Query Fan-Out Nedir? Yapay Zeka Aramasında Sorgu Genişletme

Bu yazıda:

• Query fan-out'un tanımı ve Google'ın kendi anlatımı
• Tekniğin adım adım nasıl çalıştığı
• SEO açısından neyi değiştirdiği
• Bir konunun sorgu ailesini çıkarma yöntemi
• Pasaj düzeyinde optimizasyon ve ölçüm

Query fan-out nedir?

Query fan-out (sorgu genişletme), yapay zeka destekli arama sistemlerinin kullanıcının tek bir sorusunu çok sayıda alt sorguya ayırması, bu sorguları aynı anda çalıştırması ve gelen sonuçları tek bir yanıtta birleştirmesidir.

Terimi Google kendisi kullanıyor. AI Mode'u duyurduğu yazıda tekniği şöyle tarif ediyor: sistem sorunuzu alt konulara böler ve sizin adınıza aynı anda çok sayıda sorgu gönderir. Aynı yazıya göre Deep Search özelliği bunu bir adım ileri taşıyıp yüzlerce arama yapabiliyor.

Query fan-out nasıl çalışır?

Kullanıcının “küçük bir e-ticaret sitesi için en uygun altyapı hangisi” diye sorduğunu düşünelim. Klasik aramada bu cümle tek bir sorgudur. Sorgu genişletme kullanan bir sistemde ise perde arkasında şuna benzer alt sorgular üretilir:

• küçük işletmeler için e-ticaret altyapıları karşılaştırması
• ikas, Shopify, Ticimax, T-Soft farkları
• e-ticaret altyapısı aylık maliyet
• e-ticaret altyapısı SEO özellikleri
• altyapı değiştirirken veri taşıma
• e-ticaret altyapısı ödeme ve kargo entegrasyonları

Süreç dört adımda ilerler:

1. Ayrıştırma: Soru, içerdiği alt konulara ve örtük niyetlere bölünür.
2. Paralel getirme: Her alt sorgu için ayrı ayrı arama yapılır; sayfalar bütün olarak değil, pasaj pasaj değerlendirilir.
3. Seçme ve sıralama: Getirilen pasajlar ilgililik, güvenilirlik ve güncellik açısından yeniden sıralanır.
4. Sentez: Seçilen pasajlardan tek bir yanıt üretilir ve kaynaklar gösterilir.

Üretilen alt sorgular kullanıcıya gösterilmez ve her seferinde birebir aynı olmak zorunda değildir. Bu, yapay zeka aramasındaki görünürlüğün neden olasılıksal olduğunun başlıca nedenlerinden biridir.

SEO açısından ne değişiyor?

Klasik arama	Sorgu genişletmeli arama
Yarış, kullanıcının yazdığı sorguda	Yarış, sistemin ürettiği onlarca alt sorguda
Seçilen birim sayfadır	Seçilen birim pasajdır
Tek bir sorguya odaklanan sayfa kazanabilir	Konunun alt sorularını kapsayan kaynak daha sık seçilir
Sıra takip edilir	Görünme ve alıntılanma oranı takip edilir

En önemli sonuç şu: ana sorguda iyi sıralanmak, yanıtın içinde yer almayı garanti etmez. iPullRank'in aktardığı bir Ahrefs çalışmasına göre yapay zeka yanıtlarında alıntılanan sayfaların büyük bölümü, aynı sorguda Google'ın ilk on sonucunda yer almıyor. Çünkü alıntılanan sayfa, kullanıcının yazdığı sorguda değil, sistemin ürettiği bir alt sorguda seçilmiş oluyor.

Bir konunun sorgu ailesi nasıl çıkarılır?

