Google ve Spam Detection Sistemleri: Search Engine’in Patentleri ve Pratiğe Dönüşü, İlk Bölüm, Local Search, GMB ve Spama Karşı Mücadelede Google

Arama Motoru Teorileri Uzmanı Koray Tuğberk Gübür, İçerik Bulutu Akademi’deki yeni yazısında Google’ın Local Search Spam Detection sistemleri, patentleri ve Google’ın bir görsel ile adres çözümlemesi yapabilen yapay zekasını pratik örneklerle işlerken Local Search Spam örnekleri ve onlara karşı Google’ın aldığı önlemleri yazdı. Kendisine bu değerli bilgi paylaşımları için teşekkür ediyoruz. Ve sizi bu makale ile baş başa bırakıyoruz.

Bir Search Engine için en tehlikeli olgu, “Game System” veya “Gaming the System” diye ifade edilen, sistemin oyun haline getirilerek, Search Engine Optimizasyonu yapan kişiler tarafından manipüle edilmesidir. Bu nedenle Google, özellikle 2011 yılından itibaren belirli noktalarda, Search Community için söylem değiştirerek Algoritma Profilini UX ile ilgisi olmayan her noktada gizlemeye gitmiştir.

“Daha fazla otoriteden” → “Daha iyi content’e” geçiş”, “Keskin arama motoru faktörlerinden” → “Belirsizlik ilkesine” geçiş süreci de Google Profilinde, bu bağlamda yaşanmıştır. Bu makalede, ana konu Google’ın Local Search Spam’a karşı mücadele etmek için aldığı patentler ve onların pratiğe olan yansımaları olacaktır. Matt Cutts’ın keskin bir biçimde veri sunan konuşmalarından John Mueller’ın “Usually, it depends!” kalıbına geçişinin öyküsünü göreceksiniz. 

Her ne kadar zevkli olsa dahi BlackHat’in altın çağı ve Google’ın Manual Action Crusades dönemi ele alınmayacaktır ancak yer yer bazı noktalarda atıflar görebilirsiniz. Google çalışanlarının kullandığı kavramlar, metodolojileri ve neyin spam olarak görülüp neyin spam olarak görülmeyeceği günümüze paralel olarak anlatılacaktır.

Ben Koray Tuğberk GÜBÜR, her zaman SEO’ya Holistic Yaklaşımın farkına inandım. Web Spam teorilerini okuduğunuzda, Search Engine’in benimsediği “Belirsizlik İlkesi”ni nasıl avantaja dönüştürebileceğinizi göreceksiniz. 

Bir seri olarak yayınlanması planlanan bu yazıdaki ilk bölüm, tamamen Local Search ve GMB, MapSpam ekibinin yıllara dayanan incelemesine, pratik ve teorik örneklerin zenginliği ile ayrılmıştır.

Makaleye başlamadan önce aşağıdaki soruları kendinize sormanız, konu hakkındaki mevcut bilgi düzeyinizi ölçmeniz için faydalı olacaktır.

1- Suprisingness Score Nedir?

2- Google Maps’teki tüm sokaklar görüntüler nasıl kaydedildi? 

3- Google Maps’te gördüğünüz fotoğrafları kim güncelliyor? 

4- Google Spam Threshold Nedir?

5- Google Patent Metodolojisindeki değişmeyen noktalar nedir?

6- Google, Local Search’e neden önem veriyor?

7- Hyper-Locality Nedir?

8- Google, Spama karşı mücadelede neden yeterince bilgi vermiyor?

9- Google MapSpam nedir?

10- Google Covid-19’a karşı mücadelede Google My Business Ekipleri ile nasıl önlemler aldı?

11- Image Ranking Etkenleri nedir?

12- Fake Listing Nedir? Google’ın önlemleri nedir?

13- Google, GMB’deki sahte yorumları nasıl tanımlıyor?

14- GMB Edit Spam Nedir? Google nasıl önlemler almaktadır?

15- GMB ve Google Maps için SEO’nun ilk üç ilkesi nedir?

16- Bing ve Yandex Haritalar Spama Karşı Nasıl Mücadele ediyor?

17- Yelp, Tripadvisor, TrustPilot algoritmalarının spama karşı mücadelede Google ile ortak yanları nedir?

18- Google, Avrupa Birliği tarafından neden Antitrust (Güvenilmezlik) cezasına çarptırılmanın eşiğinde?

19- Google Local Heroes nedir?

20- Google, neden Auto-dealership, Sağlık ve Otellere daha fazla önem vermektedir?

21- Entity-first Indexing ve Local Search Reklam gelirleri arasındaki bağlantı nedir?

22- Google Maps, Yelp, TripAdvisot ve Facebook gibi local işletme arama motorlarını ne zaman ve nasıl yendi?

Youtube’daki çoğu önemli Spam Karşıtı videonun hala GMB ve Local Search ile ilgili olduğunu göreceksiniz. Çünkü gelişmeye daha fazla ihtiyacı var.

23- Listing Hijacking nedir? Nasıl önlem alınır?

24- Image’lerden Entity Extraction gerçekleştirmek neden önemlidir?

25- Apple, IBM neden Google gibi tüm dünyayı taramaya ve adresleri çözümlemye çalışıyor?

26- Google, sadece bir fotoğraf ile bulunduğunuz adresi çözümleyebilir mi?

27- Bir işletmenin gerçekte belirttiği adreste olup olmadığı nasıl anlaşılır?

28- Foot-traffic nedir? GMB için önemi nedir?

29- A ve B kişisinin yorumları arasındaki gerçekçilik ve Ranking Etkisi farkı Google tarafından nasıl hesaplanır?

30- GMB Data kaynakları ve veri toplama yöntemleri nelerdir?

31- Google, bir web sitesini, benzerliklerine göre nasıl kategorize edebilir?

32- Google için bir Knowledge Domain nedir?

33- Google için “Visual Query” nedir?

34- Google için spama karşı savaşta, imagelerin önemi nedir?

35- Image içindeki Entity’lerin düzgün biçimde Extract edilmesi, Google’a bir web sayfasını yorumlarken nasıl avantajlar tanır?

36- Bir web sayfasının belirli bir bölümünü Google yapay zekasının nasıl yorumladığını nasıl anlayabilirsiniz?

37- Google, Visual Machine Learning ile nasıl bağlantı kurabilirsiniz?

38- Google, görselleri texte dönüştürerek bir web sitesini hiç hedeflemese dahi farklı sorgularda sıralamaya sokabilir mi?

39- Hyper Locality ve User Segment değişimine göre Google, Image to Text sonucunu nasıl değiştirmektedir?

40- Image, Adres bağlantısı ile Google Web Spam Ekibi nasıl avantajlar kazanmıştır?

41- Google Landmarks nedir? Local Search’e ve Image Entity Extraction’a katkısı nedir?

42- Google’ın PageRank for Product Images metodolojisi ile Landing Page/Query Intent ve Landing Page Badge arasındaki ilişki nedir?

43- Search Recommend Bias nedir? Google’ın aldığı önlemler nedir?

44- Google Local SEO için Bedlam Güncellemesi ve Possum Güncellemesi arasındaki fark nedir?

45- Google Yapay Zekası sadece haber sitelerinin etkisi ile sizi bir Entity’e dönüştürebilir mi?

46- Google, sadece otoriter sitelerden kazıdığı data ile firmanızın logosunu farklı gösterebilir mi?

47- GMB ile en hızlı ve en düzgün nasıl iletişim kurarak çözüm üretebilirsiniz?

48- Google MapSpam ekibi geçen yıl kaç milyon hesabı ve yorumu spam olduğu gerekçesiyle sildi?

49- MapSpam ekibinin gerçekleştirdiği “purge” sonrası neden sıralamalarda değişim olmadı?

50- Google için Spama karşı savaş ve Reklam Gelirleri arasındaki bağlantının önemi nedir?

Google Maps(Haritalar): Spam Fark Etme ve Karşı Koyma Sistemleri

Öncelikle, Google’ın iç departmanları hakkında biraz bilgi vermeliyim. Google’ın Maps, Knowledge Panel, Popular Products ya da Videos için farklı Search Geliştirme departmanları olduğunu bilmek veya tahmin etmek çok zor değil ancak aynı durum, Spama Karşı Mücadele için de geçerlidir. Google içindeki her departman, ayrı bir spam karşıtı bölüme sahiptir. Google Maps icinde de MapSpam adında bir ekip bulunmaktadır. Bu bölümde çalışan kişileri twitter veya Linkedin aracılığı ile bulabilirsiniz.

MapSpam ekibi, 2019 yılında toplamda 4 milyon Google My Business Account’ını sildi. Bu toplam account sayısının %1’i etmektedir. Aynı zamanda 75 milyon fake reviews de aynı süreçte yayından kaldırıldı.

Burada ufak bir not açmalıyım. Google çalışanlarını tanıdığım için bu yorumların aslında silinmediğini biliyorum. Peki neden silmemiş olabilirler? Silinmediyse ne yapıldılar?

Bu noktada, ister istemez, Google’ın Spamla Mücadele kapsamındaki bazı temkinlilik esaslarını da anlayacaksınız.

Google, sahte yorumları fark etmek ve temizlemek için yapay zeka kullanmaktadır. Bu durum ister istemez bazı durumlarda, Google ve arama sonuçlarının sağlığı için temkinli olmayı, hata payının yüksek olmasından dolayı gerektirmektedir. Keza, herhangi birisi herhangi birisine sahte yorum yaparak, onu spam yapıyormuş gibi gösterebilir. (Eskiden bazı Link-based Spam Alert’ler için de aynı yöntemi kullanırdım…)

İleride değinileceği üzere, pek çok web sitesinin Algoritma tarafından Link-based olarak cezalandırılmasının önündeki engel de kötü niyetli link çalışmalarının birisini spam yapıyor gibi gösterebilme imkanıdır. Bu nedenle, MapSpam ekibi, bu yorumları silmek yerine sadece “gizlemiştir.” Böylece, fake yorumların yarattığı sıralama avantajı veya dezavantajı kaybolmamış ancak sadece account sahipleri arasında bir panik oluşmuştur. Buradaki amaç account sahiplerini korumak olduğu kadar arama sonuçlarında büyük dengesizlikler yaratmamaktır. 

Diğer bir deyiş ile kimse ve hiç bir sistem mükemmel değildir. MapSpam ekibi, sahte yorumları gizledikten sonra özellikle bir noktaya dikkat etmiştir.

En çok yorum gizlenen accountlar ile yorumları gizlendikten sonra en çok yorum yapılan accountların, DNS adreslerinin ve kullanılan cihazlar, browserlar, cookieler ve FootTrafic kesişimi… İşte, kapatılan 4 milyon account içinde önemli bir kesimi buradaki “belirgin spammerlar” oluşturmuştur. Aynı veriler, dünyanın en büyük local SEO’cularından Joyanne Hawkins tarafından da doğrulanmıştır.

GMB Spam: Keyword-Stuffed Business Başlıkları için Surprisingness Score Nedir?

Yukarıda gördüğünüz Google Patentinin adı Keyword-Stuffed Business Titles’dır. Google Maps yönetmeliğine göre, Business adınız sadece firma adınız ve firma alternatif adınızdan oluşabilmektedir. Ancak, firma adı önemli bir sıralama faktörü olduğu için pek çok firma, kendi şirket isimlerine bölge adı + sektör adı yazmaktadır. Karmaşa halinde bir SERP deneyimi yaşatan ve ilgisiz firmaların ilgisiz konumlara, alanlara çıkmasını sağlayan bu yöntemlerin fark edilmesi için Google, bazı önlemler almıştır. 

Bunların arasında, kullanıcılara açılan Feedback alanlarından alınan verilerin, SERP’i değiştirmek için “threshold” mantığıyla kullanılması da vardır. Diğer bir deyiş ile aynı feedback zaman içinde farklı kullanıcılar tarafından defalarca kez sunulursa ve Query Mapping/Query History ile verilen feedback uyuşuyorsa, Google kullanıcı feedback’ini kendi sisteminin ve GMB sahibinin tercihlerinin önüne koymaktadır. Özellikle de ülkelere ve bölgelere göre derin farklılıklar bulunan Local Search Algoritması, bu noktada daha da sert değişimler gerçekleştirebilir. 

Örneğin, kozmetik ürünleri satan bir Eczane olmanız, kozmetik ürünlerinde sıralama almanıza, sadece Eczane olduğunuz için Search Algoritması gereği engel olabilir ancak kullanıcı Feedback’i zamanla bu durumu sizin işyeriniz ve daha sonra diğer aynı kategorideki işyerleri için düzeltebilir. Google çalışanları dahi, yapay zekanın bu davranışını daha sonra fark ederek bir değerlendirme yapmak durumunda kalabilirler.

Bu bağlamda, aynı patente ve guideline’a dayanarak MCAN Health adındaki estetik cerrahi alanından büyük bir firma adını temizleyişimi aynı sistemle başardığımı aşağıda göreceksiniz. Bu işlem sonrası sıralamalarda alan kaybeden MCAN Health’in pek çok sözcükte yerini kendi tamamen doğal feedback’e sahip firmam almıştır.

