Yapay Zeka Aramaları İçin Schema Markup Rehberi
Yapay zeka arama motorları bir soruya yanıt verirken sayfanızı okumakla kalmaz, onu anlamaya çalışır. Schema markup, sayfanızdaki içeriğin ne anlama geldiğini makineye açık biçimde söyleyen etikettir. ChatGPT Search, Perplexity ve Gemini gibi motorlar, yapısı net olan sayfaları kaynak olarak seçme eğilimindedir.
Kısa cevap: Schema markup, sayfa içeriğinin anlamını arama ve yapay zeka motorlarına tanımlayan yapılandırılmış veri kodudur. AI motorlarında en çok alıntı getiren tipler FAQPage, HowTo ve Article yapılarıdır; çünkü bunlar soru, adım ve bilgi bloklarını doğrudan makinenin çekebileceği biçimde işaretler.
Schema Markup Nedir?
Schema markup, sayfanıza eklenen ve içeriğin türünü tanımlayan bir kod katmanıdır. Schema.org sözlüğünü kullanır ve genellikle JSON-LD biçiminde sayfaya gömülür. Bir insan sayfada 'bu bir sık sorulan sorular bölümü' olduğunu bakışta anlar. Makine anlamaz. Schema, o bölümün bir soru-cevap listesi olduğunu, hangi metnin soru hangisinin cevap olduğunu makineye tek tek söyler.
Yapılandırılmış veri, sayfanın görünümünü değiştirmez. Kullanıcı hiçbir fark görmez. Değişen tek şey, arama ve yapay zeka motorlarının içeriği ne kadar güvenle yorumladığıdır.
AI Motorları Schema'yı Nasıl Kullanır?
Geleneksel arama, schema'yı zengin sonuç (rich result) üretmek için kullanır: yıldızlı puanlar, SSS açılır blokları, adım kartları. Yapay zeka motorları ise schema'yı içeriği ayrıştırmak ve alıntılanabilir parçalara ayırmak için okur. Bir motor 'INP nasıl düzeltilir' sorusuna yanıt üretirken, HowTo schema ile işaretlenmiş adım listesini bütün olarak çekebilir. İşaretleme yoksa, motor aynı bilgiyi metin yığınından tahminle çıkarmak zorunda kalır ve alıntı olasılığı düşer.
Neden önemli: Yapılandırılmış veri, içeriğinizi makinenin tahmin etmesi gereken bir metin olmaktan çıkarıp, doğrudan okuyabildiği bir veri kaynağına çevirir. Alıntı, tahminden değil netlikten doğar.
Alıntı Getiren Dört Schema Tipi
Kurumsal bir blog ve hizmet sitesinde en yüksek getiriyi sağlayan dört yapı vardır. Aşağıdaki tablo, hangi tipin nerede ve neden çalıştığını özetler.
| Schema tipi | Ne işaretler | AI atıf etkisi | Nerede kullan |
|---|---|---|---|
| Article | Blog yazısı, haber, rehber | Yüksek. Yazarlık, tarih ve konu netliği alıntı güvenini artırır | Tüm blog ve rehber sayfaları |
| FAQPage | Soru ve cevap çiftleri | Çok yüksek. AI motorları doğrudan soru-cevap bloklarını alıntılar | SSS bölümü olan her sayfa |
| HowTo | Adım adım işlem | Yüksek. 'Nasıl yapılır' sorgularında adım listesi çekilir | Kurulum, düzeltme, süreç yazıları |
| Organization | Marka kimliği, iletişim, logo | Orta. Kaynağın kim olduğunu netleştirir, otorite sinyali verir | Ana sayfa ve kurumsal sayfalar |
Article
Her blog yazısı ve rehber için temel yapıdır. Yazının başlığını, yayın ve güncelleme tarihini, yazarını ve yayıncıyı işaretler. AI motorları güncel ve kaynağı belli içeriği tercih ettiğinden, doğru tarih ve yazar bilgisi alıntı güvenini artırır.
