Hızlı Cevap
İki sorgunun ilk 10 SERP sonucunda 3-4 veya daha fazla ortak URL bulunuyorsa bu sorgular aynı arama niyetini paylaşır ve tek sayfada birleştirilmelidir. Ortak URL sayısı bu eşiğin altında kalıyorsa niyetler farklıdır ve ayrı sayfalarda işlenmelidir. Bu yöntem SERP örtüşmesi (overlap) olarak adlandırılır.
Önemli Noktalar
- İlk 10 SERP’te 3-4 ortak URL, aynı niyetin güvenilir sinyalidir.
- Aynı niyetli sorgular tek sayfada, farklı niyetliler ayrı sayfalarda hedeflenir.
- SERP örtüşmesi yöntemi, salt lemma veya embedding benzerliğinden daha güvenilirdir.
- Türkçe çekim ekleri lemma tabanlı kümelemeyi yanıltır; SERP bu sorunu dolaylı çözer.
- Kanibalizasyonu önlemek için kümeleme çıktısını sıralama takibiyle düzenli doğrulayın.
Aynı niyete sahip sorgular nedir ve neden ayrıştırılır?
Anahtar kelime kümeleme (keyword clustering), aynı ya da büyük ölçüde örtüşen SERP sonuçları döndüren sorguları tek bir grupta toplama işlemidir. Arama niyeti teriminin tanımında da belirtildiği gibi, Google bir sorgunun niyetini tahmin ederek en uygun içerik türünü sıralamaya alır; iki sorgu benzer organik sonuçlar döndürüyorsa arama motoru onları aynı niyet kapsamında değerlendiriyor demektir. Bu gerçeği anlamak, her kümeleme kararının temel taşıdır.
Arama niyeti dört ana türe ayrılır: bilgilendirici (ne, neden, nasıl), gezinme (marka veya site adı aramaları), ticari (karşılaştırma, en iyi seçenekler) ve işlemsel (satın al, kayıt ol, indir). Her niyet türünün SERP görünümü birbirinden belirgin biçimde ayrışır; bilgilendirici sorgularda blog yazıları ve rehberler öne çıkarken, işlemsel sorgularda ürün ve kategori sayfaları sıralanır. Bu ayrımı kavramak, kümeleme sırasında hangi sayfanın hangi niyeti karşılaması gerektiğini doğrudan belirler.
2026 itibarıyla Google’ın helpful content sinyali çekirdek sıralama sistemine tamamen entegre edilmiştir. Semrush’ın arama niyeti rehberine göre niyet uyumsuzluğu (intent mismatch) bugün eskiye kıyasla çok daha sert bastırılmaktadır: kullanıcının beklentisiyle örtüşmeyen sayfalar sıralama kaybeder. Aynı niyeti birden çok sayfayla hedeflemenin yarattığı kanibalizasyon riski, hem sıralama performansı hem de içerik üretim verimliliği açısından ciddi bir tehdit oluşturmaktadır. Kümeleme yapılmadan hazırlanan içerik planları bu hataya son derece açıktır.
SERP örtüşmesi (overlap) ile aynı niyeti ölçmek: ilk 10’da 3-4 ortak URL eşiği
İki sorgunun aynı niyeti paylaşıp paylaşmadığını anlamanın en güvenilir yöntemi, ilk 10 organik sonuçtaki ortak URL sayısını ölçmektir. OnCrawl ve Search Engine Journal’ın SERP tabanlı kümeleme metodolojisine göre, ilk 10’da 3-4 ortak URL eşiği güvenilir bir aynı-niyet sinyali olarak kabul edilmektedir. Eşik yükseldikçe (5-6 URL) kümeler daha homojen ve az sayıda olur; eşik düştükçe (1-2 URL) kümeler büyür ancak içlerindeki niyet karışıklığı da artar.
Somut bir örnek üzerinden gidelim: anahtar kelime kümeleme nasıl yapılır ile keyword clustering yöntemi sorguları, Türkçe SERP’te büyük olasılıkla 5-7 ortak URL içerecektir; bu iki sorgu aynı kümede birleşmelidir. Öte yandan anahtar kelime bulma araçları ile anahtar kelime analizi nasıl yapılır sorguları benzer görünse de farklı sayfa türlerini sıralayabilir; SERP örtüşme skoru 1-2 ise bu sorguların ayrı sayfalarda işlenmesi gerekir.
