Yapılandırılmış veri testi: AI Schema Doktoru

Yapılandırılmış veri nedir?

Yapılandırılmış veri (structured data), sayfa içeriğini arama motorlarının ve yapay zeka sistemlerinin tahmin etmeden okuduğu etiketli biçimde tanımlayan veri katmanıdır. Doğru kurulup kurulmadığını iki araç gösterir: bu sayfadaki AI Schema Doktoru girilen adresteki JSON-LD bloklarını çıkarıp tipleri sayar, Google'ın Zengin Sonuç Testi aynı işaretlemeyi alan düzeyinde denetler. Standart, 2011'de Google, Microsoft ve Yahoo'nun kurduğu, aynı yıl Yandex'in katıldığı schema.org sözlüğüne dayanır. Sözlük 800'den fazla tip içerir; başlık, fiyat, yazar, adres ve puan gibi bilgiler bu tiplerle işaretlenir.

Schema markup ise aynı katmanın uygulama tarafıdır: schema.org hangi tiplerin ve özelliklerin var olduğunu tanımlayan katalogdur, markup bu tiplerin sayfaya eklenmiş kodudur. Türkçe kaynaklarda üç terim aynı şeyi anlatır; yapılandırılmış veri kavramın adı, structured data İngilizce karşılığı, schema markup uygulamadaki kod. Katmanın çözdüğü sorun belirsizliktir: düz HTML'de geçen "4,8" değerinin puan mı fiyat mı olduğunu motor bağlamdan tahmin eder, AggregateRating tipinin ratingValue alanına yazılan aynı değer tek anlama sabitlenir.

Hangi şema tipleri hangi siteye gerekir?

Tip seçimi site türünü izler; amaç her sayfaya şema yığmak değil, sayfanın gerçek içeriğini karşılayan tipi eklemektir. Kurumsal bir site üç çekirdekle açılır: Organization, WebSite ve BreadcrumbList. Üzerine e-ticaret sitesi Product, içerik sitesi Article, şubesiyle çalışan işletme LocalBusiness, hizmet satan firma Service ekler. Bu sayfadaki araç da raporunu aynı sekiz temel tip üzerinden kurar ve eksikleri tek tek işaretler.

Tip	Nerede kullanılır	Ne kazandırır
Organization	Kurumsal ana sayfa	Marka adı, logo ve profillerin tek kimlikte birleşmesi
WebSite	Site geneli	Site adının sonuçlarda doğru görünmesi
BreadcrumbList	Tüm iç sayfalar	Sonuç satırında hiyerarşik yol
Product	Ürün ve paket sayfaları	Fiyat, stok ve puan gösterimine adaylık
Article	Blog ve haber içerikleri	Yazar ve tarih bilgisinin doğru eşleşmesi
FAQPage	Soru-cevap içeren sayfalar	Soruların makine-okur yapıya bağlanması
LocalBusiness	Şube ve mağaza sayfaları	Adres, telefon ve çalışma saati eşleşmesi
Service	Hizmet sayfaları	Hizmet kapsamının tanımlanması

FAQPage için beklenti 2026'da değişti: Google, SSS zengin sonuç gösterimini Mayıs 2026'da kaldırdı, HowTo gösterimini ise 2023'te bitirmişti. İki tip de artık sonuç sayfasında kutu açmaz; katkıları, soru-cevap ve adım yapısını makine-okur kılmakla sınırlıdır. Bu yüzden FAQPage'i gösterim beklentisiyle değil, sayfada gerçek bir soru-cevap bloğu varsa kullanmak doğru yaklaşımdır; olmayan içeriği işaretlemek yalnız hata riski taşır.

JSON-LD neden önerilen format?