Alt sorguları göremediğimiz için amacımız onları tahmin etmek değil, konunun etrafındaki soru uzayını olabildiğince eksiksiz kapsamaktır. Kullandığım yöntem:

1. Arama sonuç sayfasını okuyun. “Kullanıcılar bunları da sordu” kutusu ve ilgili aramalar, Google'ın konuyla ilişkilendirdiği soruların doğrudan listesidir.
2. Search Console verisini gruplayın. Bir sayfanın gösterim aldığı tüm sorguları dışa aktarın; soru kalıplarını (nedir, nasıl, ne kadar, hangisi, farkı) regex filtreleriyle ayırın.
3. Yapay zeka araçlarına sorun. Aynı soruyu birkaç kez sorup yanıtların hangi alt başlıklara değindiğini not edin; bu başlıklar, sistemin konuyu nasıl parçaladığının izidir.
4. Niyet türlerini tamamlayın. Her konu için en azından şu niyetleri kontrol edin: tanım, nasıl yapılır, karşılaştırma, maliyet, riskler ve hatalar, alternatifler.
5. Eşleştirin. Her alt soru için sitede yanıt veren bir sayfa ya da pasaj var mı? Olmayanlar içerik boşluğunuzdur.

Pasaj düzeyinde optimizasyon

Seçilen birim pasaj olduğuna göre, sayfanın her bölümü tek başına bir yanıt gibi yazılmalıdır:

• Başlık bir soruyu karşılasın. “Genel bakış” yerine “ikas ile Shopify arasındaki fark nedir?”
• Yanıt ilk cümlelerde gelsin. Bağlam ve ayrıntı sonra.
• Bölüm bağlamdan bağımsız olsun. “Yukarıda bahsettiğimiz gibi” diye başlayan bir paragraf, sayfadan koparıldığında anlamını yitirir.
• İddiayı kanıtla birlikte verin. Sayı, kaynak, örnek.
• Karşılaştırmaları tabloya koyun. Tablolar hem kullanıcı hem makine için ayrıştırması kolay yapılardır.
• Varlıkları açık adlandırın. “Bu araç” yerine aracın adı; “o platform” yerine platformun adı.

Bu ilkeler yeni değil; iyi yazılmış, GEO uyumlu içeriğin tanımıyla aynı. Değişen, neden önemli olduklarının artık mimari bir açıklamasının olması.

Etkisi nasıl ölçülür?

Alt sorgular görünmediği için doğrudan ölçüm yoktur; dolaylı göstergeler kullanılır (soru seti ve tekrarlı ölçümün ayrıntısı için: yapay zeka görünürlüğü nasıl ölçülür?):

• Sorgu çeşitliliği: Search Console'da bir sayfanın gösterim aldığı farklı sorgu sayısı artıyor mu?
• Uzun ve soru biçimli sorgular: Bu sorgulardaki gösterim ve tıklamalar nasıl değişiyor?
• Yapay zeka araçlarında görünme oranı: Sabit bir soru seti tekrarlı biçimde çalıştırıldığında markanın anılma ve kaynak gösterilme oranı.
• Yönlendirme trafiği: GA4'te yapay zeka araçlarından gelen oturumlar.

Sık sorulan sorular

Query fan-out yalnızca Google'a mı özgü?

Terimi Google kullanıyor, ancak soruyu alt sorgulara ayırıp birden fazla arama yapmak, arama yapabilen yapay zeka asistanlarının genelinde görülen bir yaklaşımdır.

Her alt soru için ayrı sayfa mı açmalıyım?

Hayır. Birbirine çok yakın sorular için ayrı sayfalar açmak zayıf ve yinelenen içerik üretir. Alt soruların çoğu, iyi yapılandırılmış bir sayfanın bölümleri olarak karşılanır; ayrı sayfa yalnızca kendi başına derinlik gerektiren konular için açılmalıdır.

Klasik anahtar kelime araştırması geçersiz mi oldu?

Hayır, kapsamı genişledi. Arama hacmi olan sorguları bulmak hâlâ gerekli; buna ek olarak hacmi ölçülemeyen ama konunun parçası olan soruları da kapsamak gerekiyor.

Kaynaklar

1. Google: AI Mode in Google Search
2. iPullRank: How AI Mode Works
3. John Iwuozor, iPullRank: AI Search and probability
4. Google Search Central: Yapay zeka özellikleri ve web siteniz