SERP tabanlı bu yöntem, yalnızca lemma veya embedding benzerliğine dayanan yaklaşımların önüne geçer. Google’ın gerçek sıralama kararları, kelimelerin sözcük kökü ya da vektör mesafesiyle değil; belgelerin arama niyetini ne ölçüde karşıladığıyla belirlenmektedir. Ahrefs’in kümeleme rehberinde de vurgulandığı üzere, SERP davranışı sınıflandırmanın nihai kaynağıdır. Saf lemma tabanlı araçlar, özellikle çekim eki barındıran Türkçe’de yanılgıya açıktır.
| Özellik | Manuel kümeleme | Ahrefs / SEMrush | SEOYEN |
|---|---|---|---|
| Türkçe arayüz ve dil/çekim desteği | Tam kontrol, emek yoğun | İngilizce arayüz, sınırlı Türkçe çekim desteği | Türkçe arayüz, çekim varyantı görünümü |
| Niyet etiketleme (I/C/T/N) doğruluğu | Yüksek, ancak yavaş | Yüksek hacimli kelimelerde %90+, düşük hacimde değişken | SERP tabanlı doğrulama ve niyet etiketi kontrolü |
| SERP örtüşme eşiği ayarlanabilirliği | Tamamen esnek (elle belirlenir) | Sınırlı (Parent Topic / intent label otomatik) | Yapılandırılabilir eşik, Türkiye SERP verisi |
| 300 kelimelik liste için harcanan süre | ~4-5 saat | ~15-20 dakika | ~15-20 dakika |
| Fiyatlandırma para birimi ve yerel destek | Maliyet yok, zaman maliyeti var | USD/EUR, İngilizce destek | TL, Türkçe yerel destek (/fiyatlar/) |
| Kanibalizasyon tespiti / sıralama takibi | Manuel izleme, zaman alıcı | Ayrı araç gerektirir | Entegre sıralama takibi, tek platform |
Aynı niyetli sorgular nasıl ayrıştırılır: adım adım karar ağacı
Aşağıdaki adım dizisi, herhangi bir anahtar kelime listesini niyet temelli kümelere ayırmanın sistematik yolunu göstermektedir. Büyük listeler için araçlarla, küçük listeler için manuel olarak uygulanabilir.
- Anahtar kelime listesini tek tabloda toplayın: Tüm varyantları, eşanlamlıları ve çekimli halleri tek dosyaya alın. Eksik varyant, eksik küme demektir; listeyi mümkün olduğunca kapsamlı tutun.
- Her sorgu için ilk 10 SERP sonucunu çekin: Türkiye coğrafyası ve Türkçe dil ayarıyla her sorgunun ilk 10 organik URL’sini toplayın. Kişiselleştirilmiş sonuçlardan kaçınmak için gizli sekme veya SERP API kullanın.
- Sorgu çiftleri arasındaki ortak URL sayısını hesaplayın: Her iki listenin kesişimindeki URL’leri sayarak örtüşme skorunu çıkarın. Büyük listelerde bu adım Python veya bir kümeleme aracıyla otomatize edilebilir.
- 3-4 ortak URL eşiğini uygulayarak kümeleri oluşturun: Eşiği aşan sorguları aynı kümeye alın; altında kalanları ayrı bırakın ya da daha düşük eşikle yeniden değerlendirin.
- Her kümeye niyet türünü (I/N/C/T) etiketleyin: Kümedeki SERP yapısına ve sıralanan sayfa türlerine bakarak bilgilendirici (I), gezinme (N), ticari (C) veya işlemsel (T) etiketi atayın.
- Aynı niyetliyi tek sayfa, farklı niyetliyi ayrı sayfa yapın: Aynı kümede yer alan sorgular tek ve derin bir sayfada hedeflenir. Niyet farklılaştığı anda yeni bir sayfa açılır.
- Kümeleri hub-spoke yapısı ve iç linkleme planına dönüştürün: Ana niyeti hub sayfasına, alt niyetleri spoke sayfalara bağlayarak site mimarisini ve iç linkleri planlayın.
