İçeriğe atla
Blog'a Dön
Arama Motorları

Query Fan-Out Nedir? Sorgu Yayma ve İçerik Planı

Next GEO Agency

Yapay zeka destekli taslak; yayından önce baştan sona okunur ve iddialar birincil kaynaklara karşı kontrol edilir. İçerik üretim sürecimiz

Mavi zeminde merkezden dışa doğru ince çubuklarla uzanan şeffaf cam küreler

Query fan-out (Türkçe belgelerde "sorgu yayma"), bir yapay zeka arama özelliğinin kullanıcının tek sorusunu birden fazla alt soruya bölüp her biri için ayrı arama yapması ve sonuçları tek bir yanıtta birleştirmesidir. Google, Yapay Zeka Bakışı ve Yapay Zeka Modu'nun bu tekniği kullanabildiğini yazar. İşletme için anlamı şudur: soru bir sayfayla değil, alt konuları cevaplayan sayfalar kümesiyle karşılanır.

Klasik aramada kullanıcı bir sorgu yazar ve o sorguya en iyi cevap veren sayfalar sıralanır. Yapay zeka destekli aramada ise kullanıcı daha uzun ve ayrıntılı bir soru sorar; sistem bu soruyu parçalara ayırır, her parça için ayrı arama yapar ve bulduklarını birleştirerek bir yanıt kurar. Bu değişiklik, bir işletmenin "hangi sorguda çıkıyorum" sorusunu "müşterimin sorusunun hangi parçalarında kaynak olabiliyorum" sorusuna çevirir.

Query fan-out nedir? Kısa cevap

Query fan-out, yapay zeka destekli bir arama sisteminin bir soruyu alt konulara ayırıp her alt konu için ayrı arama yapması ve sonuçları birleştirerek yanıt oluşturması tekniğidir. Google'ın yapay zeka özellikleri ve web siteniz belgesi bunu Türkçe "sorgu yayma" adıyla tanımlar: hem Yapay Zeka Bakışı hem de Yapay Zeka Modu, yanıt geliştirmek için alt konularda ve veri kaynaklarında birden fazla ilgili arama yapma tekniğini kullanabilir.

Tekniğin üç adımı şöyle özetlenebilir:

  1. Bölme: kullanıcının sorusu, cevaplanması gereken alt sorulara ayrılır.
  2. Arama: her alt soru için ayrı arama yapılır ve kaynaklar toplanır.
  3. Birleştirme: bulunan bilgiler tek bir yanıtta birleştirilir ve destekleyici kaynaklara bağlantı verilir.

Belge bu adımların nasıl yürütüldüğünü teknik ayrıntıyla anlatmaz; yalnızca tekniğin kullanılabildiğini yazar. Bu yüzden aşağıdaki örnekler, tekniğin mantığını anlatmak için kurulmuş açıklamalardır, Google'ın iç işleyişinin birebir tarifi değildir.

Query fan-out nasıl çalışır? Bir örnek

Query fan-out'un mantığı, uzun bir sorunun hangi alt sorulardan oluştuğuna bakılarak anlaşılır. Kullanıcı tek cümle yazar, ama o cümlenin içinde birden fazla bilgi ihtiyacı vardır.

Örnek bir soru: "Kahramanmaraş'ta küçük bir kafe açacağım, web sitesi mi yaptırmalıyım yoksa Instagram yeter mi, ne kadar tutar?" Bu sorunun içinde en az şu alt sorular bulunur:

Alt soruHangi tür sayfa cevaplayabilir
Kafe için web sitesi gerekli mi?Web sitesi gerekliliği üzerine bilgi yazısı
Instagram tek başına yeterli mi?Sosyal medya ile web sitesi karşılaştırması
Web sitesinin maliyeti neye göre değişir?Fiyat sayfası ya da maliyet kalemleri yazısı
Kafe için hangi sayfalar olmalı?Sektöre özel site rehberi
Haritada görünmek için ne gerekir?İşletme Profili rehberi

Tablodaki sağ sütun, yanıtın hangi tür kaynaklardan beslenebileceğini gösterir. Tek bir sayfa bu beş sorunun hepsini derinlemesine cevaplamaz; ama bir sitede bu alt soruları ayrı ayrı ve açıkça cevaplayan sayfalar varsa, o site yanıtın birden fazla parçasında kaynak olabilir.