İki mail arasındaki, tarih sizi yıldırmasın, er ya da geç, MapSpam karşılığını vermektedir..

Kullanıcı feedbackleri dışında, Surprisingness Score’a gelinir ise firma adında uyumsuz, alakasız veya aşırı derecede uyumlu birden fazla sözcük olan işyerleri, belirli bir threshold’u aştıkları durumda, MapSpam tarafından muhtemel spammer olarak hedef alınmaktadır. Yukarıdaki Surprisingness kavramını açıklayan patent şemasında ise Marriott sorgusuna çıkan bir “locksmith” görmektesiniz. İlgisiz sözcükleri veya aşırı ilgili sözcükleri fazlası ile adında geçiren Business Account’lar bu nedenle, filtrelenmiştir.

Patentte Yapılan sorgu: “Courtyard 4422 y st Marriott Sacramento”

Çıkan sonuç: “$28 Locksmith Sacramento” biçimindedir. Bir otel sorgusunda, bir çilingirin olmaması gerektiği için, patentin meşru alınma nedenleri ortaya çıkmaktadır.

Buradaki $ işareti ve Sacramento sözcüklerinin Locksmith ile birleşmesi ve “ilgisiz bir iş yeri sorgusundan görüntüleme” alması, yapay zekanın dikkatini “surpsigingness score” eşiği aşıldığı için çekmektedir..

Aynı durumu, Türkçedeki pek çok sorguda da yaşamaktasınız…

Son olarak, en başından beri Entity-based olan Google Maps Arama Sonuçlarının, spam detection sisteminin Phrase-based olması, Google’ın Hybrid Search Engine özelliklerini nasıl başarıyla harmanladığını ve iki sistemin birbirini tamamladığını göstermektedir.

MapSpam ekibinin bir sonraki sistemi ise görsellerle search spam gerçekleştiren iş yerlerini tespit etmektir.

Google Maps (Haritalar) ve Görsel Spamming’i Keşfetme Metotları

GMB için business title’dan (iş yeri adı) sonra en önemli ranking etkenlerinden birisi business (iş yeri) görselleri’dir. Bu durum, firmaların giderek daha fazla sahte görsel eklemesine ve potansiyel müşterilerini güncelleme sıklığı ve görsel fazlalığı/kalitesi ile etkilemesine izin vermektedir. Özellikle de görsellerin sıklıkla güncellenmesi ve yeni post eklenmesini, yüksek sıralama verimliliğine sahip olabilmek için zorunlu tutan Search Engine, dolaylı yoldan kendi yarattığı “GMB Post” geleneğinin kötüye kullanımını, kendisi düzeltmek için aşağıda çizimi gösterilen çözüm patentini almıştır.

Makale başlangıcındaki sorulardan ikisinin yanıtı bu kısımda verilecektir.

• Google Maps’teki tüm sokaklar görüntüler nasıl kaydedildi? 
• Google Maps’te gördüğünüz fotoğrafları kim güncelliyor? 

Bu nedenle, Google Spam Detection sistemleri dışında, Google’ın görsel search’e verdiği öneme de değineceğiz, böylece görsellere dayalı spam yöntemlerini keşfetmede nasıl bu kadar ileri düzeye ulaştıklarını ve görsellerin bir içeriği ve Brand’i Search Engine gözünde nasıl etkiledğini daha iyi göreceksiniz.

Google Maps Nasıl Oluşturuldu, Google Hangi Görselin Hangi Adreste Çekildiğini Biliyor mu?

Google, geçtiğimiz yıllarda, üstünde kameralar bulunan araçlarla tüm sokakları tarayarak, adres bilgileri ile görüntüleri birleştirdi. Her görüntüye bir geolocation code yerleştirildi. (Bazı kaynaklar bu nedenle, Google My Busuiness Account’ındaki görsellere, geotag bilgisi eklemenin sıralamalarda faydası olduğunu belirtmektedir. Şu ana kadar bir pozitif korelasyon fark etmedim. Joyanne Hawkins’e sorduğumda, o da fark etmediğini belirtti.) Geçtiğimiz yıllarda, Apple’da aynı işlemi kendi map sistemi için gerçekleştirmiştir.

Google, gerçek yaşama dair verileri organize ederek bir Search Engine olmanın ötesine geçmeyi amaçlamaktadır. Search Engine’ler ancak query feedback/crawl/index ve trending kavramları ile gündemi yakalayarak organize edebilirken Entity-based bir Search Engine, gerçek yaşamı kullanıcılar fark etmeden tarayabilir ve kendi indexine yerleştirebilir. Dünyadaki her sokağı, gitmeseniz ve hakkında bir feedback sağlayamayacak olsanız dahi Google Search Engine’da bulabilmeniz, yorumlayabilmeniz ve Google databse’inden doğruca veri okuyabilmeniz, bu amaca hizmet etmektedir.

Diğer bir deyiş ile Entity-based Search Engine’in Phrase-based Search Engine’den bir farkı gerçek yaşama dair verileri, kullanıcı feedbacki olmadan da toplayabilmesi ve organize edebilmesidir.

Google Ürün Görsellerini Tanımak ve Derecelendirmek İçin Pagerank Değerlerini Kullanıyor

Google’ın Image-based Spam Detection System’ı daha iyi anlamak için araya bazı Google Patentlerini ve onların pratiğe olan yansımaları okunmalıdır.

Burada gördüğünüz patent Google’a ait değildir. IBM’e ait “Entity Extraction from Images” adlı bir çalışmadır ve IBM’in database’ni kullanmaktadır. Burada, her teknoloji devinin hemen hemen aynı noktalarda endişeleri olduğunu görebileceğiniz gibi Google’a rakip olabilecek firmaları da görmektesiniz. Böylece, Google’ın yaşamın her alanını kapsamak isterken aynı zamanda bilgisayar sistemleri ve donanım cihazları üretmeye başlaması, Search Engine’in kendisini koruma reflekslerinden doğmaktadır.

Aşağıda ise Google’a ait, aynı konudan başka bir patent bulunmaktadır. 

Google’a ait bu patentte, coğrafi konuma göre görseller bir topluluk içine alınmakta ve ardından web search results’taki mevcut indexlerin query’leri ile birleştirilmektedir. Ardından oluşturulan bulk eşleştirme ile confidence/relavence score’ları representative page/image benzerlik oranında belirlenmekte ve image serach results’ları hazırlanmaktadır.

Buna ek olarak Google, image query’ler ve image matching için farklı sistemleri de tamamlayıcı olarak kullanmaktadır. Örneğin, 2008 yılında yayınlanan “Pagerank for Product Image Search” çalışması Yushi Jing ve Shumeet Baluja tarafından, Google’ın e-commerce için image sonuçlarını organize etmesi için hazırlanmıştır.

Görsellerdeki, benzer öğeleri Search Engine bulsa dahi, her birisinin farklı bir noktayı işaret etme olasılığı vardır. Kullanıcıya göre bu içeriği dizinlemenin tek yolu, “benzer görsellerin” nereyi linklediğini görmek ve böylece her bir grup için bir sayfa amacı keşfetmektir. Link Graph yaratıldıktan sonra, benzer Link Graph parçalarında Pagerank’e göre bir dizilim gerçekleştirerek, image’leri farklı intentlere göre Search Engine sınıflandırmaktadır.

Yukarıda ise Representative Image ve benzerlerini görmektesiniz. Google, aradaki benzerlik oranlarına bakarak asıl görseli yani “origin image”i keşfetmekte ve ardından asıl-origin görseller arasında bir Pagerank ve Link Graph/Intent/Query mapping reflexi gerçekleştirmektedir. Ardından Web Search ve Image Search birbirini beslemektedir.

Daha önce yazdığım, Entity-Based Search Nedir? Keyword Tabanlı Arama Motorlarından Entity Temelli Yaşam Rehberlerine Geçiş Süreci ve Entity-Optimised Content Üretimi makalesinde, Google’ın Image Search ile Entity-Extraction, Detection ve Classification, Query Matching sürecini nasıl yönettiğinden Semantic Image Labels, Annonations, Object ve Attribution Entity kavramlarını ayrıntılarıyla açıklayarak bahsetmiştim. Web Spam konusundan çok uzaklaşmadan, Google’ın patent metodolojisindeki bir alışkanlıktan bahsederek, Image Search + Web Spam Detection konusuna devam edeceğiz.

Kullanıcıdan Feedback Alarak Gelişen Search Engine’den Kullanıcıya Feedback Vererek Gerçek Dünyayı Kaydeden Search Engine’e: Google

Yushi Jing’in PageRank for Product Image Search Patentinde de birbirine aşırı derecede benzeyen Web Page’lerin alınarak en güvenilir Brand-Entity’e ait olanın “representative content” olarak seçilmesi yolu izlenmiş, en güvenilir ilk X birimdeki kaynak sıralama sonuçlarına layık görülürken diğerleri birbirleri ile daha aşağı sıralamalar için rekabet ettirilmiştir.

Google’ın en güvenilir/kaliteli olan ilk X birim kaynağı almak, geri kalanı ona göre değerlendirmek, derecelendirmek ve indexe yerleştirmek, kullanıcı feedback’ine göre sistemi update etmek, kaynak verimliliği için süreci 4 veya daha fazla sayıda “yineleme” veya “iteration” ile bu adımları bölümlemek, ilk iteration’a en kaliteli Brand-Entity örneklerini sınıflandırırken diğer yineleme gruplarına farklı “değer eşiği” yani “threshold” aralığından daha aşağıdaki Brand-Entity web parçalarını yerleştirme metodolojisi, tüm patentlerinin ve Search Engine System’lerinin farklı metriklerle  temelini oluşturmaktadır. 

Yukarıda tarif edilen Google Patent Metodolojisini en iyi E-A-T Kavramı ve Brand-Entity Topical Authority/Knowledge Domain bağdaşmasını sağlayan Website Representation Vector to Generate Search Results and Classify Website adlı patentte de görebilirsiniz. Evaluation Budget (Benim kavramlaştırdığım hali budur ancak Google tarafından daha çok “Search Engine Resources” adı altında genelleştirilir) verimliliğini arttırmak için belirli sorgularda(Yüksek otorite istemeyen ve kullanıcıyı riske atmadan yeni SERP Adaylarını test edebilecek/Off-Page çalışması gerektirmeyen/”mid-low difficulty queries”), yeni yeni şans tanınacak web sitelerinin aynı sorgularda (Knowledge Domain) en kaliteli olanlara olan benzerliğine bakmak ve ona göre de bir “iteration” düzeyinde, sıralamaya yerleştirme metodunu içermektedir.

Aşağıda, adı geçen çalışmadan bazı açıklayıcı ve metodolojilerini ortaya çıkaran şemaları göreceksiniz. Bu sırada ise farklı Google patentlerine geçerek, Google’ın bugünkü gelişmiş ve BlackHat’e neredeyse geçit vermeyen sisteminin doğuş biçimini yaratan yapı taşlarına eşlik edeceğiz.

Google, buradaki örnekte, Landmark olan Eiffel Tower’ın arama sonuçlarında düzgün sonuçlar verse dahi McDonalds için aynı sonucun söz konusu olmadığından bahsetmektedir. (Çoğunlukla Local Business’lar, bu tip sorgularda öne geçmektedir.)  2008 yılı için geçerli olan bu görüş aşağıdaki iki ayrı gelişmeyi doğurmuştur.

İlk olarak Google, dünyadaki hemen hemen her global, ulusal ve local landmarkları topladığı bir Image Classification Sistemi yaratmıştır. Web üstünden scrape ederek yapay zekanın eğitilmesi ile bir sistemin geliştirilmesi çok zor olduğu için local fotoğraflar ve fotoğrafçılar burada devreye girmiştir. (Bu yönteme Crowdsourcing denmektedir.) Google uzun süredir query’leri “Film sahnesi Queryleri,” “Product Queryleri”, “Hastalık tedavisi Queryleri”, “Landmark Queryleri” biçiminde sınıflandırarak en uygun SERP biçimini oluşturmak için Entity Tipine göre hazırlanan questionların daha iyi yanıtlandırılabilmesine olanak tanımaya çalışmaktadır. Aşağıda ise yukarıdaki sistemi yaratan patentin bir şema çizimini bulacaksınız.

Şemadaki, Landmark Databse denilen yer ise yukarıdaki gif içinde oluşturuluşu anlatılan alandır. Bu konuda size gösterdiğim ilk Image Search temalı Google patenti ve Landmark Database kavramının Google çalışanlarının zihninde oluşturulması arasında toplamda hemen hemen 10 yıl fark vardır. 

Not: Daha önce İçerikbulutu için yazdığım Google Görselleri Nasıl Tanımlar konusunu da ele alan makalemde Google’ın kullandığı patentlerdeki “Obect Entity Recognition” için yeniden Eiffel Tower’ı kullandığını görebilirsiniz. Bu durum da Google çalışanlarının, Google Patentlerinde belirli bir dil ve terminoloji yarattığını yönündeki başka bir göstergedir. Aşağıda, buna benzer bir başka örneği göreceksiniz. Image Query’leri daha iyi anlamak temalı bir patentin şeması, yeterince açıktır.

