Zeo yöntemi

Yapılandırılmış Veri ve Render

Görünür sayfanın, render edilmiş HTML'nin ve JSON-LD'nin aynı şeyi söylemesi; her özelliğin bir sorumlusu, her sapmanın da onu üreten şablonda yakalanması.

Bir sayfa browser'da gayet düzgün görünürken botlara eksik HTML sunabiliyor. Yapılandırılmış veri doğrulamadan geçse bile ziyaretçinin sayfada hiç göremediği bir bilgiyi aktarıyor olabiliyor. Bu yüzden kaynak kodu, render edilmiş sayfayı ve JSON-LD'yi ayrı ayrı okuyup aralarındaki farkları kapatıyoruz.

Görünür sayfa, render edilmiş HTML ve yapılandırılmış veri aynı bilgiyi söylüyor. Ziyaretçinin doğrulayamayacağı iddiaları kaldırıyor, zengin sonuç sözü de vermiyoruz.

Bize yazınTeknik SEO
Bir Zeo mühendisi, kaynak HTML, render edilmiş sayfa ve JSON-LD başlıklı üç paneldeki varlık kartlarını eşleşene kadar hizalıyor.

Birlikte çalıştığımız 500'den fazla markadan birkaçı

Tüm referansları gör
  • Cimri
  • Yeditepe Üniversitesi
  • Güven Hastanesi
  • Logo Yazılım
  • Silverline
  • Gedik Yatırım

Aşamalar ve onay noktaları

Nasıl çalışıyoruz

Önce sayfanın ve işaretlemenin gerçekte ne söylediğini kaydediyoruz. Uyuşmazlık ortak bir şablona dayanıyorsa sayfa sayfa tahmin yürütmek yerine sorunu kaynağında düzeltiyor, ardından olağan ve zor durumlarda doğruluğun korunduğunu yeniden test ediyoruz.

  1. Sayfanın farklı hâllerini kaydediyoruz

    Temsili şablonlar ve durumlar için kaynak HTML'yi, sunucunun ürettiği HTML'yi, browser'da render edilen DOM'u ve JSON-LD'yi kaydediyoruz. İzin seçeneklerini ve uç durumları da dahil ediyoruz.

    Ziyaretçinin ve botun gerçekte ne aldığını gösteren güvenilir bir başlangıç kaydı çıkıyor.

    Yapay zeka desteği
    Her temsili şablon ve izin durumu için kaynak HTML'yi, sunucunun ürettiği HTML'yi, browser'da render edilen DOM'u ve JSON-LD'yi tek geçişte yakalıyor.
    İnsan onayı
    Karşılaştırmaya geçmeden önce kaydettiğimiz durumların önemli uç senaryoları gerçekten temsil ettiğini teknik SEO tarafındaki sorumlu doğruluyor. Temsili durumlar onaylanmadan karşılaştırmaya geçmiyoruz.

  2. Görünen bilgiyle makinenin okuduğunu karşılaştırıyoruz

    Her varlığı ve özelliği, ziyaretçinin gerçekten görebildiği metin ve veriyle yan yana koyuyoruz. Eksik, çelişkili ya da sürdürülemeyecek alanları işaretliyoruz.

    Gerçek sorunları zararsız doğrulayıcı gürültüsünden ayıran, özellik bazlı bir karşılaştırma tablosu elde ediyoruz.

    Yapay zeka desteği
    Her varlığı ve özelliği görünür metin ve veriyle geniş ölçekte karşılaştırıyor, gerçek sorunları zararsız doğrulayıcı gürültüsünden ayırıyor.
    İnsan onayı
    İşaretlenen uyuşmazlıkların gerçek bir sorun mu olduğunu, veri kaynaklarının sorumlularıyla birlikte teyit ediyoruz. Sorun listesini, düzeltmeye başlamadan önce veri sorumlularıyla birlikte doğruluyoruz.

  3. Sorunun çıktığı şablonu düzeltiyoruz

    Onaylanan özellikleri sorumlusu belli alanlara bağlıyor, boş ya da eskimiş veriler için kural yazıyor ve uyuşmazlığın başladığı render akışını düzeltiyoruz.