Bu bölme mantığı, kullanıcının sorduğu sorunun niyetini de çoğaltır. Aynı soru içinde bilgi ("gerekli mi"), karşılaştırma ("hangisi yeter") ve maliyet ("ne kadar tutar") niyetleri bir arada bulunur. Bir aramanın arkasındaki niyet türlerini ve her birinin hangi tür sayfayla karşılandığını anlatan arama niyeti yazısı, alt soruların neden farklı sayfalara dağıldığını açıklar.

Yapay Zeka Bakışı ve Yapay Zeka Modu'nda query fan-out

Google'ın belgesi query fan-out tekniğini iki özellik için anar: Yapay Zeka Bakışı ve Yapay Zeka Modu. Belgeye göre Yapay Zeka Bakışı, kullanıcıların karmaşık bir konunun ana fikrini daha hızlı anlamasına yardım eder; Yapay Zeka Modu ise daha ayrıntılı inceleme, akıl yürütme ya da karmaşık karşılaştırma gerektiren sorgular için idealdir.

Aynı belge Yapay Zeka Modu'nu şöyle tarif eder: kullanıcılar daha önce birden fazla arama yapmayı gerektiren ayrıntılı sorular sorabilir ve destekleyici web sitelerinin bağlantılarını içeren kapsamlı, yapay zeka destekli yanıtlar alabilir. Bu tarif, query fan-out'un neden önemli olduğunu da gösterir: kullanıcının eskiden kendi yaptığı birkaç aramayı sistem kendisi yapar.

Yapay Zeka Modu'nun işletme siteleri açısından ne anlama geldiğini, hangi ülkelerde ve dillerde kullanılabildiğini ve işletmenin görünürlüğünü nasıl etkileyebileceğini ayrıca ele alan Google AI Mode yazısı, bu özelliğin kendisini tanıtır. Query fan-out ise bu özelliğin yanıtı nasıl kurduğunu anlatan tekniktir.

Belge iki özelliği ayrı ayrı tarif ettiği için, aynı sorunun iki özellikte aynı kaynaklarla cevaplanacağı varsayılmaz. Bir işletme kendi sorularını test ederken iki özelliği ayrı not eder ve tek bir ölçüm sonucunu genellemez.

Query fan-out için özel optimizasyon gerekir mi?

Google'a göre gerekmez: aynı belge, Yapay Zeka Bakışı veya Yapay Zeka Modu'nda görünmek için ek şart olmadığını ve başka özel optimizasyonların da gerekmediğini açıkça yazar. Bunun yerine SEO ile ilgili temel en iyi uygulamaların bu özellikler için de geçerli olmaya devam ettiğini belirtir.

Belgenin saydığı temel uygulamalar şunlardır: robots.txt dosyasında ve kullanılan altyapıda taramaya izin verilmesi, içeriğin dahili bağlantılarla bulunabilir olması, iyi bir sayfa deneyimi, önemli içeriğin metin olarak sunulması, metnin uygun görsel ve videolarla desteklenmesi, yapılandırılmış verinin sayfadaki görünür metinle eşleşmesi ve Merchant Center ile İşletme Profili bilgilerinin güncel olması. Belge ayrıca bu özelliklerde görünmek için yeni makine tarafından okunabilir dosyalar, yapay zeka metin dosyaları veya işaretleme oluşturmanın gerekmediğini ve eklenmesi gereken özel bir schema.org yapılandırılmış verisi olmadığını da belirtir.

Bu yüzden "query fan-out optimizasyonu" adıyla satılan ayrı bir teknik iş, Google belgesinin söylediğiyle örtüşmez. Query fan-out'u anlamanın pratik değeri başka yerdedir: hangi sayfaların yazılacağını ve bu sayfaların birbirine nasıl bağlanacağını planlarken müşterinin sorusunu alt sorulara bölmek. Bu, bir optimizasyon hilesi değil, içerik planlamanın bir yöntemidir.

Google dışındaki yapay zeka arama motorlarının kaynak seçimi kendi kurallarına bağlıdır. ChatGPT, Perplexity, Gemini ve Copilot gibi motorların kaynağı nasıl seçtiğini karşılaştıran yapay zeka arama motorları yazısı, her motorun kendi belgesinin ne söylediğini ayrı ayrı ele alır.

Query fan-out içerik planını nasıl değiştirir?