Diğer bir deyiş ile Google, belirgin bir politika değişikliği içindedir. Search Engine User’ın veya Searcher’ın Feedback’inden beslenen bir Search Engine’den, gerçek datayı, User Feedback’i olmadan kendisi algılayarak, anlamlandırarak Searcher’a Feedback veren bir Search Engine haline gelmiştir. Şimdi ise aşağıda Google’ın Phrase-based Search Engine olduğu dönemden ve aynı temadan daha ilkel bir yöntemin şemasını göreceksiniz.

Image’in sayfada bulunduğu konuma göre onu kapsayan metinden image’in bahsettiği konuyu ve vermeye çalıştığı mesajı çıkartmaya çalışan Google, image’in sayfadaki işlevini keşfederek Google Image Query’ler için bir Query/Intent classification sistemi gerçekleştirmek istemiştir.

Böylece, 2008’de alınan Image Retrivial Patent’inin amaçları yukarıdaki Gif ile daha da belirgin bir noktaya taşınmıştır. Başlangıçta image kalitesi, çözünürlüğü gibi ögeler ön plandayken zamanla Query/Landing Page uyumu öne çıkmıştır. Bu nedenle, görselin aranma amacı, görselin texte yansıtılmasıyla daha iyi algılanarak, görsellerin sol alt köşesine yerleştirilen Landing Page Kind Bubble’ı ile kullanıcıya daha ilgili sonuçlar verilmeye başlanmıştır. Google’ın metodolojilerindeki ve amaçlarındaki değişmezlik bununla da sınırlı değildir. Google, Image Üstünde yazan yazıları da okumaktadır. Bununla ilgili ayrıntılı bilgiyi Entity-based Content Optimizasyon makalemde de belirtmiştim. (Bu nedenle, bu makalede girilmeyecektir.) Aşağıda ise image üstündeki görselleri de okumak isteyen Google’ın metodolojik yaklaşımını göreceksiniz.

Google, Visual Query Patentininin şemasında ise Facial Recognition, Image Terms, Query Annonation Database ve benzeri kavramlar/adımlar görmektesiniz. Söz konusu patent, Entity-based Content Optimizasyonu makalemdeki Entity-based Search Engine ve Görseller bölümündeki paralel patentler ve pratik uygulamalar ile birleştirilerek daha rahat anlaşılabilir. Aşağıdaki bir haber yazısı kesiti, Google’ın neden bu adımı attığını daha iyi anlamanızı sağlayacaktır.

Baidu, Image Search ve Yapay Zeka kullanımını birleştirerek, Eye-free Search Çağını yakalamak ve Text-free Search Çağını getirmeyi amaçlayan bir projeyi 2014 yılında başlatmıştı. Yukarıda gördüğünüz patent ise 2015 yılında alınmıştır. Şimdi aşağıya pek çok cümle yerine (bağlama uygun olarak) sadece bir akan-görsel (gif) yerleştireceğim.

Yukarıda, Google’ın AutoML Vision’ında Dogs bölümünde, Entity olarak kaydedilmiş köpekleri görmektesiniz. Google, otomatik olarak image’i tanımlamakta, anlamlandırmakta ve databse’deki diğer fotoğraflar arasına bir benzerlik score’u ile almaktadır. Bunu nereden bildiğimi, bir sonraki dökümanda göreceksiniz.

Bütün bu yapı, Visual Query Patentindeki gibi yaşanmıştır ve Google, Baidu gibi farklı şirketlere karşı kendisini korumak için, teknolojisini geliştirme refleksi göstermektedir.

Buna benzer örnekleri Google Vision AI ile elde edebilirsiniz veya Entity-based Search Engine makalesine bakabilirsiniz.

Google’ın Visual Query Patentinden bir diğer şemadır. Görüldüğü gibi Google bir “Benzerlik Score”u çıkarmaktadır. Bunun için de Query-Image Classification gerçekleştirmektedir. Eğer benzerlik eşiği aşılır ise bu yöndeki fotoğraflar için genel benzerlik score’u ve confidence score da arttırılmaktadır. Aşağıda Google Image Search ve Metodolojisi ile ilgili son bir gelişmeyi aktaran paragraf yerleştirerek, Google Maps ve Image Spam konusunda bahsedeceklerimize yeterli delili oluşturmuş olarak devam edeceğiz.

Text-based Search Engine’den Görselleri Yazıya, Yazıyı Görsellere Dönüştürebilen Search Engine’e Geçişin Tamamlanması

Google’ın ve Search Engine Sistemlerinin geçirdiği evrimi incelemeyi obsessed düzeyde sevdiğim artık bir sır değil. Bu geçişe, Marie Haynes, Bill Slawski, Mordy Oberstein gibi mentor olarak gördüğüm insanların vizyonuna eşlik edebilmek ve bunu Türkçe olarak paylaşabilmek ise büyük bir mutluluk. Bu bağlamda, Bill Slawski’nin derlediği bir kaç bilgiyi aktararak, başlıktaki iddiayı delillendirmek niyetindeyim.

Google, Image’lerin çevresindeki text’i çekmek için aşağıdaki metotları izlemektedir.

• Görsel ve relevant word arasındaki, aracı sözcük sayısı
• Görsel ve aracı sözcük arasındaki, “ “, ?, ! gibi işaretler.
• Görsel ve relevant word arasındaki td, tr benzeri table HTML kodları
• Görsel ve relevant word arasındaki layout boşluğu

Google, görsellerle text’i birleştirerek özellikle de ünlü kişiler ve yerler ile ilgili sorgulara yanıt vermek istemektedir çünkü internete en fazla ve tekrarlarca kez yüklenen görseller bu tiptedir.. Bu durum, Query Classification/SERP Design (Anahtar sözcükleri gruplandır, niteliklerini analiz et ve farklı sonuç sayfaları tasarla, anlamına gelmektedir)  varsayımını yüksek oranda doğrulamaktadır. (Yıllar öncesine dayansak da…) Aşağıda da bunun somut bir örneğini göreceksiniz.

Google, bu örnekte film sahnelerinin çekildiği noktaları, Google Maps’ten toplayarak belirli sorgularla ve Maps’teki Entity’lerle birleştirmiştir. Bu durum, Google Departmanlarının işbirliği ile gerçekleştirilmiştir. Keza, Maps’teki bir veriyi, Search’teki bir data ile birleştirerek kullanıcı sorgu niyetini (user-intent) çoklu düzeyde farklı profiller için karşılamak, bunun için hem User Generated Content hem de farklı türde historical datayı birleştirerek kullanmak, Traditional bir Search Engine’in doğasında yoktur. Hali ile Holistic SEO’nun da yeni Search Engine Profilini takip etmesi gerekmektedir. Traditional Search Engine ve Traditional SEO, bu makalelerde yer almayacaktır.

Aşağıda, bir diğer Search üstünde User Generated Content örneğini göreceksiniz.

Google, Film Sahnelerinin çekildiği noktaları, o noktada çekilen videolar ve harita sonuçları ile birleştirerek gruplandırdığı ve bunları Entity-Databse’ine kaydettiği gibi Knowledge Graph Departmanının kontrolünde daha önceki yazımızda da tanıttığımız Google Cameos’u uygulamaya koymuştur. Böylece, film query’leri, film sahneleri, oyuncuları, türleri, konumları, oyuncuların yaşadığı zorluklar sınıflandırılmış ve aynı zamanda da Google doğrudan Entity’ler ile iletişim kurarak content üretim merkezi haline gelmiştir.

Üretilen İçeriği Tarayan, Sınıflandıran ve Sunan Search Engine’den İçerik Üreten ve Sunan Search Engine’e Geçiş

Yukarıdaki, Cameos örneğini bu noktada biraz daha farklı bir noktanın altını çizmek için açmak gerekmektedir. Keza, Google şu ana kadar her Search Engine gibi sadece üretilen içeriği tarayarak sınıflandıran bir yapıdayken, artık doğruca talep edilen içeriği sınıflandırarak, ona en uygun contenti üretmekte ve organize etmektedir. Bunun için daha da ileriye gitmekte ve ünlüler için kişisel knowledge paneller oluşturarak, onları searcher ile sosyal bir biçimde etkileşime sokmaktadır.

Böylece, başarısız Google + deneyimi unutularak, doğruca SERP’te yer alan bir Social Media da oluşturulmaktadır. Bir önceki yazımda, Google Cameos’a değinmiştim. YMYL Siteleri için Core Güncellemelerini Strateji Haline Getirmek adlı Webinar’ımda ise Google Cameos’un yanı sıra Personal Knowledge Graph’lardan ve Augmented Search Queries’ten bahsetmiştim.

Diğer bir deyiş ile Google sadece sizin veya sizin içinde bulunduğunuz kullanıcı segmentleri için özel Knowledge Graph’lar oluşturmayı amaçlamaktaydı. Personal Knowledge Graph’ların anlaşılması için öncelikle aşağıdaki, Augmented Search Query kavramını anlamalısınız.

Augmented Search Query, “X” query’sini arayan kişilerin aynı anda “X+Y”, “X+Z” veya “X+Y+K|P” sorgularını kast etmelerinden doğmuştur. Diğer bir deyiş ile bir hastalık ile ilgili bir sorgu gerçekleştirdiyseniz sadece ama sadece belirli  bir kuruluşun kaynak alındığı sonuçları görmek istiyor olabilirsiniz. Belirli bir kullanıcı segmenti ise böyle bir şey talep etmeyebilir. Bu durum ise aynı sorguda 2 farklı SERP talebi oluşturmaktadır. Geçmiş sorgularınız, ilgi alanlarınız ve içinde bulunduğunuz kullanıcı segmentine göre Google sizin için Search Result 1’in veya 2’nin, 3’ün Attribute Entity’lerini önceden sınıflandırır ve size gerekli sonuçları buna göre sunar. 

Alınan kullanıcı feedback’ine ve yardımcı diğer sistemlere göre, Search Result’lar Entity Classification ile sınıflandırılır. Buradaki Main Entity ana konuyu ifade ederken, Attribute Entity ise onun alt konusunu ve ana konu ile olan ilişki yönünü ifade etmektedir. Aynı durum, görsel aramasında, Object Entity/Attribute Entity olarak ifade edilmiştir. Aynı zamanda, her Search Result’ın ek olarak hangi Query’leri yanıtladığı bu ek entity attribute’ler ile belirlenmekte ve Historical olarak verimliliği ile kaydedilmektedir.

Aşağıda, Personal Knowledge Graph ile ilgili verileri Content Üreten Search Engine kavramı kapsamında bulacaksınız.

Buradaki örnek, Structured user graph to support querying and predictions adlı Google Patentindendir. Google, herhangi bir kullanıcının özel query’si için sadece ona özel (user-specific) knowledge graph’lar üretmeyi planlamaktadır. Buradaki Knowledge Panel’ler sadece özel bir zaman diliminde size görünecektir. Eğer, “Ankara’da dağ manzaralı restorana aile ile gitmek” sorgusunu girerseniz, Google ilerleyen zamanlarda, Ankara konumlu bir dağa yakın aile ile gidilebilecek restoranı size Knowledge Panel ile verebilir veya “missing query” partları için özel kullanıcı feedbackleri oluşturabilir.

Bu noktada, Google var olan bilgiyi, farklı bir Front-end tasarımı içinde, birleştirerek size özgü biçimde sunduğu için içerik üretiyor olmaktadır. Aynı zamanda, 2019 yılının sonlarına doğru Google aşağıdaki araştırmayı yayınlamış ve tıpkı Landmarks of Earth çalışmasındaki gibi patentlerinden bazılarına hayat kazandırma çalışmalarını aynı tutarlılıkla devam ettirmiştir.

Google, Personal Knowledge Graphs araştırması ile kişiye özgü knowledge panelleri kurmanın zorluklarından bahsetmiştir. Patent ve pratik denemeleri arasındaki zaman farkının azalması ise Google’ın önemli ölçüde hız kazandığını göstermektedir. Google Cameos, Personal Knowledge Graph’lar, Augmented Search Query’lerden sonra bir diğer deney ise aynı süre içinde Hindistan’da geldi…

Google yukarıda gördüğünüz gibi kişisel Knowledge Card’lar ve Panelleri kişiye özgü biçimde oluşturma deneyini Hindistan’da başlatmış durumda… Burada alacakları sonuçlara göre amaçları, tüm dünyaya yayılan ilk Social Search Engine olmak. (Başka  makalenin konusu.)

Bu özellik ile Google Linkedin dahil (Google Careers ile doğrudan rakibi), Instagram, Facebook gibi farklı platformların pazarını da hedef almayı amaçlamaktadır. Aynı zamanda, Google Health Departmanı özellikle doktorlar için Personal Knowledge Panel’ler tasarlamayı planladığını söylemiştir. Böylece, hastaların şikayetlerini, teşekkürlerini, sorularını doğrudan iletmesi amaçlanmıştır. Toplumsal itibar yönetimini gerçekleştirmek ve birisi hakkında bir bilgiyi Google’da bulmak çok daha fazla önümüzdeki aylarda ve yıllarda küresel anlamda kolaylaşacaktır. 

