Geçen hafta Kadıköy’de bir kahve zincirinde otururken, “kaç santim kaç inç eder?” diye telefonuna yazan birini gördüm. Şaka gibi. Işte arama niyeti tam da böyle çalışıyor: insan tek bir cevap istiyor, hızlı olsun istiyor, gereksiz süs istemiyor (buna dikkat edin). Juan José Peña Delgado’nun kurduğu Qvert de tam bu boşluğu hedefliyor; üstelik tek sayfa ile değil, 2.600’den fazla ayrı sayfa ile.
Bakın, Bu hikâyeyi ilginç yapan şey sadece sayı değil. Asıl mesele şu: klasik dönüşüm sitelerinin çoğu ya ağır açılıyor ya reklamla boğuyor ya da her şeyi tek bir genel sayfaya sıkıştırıyor. Ben de 2023’ün sonlarında küçük bir yan projede benzer dertle uğraşmıştım; basit bir “km → mile” sayfası yapayım dedim, sonra fark ettim ki tek sayfa yaklaşımı hem SEO’da zayıf kalıyor hem de kullanıcıya “tam aradığım yer burası” hissi vermiyor. İşin aslı şu ki, programmatic SEO biraz fabrikasyon gibi görünse de doğru yapılınca bayağı temiz sonuç veriyor (şaşırtıcı ama gerçek)
Ve işler burada ilginçleşiyor.
Neden Klasik Dönüştürücüler Yetmiyor?
Açık konuşayım. İnternetteki unit converter’ların önemli bir kısmı hâlâ 2014 kafasında çalışıyor — sayfa geç açılıyor, üstte üç tane reklam dönüyor, input alanını bulmak için iki saniye scroll yapmak gerekiyor. Hani insan sadece gramı onsa çevirecekti? Bir anda bambaşka bir deneyimin içine düşüyor, canı sıkılıyor ve çıkıp gidiyor.
Qvert’in çıkış noktası da burada netleşiyor aslında: hız, sadelik ve kapsam birlikte olmalı. Tek bir genel dönüşüm ekranı yerine her dönüşüm çifti için ayrı URL üretmek ilk bakışta garip gelebilir —. Arama motoru açısından gayet mantıklı. Çünkü “cm to inch” arayan biriyle “cups in a gallon” arayan biri aynı şeyi istemiyor; niyetleri yakın bile olsa bağlam farklı, beklenti farklı.
Kısa bir not düşeyim buraya.
Vallahi, Ben bunu ilk kez kendi not alma aracımda denediğimde şaşırmıştım açıkçası. Mart 2024’te İstanbul’da yaptığım testlerde gördüm ki kullanıcılar genel kategori menülerinden ziyade doğrudan örnek değerlerle gelen sayfalarda çok daha rahat ediyor. Mesela yalnızca hesap makinesi görmek yetmiyor; altında birkaç hazır değer tablosu görünce güven artıyor. Yani mesele matematikten çok psikoloji. Tam da öyle.
Hızın etkisi hafife alınmasın
Şunu söyleyeyim, Sitenin yüklenme süresinin 50 ms altına çekilmesi kulağa teknik bir övünme gibi geliyor olabilir. Ama pratikte ciddi fark var. Kullanıcı daha ikinci tıklamada bekleme duygusuna girerse kaçıyor — özellikle mobilde bu çok daha sert hissediliyor; bağlantı iyi değilse ağır JS bundle’ları anında sinir bozuyor, sayfayı kapatıp başka yere gidiyorsunuz.
Bir de şu var: hızlı site sadece kullanıcı memnuniyeti demek değil, içerik keşfi demek de aynı zamanda. Arama botları hafif ve düzenli yapıları seviyor çünkü taraması kolaylaşıyor. Bu kadar basit.
Programmatic SEO Nasıl Kurulmuş?
