Envanter
JSON-LD, Microdata ve RDFa kullanımını sayfa tipi bazında çıkarırım.
Schema.org etiketlemesini kod parçası gibi değil, sayfanın anlam katmanı gibi ele alıyorum.
Amacım sadece schema eklemek değil; hangi sayfa tipinde hangi işaretlemenin neden gerekli olduğunu netleştirmek. Teknik doğruluk, görünür içerik, Google destekleri ve bilgi mimarisi birlikte incelenir.
TeknikİçerikÖlçüm
Kısa cevap
Yapısal veri benim için bir ek kutucuk değil; arama sistemlerine ne anlattığımızı temizleştiren bir katman.
Bu yüzden analizde yalnızca hata veya validator sonucu vermem. Hangi type/property'nin nerede mantıklı olduğunu, hangisinin gereksiz olduğunu ve ekip için nasıl uygulanacağını ayırırım.
Doğruluk
İşaretlemenin sayfada görünen içerikle ve sayfa amacıyla uyumunu kontrol ederim.
Uygunluk
Google destekleri, rich result ihtimali ve riskli/tekrarlayan kullanımları ayırırım.
Öncelik
Geliştirici, içerik ve yönetici tarafında uygulanabilir bir yol haritasına dönüştürürüm.
Uygulama
Önerileri geliştirici kabul kriterlerine, örnek JSON-LD notlarına ve kontrol adımlarına çeviririm.
Takip
Yayından sonra GSC enhancement raporları, validasyon ve dönemsel değişimleri birlikte izlerim.
Neleri incelerim?
Analizde kullandığım ana kontrol başlıkları
Bu başlıklar proje tipine göre değişir ama mantık aynı kalır.
Kategori, ürün, makale, rehber, yerel sayfa, profil ve landing page aynı gözle değerlendirilmez.
Kodda yazan şeyin kullanıcıya sayfada görünüyor olması gerekir.
Schema.org zenginliği ile Google tarafındaki pratik destek birbirinden farklıdır.
Aynı sinyali fazla sayıda veya birbiriyle çakışan biçimde vermek siteyi güçlendirmek yerine bulandırabilir.
Yapısal veri tek başına değil, sayfalar arası anlamsal kurguyla birlikte güçlenir.
GSC enhancement raporları, deploy sonrası kontrol ve kabul kriterleri ayrı bir katmandır.
Çıktı
Analiz sonunda ekiplerin kullanabileceği net bir çıktı üretirim.
Genel tavsiye değil; geliştirici, içerik ve yönetici tarafına dokunan uygulanabilir maddeler olması gerekir.
- Sayfa tipi bazlı schema envanteri
- Hata, eksik, tekrar ve bağlam dışı kullanım listesi
- Google rich result uygunluk notu
- Type/property öncelik matrisi
- Geliştirici için kabul kriterleri
- Deploy sonrası kontrol listesi
- GSC enhancement ve validasyon takip notu
Dürüst notlar
Hizmetin ne olduğu kadar ne olmadığı da net olmalı.
WordPress eklentisi kurup çıkılan bir paket değil.
Teknik uygulama imkanı yoksa veya site yapısı çok dağınıksa önce temel düzeltmeler gerekir.
Birden fazla sayfa tipi, şablon mantığı ve veri takibi olan sitelerde.
Çalışma akışı
Analizi nasıl ilerletirim?
1İlk görüşmeSite yapısı, öncelikli sayfa tipleri ve veri erişimi netleşir.2Ön incelemeMevcut schema yapısı, sayfa örnekleri ve Google tarafındaki durum okunur.3AnalizHata, fırsat ve öncelik alanları katmanlı olarak yazılır.4Uygulama notuGeliştirici ve içerik ekibi için net uygulama maddeleri hazırlanır.5TakipDeploy sonrası kontrol ve doğrulama planlanır.
Önce radar, sonra proje
Schema Radar sayfası ücretsiz giriş noktası; bu hizmet ise siteye özel yorum, öncelik ve uygulama planıdır.
İstersen önce Schema Radar ile kendi terimlerini incele. Sonrasında kategori, ürün, makale, yerel sayfa veya kurumsal sayfa tiplerine özel çalışma yapabiliriz.
Kaynak
Bu sayfadaki veri yorumu, Schema.org ve Google iş birliğiyle yayınlanan public usage dataset mantığına dayanır. Araç kullanım bucketlarını okur; sıralama veya trafik garantisi üretmez.
Sık sorulan sorular
Bu konuda sık sorulan sorular
Yapısal veri analizi sadece hata bulma işi midir?
Hayır. Hata kontrolünün yanında sayfa tipi, içerik görünürlüğü, Google destekleri ve bilgi mimarisi birlikte değerlendirilir.
Her sayfaya daha fazla schema eklemek doğru mu?
Hayır. Sayfada görünmeyen veya bağlam dışı işaretleme eklemek faydadan çok risk oluşturabilir.
Analiz sonunda ne çıkar?
Sayfa tipi bazlı envanter, öncelik matrisi, geliştirici kabul kriterleri ve takip planı çıkar.
SEO danışmanlığı hangi siteler için daha uygundur?
Teknik ekibi olan, çok sayıda URL yöneten ve organik görünürlüğü düzenli takip etmek isteyen e-ticaret, yayıncı, finans ve kurumsal siteler için daha uygundur.
Çalışmaya başlamadan önce hangi verilere ihtiyaç olur?
Genellikle Google Search Console, GA4, temel crawl verisi, önemli sayfa tipleri, teknik geliştirme süreci ve mevcut hedefler gerekir.
Yapay zeka aramalarına hazırlık klasik SEO’dan tamamen ayrı mıdır?
Hayır. Teknik erişilebilirlik, içerik kalitesi, marka ve konu netliği olmadan yapay zeka aramalarında kalıcı görünürlük beklemek doğru olmaz.
İlgili sayfalar
Bu konuyla bağlantılı sayfalar
Çalışmalar
Hangi konularda destek verdiğimi görün.
Site geçişi
Büyük geçişlerde SEO risklerini nasıl azalttığımı inceleyin.
Yayıncı SEO
Discover, News ve yayıncı görünürlüğü yaklaşımını görün.
E-ticaret SEO
Kategori, ürün ve filtre kararlarını nasıl ele aldığımı inceleyin.
Finans SEO
Güven odaklı finans sayfası yaklaşımını görün.
Yapay zeka aramaları
AI aramalarına hazırlık yaklaşımını inceleyin.