Google'ın yapılandırılmış veri dokümantasyonu, desteklenen üç biçimden (JSON-LD, Microdata, RDFa) JSON-LD'yi açıkça önerir. Gerekçe bakım kolaylığıdır: JSON-LD tek script bloğunda durur, HTML şablonuna dağılmaz ve şablon değişse bile bozulmadan kalır. Hata tek yerde arandığı için ayıklama kısa sürer; CMS veya sunucu tarafında dinamik üretmek de kolaydır. Microdata ve RDFa okunmaya devam eder, yani mevcut işaretlemeyi bir gecede taşımak zorunlu değildir. Tipik bir Organization bloğu şöyle görünür:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Ornek Firma",
  "url": "https://www.ornekfirma.com",
  "logo": "https://www.ornekfirma.com/logo.png",
  "sameAs": ["https://www.linkedin.com/company/ornekfirma"]
}
</script>

Blok, head veya body içinde çalışır ve Google iki konumu da okur; aralarında işlev farkı yoktur. Aynı sayfada birden fazla blok durabilir, tipler iç içe de geçebilir: Product bloğunun içine Offer ve AggregateRating gömmek yaygın ve geçerli bir kurgudur. Geliştirici tarafında sağlıklı pratik, blokları elle tek tek yazmak yerine şablon motorunda merkezi üretip her sayfa tipinde kendi şemasını basmaktır.

Zengin sonuçlar için şema neden ön koşul?

Zengin sonuçlar (rich results), standart mavi bağlantının ötesine geçen gösterimlerdir: yıldızlı puan, fiyat ve stok satırı, kırıntı yolu, etkinlik tarihi bu sınıfa girer. Google bir gösterimi ancak ilgili tip sayfada hatasız işaretlenmişse değerlendirmeye alır; şemasız sayfa bu görünümlere hiç aday olamaz. Adaylık ile gösterim ayrı şeylerdir: hatasız şema kapıyı açar, hangi sorguda gösterim çıkacağına Google karar verir.

Denetim akışı iki adımda kurulur. Yayın öncesinde Zengin Sonuç Testi'ne adres veya kod parçası girilir; rapor, uygun öğeleri ve hataları öğe bazında listeler. Yayın sonrasında Search Console, tanıdığı her gösterim tipi için ayrı durum raporu açar ve yeni sorunları bildirim olarak iletir. Tıklama etkisi mekanik bir avantajdan gelir: gösterim kazanan sonuç sayfada daha fazla yer kaplar ve düz bağlantılardan görsel olarak ayrışır; şemanın kendisi sıralama yükseltmez.

Şema AI motorlarında görünürlük kazandırır mı?

Ölçülen etki beklentinin altında kalıyor. Ahrefs'in Mayıs 2026'da yayımladığı 1.885 sayfalık fark-içinde-fark çalışması, şema eklemenin AI görünürlüğünü artırmadığını buldu; aynı analizde şema eklenen sayfaların AI Overviews atıfları %4,6 geriledi. Yani "şema ekleyin, yapay zeka sizi kaynak göstersin" vaadi güncel veriyle örtüşmüyor. Şemanın bu katmandaki doğru sınıfı teknik hijyendir: kimliği netleştirir ve hata üretmez ama tek başına atıf kazandırmaz.

Türkiye bağlamı bu dengeyi değiştirmiyor. Google'ın duyurusuna göre AI Overviews 18 Şubat 2026'dan beri Türkçe sorgularda çalışıyor; Stradiji'nin 1.035 sorguluk Temmuz 2026 ölçümünde aramaların %59'unda tetikleniyor. Görünürlüğü asıl belirleyen katman erişimdir: GPTBot, ClaudeBot ve PerplexityBot JavaScript çalıştırmaz, yalnız ilk HTML yanıtını okur. İçerik ve şema o yanıtta yoksa sayfa bu motorlar için boştur; bu yüzden iş sırası önce sunucu tarafında render edilen erişilebilir içerik, sonra hatasız işaretlemedir.

AI Schema Doktoru neyi tarar, neyi ölçmez?