    Her sayfaya ayrı yama atmak yerine, sürümü takip edilebilen tek bir şablon düzeltmesi çıkıyor.

    Yapay zeka desteği
    Onaylanan her özelliği sorumlusu belli bir alanla eşleştiriyor, alan boş kaldığında devreye girecek kuralların taslağını çıkarıyor.
    İnsan onayı
    Alan eşlemelerini ve eskiyen veri kurallarını, şablon düzeltmesi tek bir sürümlü değişiklik olarak yayına çıkmadan önce onaylıyoruz. Özellik ve alan eşlemelerini yayın öncesinde onaylıyoruz.

  4. Olağan ve sıra dışı durumları ayrı ayrı sınıyoruz

    Değişikliği daha geniş bir alana açmadan önce canlı örnekleri boş alan, değişen fiyat, stok dışı ürün, farklı izin durumu ve JavaScript hatası senaryolarıyla sınıyoruz.

    İçerik kusurlu geldiğinde bile doğruluğunu koruyan bir yayın ortaya çıkıyor.

    Yapay zeka desteği
    Boş alan, değişen fiyat, stok dışı ürün, farklı izin durumu ve JavaScript hatası senaryolarını değişiklik yaygınlaşmadan canlı örneklerde test ediyor.
    İnsan onayı
    Sıra dışı durumların her birindeki sonuca bakan kişi, yayının daha geniş bir alana açılacak kadar doğru kalıp kalmadığına karar veriyor. Bütün sıra dışı durumlarda doğruluk korunmadan değişikliği genişletmiyoruz.

Sayfanın her hâlini yakalayan ve karşılaştıran yapay zeka; sorunu ve düzeltmeyi onaylayan insan.

Yapay zeka her temsili şablon ve izin durumu için kaynak HTML'yi, sunucunun ürettiği HTML'yi, browser'da render edilen DOM'u ve JSON-LD'yi tek geçişte yakalıyor, her varlığı ve özelliği görünür metin ve veriyle karşılaştırıp gerçek sorunları zararsız doğrulayıcı gürültüsünden ayırıyor, onaylanan her özelliği sorumlusu belli bir alanla eşleştirip alan boş ya da eski geldiğinde devreye girecek kuralların taslağını çıkarıyor, boş alan, değişen fiyat, stok dışı ürün, farklı izin durumu ve JavaScript hatası senaryolarını canlı örneklerde test ediyor. Hiçbir şeyi kendi başına onaylamıyor. Ziyaretçinin sayfada ya da onaylı bir kaynakta doğrulayamayacağı yorum, fiyat, stok, yazarlık veya ilişki bilgisini işaretlemiyoruz, zengin sonuç garantisi vermiyoruz ve temsili render ile güncellik testi yapmadan şablon genelinde şema değişikliği yayınlamıyoruz.

Çıktılar ve kabul koşulları

Elinize ne geçiyor

Yapılandırılmış veriyi görünür sayfayla aynı çizgide tutmak için dört somut çıktı hazırlıyoruz.

  • Karar matrisi

    Render tutarlılığı matrisi

    Kabul koşulu

    Her temsili şablon durumu için kaynak, render edilmiş, görünür ve JSON-LD değerlerini yan yana gösteriyor.

  • Değerlendirme tablosu

    Özellik uygunluğu değerlendirmesi

    Kabul koşulu

    Her özelliği zorunlu, yararlı, koşullu ya da kapsam dışı diye sınıflandırıyor ve kararı dayandığı güncel kurala bağlıyor.

  • Politika dokümanı

    Özellik ve kaynak kuralları

    Kabul koşulu

    Yayınlanan her değerin tek bir kaynağı, tek bir sorumlusu ve veri eksik ya da eskimiş geldiğinde uygulanacak tanımlı bir kuralı oluyor.

  • Dashboard

    İşaretleme sağlığı görünümü

    Kabul koşulu

    Canlıdaki hataları şablon ve özelliğe göre grupluyor. Ortak bir sorun, yüzlerce bağımsız sayfa hatası gibi görünmüyor.