Bana göre bu projenin en akıllıca tarafı şu: dönüşümler rastgele dökülmemiş, veri modeli olarak düşünülmüş. Her kategori için yüzlerce olası kombinasyon var ve bunların hepsi ayrı URL’ye dönüştürülmüş. Örnek olarak /length/cm-to-inch gibi açık adresler kullanılmış olması güzel; neyin ne olduğunu URL’den bile anlayabiliyorsunuz, ekstra açıklamaya gerek yok. Bu konuyla ilgili NZXT Flex Davasında 3,45 Milyon Dolarlık Uzlaşma: Ne Değişiyor? yazımıza da göz atmanızı tavsiye ederim.
| Yaklaşım | Kullanıcıya Etkisi | SEO’ya Etkisi |
|---|---|---|
| Tek genel dönüştürücü | Daha az odaklı deneyim | Zayıf long-tail yakalama |
| Kategori bazlı sayfalar | Daha anlaşılır yapı | Daha iyi konu kümelenmesi |
| Dönüşüm çifti bazlı ayrı sayfalar | Tam niyet eşleşmesi | Uzun kuyrukta güçlü görünürlük |
Bence burada asıl oyun içerikte gizli. Her sayfanın title ve description alanının benzersiz olması yetmez; destekleyici açıklamalar da farklı olmak zorunda. Yoksa Google çok çabuk kokuyu alır — aynı iskeletin üstüne başka sayı giydirdiğini fark eder, tebrik etmez.
“Programmatic SEO işe yarar mı?” sorusunun kısa cevabı evet… ama yalnızca veri gerçekten anlam taşıyorsa ve her sayfa kullanıcıya yeni bir şey söylüyorsa.
Eşik noktası nerede?
Bunu yaşayan biri olarak söyleyeyim, Küçük startup tarafında bu yöntem inanılmaz verimli olabiliyor. Ekip küçük, içerik üretimini elle ölçeklemek imkânsız — o noktada veri-temelli üretim nefes aldırıyor. Enterprise seviyede ise iş biraz daha karmaşıklaşıyor; yönetişim, kalite kontrolü, hukuk onayı derken otomasyonun çevresi kalınlaşıyor. Haklı olarak da.
Biri bana geçen ay Levent’te tam bunu sorduğunda şöyle dedim: “Binlerce sayfa üretmek kolay kısım.” Zor olan, hangisinin gerçek kullanıcı niyeti taşıdığını seçmek ve boş kombinasyonları elemek. İşte tam orada editoryal karar devreye giriyor. Ve o kararı hiçbir araç sizin yerinize veremiyor, maalesef. Daha fazla bilgi için Claude Code Eklenti Ekosistemi: 12.000+ Plugin Rehberi yazımıza bakabilirsiniz.
Smart Search Neden Bu Kadar Önemli?
Lafı gevelemeden söyleyeyim: search kutusu kötü olan araç zaten yarım kazançtır. Qvert’in doğal dil girişini desteklemesi bu yüzden önemli. Kullanıcı “175 cm in inches” yazabiliyor ya da direkt “how many cups in a gallon” diyebiliyor — sistem bunu anlayıp doğru eşleşmeye götürüyor. Basit gibi görünüyor ama bunu düzgün kurmak hiç de öyle değil.
İşin garibi, Burada kullanılan skorlamalı eşleştirme mantığı güzel kurulmuş görünüyor: exact match en üste çıkıyor, prefix matching ikinci sırada değerlendiriliyor, substring ise son çare olarak devreye giriyor. Bu sıranın önemi büyük çünkü yanlış pozitifleri azaltıyor; mesela “meters” kelimesinin yanlışlıkla “millimeters”a kaymasını engelliyorsunuz (eh, fena değil). Küçük ama kritik bir ayrım. Bu konuyla ilgili Bilgiyi Kendi Makinenizde Toplamak: Yerel RAG Rehberi yazımıza da göz atmanızı tavsiye ederim.
// Basit eşleşme fikri
if (query === target) score = 100;
else if (target.startsWith(query)) score = 80;
else if (target.includes(query)) score = 50;
else score = 0;Şunu söyleyeyim, Bunu test ederken benim aklıma hemen tarayıcı içi yardımcılar geldi; özellikle Chrome CDP ile çalışan otomasyonlarda benzer sorun yaşanıyor mu diye bakarken hep ilk filtreyi sağlam tutmak gerekiyor diye düşünmüştüm. Chrome CDP ile AI Ajanına Tarayıcı Gücü Vermek Pratik Kurulum Claude Code ile Hata Düzeltmeyi Otomatikleştirmek: PR’a Giden Yol yazımızda da bu konuya değinmiştik.
