Schema Markup Rehberi: 2026 İçin Güncel Pratikler
2026 yılı için schema markup rehberi. FAQPage, Article, Organization schema ve GEO perspektifinden structured data implementasyonu.
Schema Markup Nedir?
Schema markup, bir web sayfasındaki içeriğin ne anlama geldiğini makinelere açıkça anlatan standartlaştırılmış bir kelime dağarcığıdır. Schema.org sözlüğünü temel alır ve Google, Bing, Yandex gibi arama motorlarının ortak desteklediği bir yapısal veri biçimidir.
Yapısal veri, bir sayfanın sadece nasıl göründüğünü değil ne hakkında olduğunu tanımlar. Bir fiyatın fiyat, bir tarihin yayın tarihi, bir kişinin yazar olduğunu işaretlemek, sistemlerin içeriği yorumlama belirsizliğini ortadan kaldırır.
Neden JSON-LD?
Schema markup üç biçimde uygulanabilir: JSON-LD, Microdata ve RDFa. Google, bu üç biçim arasından JSON-LD'yi açıkça önerir. Bunun nedeni, JSON-LD'nin yapısal veriyi görünür HTML'den ayırmasıdır; veri, sayfanın head veya body bölümüne tek bir script bloğu olarak eklenir.
JSON-LD - Google'ın önerdiği biçim; HTML'den bağımsız bir script bloğu olarak eklenir, bakımı kolaydır.
Microdata - Etiketler doğrudan HTML elementlerine gömülür; bakımı daha zordur ve markup'ı dağıtır.
RDFa - HTML özniteliklerini genişleten eski bir biçim; modern uygulamalarda nadiren tercih edilir.
En Önemli Schema Tipleri
Article
Article schema, blog yazıları ve haber içerikleri için kullanılır. headline, author, datePublished, dateModified ve publisher alanları, hem arama motorlarının hem de AI sistemlerinin içeriğin yazarını, güncelliğini ve yayıncısını anlamasını sağlar.
FAQPage
FAQPage schema, soru-cevap formatındaki içerikleri işaretler. Her soru bir Question, her yanıt bir Answer olarak tanımlanır. Bu yapı, AI sistemlerinin doğrudan alıntılayabileceği net soru-cevap çiftleri sunduğu için GEO açısından özellikle değerlidir.
Organization
Organization schema, markanızı bir varlık (entity) olarak tanımlar. name, logo, url, sameAs ve contactPoint alanları, markanızın bilgi grafiğinde doğru şekilde temsil edilmesine ve AI sistemlerinin sizi tanınabilir bir otorite olarak konumlandırmasına yardımcı olur.
GEO Perspektifinden Schema
Yapısal veri, üretken yapay zeka sistemlerinin içeriği belirsizlik olmadan ayrıştırmasına yardımcı olur. Bir LLM, FAQPage işaretlemesiyle tanımlanmış net bir soru-cevap çiftini, etiketlenmemiş serbest metne kıyasla daha güvenle alıntılar. Schema, içeriği makine tarafından okunabilir hale getirerek alıntılanma olasılığını artırır.
Doğrulama ve Yayına Alma
Schema'yı yayına almadan önce Google Rich Results Test ve Schema.org doğrulayıcısı ile kontrol edin. Hatalı veya eksik işaretleme zengin sonuçların görünmesini engelleyebilir. Yayına aldıktan sonra Search Console'daki Enhancements raporlarından geçerli işaretleme sayısını ve hata durumunu izleyin.