Query fan-out, içerik planını "tek anahtar kelime, tek sayfa" mantığından "bir müşteri sorusu, onu oluşturan alt soruları cevaplayan sayfa kümesi" mantığına taşır. Plan, müşterinin gerçek sorusuyla başlar ve o sorunun içindeki her alt bilgi ihtiyacı için sitede açık bir cevap olup olmadığına bakılır.

Planlamanın adımları şöyledir:

  1. Soruyu topla: müşterilerin telefonda, mesajda ve yüz yüze sorduğu uzun soruları yazılı olarak kaydet.
  2. Alt sorulara böl: her uzun soruyu, cevaplanması gereken ayrı bilgi ihtiyaçlarına ayır.
  3. Sitede karşılık ara: her alt soru için sitede doğrudan cevap veren bir sayfa ya da bölüm var mı, kontrol et.
  4. Boşluğu yaz: cevabı olmayan alt sorular için yeni sayfa ya da mevcut sayfaya yeni bölüm planla.
  5. Bağla: aynı uzun sorunun alt sorularını cevaplayan sayfaları birbirine bağlantılarla bağla.

Beşinci adım sıklıkla atlanır, oysa Google'ın belgesi içeriğin dahili bağlantılarla bulunabilir olmasını temel uygulamalar arasında sayar. Alt soruları cevaplayan sayfalar birbirine bağlandığında hem kullanıcı bir sonraki sorusunun cevabını bulur hem de tarayıcılar sayfalar arasındaki ilişkiyi görür. Sayfalar arasında bağlantının nasıl kurulduğunu, hangi anchor metninin seçildiğini ve yetim sayfanın nasıl önlendiğini anlatan iç linkleme yazısı bu adımın uygulamasıdır.

Bir sayfa alt soruyu nasıl açıkça cevaplar?

Bir sayfa alt soruyu, o soruyu başlığında ya da ara başlığında taşıyarak ve hemen altındaki ilk cümlede doğrudan cevap vererek açıkça cevaplar. Cevabın paragrafların arasında dağılmış olması, hem okuyucu hem de cevabı bir yanıta alıntılayacak sistem için bulmayı zorlaştırır.

Açık cevabın özellikleri şunlardır:

  • Soru başlıkta: ara başlık, kullanıcının sorduğu soruya yakın bir dille yazılır.
  • Cevap ilk cümlede: başlığın altındaki ilk cümle sorunun cevabını verir, ayrıntı sonra gelir.
  • Somut bilgi: cevap genel bir ifade değil, doğrulanabilir bir bilgi taşır (süre, kapsam, koşul, adım).
  • Kendi başına okunur: bölüm, sayfanın geri kalanı okunmadan da anlaşılacak kadar bağlam içerir.
  • Metin olarak: önemli bilgi yalnızca görselin içinde ya da etkileşimli bir öğede değil, metinde yer alır.

Son madde, Google'ın belgesindeki "önemli içeriklerin metin biçiminde sunulması" önerisiyle örtüşür. Fiyat tablosu yalnızca bir görsel olarak yüklenmişse ya da hizmet kapsamı yalnızca bir videoda anlatılıyorsa, alt soruya cevap veren metin sayfada yoktur.

Bu yapı, blog yazısı için de hizmet sayfası için de aynıdır. Blog yazısının başlık, giriş ve bölüm düzenini arama ve okuyucu açısından ele alan SEO uyumlu blog yazısı yazısı, açık cevap ilkesinin uzun içerikteki uygulamasını gösterir.

Query fan-out tıklama ve trafiği nasıl etkiler?

Query fan-out ile kurulan bir yanıtta kullanıcı sorusunun önemli bir kısmının cevabını doğrudan yanıtta görebilir; bu yüzden bir sitenin yanıtta kaynak olması, her zaman o siteye tıklama anlamına gelmez. Ama yanıtın destekleyici bağlantıları, ayrıntı isteyen kullanıcıyı kaynağa yönlendirir.

Google'ın belgesi bu konuda kendi gözlemini yazar: Yapay Zeka Bakışı özelliğinin bulunduğu arama sonucu sayfalarında yapılan tıklamaların daha yüksek kalitede olduğunu, yani kullanıcıların söz konusu sitede daha fazla zaman geçirme olasılığının daha yüksek olduğunu belirtir. Bu bir Google beyanıdır; tek bir sitenin kendi verisinde aynı sonucun çıkıp çıkmadığı ayrıca ölçülür.

