullarıyla karşılaştırıyor.
    İnsan onayı
    Hazır olmayan veriyi işaretlemek yerine hangi ürün ve özelliklerin şimdilik kapsam dışında kalacağına birlikte karar veriyoruz. Uygun kümeyi ve dışladıklarımızı adıyla yazıyoruz.

  2. Her özelliği tek bir kaynağa bağlıyoruz

    Zorunlu ve seçtiğimiz alanları sabit ürün, teklif, varyant, yorum, kargo, iade ve kurum verisine bağlıyoruz. Her bağlantı için veri sorumlusunu, dönüşüm biçimini ve veri eksik geldiğinde ne olacağını yazıyoruz.

    SEO projesi bittikten sonra da ekibin sürdürebileceği bir alan kuralları seti kalıyor.

    Yapay zeka desteği
    Gerekli her şema özelliğini olası kaynak alanlarla eşleştiriyor, veri sorumlusu henüz belli olmayanları işaretliyor.
    İnsan onayı
    Eşleme tamamlanmadan önce her özellik için dönüşüm biçimini ve eksik veri kuralını belirliyoruz. Özellik ve kaynak eşlemesini onaylıyoruz.

  3. İnsanın gördüğüyle makinenin okuduğunu karşılaştırıyoruz

    Ürün kimliği, görsel, fiyat, para birimi, stok, durum, varyant, puan, kargo, iade ve canonical değerlerini render edilen PDP ile işaretleme arasında karşılaştırıyoruz.

    Olağan durumları, bulunmayan ürünleri, birden fazla para birimini ve seyrek veri durumlarını kapsayan bir karşılaştırma matrisi çıkıyor.

    Yapay zeka desteği
    Render edilen PDP değerlerini JSON-LD çıktısıyla geniş ölçekte karşılaştırıyor, fiyat, stok ya da puanın nerede ayrıştığını ortaya çıkarıyor.
    İnsan onayı
    Düzeltmeye başlamadan önce uyuşmazlığın işaretleme hatasından mı, veri akışındaki gecikmeden mi, yoksa gerçek bir veri sorunundan mı geldiğine karar veriyoruz. Görünür veri ile şema arasındaki uyuşmazlıkları sıraya koyuyoruz.

  4. İşaretlemeyi tek bir üreticiden yayımlıyoruz

    İşaretlemeyi sorumlusu belli alanlardan, PDP şablonunun içinde üretiyoruz. Varyant ve pazar davranışını açıkça tanımlıyor, tema, uygulama ya da etiketlerin ikinci bir grafik kurmasını engelliyoruz.

    Fixture'ı, beklenen çıktısı, testi, yayınlama ve geri alma adımları belli, tek kaynaktan yönetilen sürümlü bir uygulama çıkıyor.

    Yapay zeka desteği
    Aynı sayfada ikinci ve habersiz bir ürün grafiği yayımlayan tema, uygulama ve etiketleri teknoloji yığını genelinde tarıyor.
    İnsan onayı
    Hangi üreticinin tek kaynak olacağına karar verip diğer bütün kopyaları, gösterim sağlıyor olsalar bile kapatıyoruz. Tek üreticiyi canlıda doğruluyoruz.

  5. Canlı veriyi doğruluyor ve düzenli izliyoruz

    Kaynak ve render edilmiş işaretlemeyi özellik kuralları, merchant teşhisleri, görünür veriyle uyum ve uç durumlar açısından test ediyoruz. Sonra veri akışı, şablon ya da pazar kaynaklı sapmaları izliyoruz.

    Doğrulama aracından alınmış tek seferlik bir ekran görüntüsü yerine sürekli güncellenen bir sorun ve uygunluk kaydı kalıyor.

    Yapay zeka desteği
    Merchant teşhislerini ve doğrulama akışını sürekli izliyor, tekrarlayan hataları alan ve şablon bazında gruplandırıyor.
    İnsan onayı
    Tekrarlayan bir hatanın kaynağında mı düzeltileceğine, yoksa sorun çözülene kadar o bilginin işaretlemeden mi çıkarılacağına karar veriyoruz. Tekrarlayan hataları adı belli bir sorumluya yönlendiriyoruz.

Uygunluğu kontrol eden, çıktıyı karşılaştıran ve akışları izleyen yapay zeka; kaynağın ve üreticinin sorumluluğunu taşıyan insan.

Yapay zeka her PDP türünü ve pazarı aday ürün özelliğinin uygunluk koşullarıyla karşılaştırıyor, gerekli her şema özelliğini olası kaynak alanla eşleştirip sorumlusu belli olmayanları işaretliyor, render edilen PDP değerlerini JSON-LD çıktısıyla canlı ürün sayfalarında karşılaştırıp fiyat, stok ya da puanın ayrıştığı yerleri gösteriyor, aynı sayfada ikinci bir ürün grafiği yayımlayan tema, uygulama ve etiketleri tarıyor, tekrarlayan doğrulama hatalarını alan ve şablon bazında grupluyor. Hiçbir alanın sorumluluğunu üstlenmiyor. Puan, yorum, fiyat, stok, tanımlayıcı, kargo, iade, sertifika ya da teklif bilgisi uydurmuyoruz, bir şema özelliğini desteklemek için sayfaya gizli içerik eklemiyoruz ve geçerli işaretleme uygunluğu destekleyebilse de zengin sonuç, merchant gösterimi ya da trafik artışı garanti etmiyor.