Google için aşağıdakileri, (konu bağlamında) tarihte ilk olarak söylemek mümkündür:

1.  Google, tarihin ilk Social Search Engine’dir.
2.  Google, tarihin ilk kendi içeriğini kendisi üreten Search Engine’dir.
3.  Google, tarihin ilk kişiye özgü Knowledge Panel/Graph ürünlerini yaratmayı amaçlamış Search Engine’dir.
4.  Google, tarihin ilk var olan bilgiyi organize ederek farklı Front-end Design’lar ile kendi domaini üstünden sunan Search Engine’dir.

Diğer bir deyiş ile Google, internetin kendisi olmak yolunda da ilerlerken aynı zamanda Baidu, Apple, IBM gibi şirketlerin de tehdidi ile karşı karşıya olan, kendisini savunurken gelişen bir Hybrid Search Engine’dir.

Bir üst konuya dönerek devam edelim.

Google’ın Görselleri Query’e Dönüştürmek ve Bir Sayfanın Attribute Entity Kapsamını Genişletmesi Mümkün müdür?

Google’ın Image çevresindeki yazıları tarayarak elde etmeyi amaçladığı bazı faydaları, zaman içindeki tutarlı metodolojisi/teknolojisi ile çeşitli somut/pratik ve teorik örneklerle ve Search Engine Kavramlarını tanıtarak gösterdim. Sırada ise Image Search için kullandığı bazı sıralama etkenlerini kısaca sıralamak ve ardından Hybrid Search Engine özelliğine dikkat çekerek somut bir “Text to image ve image to text” örneği vermek var. Aşağıda bazı etkenlerin bilimsel açıklamasını Google Patentlerinden de görebilirsiniz.

Google’da Görsel/Image SEO’su için En Önemli Etkenler ve Search Engine’in Bir Görseli Değerlendirme Biçimleri:

• Bir Görselin bir Web Sitesindeki Görünme Sıklığı
• Bir Görselin bir Web Sayfasındaki Görünme Sıklığı
• Bir Sayfadaki Toplam Görsel Sayısı
• Belirli  Bir Sayfaya Görsel Üstünden Gelen Link Sayısı
• Bir Görselin URL’ine olan Toplam Bağlantı Sayısı
• Görselin sahip olduğu Pixel Sayısı
• Görselin Boyutu, En-Boy Oranı, Gradient Effecti
• Görselin Uzantısı
• Görselin Web Sayfasındaki/Web Sitesindeki Konumu ve diğer görsellerden olan uzaklığı
• Görselin Diğer Hangi Kaynaklar Tarafından Kullanıldığı
• Görselin Farklı Türevlerinin ve Representative’inin Hangi Query’lerle Birleştirildiği
• Görselin üstündeki yazı ve biçimi
• Görselin içinde görünen nesneler
• Görsel içindeki Entityler (Person, Organization, Landmark, Vehicle, Animal, Event vs.)
• Görsel içindeki “yüzler”
• Görsel çevresindeki veya üstündeki yazıda, bir kişinin adının geçip geçmemesi
• Görsel çevresinde veya üstünde, bir şehrin adının geçip geçmemesi(Entity olarak genişletilebilir)
• Görselin “Image-sitemap” içinde olup olmaması
• Görselin, benzerleri ve Represantative(Varsa) ile renk/kontrast farkı
• Görselin “background-url” ile çekilip çekilmemesi
• Görselin Structured Data ile işaretlenip işaretlenmemesi
• Görselin lisanslanabilir olup olmaması
• Image Caption içeriğinin, Intent/Query ile uyuşup uyuşmaması
• Image-sitemap’te image’in Geolocation ile işaretlenip işaretlenmemesi (<image:geo_location>Ankara, Turkey</image:geo_location>.
• Image içinde herhangi bir Brand Logosunun bulunup bulunmaması
• Image Lazy-loading özelliğinin Googlebot’u engelleyip engellememesi
• Image crawl için JS Rendering’in gerekip gerekmemesi/Crawlability Düzeyi
• Image’in Landing Page’te bir işleve sahip olup olmaması/Üstünde buton, slogan veya bir başlık bulunup bulunmaması
• Image Classification sonrası Image Search Label’larının kullanıcı tarafından tercih edilip edilmemesi, hangi tipteki kullanıcılar tarafından hangi sorgulardan sonra tercih edildiği(Özellikle Entity Recognition/Intent Classification’ın User Feedback ile update edilmesi için gereklidir.)
• Görsel Dosya Adının Semantic Search’e uygun olup olmaması
• Görselin Semantic Entity Label System tarafından herhangi bir Entity Hierarchy’e Landing Page/Query/Intent Match ile uyumlanıp uyumlanmaması
• Görsel Alt Etiketi (Bilerek sona konmuştur. Search Engine için bu ayrıntı listesi daha da uzamaktadır, en bilinir Image-Ranking Factor’u nokta olarak kullanmak yerinde olacaktır.)

Google patentlerinde ve teorilerinde, ayrıca bu özelliklerin hangi algoritma tipi tarafından nasıl yorumlanacağı ve hangi Query tipinde hangi algoritma sistemlerinin devreye gireceği de belirtilmektedir. Örneğin, belirli bir kişinin belirli bir dönemi arandığında, o dönemi ifade etmesi gereken Entity ve o kişinin yüzü veya adı text/görsel content içinde aranmaktadır. 

Görselleri okuyabilen bir Search Engine, text içine yerleştirilmemiş herhangi bir konu veya Query için sizi sıralamaya sokabilir ve bunu fark etmeyebilirsiniz. Bu durumun temel nedeni söz konusu görselin tüm türevlerinin internette farklı amaçlarla kullanılmış olması ve farklı Query’lerle bağdaşarak Search Engine için farklı tipte algılanması olabileceği gibi Search Engine gözüyle bir görseli okumayı bilmemeniz de olabilir.

Search Engine için bir görselin ne ifade ettiğini anlama yöntemleri:

• Google Vision AI ile bir görseldeki yüzün duygu analizini yapabilirsiniz.
• Google Vision AI ile bir görseldeki tüm entity’leri çıkarabilirsiniz.
• Google Vision AI ile bir görselde, Safe Search’e takılabilecek her noktayı fark edebilirsiniz.
• Google Vision AI ile bir görselin başka hangi web sitelerinde ne amaçla yayınlandığını görerek Search Engine’in DataStorage’indeki mevcut konumunu tahmin edebilirsiniz.
• Oluşturduğunuz yeni görsellerin nasıl algılanacağını, algılandığını renk, gölge, boyut, yüz ifadeleri, kıyafetler ile Google Vision AI tarafından test ettirebilirsiniz.
• Görsel üstündeki yazının görsele kattığı anlamı/bağlamı Google Vision AI ile görebilirsiniz.
• Google Image Search’teki Semantic Label’lar ve Hiyerarşisi, Sonuç Sayfalarının Niteliği ve farklı Semantic Label Class’larına bağlanma biçimlerini incelemek, görselin ifade ettiği kavramın Neural Network’teki konumunu gösterecektir.
• Google Vision AI yerine AutoML kullanarak daha fazla dataya ulaşmanız aynı zamanda mümkün. Bu datanın içinde, Google’ın hangi türdeki nesneleri hangi amaçla neye göre sınıflandırdığını görmek de mümkündür.

• Snap&Seed Yöntemini uygulayabilirsiniz. Bir görselin farklı noktalarını kesip, screenshot halinde Google arama çubuğuna atarsanız, hangi kısmının Search Engine tarafından saf biçimde nasıl algılandığını anlayabilirsiniz. Bütün görseli tam hali ile Arama Çubuğuna attığınızda, söz konusu entity’lerin birleşerek nasıl bir text/landing page eşleşmesi yarattığını göreceksiniz. Özellikle de dosya adının yeterli düzeyde ipucu yok ise sonuçları etkilediğini bu noktada fark edeceksiniz. Historical Data’nın sonuçlara olan etkisini de gözlemlemek, daha fazla ipucu verecektir. (Denemenizi öneririm.)

• Search Engine Auto-complete Datasını Kullanmak: Google Image Search içindeyken “verb+object” biçiminde bir sorgu girdiğinizde, Google’ın “how to + [verb] + [object] biçiminde sonuçlar verdiğini göreceksiniz. (Yeniden, sorgu sınıflandırma ve birleştirme örneğidir.) Bu noktada, object’i değiştirdiğinizde Google’ın bir önceki [verb]’i doğruca yeni [object]’e Autofill içinde uyguladığını göreceksiniz. Bunun nedeni Close Historical Data/Auto-intent Classification Kavramıdır. Aynı senaryoyu, Entity Seeking Queries örneğinde de görebilirsiniz. (Açıklanacak) Google’ın intent/Query eşleşmesinden yola çıkarak size sunduğu fotoğraflardan en önde gelenleri ve Görsel Ranking Factorlerini baz alarak, nasıl bir görsel tasarlamanız gerektiğini, Google Yapay Zekasının Görsel Sınıflandırma sistemini inceleyerek öğrenebilirsiniz. Aşağıda, bununla ilgili ufak ve yüzeysel bir schema-flow göreceksiniz.

Bu bağlamda, Google’ın Görselleri, text’e dönüştürmesi mümkün müdür sorusuna daha farklı bir Machine Learning/AI Eğitimi noktasından şema ile örnek vererek, somut bir örneğe geçebiliriz.

Herhangi bir Yapay Zeka eğitilirken, öncesinde oluşturucular tarafından belirli noktalarda Feedbackler verilir. Algoritma benzerlik düzeylerine göre bir sonraki veri topluluğunu sınıflandırır. Örnek doğrudan Google LLC’dendir.

Google buna benzer bir yöntemi aynı şekilde, Mail Sisteminde de uygulamaktadır. Bu noktada, Mail Sender/Brand-Entity, Zamanlama, Başlık, İçerik Farkı, Mail Etkileşim oranı gibi pek çok farklı feedback/feature etkili olmaktadır. Yapay zekanın eğitilme biçimine, şemalarla bu kadar ayrıntılı değinmemin nedeni, Google Patentlerindeki değişmeyen metodolojinin asıl kaynağının daha iyi görünmesidir. Yapay zekanın yapabileceği/algılayamayacağı veya eksik kalan yanlarını Hybrid Özellikleriyle tamamlayan Search Engine, özgün patentleme biçimlerine de diğer şirketler gibi sahiptir. Bunu daha iyi anlamak için Microsot, IBM, Apple gibi firmaların patentlerini, iddialarını ve icatlarını incelemeniz yeterli olacaktır.

Google, bir sayfadaki görseli, text’e dönüştürerek query(keyword) kapsamınızı genişletebilir. Bu noktada, ilgisiz keyword’lere de çıkabilirsiniz, yapay zekanın görseli ekleme amacınızı keşfetmesi ile bu sıralama hatalarını düzeltmesi ve ardından da image’in kullanılış amacını daha iyi sınıflandırması mümkündür. Buna benzer bir örnek, aşağıda bir kesit gördüğünüz LocalBusiness müşterilerimden birisinin başına gelmişti.

Yukarıda, Blur’lanmış biçimiyle, özel bir sözcük için hazırlanmış Landing Page’i görmektesiniz. Sağ tarafta verilen hizmetler text biçimiyle yer almakta ve asıl sıralama alınmak istenen sözcükleri içermektedir. Sol tarafta ise bir hastane binası yer almaktadır. Blur’lansa dahi, konunun daha iyi anlaşılması için hastanenin adı verilecektir.

Avrasya Hastanesi’ne ait olan bina görseli, başka bir LocalBusiness tarafından LandingPage’ine eklenmiştir. Aynı şekilde Google My Business Account Adresindeki fiziksel iş yeri adresi de bu noktadan farklıdır. Bu durum içerisinde, Google sizin spam gerçekleştirdiğinizi anlayabilir mi? Image classification, entity extraction hakkında pek çok bilgi verdik. Yanıtı tahmin ediyorsunuzdur. Sayfanın ne arka ne ön yüzünde hiç bir şekilde Avrasya Hastanesi geçmemesine rağmen, Landing Page sadece görsel nedeniyle, Avrasya Hastanesi ve adres bilgileri ile ilgili sorgularda sıralama almaya başlamıştı. Bunun nedenini, Entity-based Search Engine makalemde gösterdiğim Google Trends başlıklı bölümlere bakarak da anlayabilirsiniz ancak aşağıya konu içinden iki örnek bırakabilirim.

Google, görüldüğü gibi Avrasya Hastanesini hem bir Search Term, hem de aynı zamanda bir Entity olarak tanımaktadır. İstanbul, Türkiye’de bir özel hastane olarak tanımlanan Entity, text ile birleştirildiği gibi kendi adres bilgileri ve o adres bilgilerini yansıtan görsellerle de Search Engine’in AI sistemi tarafından bağdaştırılmıştır.