Tıklamanın azaldığı ama görünürlüğün sürdüğü bu durumu, talep ölçümünün nasıl değiştiği açısından ele alan sıfır tıklama çağında pazarlama yazısı, trafiğin yerine hangi sinyallerin izlenebileceğini tartışır. Bir işletme için asıl soru, yanıtta görünüp görünmemekten çok, yanıtı okuyup işletmeyi arayan ya da ziyaret eden kişinin talebe dönüp dönmediğidir.

Query fan-out etkisi nasıl ölçülür?

Query fan-out'un bir siteye etkisini doğrudan gösteren ayrı bir rapor yoktur; Google'ın belgesine göre yapay zeka özelliklerinde görünen siteler Search Console'daki genel arama trafiğine dahil edilir ve Performans raporunda "Web" arama türü altında raporlanır. Ölçüm, bu genel raporun yanında sitenin kendi analitik verisiyle yapılır.

Ölçümün kullanılabilir yolları şunlardır:

ÖlçümKaynakNe gösterir
Uzun sorgu gösterimleriSearch Console Performans raporuSitenin uzun, soru biçimindeki sorgularda görünüp görünmediği
Sayfa başına gösterim değişimiSearch ConsoleAlt soruları cevaplayan sayfaların görünürlüğü
Yapay zeka asistanı trafiğiGoogle Analytics kanal raporuChatGPT, Gemini gibi kaynaklardan gelen ziyaretler
Sitede geçirilen süre ve dönüşümGoogle AnalyticsGelen ziyaretin niteliği
Elle yapılan soru testleriYapay zeka arama araçlarıBelirli sorularda sitenin kaynak olarak görünüp görünmediği

Son satır, en doğrudan ama en dalgalı ölçüdür. Aynı soru farklı zamanlarda, farklı hesaplarla ya da farklı konumlardan sorulduğunda farklı kaynaklar gösterilebilir. Bu yüzden elle yapılan testler sabit bir soru setiyle, tarih ve koşul not edilerek ve birden fazla tekrarla yapılır. Yapay zeka görünürlüğünü hangi metriklerle ölçmenin mümkün olduğunu ve her metriğin sınırını anlatan AI görünürlüğü nasıl ölçülür yazısı, bu ölçüm setinin ayrıntısını verir.

Query fan-out ile LLM arasındaki ilişki nedir?

Query fan-out bir arama tekniğidir, LLM (büyük dil modeli) ise bu tekniğin sonuçlarını okuyup birleştirerek yanıtı yazan model türüdür. Yapay zeka destekli arama özelliklerinde ikisi birlikte çalışabilir: model soruyu anlamlandırır, arama tekniği kaynakları toplar, model yeniden bu kaynaklardan yanıtı kurar.

Google dışındaki asistanlarda da arama ile modelin işi ayrı tarayıcılarla yürüyebilir. OpenAI'ın tarayıcılar belgesi, OAI-SearchBot'un ChatGPT'nin arama özelliklerinde web sitelerini göstermek için kullanıldığını ve OAI-SearchBot'u engelleyen sitelerin ChatGPT arama yanıtlarında gösterilmeyeceğini, ancak gezinme bağlantısı olarak yine görünebileceğini yazar. Yani bir sitenin bu tür bir yanıtın alt sorularında kaynak olabilmesi için önce o aramayı yapan tarayıcıya açık olması gerekir.

Bu ayrım, işletme açısından iki farklı soruyu ayırır. Birincisi, "sitem aramada bulunuyor mu?" sorusudur ve tarama, dizine ekleme ve içerik kalitesiyle ilgilidir. İkincisi, "model bulduğu bilgiyi yanıtta doğru kullanıyor mu?" sorusudur ve sayfadaki bilginin açık, tutarlı ve doğrulanabilir olmasıyla ilgilidir.

Büyük dil modellerinin ne olduğunu, nasıl çalıştığını ve bir işletmenin bilgisini nereden aldığını temel düzeyde açıklayan LLM nedir yazısı, query fan-out'un hangi sistemin içinde çalıştığını anlamak için bir sonraki adımdır. İki kavram birlikte okunduğunda, yapay zeka aramasında görünmenin neden "doğru bilgiyi açıkça yazmak" ilkesine dayandığı daha net görünür.