Sadece Sayılar Değil, Görsel Anlatım da Var mı?
Var. Ve iyi ki var diyorum çünkü düz tablo bazen yetmiyor artık. Qvert’in çift cetvel yaklaşımı veya nokta gridi tarzındaki görselleri bana eski fizik derslerini hatırlatıyor — ölçüyü gözünüzle görmek başka, rakam görmek başka. İkisi aynı şey değil.
Celsius-Fahrenheit dönüşümü gibi konularda çift termometre fikri bayağı işe yarıyor mesela. Bir taraf mavi soğuk bölgeyi gösterirken diğer taraf kırmızı sıcak bölgeye geçiyor. Kâğıt üstünde ufak ayrıntı gibi duruyor ama pratikte kullanıcıya zihinsel model veriyor. Bu tür şeyler bazen metinden çok daha ikna edici oluyor, şaşırtıcı şekilde.
- Dönüşümü yalnızca hesaplama olarak değil, bağlam olarak göstermek güven verir.
- Görsel karşılaştırma özellikle eğitim amaçlı kullanımda etkiyi artırır.
- Mobilde ekran dar olduğu için basit ama net tasarım şarttır.
- Aşırı animasyon ise ters tepebilir; burada denge önemli.
Kopya İçerik Tuzağından Nasıl Kaçılmış?
Bence projenin en hassas kısmı burasıydı. Aynı formülü bin kere çoğaltırken kopya hissettirmemek gerçekten zor iş. O yüzden AI destekli — ki bu tartışılır — açıklamalar yalnızca başlangıçta hazırlanmış ve build time’da sabitlenmiş görünüyor — yani canlı trafikte ekstra maliyet yok. Güzel detay bu.
Bi saniye — Ama şimdi dürüst olayım. Burada küçük bir hayal kırıklığı payımı da bırakayım: yapay zekâ ile üretilen context tips bazen fazla steril olabiliyor, hani elden geçirilmediyse tat eksiliyor. Ben olsam bazı yüksek trafikli kategorilerde editoryal dokunuş eklerdim; mesela uzunluk. Para dönüşümleri tamam, ama kültürel referans isteyen bölümlerde insan eli hissedilmeli. Yoksa kullanıcı “bunu bir bot yazdı” hissine kapılıyor. Ve o his bir kez yerleşti mi, güveni geri kazanmak zor.
Nelerin iyi çalıştığını düşünüyorum?
Bazı sayfaların içinde ortak bilgiler bulunması mantıklı; mesela metrik sistemin tarihçesi ya da günlük kullanım örnekleri gibi parçalar faydalı. Ama bunlar robotik tonla yazılırsa etki düşer (buna dikkat edin) — bence çok yerinde bir karar —. Burada içerik planlamasının — kendi adıma konuşayım — ince işi başlıyor: aynı şablon içinde tekrar etmeyen mikro anlatılar oluşturmak. Kolay değil, emek istiyor.
Peki Bu Model Kim İçin Uygun?
Practical tarafa gelelim. Küçük proje yapan biriyseniz bunun değeri net; özellikle affiliate veya bilgi odaklı sitelerde long-tail trafik toplamak için birebir. Startup aşamasında manuel içerikle yetişemezsiniz, o yüzden veri-temelli üretim hayat kurtarır (en azından benim deneyimim böyle). Gerçekten.
Aşağıdaki senaryolar işinizi kolaylaştırabilir: (evet, doğru duydunuz)
- Küçük startup için: önce az kategoriyle başlayın, trafik veren terimleri ölçün. — bunu es geçmeyin
- Orta ölçekli ürün için: şablon + editoryal katman + schema birleşimi ideal olur.
- Kurumsal yapı için: legal review, lokalizasyon, güncelleme takvimi şarttır. — ciddi fark yaratıyor
- Kritik finans/sağlık alanında: otomatik içerikten önce uzman doğrulaması gerekir.
20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.
İlgili Yazılar
Bu içerik işinize yaradı mı?
Benzer içerikleri kaçırmamak için beni sosyal medyada takip edin.