Şu olduğunda tamam sayarız: Tutarlılık matrisi, özellik değerlendirmesi, kaynak kuralları ve sağlık görünümü; her temsili şablon durumu için kaynak, render edilmiş, görünür ve JSON-LD değerleri yan yana durduğunda, her özellik zorunlu, yararlı, koşullu ya da kapsam dışı olarak dayandığı kurala bağlı biçimde işaretlendiğinde, yayınlanan her değerin tek kaynağı, tek sorumlusu ve eksik ya da eskimiş veri davranışı tanımlandığında ve canlı hatalar şablon ile özelliğe göre gruplandığında tamamlanmış oluyor.

Uyum ve hazırlık

Ne zaman gerekir

Bir doğrulama aracından geçmek tek başına yeterli olmuyor. Asıl mesele, sayfa içeriği, fiyat ya da stok durumu değiştiğinde işaretlemenin de doğru kalması.

Şu durumlarda iyi bir seçim

  • Kaynak HTML, render edilmiş sayfa ve yapılandırılmış veri şablona, cihaza ya da izin durumuna göre farklı şeyler söylüyor.
  • İşaretleme duruyor ama sayfanın hedeflediği arama zenginleştirmesine gerçekten uygun olup olmadığı belirsiz.
  • Şema alanları birden fazla sistemden besleniyor. Fiyat, bulunabilirlik, yazar ya da varlık kimliği için sorumlusu belli tek bir kaynağa ihtiyacınız var.

Şu durumlarda başka bir çalışma daha doğru

  • Gerçek sayfada karşılığı görünmese bile sırf doğrulama aracı kabul ettiği için işaretleme eklemek istiyorsanız burada aradığınızı bulamazsınız.
  • Geçerli yapılandırılmış verinin zengin sonuç olarak gösterileceğine dair bir garanti arıyorsanız, o garantiyi kimse veremiyor.

Bunlardan biri sizin durumunuza daha yakınsa, buradan başlayın: Teknik SEO

Şu olduğunda tamam sayarız: Temsili şablonlar görünür içerikte ve JSON-LD'de aynı bilgiyi gösteriyor. Her özelliğin kaynağı ve sorumlusu belli oluyor, sapmalar da yayılmadan yakalanıyor.

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

YazıElif Naz Akan KarakoçYapay Zeka İçin Yapılandırılmış Veri: Schema ile AI Görünürlüğünü Desteklemek İçin İpuçlarıYazıSamet ÖzsüleymanEn Yaygın JSON-LD Schema Sorunları ve ÇözümleriYazıSamet ÖzsüleymanJavascript SEO: Dynamic Rendering Nedir ve Test Aşamaları Nelerdir?

Kullandığımız araçlar

Bu işin arkasındaki araçlar

  • Screaming Frog

    site genelinde schema doğrulamasıyla birlikte ham ve render edilmiş HTML karşılaştırması

  • Sitebulb

    tür ve template'e göre gruplanan property düzeyinde schema hataları

  • Schema App

    sürdürülebilir alan eşlemeleri ve sürekli yayın sağlığı izlemesi

  • Botify

    site genelinde JavaScript render boşlukları, içerik ve markup'ta

  • Lumar

    schema ve içerik kaymaları için zamanlanmış render edilmiş crawl'lar

  • Google Search Console

    canlı geliştirme hataları, etkilenen URL'ler ve yayın sonrası kapsam

  • Bing Webmaster Tools

    canlı sayfalarda Bingbot'un gerçekten okuduğu markup kontrolleri

Sonraki adım

Sayfanızın ve şemanızın gerçekte ne söylediğini karşılaştıralım

Birkaç temsili URL'yi ve mevcut doğrulama çıktınızı paylaşın. Görünür içerikle makinenin okuduğu verinin nerede ayrıldığını birlikte bulalım.
Bize yazın

Başlamadan önce

Aklınıza takılanlar

Bu yöntem kaynak kodun, browser'ın ve yapılandırılmış verinin farklı şablon durumlarında ne ürettiğine bakıyor, yani bütün render akışıyla ilgileniyor. HTML işaretleme çalışması ise başlıkları, sayfa bölgelerini, linkleri ve canonical ipuçlarını daha geniş kapsamda ele alıyor. İkisi, render edilmiş sayfadaki bilgiyle JSON-LD'nin uyuşması gereken noktada kesişiyor.