Yapay zeka ile anahtar kelime araştırması, bir dil modelini veri üretmek için değil, elinizdeki gerçek sorgu verisini kümelemek, niyetini etiketlemek ve içerik takvimine çevirmek için kullanmaktır. Arama hacmini modele tahmin ettirmeyin; hacim ve rekabet verisini Search Console, Google Anahtar Kelime Planlayıcı gibi veri kaynaklarından alın.
Aşağıda Türkçe için işleyen altı adımlı bir iş akışı var.
Hangi araç neyi yapar?
| Görev | Uygun kaynak |
|---|---|
| Gerçek arama hacmi ve trend | Google Anahtar Kelime Planlayıcı, Google Trends |
| Sitenizin gerçek sorguları | Search Console |
| Soru kalıpları, ilgili aramalar | Google’ın “diğer sorular” ve ilgili arama kutuları, otomatik tamamlama |
| Kümeleme, etiketleme, fikir genişletme | Dil modeli (yapay zeka asistanı) |
| Çakışma kontrolü | Search Console + sitenizin içerik envanteri |
Burada kural şu: model sayı üretmez, metni sınıflandırır. Bir dil modeline “bu kelimenin aylık hacmi kaç?” diye sorarsanız uydurma sayı alabilirsiniz. “Şu 400 sorguyu amaca göre grupla” diye sorarsanız işe yarar sonuç alırsınız.
Adım 1: Tohum listesi ve ham veri toplayın
Üç kaynaktan başlayın:
- Satış ve müşteri hizmetlerinin sık duyduğu 20-30 soru
- Search Console’daki mevcut sorgular (son 12 ay)
- Anahtar Kelime Planlayıcı’dan konunuzla ilgili öneriler ve hacimler
Hepsini tek tabloya dökün: sorgu, kaynak, varsa aylık hacim.
Adım 2: Soru bazlı kümeleme
Modele ham listeyi verin ve şunu isteyin: sorguları aynı soruyu yanıtlayan gruplara ayır, her gruba bir ana soru adı ver. “Reklam hesabı denetimi”, “reklam hesabı nasıl denetlenir”, “reklam hesabı kontrol listesi” tek kümede olmalı; her biri için ayrı sayfa yazmayın.
Küme sonuçlarını mutlaka gözle gözden geçirin. Model benzer görünen ama farklı niyetli sorguları (örneğin “reklam hesabı denetimi nedir” ile “reklam hesabı denetimi fiyatı”) yanlışlıkla birleştirebilir.
Adım 3: Türkçe ek ve çekim sorunu
Türkçe eklemeli bir dil. “Reklam”, “reklamın”, “reklamlar”, “reklamda”, “reklamı” aynı kökten geliyor, ancak araçlar bunları farklı kelime olarak sayabilir.
Pratik çözümler:
- Küme adını kök biçimde (yalın hal) yazın, çekimli sorguları kümenin içine alın.
- Hacmi, çekimli biçimleri toplayarak değerlendirin; yalnızca yalın biçimin hacmine bakmak potansiyeli olduğundan düşük gösterebilir.
- Sayfada anahtar kelimeyi tekrarlamak yerine doğal çekimleriyle kullanın. Arama motorları Türkçe çekimi genellikle anlıyor; her çekimi ayrı ayrı yerleştirmek gereksiz.
- Aynı kavram için eş anlamlıları ayrı etiketleyin (“denetim”, “kontrol”, “analiz”, “audit”).
- Modelle çalışırken Türkçe karakter (ı, ğ, ş, ö, ü, ç) olmadan yazılmış sorguları normalize ettirin (“reklam hesabi denetimi” ile “reklam hesabı denetimi”).
Adım 4: Niyet etiketleme
Her kümeye bir arama niyeti verin:
- Bilgi: “nedir”, “nasıl yapılır” (blog, rehber)
- Karşılaştırma: “x mi y mi”, “en iyi” (karşılaştırma sayfası)
- İşlem / ticari: “fiyat”, “hizmeti”, “ajansı” (hizmet sayfası)
- Marka / gezinme: firma adı (ana sayfa, iletişim)
Etiketi modelle verdirin, ardından Google’da sorguyu arayıp sonuçlarda hangi sayfa tipinin çıktığına bakarak doğrulayın. Sonuçlar bilgi rehberleriyle doluysa, niyet bilgidir; hizmet sayfası yazarak o sorguda sıralanmak zordur.
Adım 5: Çakışma kontrolü
Aynı kümeye iki sayfa yazmak, sayfaların birbiriyle rekabet etmesine yol açabilir. Kontrol:
- Kümedeki sorguları Search Console’da sayfa bazında filtreleyin.
- Aynı sorguda iki ya da daha fazla sayfa gösterim alıyorsa, çakışma var demektir.
- Çözüm: sayfaları birleştirin, birini diğerine yönlendirin ya da niyetlerini ayırın.