Bu işlemin nasıl yapıldığını sunduğumuz patentlerden ve Image Classification, Entity Recognition ve Ranking Factor, Methodology paylaşımlarımızdan yola çıkarak anlayabilirsiniz. 

Aşağıya, bu noktada Google’a yardım eden başlıca data kaynaklarından sadece 5 tanesini gene de yazarak devam edelim:

• Google My Business Account Adres, Görsel, Firma Bilgileri
• Resmi Web Sitesindeki görseller
• Google Images’e yayılan türev fotoğraflardaki hastane adı ve bilgileri
• Google’ın hastanenin konumu, bina görseli, hastane adını ve onunla ilgili tüm sorguları birleştirmesi
• Google’ın internet boyunca, tutarlı veri sunan web sitelerini tarayarak Avrasya Hastanesi’ni bir Entity olarak kaydetmesi

Buradaki liste, farklı pratik örneklerle veya teorik bilgilerle arttırılabilir. Örneğin, Auto-complete seçeneklerinden tercih edilenler, Google My Business Algoritmalarının kullandığı Foot-traffic verisi, hastanenin göründüğü videoların taranması, alt yazılarının çekilmesi ve anlamlandırılması ya da Chrome, Mail loglarının toplanması vs…

Bu noktada, yukarıda Search Engine’in Yapay Zekasının bir görseli yorumlama ve anlamlandırma biçimlerini denetleme yöntemlerinden bahsetmiştim. Bunlardan birisi Snap&Seed biçimindedir. Eğer aşağıdaki görsele bakarsanız, Avrasya Hastanesi için söz konusu Landing Page’te bulunan görselin Image Search Bar’ına bırakıldığında yarattığı doğrudan ilgili ve tutarlı sonuçları göreceksiniz. Çıkan sonuçlar şaşırtıcı olmayacak biçimde “Scattered Database” yani Parçalı Veritabanından Tutarlı ve Bütüncül Bilgi Oluşturma örneğini yansıtmaktadır.

Farklı web sitelerinde aynı veya benzer fotoğraflar, aynı hastane için kullanılmıştır. Söz konusu hastane için belirli bir sorgu sınıfı, talebi ve farklı web sayfalarından gelen tutarlı link/mention ve related-information akışı bulunmaktadır. Bu durum, Google’ın söz konusu kuruluşu bir Entity haline getirerek Database’ine kaydetmesini sağlamıştır. Bu nedenle de Google, Landing Page’de kullanılan görselin Avrasya Hastanesi’ne ait olduğunu görmüş ve söz konusu sayfayı bu konudaki sorgularda da sıralamaya sokmuştur. Burada altı çizilmesi gereken iki ayrı nokta vardır.

• Snap ve Seed Yönteminin Image ve Web Search Arasındaki Farkı
• Image Label Sistemindeki Disambiguation yani Belirsizlik İlkesi ve Etkisi

Snap&Seed Yönteminin Image ve Web Search’e Yansıttığı Farklı Sonuçlar ve Nedenleri ile Search Engine’in Belirsizlik Etkisini Giderme Yöntemleri

Snap&Seed yönteminin Image Search’teki en özet aktarımı aşağıdaki gibidir:

1- Aranan görselin renk, biçim, boyut, tür, nesne, entity, kontrast, içerik taramasını tamamlak

2- Database’deki benzer görselleri bulmak ve içerik eşleşmesini ölçümlek

3- Benzerlik oranını çıkarmak, Historical Data’ya göre olası kullanıcı niyetlerini sıralamak

4- En benzer görsellerin karşıladığı Query’lerle, aranan görselin niteliklerini Landing Page ve içeriği ile eşleştirerek sonuç sayfasını oluşturmak

Söz konusu görseli, Image Search + Snap&Seed ile taradığımızda, yukarıda gördüğünüz sonuçlar gelmektedir. Ancak Web Search’e attığımızda ise bir fark görünmektedir.

Görsel, arama çubuğuna atıldığında doğruca Entity adı tanınarak sorgu biçiminde dönüştürülmektedir.

Görsel, doğruca Gazi Osman Paşa Avrasya Hastanesi’ne ait olduğu için görsellerde çıkan hemen hemen tüm sonuçlar da Gazi Osman Paşa Avrasya Hastanesi ile ilgilidir. Ancak Zeytinburnun’da da bir Avrasya Hastanesi var ise Google bu durumda ne yapmalı… 

Image Label Sistemindeki Disambiguation yani Search Engine Belirsizlik İlkesi ve Etkisi

Bu noktada, Disambiguation Effect devreye girmektedir ve Web Sonuçlarında, Zeytinburnu Avrasya Hastanesi de yer almaktadır. Bunun temel nedeni ise Web Search’ün, image’in tesxte dönüştürülerek gerçekleştirilmesi ve aynı Entity’e ait bir başka binayı da benzer sorgu (Phrase-Match) ve Entity-based özelliklerin Query’lerle de eşleşmesinden dolayı sonuçlarda en üst sıraya taşımasıdır.

Bununla birlikte, aynı durum Image Search’e de yansımıştır ancak üst kısımdaki “Refining Bubble” bölümü içine “Zeytinburnu Avrasya” olarak sadece bir bölüm eklenmiştir. Diğer Refining Bubble’lara baktığımızda ise gördüğümüz şey Avrasya Hastanesi’nin adres bilgileri, doktorları ve hizmetleri ile ilgilidir. Diğer bir deyiş ile Entity-related Query’lerdir, bunlar ise bir hastane için en önemli bilgilerin ne olduğunun Search Engine tarafından sınıflandırılmasıyla oluşturulmuştur ancak içlerinde “firsat me” gibi Phrase-based örnekler olduğu gibi dikkat edilmesi gereken birkaç başka nokta daha vardır.

En sağ tarafta, Zeytinburnu refinement bubble’ını göreceksiniz.

Zeytinburnu’na göre bir sorgu girildiğide ise Gaziosmanpaşa doğruca en baştaki refinement Bubble olarak çıkmaktadır.

Google, image search’e geçtiğinde mutlaka “local domainini” kullanmakadır. Bunun temel nedeni image’lerin büyük ölçüde bir yere ait olması ve image sorguları sonrası kullanıcıların mutlaka kendi dillerinden bir web sitesini tercih etmeleridir. Diğer bir deyiş ile Image Search, Web Search’e göre daha local ve user-oriented bir davranış sergileyerek daha çok Maps Search’e benzemektedir. Disambiguation Effect böylece belirli kitleler ve coğrafyalar için azaltılmak istenmiştir. Delili mi? Aynı görseli, English/United States ile Image/Web Search’e Snap&Seed ile sokarsak ne mi olur?

Sorgu, farklı bir database’de yorumlanarak Arapça’ya dönüştürülmüştür. Arapça videolar ve web search datası ise büyük ölçüde eski Hayat Hastanesi’ne aittir. (Eskiden iflas etmiş ancak hala ABD’de ve dünyanın pek çok yerinde hizmet veren Hindistan Merkezli bir Entity’dir.) Buradan da Google’ın kullanıcının segmentine göre en olası sonucu vermek için elinden geleni yaptığını görmekteyiz. 

ABD’den yurt dışına yönelik yapılan estetik sorgularının önemli kısmı Arapça ile yapılmaktadır, görselin alındığı web sayfası ise Search Console Bölge seçimi ile ABD’yi hedeflediği gibi müşterilerinin önemli kısmı Arap’tır, aynı zamanda web sitesinin Arapça bir türevi daha vardır. Hayat Hastanesi ise Arap ülkelerine hizmet verdiği gibi en geniş affiliate ağları Arapça üstüne kuruludur. Hali ile sadece yurt dışına çıktığımızda, aynı görselin farklı bir sorguya dönüştürülerek çok daha farklı bir Entity’e daha yakın algılanması doğaldır. Bunun önemli bir nedeni ise iki Entity’nin birbiri ile yakın ilgili ve benzer olması ile ikinci Entity’nin küresel etkinliğinin çok daha yüksek olarak Relavence Score’da öne geçmesidir. Peki bu durum spam mıdır? Farklı bir kuruluşun binasını görsel olarak kullanmak ne kadar doğrudur?

Google’ın Bir Web Page’in Layout’ını Nasıl Yorumladığını Image Search Datası İle Yorumlamak Mümkün Müdür?

İlk başta, görseli örnek olarak aldığımız Landing Page’in blur’lu halini hatırladığınızı varsayıyorum. Gelin, sadece görseli değil, bir de web page’in söz konusu screenshot’ta gösterilen kısmının tamamını Google’a atalım ve görseli nasıl text’e dönüştüreceğini görelim! 

Hybrid bir Search Engine olarak Google, herhangi bir web page tasarımını okuyarak o sayfadaki en öne çıkan özelliğin ekleniş amacını yorumlayabilmektedir. Benzer sayfa parçalarını internet üstünden toplayarak benzer görseller kısmında da size sunarak örnekler vermektedir. Bu bağlamda kısa bir biçimde yazı sırasında, aktardığımız bir patente yeniden değinmeliyim.

Website Representation Vector to Generate Search Results and Classify Website, patentinde benzer web sitelerinin gruplandırılarak, kalite düzeylerine göre belirli query topluluklarında, kullanıcının karşısına daha ön sırada çıkarıldığını aktarmıştık. 

Benzer biçimde, Google belirli query grupları için, yani belirli Knowledge Domain’ler için belirli sitelerin en kalitelilerindeki tasarımlara, fonksiyonlara, iletişim biçimlerine de odaklanmaktadır. Bu yüzden, bu web sitelerindeki sayfa parçalarının nasıl, Google tarafından yorumlandığını bilmeniz Holistic SEO Projeleriniz için fayda sağlamaktadır.

Ancak bu özelliği kullanırken dikkatli olmalısınız. Search Engine, görsel aramalarında belirli tasarım parçalarını atlayarak görselin içindeki entity’lere ve objelere odaklanmaktadır. Bu nedenle de, görselin sayfa içindeki amacından ziyade görsel içindeki eylemi de tanımlayabilmektedir. Bu nedenle, buradaki bir sağlık web sitesi olan WebMD’den alınan örnekte, haber listesi “Public Speaking” biçiminde ifade edilmiştir.

Bu tip örneklerde ise makalelerde kullanacağınız fotoğrafların, Search Engine tarafından nasıl texte dönüştürüldüğünü de görmek için kullanabilirsiniz. Aşağıda, Search Engine’in bir web sayfası görsel kesitinde, hangi görsele ve o görseldeki hangi entity’e odaklanması ile ilgili olarak aynı web sitesinden bir örnek göreceksiniz.

Google, toplamda 4 ayrı fotoğraf bulunan ve aynı sayfadan alınan kesitte doğruca Webmd sonucunu çıkarmaktadır. Bunun nedeni ise kırmızı ile işaretlenen kısımdaki, küçücük Webmd logosudur. Google, bunun nedenini Databse’i ile çok net şekilde vermektedir.

Böylece, Google için bir firma adının ve onun görselinin eğer bir Entity’i ifade ediyor ise ne kadar önemli olabileceğini görmektesiniz. Bu nedenle, sadece firma logonuzun veya adınızın bir içeriğin altında, bir web sayfasının içinde bulunması, belirli bir Knowledge Domain’de sizi öne geçiren bir etken olarak karşınıza daha sık, daha doğrudan biçimde çıkmayı sürdürecektir.

Diğer bir deyiş ile Google Görseller’i kullanarak dahi Search Engine’in Image’leri nasıl tanıdığına tanık olabilirsiniz. Eğer yukarıdaki yöntemi keskinleştirmek istiyorsanız, aynı görseli gelin Google Vision AI’da tarayalım.

Pek çok detayı aynı anda gözlemleyebileceğiniz gibi, yazılar, “Building” object’i, “Product Design Web Entity’si, text, font, image, company label’ları, Search Engine tarafından Page Layout’u için belirlenmektedir. Google Images Search daha çok image’e odaklandığı için bu noktada, sonuçlar biraz daha farklılaşsa dahi yeterince tecrübeli bir Holistic SEO Uzmanı için net yanıtlar vermektedir.

Peki, Google Görseller ile ilgili bunca sözcüğü, yazıyı, patenti, argümanı, pratik örneği ve teorik bilgi Holistic SEO Uzmanı Koray Tuğberk Gübür tarafından neden verildi? Tek bir nedeni vardı… O da, Google’ın ne kadar ayrıntılı bir Search Engine olduğunu anlamanız ve bu sayede Google, evinizin önündeki fotoğrafın adresini biliyor dediğimde, bana inanmaya hazır bir noktada olmanızı sağlamaktı.

Öyleyse, bir üst başlığa yeniden dönebiliriz.

Google Maps (Haritalar): Görsel Yoluyla Gerçekleştirilen Spam Biçimleri ve Google’ın Karşı Koyma Yöntemleri Neden Bu Kadar Önemli?

Belirli başlıklar serisi ile Google’ın tüm dünyanın sokak ve cadde görüntülerini, şehirler arası yolları, ana yolları, sahil yolları ve akla gelebilecek tüm yolları kendi harita sistemine görüntüleyerek ve o görüntüleri de geotag ile işaretleyerek belirli bir lokasyona kaydettiğini, tüm gezegeni görselleştirmenin ise Search Engine’e neler katabileceğini aktardım.