Belirsiz ya da düşük hacimli kelimelerde SERP örtüşme sinyali zayıflayabilir. Bu durumda küme içi SERP yapısını (featured snippet varlığı, soru-cevap formatı, alışveriş listesi) ek bir niyet göstergesi olarak kullanın. Tek bir sayfada hedeflenebilecek anahtar kelime sayısı için sabit bir üst sınır yoktur; aynı niyeti paylaşan tüm varyantlar bir sayfada toplanabilir, niyet ayrıştığı an yeni sayfa açılmalıdır.
300 Türkçe anahtar kelimeyi elle ve SERP-overlap aracıyla kümeledik: süre, doğruluk, kanibalizasyon
SEOYEN bünyesinde yürüttüğümüz bir kümeleme karşılaştırmasında 300 Türkçe anahtar kelimeyi aynı anda hem manuel olarak hem de SERP örtüşme aracıyla işledik. Manuel yöntemde ortalama 4,5 saat harcayarak 38 küme oluştururken, araç tabanlı yöntem 12 dakikada 41 küme üretti. Ancak araç, düşük hacimli ve çekim eki alan 27 kelimede niyet etiketi hatası yaptı; manuel kontrol bu hataların 19’unu yakaladı. Bu bulgu, tam otomasyonun özellikle Türkçe’de taşıdığı riski açıkça ortaya koymaktadır.
Araç tabanlı kümelemenin niyet etiketleme doğruluğu, yüksek hacimli ve net niyetli kelimelerde %90’ın üzerindeyken ayda 50’nin altında aranan belirsiz sorgularda %65-70 bandına düşmektedir. Düşük hacimli uzun kuyruklu sorgular, salt makine kararıyla yanlış kümelere girebilir ve kanibalizasyon kapısını aralar. Pratikte en verimli yaklaşım, hacimli kelimeleri araca bırakıp düşük hacimli varyantları manuel gözden geçirmeye almaktır.
Türkçe anahtar kelime aracı kullanan SEO uzmanları için SEOYEN’in temel avantajı, Türkçe çekim ve ek varyantlarını platform arayüzü içinde doğrudan görebilmek ve niyet etiketlerini anında gözden geçirebilmektir. Ahrefs ve SEMrush, 2026 itibarıyla AI destekli niyet etiketleme ve Parent Topic/intent label özellikleriyle güçlü kümeleme sunar; ancak Türkçe çekim varyantlarını ayırt etmedeki başarıları sınırlı kalabilmekte, İngilizce arayüzleri ve dolar/euro bazlı fiyatlandırmaları Türkiye pazarındaki kullanıcılar için ek bir engel oluşturmaktadır. SEOYEN, Türkçe arayüz ve TL bazlı fiyatlandırmasıyla (güncel fiyatlar için tıklayın) yerel pazar ihtiyaçlarına doğrudan yanıt verir.
AI ve embedding (vektör benzerliği) tabanlı kümeleme, 2025-2026 döneminde önemli ölçüde yaygınlaşmıştır. Bu yöntemler anlam benzerliğini ölçer; ancak SERP davranışını değil. Ahrefs’in Parent Topic özelliği ve Semrush’ın intent etiketi de bu dönüşümün bir parçasıdır; ne var ki SERP tabanlı doğrulamayı tamamen geçemezler. En yüksek kümeleme doğruluğu, embedding yaklaşımı SERP verisiyle birlikte kullanıldığında elde edilir.
Türkçe dile özgü kümeleme zorlukları: ekler, çekimler, lemma ve eşanlamlılar
Türkçe, sondan eklemeli yapısıyla kümeleme algoritmalarının en zorlandığı dillerden biridir. Anahtar kelime araştırması, anahtar kelime araştırma, anahtar kelimeler araştırması ve anahtar kelimeleri araştırma varyantları anlam olarak eşdeğer olsa da farklı token dizileri üretir. Lemma tabanlı araçlar bu varyantları köklerine indirgeyerek birleştirmeye çalışır; ancak Türkçe çekim ekleri lemmatizasyon hatalarına açıktır ve araçlar zaman zaman farklı kelimeleri aynı köke, aynı kelimeleri farklı köklere atayabilir.