AI Schema Doktoru, girilen adresin HTML kaynağını sunucu tarafında çeker ve script etiketleri içindeki bütün JSON-LD bloklarını ayıklar. Analiz sayfa bazlıdır; adres alanına kök adres de tekil bir iç sayfa da yazılabilir ve tarama üyelik istemez. Rapor üç katmandan oluşur:

1. Bulunan tipler: sayfadaki her şema tipi adediyle listelenir; iç içe geçmiş ve @graph içinde tanımlanmış tipler de sayıma girer.
2. Önerilen tiplerle kıyas: Organization'dan Service'e uzanan sekiz çekirdek tipten hangilerinin eksik olduğu gerekçesiyle gösterilir.
3. AI hazırlık skoru: sekiz önerilen tipten sayfada bulunanların oranı 100 üzerinden puana çevrilir; dördü varsa skor 50 çıkar.

Ölçmediği alanlar da net: araç yalnız JSON-LD okur, Microdata ve RDFa işaretlemesi geçerli olsa bile sayıma girmez. Alan düzeyinde zorunlu özellik denetimi yapmaz; o katman Zengin Sonuç Testi'nin işidir. JavaScript de çalıştırmaz, bu yüzden Tag Manager ile sonradan basılan bloklar rapora yansımaz. Sözdizimi bozuk blok ise blok sayısına girer ama tip üretmez; blok sayısı ile tip sayısı arasındaki fark çoğu zaman bozuk JSON'a işaret eder.

En sık görülen şema hataları neler?

Hata aileleri iki sonuçtan birine çıkar: blok ya hiç okunmaz ya da yanlış güven verir. Taramalarda düzenli tekrarlanan altı aile şunlardır:

• Görünür içerikle çelişen işaretleme: sayfada olmayan puanı, yorumu veya indirimi şemaya yazmak Google'ın yapılandırılmış veri politikasını ihlal eder ve manuel işlem bildirimine yol açabilir.
• Sözdizimi hatası: eksik virgül, kapanmayan tırnak veya kaçışsız karakter bloğun tamamını geçersiz kılar; tek karakter bütün şemayı düşürür.
• Tip ve içerik uyumsuzluğu: hizmet sayfasına Product, blog yazısına LocalBusiness eklemek yanlış beklenti üretir ve doğrulama araçlarında uyarı üretir.
• Çakışan bloklar: WordPress kurulumlarında tema, SEO eklentisi ve ayrı şema eklentisi aynı Organization bilgisini farklı değerlerle basabilir; çözüm, şema üretimini tek kaynağa indirmektir.
• Zorunlu alan eksiği: Product bloğunda fiyat taşıyan offers alanı yoksa Zengin Sonuç Testi eksik öğe uyarısı verir ve gösterim adaylığı düşer.
• Bakımsızlık: blok bir kez eklenip unutulur, tema veya eklenti güncellemesi şemayı sessizce bozar; değişiklik sonrası yeniden tarama bu yüzden gerekir.

Yapılandırılmış veri ne sağlar, neyi garanti etmez?

Sağladığı iki şey kimlik ve adaylıktır: sayfanın ne olduğu makine katmanında netleşir, zengin sonuç görünümlerine adaylık kazanılır. Garanti etmediği üç şey de aynı ölçüde net: gösterim Google'ın takdirinde kalır, sıralama şemayla yükselmez, AI atfı da Ahrefs'in Mayıs 2026 ölçümünden sonra şemaya bağlanacak bir beklenti değildir.

Yol haritası kitleye göre ayrışır. Kod erişimi olan geliştirici Organization, WebSite ve BreadcrumbList üçlüsünü şablon düzeyinde JSON-LD ile kurar, site türüne göre Product veya Article ekler ve çıktıyı yayına almadan test eder. Eklentiyle yöneten site sahibi şema üretimini tek eklentiye bırakır, çakışan blokları kapatır ve kalan eksikleri taramayla görür. İki profilde de kapanış adımı aynıdır: envanter kontrolü bu sayfadan, alan doğruluğu Zengin Sonuç Testi'nden.