FAQPage
Soru-cevap çiftlerini işaretler ve AI aramalarında en yüksek getiriyi sağlayan yapıdır. Yapay zeka motorları kullanıcı sorularını doğrudan eşleştirdiği için, iyi yazılmış bir FAQPage bloğu yanıt içinde birebir alıntılanabilir. Soruları gerçek arama diliyle yazın, cevapları ilk cümlede net verin.
HowTo
Adım adım bir işlemi işaretler. 'Nasıl yapılır' niyeti taşıyan her yazı için uygundur: bir metriği düzeltme, bir kurulum, bir süreç. Motor, adımları sıralı bir liste olarak tanır ve prosedür sorularında bütün olarak çeker.
Organization
Markanın kim olduğunu tanımlar: ad, logo, iletişim, sosyal profiller. Tek başına alıntı getirmez ama kaynağın otoritesini netleştirir. AI motorları bir bilgiyi kime atfedeceğini bu yapıdan okur.
Kopyalanabilir JSON-LD Örnekleri
Aşağıdaki örnekler doğrudan sayfanın <head> bölümüne veya gövdeye eklenebilir. Alanları kendi içeriğinizle doldurun.
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [{
"@type": "Question",
"name": "Schema markup SEO sıralamasını doğrudan artırır mı?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Doğrudan sıralama sinyali degildir, ancak
icerigin anlasilmasini ve alintilanmasini kolaylastirir."
}
}]
}
</script><script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "Yapay Zeka Aramalari Icin Schema Markup",
"datePublished": "2026-07-28",
"author": { "@type": "Organization", "name": "Coreagen" },
"publisher": { "@type": "Organization", "name": "Coreagen" }
}
</script>Schema Kurarken Sık Yapılan Hatalar
Yapılandırılmış veri, yanlış kurulduğunda faydadan çok zarar verir. En sık görülen sorunlar:
- Sayfada görünmeyen bilgiyi işaretlemek. Schema, sayfadaki içerikle örtüşmelidir. Görünmeyen içeriği işaretlemek yönerge ihlalidir.
- Yanlış tip seçmek. Bir hizmet sayfasını Article olarak işaretlemek motoru yanıltır.
- Tek bir sayfaya çelişkili birden fazla ana tip koymak. Sayfanın birincil amacına göre tek ana tip seçin, diğerlerini iç içe kullanın.
- Doğrulama yapmadan yayınlamak. Her schema, Google Rich Results Test ve Schema Markup Validator ile kontrol edilmelidir.
Kurumsal Ölçekte
Binlerce sayfası olan bir kurumsal katalogda schema'yı elle yazmak sürdürülemez. Şablon düzeyinde otomatik üretim kurun: ürün sayfaları Product, blog yazıları Article, SSS blokları FAQPage şablonundan beslensin.
Schema'nın GEO stratejisindeki yerini genişletmek için GEO nedir ve kurumsal siteler için ne anlama gelir rehberimize ve içerik yapısı için AI Overviews'te alıntılanabilir içerik rehberimize göz atabilirsiniz.
Bu Yazı Hakkında Merak Edilenler
Schema markup SEO sıralamasını doğrudan artırır mı?
+
Hayır. Schema doğrudan bir sıralama sinyali değildir. İçeriğin anlaşılmasını, zengin sonuç kazanmasını ve AI motorlarında alıntılanmasını kolaylaştırarak dolaylı fayda sağlar.
JSON-LD mi yoksa Microdata mı kullanmalıyım?
+
JSON-LD. Google JSON-LD biçimini önerir; içerikten ayrı, bakımı kolay ve büyük sitelerde şablonla ölçeklenebilir.
Hangi schema tipi yapay zeka aramalarında en çok işe yarar?
+
FAQPage ve HowTo. İkisi de içeriği soru ve adım bloklarına ayırdığı için AI motorlarının doğrudan çekebileceği yapıdadır.
Schema'yı nasıl doğrularım?
+
Google Rich Results Test ve Schema.org Markup Validator araçlarıyla. Yayın öncesi hata ve uyarıları temizleyin.