Sırada, bunu Google’ın nasıl Spam Detection için kullanacağına ve hatta insanların LocalBusiness Listing’lerde nasıl görseller ile spam gerçekleştirdiğine değinmek var.

Google Maps’te yükselmenin pek çok yöntemi var. Spam yöntemlerine odaklanmadan önce üç ana LocalBusiness Etkenini kısaca ifade etmemiz gerekli.

Google My Business Hesabınızı Harita Sonuçlarında Yükseltmek İçin Optimize Edilmesi Gereken Üç Temel Özellik Nedir?

Google, Mobile First Indexing ve Entity First Indexing sistemine geçtikten sonra Google Maps’in kullanımı yaygınlaşan gelişmiş akıllı telefon kullanımıyla “x near me” ya da “y around z” biçimindeki sorgularla daha fazla karşılaştığını fark etti. Ardından Google, Maps Uygulamalarını “açık havada gezilebilecek yerler”, “bahar aylarında ziyaret edilebilecek doğal miras alanları” gibi sorguları sınıflandırarak geliştirme yoluna gitti. Yerel işletmelerin kendilerini kaydetmelerini sağlayarak bir web sitesine ihtiyaç duyulmadan milyonlarca iş yerinin kendisine ihtiyaç duymasını sağlayarak yeni reklam alanları oluşturdu.

Bu noktadaki pek çok ayrıntı ve olay dizisi ayrı bir noktada olduğu için, Google Maps SEO’su için en önemli üç etkeni kısaca açıklamalıyız.

GMB ve Local SEO İçin Coğrafi Yakınlığın Önemi Nedir?

Google My Business’taki en önemli etken 2016 yılında yapılan Possum Update’den 2019 Kasım’ındaki Neural-Matching for Local Maps’e (Bedlam Update) kadar Proximity ile kavramlaştırılan Coğrafi Yakınlıktı. Hatta Google, bir kişinin belirli bir yere, belirli bir yerden belirli bir saatte/mevsimde gitmesi için gereken yakıt, zaman, toplu taşıt sayısını dahi hesaplayarak bir cost oluşturduğu ve ardından bu cost için hangi iş yerinin sağladığı hizmetin kalitesinin “kalite eşiğini” aşabileceğini hesapladığı bir patent tasarımı da bulunmaktadır. 

Evet… Bu konuların tamamına uzun bir biçimde girmem, gelişigüzel her SEO makalesinin Traditional yaklaşımların o her şeyi eksik bırakan tekdüze yanından sıyrılmak istememdir. Bu nedenle aşağıda, tabii ki bu patenti bulacaksınız.

Bazı örneklerde, sistemler ve teknikler, en azından kısmen ilgili hedef ile bir kullanıcıyla ilişkili bir konum geçmişinden bir coğrafi konum arasındaki ilgili bir mesafeye ve bir karşılaştırmaya dayalı olarak, birden fazla varış yerinin her bir ilgili varış yeri için ilgili bir ziyaret olasılığını belirleyebilir. Coğrafi konumla ilişkili bir süre ile zaman içindeki ziyaret olasılığı dağılımı,. sistemler ve teknikler daha sonra birçok varış yerinin en azından bir kısmını sıralayabilir.

Diğer örneklerde, sistemler ve teknikler, bir kullanıcının zaman diliminin gelecekteki bir örneği sırasında bir yeri ziyaret edip etmeyeceğini en azından kısmen kullanıcıyla ilişkili bir konum geçmişine dayanarak belirleyebilir. Sistemler ve teknikler daha sonra, zaman diliminin gelecekteki örneğinin başlangıcından önce yerle ilgili bilgileri verebilir.

Diğer bir deyiş ile Google, gün içerisinde gittiğiniz coğrafi konumları takip etmekte, bu datayı sizinle aynı user-segmentte bulunan kişilerin de coğrafi ziyaret datası ile consolide ederek bir ziyaret olasılığı ihtimalini sorgu karşılığında çıkan iş yerlerine dağıtmaktadır. Ardından hesaplanan olası ziyaret süresi ile ziyaret sonrası elde edilecek olan “visit score’u” da hesaplayarak sonuçları sıralamaktadır.

Bu noktada, Google sadece size en yakın konuma değil, sizin içinde bulunduğunuz segmente en yakın olan konumlara baktığı gibi “visit score” adlı ziyaret kalite score’u ile işyerinin bulunduğu muhitin de ilgili olduğunu görmekteyiz. Ancak bu konudaki ayrıntılar başka bir makalenin konusudur. Üstteki patent görseli bunun için yeterince açıklayıcı olacaktır.

GMB ve Local SEO için İlgi Düzeyinin Önemi

Google, özellikle de konumun popülerliğinden faydalanarak kendi işyerine trafik çekmeye çalışanlara ve konumun nüfus yoğunluğundan faydalanarak da ilgisiz sorgularda üst sıralarda yer almaya çalışan işyerlerine karşı, Bedlam Güncellemesini gerçekleştirdi. Böylece, Glenn Gabe’in de belirttiği gibi Google hangi sorgu tipinin daha çok hangi iş yerinin hangi özelliği ile günün hangi saatlerinde, hangi hizmetiyle ve hangi hava durumunda/mevsimde, hangi konumlarda daha ilgili olduğunu daha iyi anlayabileceği bir yapı gerçekleştirdi.

Bu ağı geliştirmek için aynı zamanda kişilere “Answer these questions” bölümü ile GMB üstünden sorular yöneltildi. Bu sorularda, bu iş yerinde “X özelliği var mı?” sorusunun yanı sıra “X yeri en iyi hangi mevsimde ziyaret edilir?” gibi sorular da mecuttu. Bir süre sonra, Google My Business’ın topladığı datalar ile buna benzer kategoriler sonuçlarda yer almaya başladı. Aynı zamanda insanların GMB Hesapları üstünden uçak biletleri alma, sipariş verme, otel rezervasyonu gerçekleştirme veya benzer şehirleri gezme, hangi şehirde hangi gezi ipuçları veya “Landmarkları” olduğunu görmesi gibi ihtiyaçlar da Bedlam sonrasında yaşandı. Bedlam için Local Search’ün daha Semantic bir hale gelmesi denilebilir.

GMB ve Local SEO için Markanın Güvenilirliğinin Önemi

Bu noktada, bir markanın diğer bir deyiş ile Brand-Entity’nin farklı bir önemi bulunmaktadır. Büyük bir firma iseniz, “Visit-Score” değeriniz yüksek olacaktır. Pek çok user-segment’ten pek çok kişi ile ilgili datanız olacaktır. Aynı zamanda, hizmet sunduğunuz çevre, Google tarafından (radius) daha geniş olarak algılanacak ve daha geniş bir çevreden yapılan sorgularda yer alacaksınız. Eğer Google tarafından güvenilir ve belirli konularda kaliteli hizmet veren bir Entity olarak kabul edilmiş iseniz, sorgu gerçekleştiren kişiye uzakta dahi olsanız veya o mevsimde ziyaret edilmek için yeterli “quality visit score” oluşturulmamış dahi olsa, üst sırada yer alacaksınız.

GMB ve Local SEO için bunların dışında da etkenler bulunmaktadır, örneğin web sitenizin ilgili Knowledge-domain’deki sıralaması, ilgili sorguların web sitenizde geçip geçmemesi, citationlar, Google Partneri olan local directory’lerde yer alıp almamanız, foot-traffic verileri… Ancak bunları sadece spam ile ilgili noktalarıyla ele alacağız.

Google Haritalarda Markanın Önem ve Güvenini Nasıl Ölçümlersiniz?

Eğer şirketinizin “Marka Önem ve Güvenilirliğini” bulmak istiyorsanız, Radius’u en geniş derecede belirli query’ler çevirerek kaçıncı sırada olduğunuzu ölçebilirsiniz. Böylece, area-service alanının dışında dahi karşınıza çıkan firmaların Brand-Entity profillerini inceleyerek de bazı fikirler edinmeniz mümkün olacaktır. Bir diğer yöntem ise BrightLocal veya LocalFalcon gibi ücretli araçlar kullanmaktır.

Bir diğer yöntem ise haritalardaki, auto-complete’leri ölçümlemektir. Rakibiniz için daha fazla auto-complete sonuç bulunması, daha fazla sorgunun Google tarafından değer görünerek kullanıcıya amacına daha kolay ulaşması için sunulduğunu göstermektedir. Ayrıca, rakibinizin TripAdvisor, Yelp veya kendi sektöründeki farklı directory sitelerindeki konumunu ve profil directory sitelerindeki profil URL’lerinin, o directory domainindeki performansını ölçümlemeniz de katkı sunacaktır. Örneğin, A ve B rakip firmalar olarak C directory’sine girdiklerinde, aynı keywordlerde yarışan iki ayrı URL’i aynı domainden oluştururlar. 

TripAdvisor’a girerek rastgele bir sayfadan iki New York otelini seçtim. İkisi de ilk sayfada 1. Ve 2. Sıradaydı. Ardından, URL’leri analize soktuğumda, aynı keywordler için çatıştıkları ortaya çıktı ancak birisi diğerinden çok daha fazla trafik alıyordu. Çünkü marka değeri daha yüksekti. Bu durumu, Google Haritalara girerek teyit ettim. Daha fazla keyword’ü olan URL, daha fazla yorumu olan Maps’e aitti.

A ve B rakiplerinin hangisinin URL’i o keywordler için Google tarafından daha ilgili görülmüş ise daha fazla trafik alacağı için buradan da bir Prominence(Markanın Önem Değeri) çıkarımı yapabilirsiniz. Bu tip Holistic SEO yaklaşımları oldukça kapsamlı çalışmalarda ele alınacağı için çoğu, makalenin tamamlayıcılığının kaybolmaması için yazılmaktadır. Aynı zamanda, bir otel sahibi iseniz otele yakın olan restoranlar, müzeler ve ulaşım imkanları da Google’ın size atayacağı kalite puanı için önemlidir. 

Bunu Google Maps’e yansıyan ek konularda da görebilirsiniz, çevresindeki mağazalar, “Highlights” veya önemli yerler gibi işaretler harita sonuçlarında bulunmaktadır. Böylece, Google’ın kullanıcıların önemsediği her şeyi önemsediğini görebilirsiniz.

Ek iki yöntem daha mevcut. “Best hotel in Istanbul” yazdığınızda karşınıza ilk çıkan otellerin tamamı marka önemi yüksek oteller olacaktır. Otel sonuçlarının altındaki Highlights kısmına tıkladığınızda karşınıza çıkan diğer işyerleri ise Google tarafından önemli olarak görünen iş yerleridir. Diğer bir deyiş ile Holistic SEO’da aynı şeyi yapmanın/sağlamlaştırmanın sayısız yolu vardır.

Bütün bu açıklamalardan sonra Google Görseller ve Adres bazlı hilelere, Google’ın aldığı önlemlere ve sizin alabileceğiniz önlemlere başlayabiliriz. Keza, Search Engine için adres, adrese yakınlık ve görsellerin buradaki tutarlılığının milyar dolarlar anlamına geldiği, herkes tarafından anlaşılmıştır.

Google Maps (Haritalar): Görsel ve Adres Temelli Spam Yöntemleri ile Google’ın Önlemleri Nelerdir?

Özellikle de Google Local Maps Search’te Prominence yani Marka Değer ve Önemi kavramı üstünde uzun süre durmamın nedeni, bu durumun büyük ölçüde adresten kaynaklandığını ve adresin de ancak görsel ile doğrulanabileceğini göstermekti. Google’ın tüm dünyayı gerçek görüntüleriyle taramasına, arabalarla tüm dünyayı kameraya almasına, görselleri ve Landmark’ları kordinatlamasına, bunları harita sonuçlarıyla bağdaştırmasına pek çok pratik örnek verdikten sonra her şeyin başladığı yere, bir patente ve oradan da alınan önlemlere ve spam nedenlerine geçelim.

Yukarıdaki fotoğrafı size patent diliyle açıklamak istiyorum:

Potansiyel olarak yanlış bir işletme girişinin gerçekliğini doğrulamak için bir cihaz sağlanmıştır. Aygıt, çok sayıda iş türünü ve çok sayıda iş listesini depolayan bir bellek içerebilir. İşletme türleri, bir veya daha fazla spam işletme türünü tanımlayabilir. Aygıt ayrıca, seçilen işletme listesinin işletme türü spam işletme listesi türlerinden biri olarak tanımlandığında, işletme listelerinden seçilen birini potansiyel olarak yanlış işletme listesi olarak tanımlayan bellekle iletişim halinde olan bir işlemci içerebilir.

Cihaz daha sonra belirlenen işletme listesine karşılık gelen bir işletmenin fotoğrafı için bir talep iletebilir ve talep edilen fotoğraftan fotoğrafik işletme listesi bilgilerini çıkarabilir. Çıkarılan fotoğrafik işletme girişi bilgileri belirlenen işletme girişiyle eşleşmediğinde, cihaz işletme girişini birçok işletme girişinden kaldırabilir.