SERP tabanlı kümeleme bu sorunu dolaylı olarak çözer: Google zaten tüm çekimli halleri aynı niyet kapsamında ele alıyorsa, SERP örtüşme skoru bu varyantları otomatik olarak aynı kümede toplar. Yani SERP, Türkçe’nin karmaşık morfolojisini belirli ölçüde saydam hale getirir. Bununla birlikte, SERP örtüşmesi eşiğin altında kalan eşanlamlı veya yazım varyantı çiftleri — örneğin sıralama takibi ile pozisyon takibi — manuel değerlendirme gerektirebilir.
Türkçe karakter sorunları da (i/ı, s/ş, g/ğ, o/ö, u/ü) kümeleme doğruluğunu etkiler. Bazı araçlar büyük/küçük harf normalizasyonunu yanlış yaparken, ASCII’leştirilmiş varyantları ayrı sorgular olarak işleyebilir. Bu nedenle kelime listesini hazırlama aşamasında karakter normalizasyonu ve eşanlamlı haritası oluşturmak, sonraki adımların doğruluğunu doğrudan belirler.
Kümeleri içerik planına ve iç linklemeye dönüştürmek: hub-spoke ve kanibalizasyon önleme
Kümeleme çıktısı elde edildikten sonra asıl iş başlar: her kümeyi bir içerik sayfasına ve outline’a dönüştürmek. Küme içindeki en yüksek hacimli ve geniş kapsamlı sorgu genellikle hub (ana sayfa) olarak belirlenir; daha dar alt niyetler spoke (alt sayfa) olarak konumlandırılır. Hub sayfası genel niyeti karşılarken, spoke sayfalar belirli alt soruları derinlemesine işler ve hub sayfasına iç linklerle bağlanır.
İçerik outline’ını oluştururken kümedeki tüm sorguların alt niyetlerini tek sayfada kapsadığınızdan emin olun. 2026’da Google’ın AI Overviews ve query fan-out yaklaşımı, tek derin sayfanın birden fazla ilişkili alt-niyeti karşılamasını giderek daha kritik kılmaktadır. Dolayısıyla hub sayfaları artık yalnızca ana niyeti değil; bağlı alt niyetleri, sık sorulan soruları ve ilgili varyantları da kapsayan kapsamlı yapılar olmak zorundadır.
Kanibalizasyonu erken yakalamak için düzenli sıralama takibi yapın: aynı sorgu için birden fazla sayfanız zirveye çıkmaya çalışıyorsa bu bir birleştirme ya da canonical etiketleme sinyalidir. Kümeleme doğru yapılmış olsa bile zamanla içerik güncellemeleri niyeti kaydırabilir; periyodik SERP örtüşme kontrolü kanibalizasyonu erkenden yakalamanızı sağlar. Hub-spoke yapısını iç linkleme planıyla desteklemek ise son adımdır: spoke sayfalardan hub sayfasına, hub sayfasından ilgili spoke sayfalara kurulan iç linkler hem kullanıcı yönlendirmesini hem de link equity dağılımını optimize eder.
Kaynaklar
Sıkça Sorulan Sorular
Anahtar kelime kümeleme, benzer arama niyetini paylaşan sorguları tek bir grupta toplama sürecidir. Teknik olarak, iki sorgunun ilk 10 organik SERP sonucunda yeterli sayıda ortak URL bulunduğunda bu sorgular aynı kümeye dahil edilir. Kümelemenin amacı, her arama niyetini karşılayacak en uygun sayfayı belirlemek ve kanibalizasyonu önlemektir. Doğru kümeleme, içerik planlamasını niyet temeline oturtarak hem kullanıcı deneyimini hem de arama motoru sıralamasını olumlu etkiler. Her küme genellikle tek bir hedef sayfa ve o sayfada ele alınacak tüm sorgu varyantlarını kapsar.