Çıktılar ve kabul koşulları

Elinize ne geçiyor

Dört çıktı, veriyi, uygulamayı ve arama görünümünü birbirine bağlı tutuyor.

  • Politika dokümanı

    Ürün veri kuralları

    Kabul koşulu

    Her ürün, teklif, varyant, puan ve politika alanı için anlam, kaynak, veri sorumlusu, güncelleme olayı, kaynak izi ve gizleme kuralı yazılı oluyor.

  • Mimari harita

    Şema eşleme şartnamesi

    Kabul koşulu

    Her varlık ve özellik görünür bir bilgiye ve güncel bir özellik kuralına bağlı. Varyant, canonical, üretici ve dışlama kararları da açıkça yazıyor.

  • Değerlendirme tablosu

    Doğrulama örnek seti

    Kabul koşulu

    Varyant, para birimi, stok, puan, politika, kaynak HTML, render edilmiş DOM ve doğrulama araçları temsili durumlarda birbirini tutuyor.

  • Dashboard

    Uygunluk ve güncellik kaydı

    Kabul koşulu

    Kapsam, hata, uyarı, uyuşmazlık, kaynak olayı, sürüm, veri sorumlusu, düzeltme ve yeniden test bilgisi tek kayıtta duruyor.

Şu olduğunda tamam sayarız: Ürün veri kuralları, şema eşleme şartnamesi, doğrulama örnek seti ve uygunluk kaydı; her ürün, teklif, varyant, puan ve politika alanı anlamını, kaynağını, sorumlusunu, güncelleme olayını, kaynak izini ve gizleme kuralını taşıdığında, her varlık ve özellik görünür bir bilgiye ve güncel bir özellik kuralına bağlandığında ve varyant, canonical, üretici, dışlama kararları açıkça yazıldığında, temsili varyant, para birimi, stok, puan, politika, kaynak HTML, render edilmiş DOM ve doğrulama araçları birbirini tuttuğunda ve kapsam, hata, uyarı, uyuşmazlık, kaynak olayı, sürüm, sorumlu, düzeltme ile yeniden test tek kayıtta durduğunda tamamlanmış oluyor.

Uyum ve hazırlık

Ne zaman gerekir

Bu çalışma, yapılandırılmış ürün verisini bir kez eklenen kod olarak değil, sürekli bakımı yapılan bir ürün akışı olarak yönetmek isteyen ekipler için.

Şu durumlarda iyi bir seçim

  • Ürün işaretlemeniz söz dizimi testlerinden geçiyor ama fiyat, stok, varyant, yorum ya da politika bilgisi alışverişçinin gördüğüyle uyuşmuyor.
  • Tema, uygulama, etiket ve entegrasyonlar grafiğin farklı parçalarını üretiyor. Son sözün kimde olduğu belli değil.
  • Eksik veriyi gizlemeden farklı ürün durumları, pazarlar, para birimleri ve varyantlar için uygun işaretleme üretmeniz gerekiyor.

Şu durumlarda başka bir çalışma daha doğru

  • Ürün sayfasında görünmeyen ya da doğrulanmamış bilgiyi işaretlemek, yahut sayfadaki sorunu düzeltmek yerine şemayla örtmek istiyorsanız bunu yapmıyoruz.
  • Beklentiniz garantili zengin sonuç, merchant gösterimi, sıralama ya da trafik artışıysa kimse bunu veremiyor.

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

Şu olduğunda tamam sayarız: Yayımladığımız her özelliğin sorumlusu belli bir kaynağı ve güncelleme kuralı oluyor. Görünür ürün bilgisiyle makine çıktısı hem olağan hem uç durumlarda birbirini tutuyor. Yinelenen üreticiler kapanıyor, canlı testler geçiliyor. Desteklenmeyen işaretlemeleri de ileride belki tutar diye bekletmiyor, çıkarıyoruz.

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, ZeoYazıSamet ÖzsüleymanisVariantOf Schema ile Ürün Varyantları Nasıl Yönetilir?YazıSamet ÖzsüleymanEn Yaygın JSON-LD Schema Sorunları ve Çözümleri

Kullandığımız araçlar

Bu işin arkasındaki araçlar

  • Schema App

    sorumlu ürün graph'ını ve property kaynak eşlemesini tanımlıyor

  • Screaming Frog

    render edilmiş JSON-LD ile görünür ürün bilgilerini karşılaştırıyor

  • Sitebulb

    PDP template'lerinde tekrarlı emitter ve bozuk ilişkileri buluyor

  • Lumar

    pazar varyant ve yaşam döngüsünde schema değişimini izliyor

  • Google Search Console

    ürün enhancement uygunluğunu hatalarını ve etkilenen grupları izliyor

  • Bing Webmaster Tools

    crawl ve markup sorunları için ikinci canlı görünüm sağlıyor

Sonraki adım

Ürün işaretlemesinin kaynağına kadar inelim

Birkaç canlı PDP'yi ve bunları besleyen veri akışlarını paylaşın. Görünür bilgiyle makinenin okuduğu bilginin nerede ayrıldığını birlikte çıkaralım.
Bize yazın

Başlamadan önce

Aklınıza takılanlar

Hayır. Geçerlilik ve uygunluk yalnızca ön koşul. Özelliğin gösterilip gösterilmeyeceğine ve nasıl görüneceğine arama sistemleri karar veriyor. Biz uygunluğu izliyoruz, sonuç sözü vermiyoruz.