Yeni bir içerik planlamadan önce mevcut içerik envanterinizde o kümeyle ilgili sayfa olup olmadığına bakın. Çoğu zaman yeni sayfa yazmak yerine mevcut olanı güçlendirmek daha doğrudur.
Adım 6: Çıktıyı içerik takvimine çevirin
Her küme için bir satır:
| Küme (ana soru) | Niyet | Hacim (kaynak) | Mevcut sayfa | Aksiyon | Öncelik | Tarih |
|---|---|---|---|---|---|---|
| Reklam hesabı nasıl denetlenir? | Bilgi | Planlayıcı verisi | Yok | Yeni rehber | Yüksek | … |
Öncelik için üç soru: İş hedefine katkısı var mı? Rekabeti makul mü? Elimizde özgün bir katkı sunabileceğimiz bilgi var mı? Üçüne evet diyorsanız takvime girer.
Yazım aşamasında yapay zeka yanıtlarında alıntılanan içerik yapısını uygulayın; soru bazlı kümeler bunun için hazır başlık verir.
Örnek: tek bir kümenin yolculuğu
Varsayımsal bir muhasebe ofisi için ham sorgular: “mali müşavir nasıl seçilir”, “muhasebeci seçerken nelere dikkat edilir”, “muhasebeci nasıl seçilir”, “serbest muhasebeci mi mali müşavir mi”, “muhasebeci ücreti”.
Kümeleme sonrası:
- Küme A: “Muhasebeci nasıl seçilir?” (bilgi): ilk üç sorgu
- Küme B: “Serbest muhasebeci ve mali müşavir farkı” (karşılaştırma): dördüncü sorgu
- Küme C: “Muhasebeci ücreti” (ticari): son sorgu
Tek sayfa yazmak yerine A için rehber, B için kısa karşılaştırma, C için hizmet sayfası planlanır. A rehberi içinde B’ye bağlantı verilir. Böylece her sayfanın tek bir niyeti olur ve sayfalar birbiriyle rekabet etmez.
Dil modeliyle çalışırken dikkat
- Talimatı net verin: “Aşağıdaki sorguları aynı soruyu yanıtlayanlara göre grupla. Her gruba bir ana soru yaz. Sorgu uydurma, hacim tahmini yapma.”
- Çıktıyı tabloda isteyin; böylece kontrol ve içe aktarma kolaylaşır.
- Büyük listeleri parçalara bölün; çok uzun listelerde model sorgu atlayabilir. Çıktıdaki sorgu sayısını girdiyle karşılaştırın.
- Gizli ya da müşteriye özel verileri paylaşmadan önce kullandığınız aracın veri politikasına bakın.
- Aynı komutu farklı bir oturumda tekrar çalıştırıp sonuçları karşılaştırın; tutarsızlık varsa kümeleri elle doğrulayın.
Rakip ve boşluk analizi
Küme listesini çıkardıktan sonra, her küme için ilk beş sonuca bakın. Soruyu hangi sayfa tipleri yanıtlıyor? Sonuçlar kısa ve yüzeyse derin bir rehber fırsat olabilir. Sonuçlar güçlü, uzun rehberlerle doluysa aynı biçimde yazmak yerine farklı bir açı arayın: kendi verinizi, bir şablonu, bir karar ağacını. Model bu aşamada, sonuçlardaki ortak başlıkları özetleyip eksik kalan alt soruları listelemek için kullanılabilir; ama listelenen alt soruları kendi gözlemlerinizle sınayın.
Ne zaman insan yargısı şart?
Üç yerde: hangi kümenin iş hedefine hizmet ettiğine karar verirken, niyet etiketini doğrularken ve yazılacak sayfanın özgün katkısını belirlerken. Model bir kümeyi doğru gruplayabilir ama “bu kümede bizim söyleyecek özgün bir şeyimiz var mı?” sorusunu yanıtlayamaz. Bu yargı olmadan çıkan takvim, her şeyi yazmaya çalışan ama hiçbir konuda derinleşmeyen bir blog üretir.
Sık sorulan sorular
Yapay zeka asistanı arama hacmini verebilir mi? Güvenilir biçimde veremez. Hacim için Anahtar Kelime Planlayıcı gibi bir veri kaynağını kullanın; modeli sınıflandırma ve kümeleme için kullanın.
Türkçe için özel bir araç gerekir mi? Gerekmez. Veri kaynakları ve model Türkçe çalışır. Dikkat edilecek yer, çekim ve karakter normalizasyonudur.
Kaç sorguyla çalışmalıyım? Pratik bir başlangıç aralığı olarak 200-500 sorgu çoğu küçük ve orta ölçekli site için yeterli olabilir; resmî bir ölçü değildir. Kalite, sayıdan önemlidir.
Bu iş akışı kaç günde biter? Küçük bir site için birkaç saatten bir iş gününe kadar. Asıl zaman, kümelerin elle doğrulanmasına gider.
Profaj olarak anahtar kelime çalışmasını SEO ve içerik planıyla birlikte, editör kontrolünde yürütüyoruz.