Google bu bağlamda, özetle, bir işletmenin sahip olduğu tüm fotoğrafları depolayabilmektedir. Event veya Place Structure Data ile işaretlenmiş tüm web page’lerden de bu işletmeler hakkında gerekli datayı almaktadır. Anroid cihazlar ile foot-traffic verilerini de çıkarmaktadır. 

Peki, işletmeler neden kendilerine ait olmayan fotoğrafları kullanmaktalar? Veya neden kendilerine ait olmayan adresleri kullanıyorlar? Bunun yanıtını aslında kısmen yukarıda verdim sayılır.

Herhangi bir işletme, kendisine ait olmayan bir fotoğrafı kullanarak, diğer kurumun sahip olduğu ambience’dan ve otoriteden faydalanmak isteyebilir. Kişiyi, yanlış iç ve dış mekan görüntüleri ile kendi işletmesine internet üstünden cezbedebilir. Ayrıca, fotoğrafların başka bir işletmeye ait olması ve işletmenin hoş görünmesi, Search Engine’in Image Search Algoritmalarını da yanıltabilir. 

Google, işletme fotoğraflarında işletme türüne göre bazı özelliklerin mutlaka bulunmasını istemektedir. Bunlardan ilki, işletmenin amacına hizmet eden ekip görüntüsünün iş başında çekilmesidir. Bu ilk başta, işletme sahipleri tarafından dinlenmediği için kullanıcıyı teşvik etmek için Google Photos bölümlere ayrılmıştır. Örnek görüntü aşağıdadır.

Google, kalite yönetmeliklerine uyulmadığı için spam olmasa dahi daha sert önlemler almaya gitmiştir. Aşağıda bir örnek haber ve GatherUp’tan Mike Blumenthal’ın tepkisini göreceksiniz.

“Logolar gibi tanıtım içeriği de dahil olmak üzere üst üste binmiş metin veya grafikler aşağıdaki gereksinimlere tabidir: 360 fotoğraf için, üst üste binen içerik ya en az veya en çok (eşkenar dörtgen görüntünün üst veya alt% 25’i) ile sınırlandırılmalıdır, ancak mevcut her ikisinde de mevcut olamaz. Bu söylediklerimden bir şey anlamadınız çünkü bu Google Guideline’ından bir cümleydi.”

Mike Blumenthal

Google’ın görseller ve Local Search noktasındaki katılaştığı tek nokta da bu değildir. Aşağıya iki ayrı haber örneği koyacağım.

İlk olarak gelin aynı tarihten bir örneğe bakalım:

7 Şubat 2020 tarihinden bir örnekte, bir gün içinde binlerce kişi Google Posts’a attığı görsellerin reddedildiğini söylemekteydi. Aşağıda reddedilen görselleri topladığım bir gif göreceksiniz. Sağ üstteki işarete dikkatle bakın, “Rejected”.

Google bir gün içinde sayısız görseli reddetti, peki neden mi? Nedenden önce yeniden Mike Blumenthal’a dönelim.

Google herhangi bir açıklama yapmadı, insanlar yeniden eskisi gibi içeriklerini ekleyebilmeye başladılar. Bu tarihte, Google’ın bir güncelleme yapacağından emindim. Yaşanan bir bug değildi, geliştirilen bir sistemin gerçek yaşamdan testiydi. O sistem de GMB’ye herhangi bir şekilde gerçekliği bulunmayan bir promosyon görselinin yüklenmesinin yasaklanmasıydı. Ve sıra da o haberde…

Google, tahmin ettiğim gibi Guideline’ını değiştirmişti. Tüm fotoğrafların baştan sona manual bir şekilde gözlemlenmesi kuralını getirmişti. Bu durum ilk başta çoğu kişi tarafından, milyonlarca iş yerinin kayıtlı olduğu bir sistemde böyle bir şey mümkün mü sorusunu akla getirdi. Ancak mümkündü… Google’ın kendisine ait filtreleme sistemleri, Guideline’ı sert bir biçimde çiğneyen herhangi bir görseli otomatik olarak reddetmekteydi. Gördüğünüz yukarıdaki “Rejected” örnekleri bunlardır… Arta kalan ise manual bir şekilde incelenebilmekteydi…

Bu makaleyi ileride okursanız, bilmeyebilirsiniz ancak bunun da bazı handikapları oldu. Keza, bu makalenin yazıldığı günlerde, dünya Covid-19 Salgını tarafından test ediliyor. Bu nedenle de GMB Çalışanları evlerinde olduğu için Google iki ayrı önlemi GMB bazında uygulamaya geçti.

Google, “insanları taklit ederek rezervasyon oluşturabilen yapay zekası” Dupplex’i kullanmaya başladı. Böylece, çalışanlarının yarattığı eksikliği kapatmak istiyor ancak bir nokta avantajına ki o da tüm dünyadaki milyonlarca iş yerinin şu an için kapalı olması. O nedenle fotoğraf incelemekten çok GMB şu an iki nokta ile meşgul.

İlk olarak müşterilerinin Business Title’larına “Available” veya “Delivery Available” gibi açıklamalar yazmalarına izin vermek ve bunların onay/red süreçlerini yönetmek, ilk endişeleri…

Covid-19 nedeni ile kapatılan işyerlerinin veya geçici süre kapanan işyerlerinin veya çalışma saatleri değişen iş yerlerinin bunu bildirmeleri sırasında yaşanan hataların düzeltimi…

Google, bu noktada da yapay zekaya yeniden sığınarak hem spama karşı hem de salgının yarattığı koşullara karşı direnmeye çalışmaktadır. Yukarıdaki akan görselde, Covid-19 nedeni ile işyeri çalışma saatlerini değiştirmekte sorun yaşayan insanların başlıklarını görmektesiniz.

Google, yaptığı açıklamada görsellerin net olması gerektiğini, yazıların promosyon nitelikli olmaması gerektiğini ve doğruca görselin işyerinde alınmış olması gerektiğini belirtmiştir. Aynı konu, müşteri tarafından yüklenen fotoğraflar için de geçerlidir. Bu guideline’ları okumayan pek çok kişi hala Google Help Center’da çeşitli başlıklarda yardım istemektedir.

Yukarıdaki Google Patent Çizimi, Barış Bey’in bulduğu Google patentlerinden birisindendir. Gördüğünüz gibi bir Image Databse’den Spam Sinyalleri alınarak Business Filtering Sisteme katkı sunmaktadır. Eğer birisi, iş yerinizin lokasyonunu size sormadan değiştirmeye çalışırsa veya işyeriniz hakkında yanlış konumda olduğunu iddia eden fotoğraflar ekler ise ya da siz farklı bir iş yerinin fotoğrafını kullanarak popülerlik kazanmaya çalışırsanız, Google bunu anlayabilir mi? Aşağıdaki patent çizimi üstünden bu durumu izah edebiliriz.

Google, tüm spam sinyallerini ortaya çıkarmak için geolocations, zaman, iş yerinin açılma ve fotoğrafın çekilme zamanlarını image databse’ine kaydetmektedir. Buna göre “Generated Spam Signal Value” üretimi yapılmakta ve yanlış pozitifler belirlenerek gerçekten yapay zekanın sizin bir spammer olup olmadığını anlaması sağlanmaktadır. 

Bu noktada, birisi sizin iş yerinizin lokasyonunun veya fotoğraflarının yanlış olduğunu iddia etse dahi manuel herhangi bir işleme gerek kalmaksızın, Google sizin iş yerinizin lokasyonunun nasıl göründüğünü bilmektedir, aynı zamanda yanlış fotoğraf atan kişinin android cihazından oraya gidip gitmediğini de bilmektedir. Atılan yanlış fotoğrafın gerçekte nerede olduğunu da bilmektedir… Ancak farklı noktalar da var. Örneğin aşağıda, az bilinen bir structured data örneği göreceksiniz…

Schema.org’da yer alan tüm “geoTouches” veya “geoContains” paramtereleri “Place” property’sine aittir. Google, web page’lerden de aldığı data ile hangi binanın veya somut konumun, hangi bina veya somut konum ile kesiştiğini, birbirine yakın olduğunu veya birbirini kapsadığını bu noktadan da keşfedebilmektedir. Aynı zamanda, belirli kişilere Local Guides kısmında da gördüğünüz gibi “Dün X yerine gittiniz, nasıldı?” diye sorarak da data toplamaktadır. Diğer bir deyiş ile Search Engine sandığımızdan çok daha fazla hayatlarımıza adapte olmuş durumdadır.

Diğer bir deyiş ile farklı bir adresi kendi adresiniz olarak kullanmanız veya farklı bir adresi farklı bir yerde göstermeniz, fotoğraflarla da bu durumu farklı iş çıkarları için gerçekleştirmeniz eskisine göre çok daha zordur. Ayrıca son bir nokta daha var ki o da aşağıdadır.

GMB Kendisini yasal bir para kazanma ve reklam mecrası, PR kaynağı haline getirdikten sonra GMB konulu davaların sayısı çok fazla artmıştır. Bu davaları inceleyerek de sahte tek bir yorum yüzünden kaç ayrı işyerinin sorun yaşadığını ve ticaretten men edildiğini görebilirsiniz. Peki sizce sadece local işyerleri mi?

Google My Business Account’larına ve Google Haritalar SEO ilkelerine hakim olmak için de Search Engine Teorilerine ve bazı temel spam endişelerine/yöntemlerine hakim olmak için de yeterli düzeyde anlatımı gerçekleştirdik. Bir sonraki bölümde, mevcut Google Maps (Haritalar): Görsel ve Adres Temelli Spam Yöntemleri ile Google’ın Önlemleri Nelerdir? Başlığı altında, spam örneklerini, ceza örneklerini, şikayetlerini, yöntemlerini ve önlemlerini paylaşacağım.

Google My Business Account ve Sahte Yorum Örnekleri, Spam Sistemleri ve Önlemleri

Yazının başlangıcında  belirttiğim gibi Google, sahte yorumları silmemekte ancak gizlemektedir. Fakat bu durum, sıralama sonuçlarında büyük bir “flux” yaşanmaması için gerçekleştirilmektedir. Peki, sıralama sonuçlarında bir flux yaşanmayacaksa ve aynı zamanda söz konusu yorumların iş yerine ciddi şekilde zarar verebileceği göründü ise ne yapılmaktadır? Aşağıda, kovulan bir sosyal medya uzmanının bir iş yerinin itibarını mahvettiğini görmektesiniz.

Yaşanan spam sorunu sonrası, işletme Google’ın yapay zekasının bu engeli aşamadığını görmüş ve foruma başvurmuştur. Ardından GMB Sosyal Medya hesaplarına ulaşarak sorununun sadece bir kısmını çözebilmiştir.

Tori adındaki bir MapSpam ekip üyesi, sahte olduğu söylenen yorumların tamamının sahte olamayabileceğini belirtmiştir. Ayrıca, yorum gerçekleştiren kişilerin çoğunun gerçek adını kullanmaması, GMB Guideline’ına aykırı değildir demektedir. Bu nedenle, pek çok iş yerinin beğenmediği her yorumu sildirmesinin de önüne geçildiği gibi sahte yorumların bir kısmı “tamamen” silinmiştir.

Peki, kalan yorumlar bu iş yerinin sıralamasına zarar verecek mi?

Google Bir Yorumun Ne Kadar Kaliteli Olduğunu Nasıl Anlamaktadır?

Sahte yorumların önemli bir kısmı spammerın sadece kendisine görünmektedir. Buradaki amaç biraz da spammerın sahte yorum  yapabildiğini görüp rahatlamasıdır ancak yorum başkasına gösterilmeyebilmektedir. Peki, sahte yorumların bir kısmı gerçek zannedilerek yapay zeka tarafından panonuza yerleştirildiğinde, sıralamanızı ne kadar etkilemektedir?

Google, bununla ilgili olarak yukarıda uzun uzun anlattığımız data sistemlerinden birisini kullanmaktadır. “Location History” bunların başında gelmektedir. Eğer fiziksel bir iş yeri iseniz ve size yorum yapan G-Suite hesabı herhangi bir şekilde, konum bilgisi paylaşamayan ve hiç bir tarihe sahip olmayan herhangi bir Local Guide değeri bulunmayan bir hesap ise çok büyük bir değeri olduğunu düşünmemelisiniz.

Google, kullanıcının ilgi alanlarına, belirli bir alana gidiş geliş sıklığına ve sayısına bakarak yorumunun taşıması gerektiği anlamı derinleştirmektedir. Eğer bir yorum sahibi, iş yerinize hiç gitmemiş ise sağlayacağı yorumun Listing Ranking’e daha az etkisi olacaktır. Bu nedenle hiç yorumu olmayan bazı GMB Hesaplarının neden daha üst sırada yer aldığını da anlayabilirsiniz. Bir diğer nokta ise aşağıdaki giriş yazısıdır.