İşletme query fan-out'a göre ne yapmalı?

İşletmenin query fan-out'a göre yapacağı iş, ayrı bir optimizasyon değil, müşteri sorularını alt sorulara bölüp sitede her birine açık bir cevap vermektir. Bu iş, Google'ın kendi belgesinde saydığı temel SEO uygulamalarıyla aynı yönde ilerler.

Somut bir iş listesi şöyle kurulabilir:

  • Soru envanteri: müşterilerin sorduğu en az on uzun soru yazılır.
  • Alt soru haritası: her soru alt sorularına bölünür ve sitede karşılığı işaretlenir.
  • Eksik sayfalar: karşılığı olmayan alt sorular için sayfa ya da bölüm planlanır.
  • Açık cevap: mevcut sayfaların ara başlıkları ve ilk cümleleri soru-cevap düzenine göre gözden geçirilir.
  • Bağlantı: aynı sorunun alt sorularını cevaplayan sayfalar birbirine bağlanır.
  • Teknik zemin: taramaya izin, metin olarak içerik, güncel İşletme Profili ve yapılandırılmış verinin görünür metinle eşleşmesi kontrol edilir.
  • Ölçüm: Search Console'da uzun sorgu gösterimleri ve analitikte yapay zeka asistanı kanalı izlenir.

Bu listenin hiçbir maddesi yalnızca yapay zeka araması için değildir; hepsi klasik aramada da işletmenin işine yarar. Query fan-out'u bilmenin değeri, listenin ikinci ve üçüncü maddesine verdiği yöndür: işletme artık tek tek kelimeleri değil, müşterisinin bütün sorusunu ve o sorunun her parçasını düşünerek içerik planlar.

Sıkça Sorulan Sorular

Query fan-out Türkçe ne demek?

Google'ın Türkçe belgelerinde "sorgu yayma" olarak geçer. Yapay zeka destekli bir arama özelliğinin kullanıcının sorusunu alt konulara ayırıp her biri için ayrı arama yapması ve sonuçları birleştirerek yanıt oluşturması anlamına gelir. Google, Yapay Zeka Bakışı ve Yapay Zeka Modu'nun yanıt geliştirmek için bu tekniği kullanabildiğini yazar.

Query fan-out için özel bir SEO çalışması gerekir mi?

Google'a göre gerekmez. Google'ın yapay zeka özellikleri belgesi, Yapay Zeka Bakışı veya Yapay Zeka Modu'nda görünmek için ek şart olmadığını ve özel optimizasyon gerekmediğini yazar; temel SEO uygulamaları geçerliliğini korur. Pratik değeri içerik planlamadadır: müşteri sorusunu alt sorulara bölüp her birine sitede açık bir cevap vermek.

Query fan-out hangi Google özelliklerinde kullanılır?

Google'ın belgesi, hem Yapay Zeka Bakışı'nın hem de Yapay Zeka Modu'nun yanıt geliştirmek için alt konularda ve veri kaynaklarında birden fazla ilgili arama yapma tekniğini kullanabildiğini yazar. Yapay Zeka Bakışı karmaşık bir konunun ana fikrini hızlı anlamak için, Yapay Zeka Modu ise ayrıntılı inceleme ve karşılaştırma gerektiren sorgular için tarif edilir.

Query fan-out etkisi Search Console'da görülür mü?

Ayrı bir rapor yoktur. Google'a göre yapay zeka özelliklerinde görünen siteler Search Console'daki genel arama trafiğine dahil edilir ve Performans raporunda "Web" arama türü altında raporlanır. Uzun, soru biçimindeki sorgulardaki gösterimler ve Google Analytics'teki yapay zeka asistanı kanalı, etkiyi dolaylı olarak izlemenin yollarıdır.

Query fan-out tek sayfalık içeriği nasıl etkiler?

Tek bir sayfa, uzun bir müşteri sorusunun bütün alt sorularını derinlemesine cevaplayamayabilir. Query fan-out ile kurulan yanıt, alt soruları farklı kaynaklardan toplayabilir. Bu yüzden her alt soruyu açıkça cevaplayan sayfalar kurmak ve bunları birbirine bağlantılarla bağlamak, sitenin yanıtın birden fazla parçasında kaynak olma olasılığını destekler.