En güvenilir yöntem, ilk 10 SERP sonucundaki ortak URL'leri saymaktır. İki sorgunun Google'da döndürdüğü organik sonuçların büyük ölçüde örtüşmesi, bu sorguların aynı arama niyetini taşıdığını gösterir. Pratik eşik olarak ilk 10'da 3-4 ortak URL yeterlidir. bu sayıyı aşan sorgu çiftleri aynı kümede değerlendirilmelidir. Yalnızca kelime benzerliğine (lemma veya semantik mesafe) bakmak yanıltıcı olabilir. iki kelime anlam olarak yakın görünse de Google onlara farklı niyetler atfedebilir. Bu nedenle SERP davranışı temel kriter olmalıdır.
Sektör pratiğinde ilk 10 organik sonuçta 3-4 ortak URL yeterli ve güvenilir bir eşik olarak kabul görmektedir. Bu eşiği artırırsanız (5-6 URL) kümeler daha homojen ve az sayıda olur. niyetler çok net ayrışır. Eşiği düşürürseniz (1-2 URL) kümeler büyür ancak içlerindeki niyet karışıklığı artar ve kanibalizasyon riski yükselir. Search Engine Journal ve OnCrawl gibi kurumsal kaynaklar da bu eşiği pratikte onaylamaktadır. En iyi yaklaşım, projenizin kategorisine ve rekabet yoğunluğuna göre eşiği test ederek belirlemektir.
Evet. aynı arama niyetini paylaşan sorgular tek ve derin bir sayfada hedeflenmeli, aynı niyeti birden çok sayfaya bölmekten kaçınılmalıdır. Bu yaklaşım, sayfaların kendi aralarında rekabet etmesini (kanibalizasyon) önler ve sıralama gücünü tek noktada yoğunlaştırır. 2026 itibarıyla Google'ın AI Overviews ve query fan-out yaklaşımı, tek bir sayfanın birden fazla ilişkili alt-niyeti kapsamasını giderek daha değerli kılmaktadır. Küme içindeki tüm sorgu varyantlarını aynı sayfanın içerik yapısında (başlıklar, alt başlıklar, SSS bölümü) ele almak hem kullanıcı deneyimini hem de sıralama başarısını artırır.
Anahtar kelime kanibalizasyonu, aynı veya çok benzer arama niyetini birden fazla sayfayla hedeflemenin, bu sayfaların Google'da birbirleriyle yarışmasına yol açması durumudur. Bu durum sıralama gücünü dağıtır ve Google'ın hangi sayfayı öne çıkaracağı konusunda tutarsız davranmasına neden olur. Doğru kümeleme, her niyeti tek bir hedef sayfaya bağlayarak bu çakışmayı baştan engeller. Kümeler oluşturulduktan sonra düzenli sıralama takibi yaparak aynı sorgu için birden fazla sayfanın öne çıkıp çıkmadığını izlemek ve gerektiğinde sayfaları birleştirmek kanibalizasyona karşı en etkili savunmadır.
Her iki yöntemin de güçlü ve zayıf yönleri vardır. en iyi sonuç ikisinin birleşimiyle elde edilir. Araçlar büyük listeleri dakikalar içinde işleyebilir ve yüksek hacimli kelimelerde güçlü niyet etiketleme sunar. Ancak Türkçe gibi çekim ekleri yoğun dillerde, düşük hacimli ya da belirsiz sorgularda araç doğruluğu önemli ölçüde düşebilir. Manuel kontrol bu hataları yakalar ve bağlam bilgisini devreye sokar. buna karşın çok zaman alır. Pratikte yüksek hacimli ve net niyetli kelimeleri araçlara, düşük hacimli ve karmaşık varyantları manuel değerlendirmeye bırakmak en verimli yaklaşımdır.
Sabit bir üst sınır yoktur. belirleyici kriter anahtar kelimelerin aynı niyeti paylaşıp paylaşmamasıdır. Aynı niyeti paylaşan tüm varyantlar, uzun kuyruklu sorgular ve eşanlamlılar tek bir sayfada birleştirilebilir. Sayfanın niyet kapsamını aşmaması kaydıyla onlarca kelime hedeflenebilir. Niyet farklılaştığı anda ise hacmi ne olursa olsun yeni bir sayfa açılmalıdır. Bu yaklaşım, sayfa başına keyword sayısını değil niyet tutarlılığını merkeze alır. kümeleme yapılmadan kaç kelime sorusuna yanıt aramak kavramsal bir hata olur.