Burada, güzel bir yorum sahibinin uzun bir süre iş yerinize gelmemesi de yorumunun Ranking Boost etkisini zaman içinde azaltacağı söylenmektedir. Diğer bir deyiş ile real-user effect oldukça önemlidir. Nereden mi anlıyoruz? Aşağıda, patentin pratiğe dönüşünü daha somut göreceksiniz.

Google, Google Analytics 360’a, kullanıcıların somut mağazalara gidip gitmediğini anlamak için bir ölçümleme sistemi getirmiştir. Şu an için Beta Sürümünde olsa dahi ileride bir mağazaya gelen kişinin hangi ürünü % kaç ihtimal ile satın alma durumunda olduğunu hesaplayacak patentler dahi aldıklarını önceki yazımda ve webinarımda anlatmıştım… Böylece, Google patentlerine koyduğu “Quality-Visit Score” kavramını gerçekleştirmek için farklı sistemleri entegre ederek yaşama geçirmektedir. Bir kişinin bir yeri gerçekten sevip sevmediğini anlamak veya kaliteli bir ziyaret gerçekleştirip gerçekleştirmediğini anlamak için de “Personel Maps” sistemini yaratmıştır.

İlk olarak soldaki gibi çeşitli iş yerlerini yıldızlamanız veya ziyaret edip etmek istemediğiniz olarak işaretlediğiniz listeler oluşturmanız sağlanmıştır. Aynı zamanda custom haritalar oluşturarak, çeşitli radius içinde, çeşitli amaçlar için gidebileceğiniz en iyi işletmeleri işaretlemenizin ve bunları yayınlama/paylaşma imkanınız da yaratılmıştır. Ancak tekrar iletelim, foot-traffic kavramına aşina değilseniz, bu haritaların bir katkı sağlaması için ciddi bir spam çabası içinde olunması gerektiğini ve bunun da yazının sonunda belirteceğim son Google Spam Detection sistemine takılacağını hatırlatmalıyım.

Google Custom Maps hakkında bir giriş…

Anlattıklarım, hadi canım dedirtti mi? Demeyin…

Sadece yüzlerce custom harita yaratma ve yayınlama sözü ile yüzlerce dolara hizmet veren Freelancer’lar mevcut. Yukarıda onlardan birisinin örneğini görmektesiniz. Peki, Google Sahte Haritaların  gerçekten sahte olduğunu anlayabilmekte mi? Bu sorunun yanıtını kendiniz veremiyorsanız, “Search Engine ve Belirsizlik İlkesi” kavramına dönüş yapmalısınız. Search Engine giderek değiştirilmesi zor olan, pek çok küçük etkenin zaman içindeki tutarlılığını görmek istemektedir. Bu durum da ister istemez, “spam yapmaktansa düzgününü yapmak daha kolay” algısını yaratma amacını taşımaktadır…

Ek Bilgi: Custom Maps’teki radius genişliğine göre çıkan önerilere göre bir iş yerinin önemini anlayabileceğiniz gibi herhangi bir güncelleme sonrası yaşanan radius değişimlerini de test edebilirsiniz.

Aşağıda, bazı fake yorum örneklerini, açtıkları sorunları görmeye devam edeceksiniz.

Google Fake Reviews Örnekleri ve Neden Olabilecekleri Sorunlar, Olası Önlemler ve Spam Detection Sistemleri

Hem Türkiye’de hem de dünyada pek çok şirket, sahte yorumlara karşı yasal hizmet sağlamaktadır. Sadece, bu konu üstüne uzmanlaşarak genişleyen pazardan pay almak isteyen firmalar da mevcut. Aşağıda, içeriklerinin çoğunu bu konu üstüne kurgulamış yabancı bir şirketten görüntü göreceksiniz.

Neden mi bu kadar önem veriyorlar? Çünkü dünyanın en büyük küresel şirketleri dahi, bu şekilde bazı fake review davalarına bulaşmaktadır.

Yılda 2 veya 3 küresel şirketin Dijital Pazarlama Müdürü veya doğrudan CEO’su fake review işlemlerine katılıp katılmadığı sorularak haber yapılmaktadır.

Google MapSpam Ekibi Covid-19 Süreci İle Nasıl Mücadele Ediyor?

Bu makalenin dünyanın nadir rastladığı küresel sağlık krizlerinden birisinin ortasında (umarım ortasıdır) yazıldığı düşünülürse, fake review spam davranışlarının da bu durumdan etkilendiğini belirtmek yerinde olur. Google, kendi resmi blogunda bununla ilgili bir açıklama gerçekleştirdi.

Buna göre Google, özellikle çeşitli iş yerleri hakkında “Burada Covid-19 salgını bulunmaktadır.” şeklindeki yorumları silmeye başlamıştır. Aynı zamanda, hem yapay zekası ile hem de evden çalışan iş ekipleriyle spama karşı mücadeleye devam etmektedir. Aşağıda, Covid-19 sırasında Google’ın bazı aksamalar olabileceğini belirttiği bir açıklamasını göreceksiniz.

Google Analytics’ten Google Ads’e kadar hemen hemen tüm ürünlerinde aynı uyarıları yapan Google, bazı durumlarda yorum yapmayı ve yorumlara yanıt vermeyi de engellemeye gitmiştir. Aşağıda bununla ilgili bir örnek göreceksiniz.

Google Forumları, yorum yazamadığını belirten kişilerle dolmuş durumda. Peki, bunun tek nedeni birbirine Covid-19 nedeni ile iftira atan kişiler mi? Hayır, söylediğimiz gibi Google MapSpam ekibi sadece son 1 yıl içinde, 75 Milyon sahte yorum sildi, 580.000 yorum ve 280.000 Business Profile’ı doğrudan yapılan reportlar ile silindi, 475.000 kullanıcı hesabı ve 4 milyon iş profili ise toplamda yapay zekanın ve MapSpam ekibinin manuel işlemleri ile kapatıldı.

GMB Guideline’ına Covid 19 Döneminde yapılabileceklerle ilgili bir guideline yayınladı, bunların içinde çalışma saatlerini değiştirmek, geçici olarak kapatılma ile ilgili bilgi vermek, post  yaratarak yaşanan son durum hakkında bilgi vermek gibi farklı örnekler mevcuttur. Aşağıda oluşturdukları “damga seçenek” ve bir canlı post örneğini Türkiye’den göreceksiniz.

Covid-19 döneminde, herhangi birisinin Fake Review kampanyası başlatması, Google’ın gerçekleştirdiği ve gerçekleştirmek için yıllarını harcadığı temiz sıralama sonuçlarını bozabileceği için de bu şekilde kilitleyici önlemlere gitmekteler.

Yukarıdaki yorum örnekleri Magic Kingdom Park adlı toplamda 150.000 üstü yorumu olan bir oyun parkından alınmıştır. Normalde günde onlarca yorum yapılan bir işletme olmasına rağmen son 6 gündür herhangi bir yorum eklenmiş değil… Aşağıda ise Google’ın yorum onaylarını kilitlemesine yönelik olarak aldığı kararın doğruluğunu gösteren ve ben bu makaleyi yazarken karşıma çıkan bir spam örneğini göreceksiniz.

Tabii kimsenin fotoğraf ekleyememesine veya bir post atamamasına da değinmiyorum dahi… Sizce Google, bu şekilde sert önlemler almakta haklı mı? Aşağıda bir fake review örneğini göreceksiniz.

Tüm hesaplar varlıkları süresince sadece 1 yorum yapmış, profil fotoğrafı yok, herhangi bir somut sosyal varlık belirtisi yok, tamamı 5 yıldız… Google böyle durumlarda, herhangi bir hesabın diğerine saldırması olası olduğu için süreci daha önce anlattığımız gibi yönetmektedir ve aynı zamanda, her ne kadar spam olduğunu belirtsek de bunun bir gerçeklik oranı içerip mutlak gerçekliği ifade etmediği unutulmamalıdır.

Ancak bu kesinlikle spam diyebiliriz…

CEO’ların da bu işin içinde olduğunu belirtmiştik. Bir cilt bakım firmasına Sephora hakkında 2 yıl boyunca firma çalışanlarını da zorlayarak olumsuz yorumlar yazdırdığı için dava açılmıştır. 

Esteelaundry adındaki bir instagram hesabından yapılan açıklama sonrası olayların arkası gelmişti…

Yelp’teki kötü yorumları silmek için yarım milyon dolar teklif etmek… FTC’ye sahte yorum satın aldığı için Amazon tarafından 12.8 milyon dolarlık dava açılması… 

Sunday Riley adındaki firmanın fake review yaratması durumu daha sonra da basında yankı bularak örnek bir case haline geldi… Tabii ki yılda 2-3 küresel firma demiştik… 2020 örneklerini beklemedeyim ancak Coronavirüsü henüz izin vermiyor.

Sahte yorum endüstrisi tabii ki Türkiye’de de mevcut ancak oraya çok girmeyeceğim, aşağıdaki davaları, örnekleri okumanız yeterli…

BlackHat geçmişine sahip olduğumu gizlemediğimi belirtmiştim ancak Google’ın özellikle Covid-19 dönemindeki önlemlerini gördükçe, Search Engine’e yardımcı olmanın ne kadar önemli sonuçlar yaratabileceğini hep birlikte görmekteyiz… Ayrıca, bu makaleyi yazdığım sırada yaşanan son bir güncellemeyi daha ileride tarihi bir değeri olabileceğini düşündüğüm bu makaleye ekleme gereği duyuyorum. Google, Covid-19 nedeniyle etkilenen iş yerlerine yardım için 800 Milyon Dolarlık yardım gerçekleştirme kararı aldı. Bunun 250 Milyon Doları, Dünya Sağlık Örgütü’ne, 250 Milyon Doları NGO’lara yani (Non-Goverment Organisations, yardım amaçlı uluslararası kuruluşlara), 340 Milyon Doları, GMB’yi düzenli biçimde kullanan müşterilerine, görünürlük kaybetmemeleri için, 20 milyon Dolar, Google Cloud’u virüse karşı savaş için kullanan sağlık kuruluşlarına verileceğini duyurdu. 

Ayrıca, Google’a ait alt kuruluşların da kendi çalışanlarına, istedikleri topluluklara bağışta bulunmaları için farklı türde fonlar aktaracağını da Sundar Pichai duyurdu. Böylece, Google, bir sağlık şirketi olduğunu daha sert bir şekilde yinelemiş bulunmaktadır.

Yukarıda, Sundar Pichai’nin açıklamasını görmektesiniz. Aynı zamanda Google, şu ana kadar Covid-19 hakkında toplamda 19 yazı yayınladı. Bunların da görüntüsünü aşağıda bulabilirsiniz.

Bir diğer gelişme ise zincir kuruluşlarla ilgili olarak gerçekleşti. Google, 9’dan fazla şubesi veya iş yeri olan firmaların, yorum kilitlerini ve soru, cevap, yorumlara yanıt verme engellerini kaldırdı. Şu an için sadece bu firmaların yorum gerçekleştirmeleri mümkün görünüyor.

Solda, Google’ın resmi açıklamasının bir özetini, sağda ise Google’ın COVİD-19 süresindeki “Limitlilik Esaslarını” gösteren resmi açıklamasını görmektesiniz. Aynı zamanda, GMB Guideline’ının çoğunlukla, Auto-Dealership, Hotels ve Healthcare odaklı olduğunu hatırlatmakta fayda var. Bunun nedeni en çok arama talebinin ve spam rekabetinin de bu eksende olmasındandır.

Ayrıca, Google ve diğer Search Engine’lerin Covid-19’dan nasıl etkilendiğini, trend ve trafik verileri ile teknolojik atılımlarla birlikte incelemek isterseniz, düzenlediğim Coronavirüsü Sonrası SEO’nun Geleceği adlı webinarı izleyebilirsiniz veya bu webinarda sunduğum Coronavirus and Future of SEO: Digital Marketing and Remote Culture adlı sunumu da inceleyebilirsiniz.

Google’ın bu süreçteki spam karşıtı önlemlerini ve dünyaya yardım/PR çalışmalarını aktardıktan sonra, sahte yorumlarla ilgili olarak da daha fazla değinmemizi gerektirecek bir nokta olduğunu düşünmüyorum. Diğer spam yöntemlerine değinerek Google’ın Spam Detection hakkındaki paylaşacağımızı söylediğimiz son patentini paylaşarak yazımızı sonlandıracağız. 

Not: Fake Review’lerle ilgili söylenmesi gereken daha fazla şey yok diyemem ancak yeterince bu konuyu işlediğimizi düşünüyorum. Örneğin, olumsuz tek bir yorumu kapatmak için 5 ayrı 5 yıldızlı yorum yapan kişiler de mevcut…

Bunun adı ise Review Stacking. Yukarıda bir örneği mevcut. Aşağıda ise bir fake review gif’i bırakarak devam edebiliriz.

Favorim “Call Samarra” ile başlayan 🙂

Not: Bu makale yaklaşık 2 ay içinde yazılmış ve bir ay kadar da yayınlanmadan önce bekletilmiştir. Bu süre içerisinde Google, COVID-19 kapsamında bazı yenilikler gerçekleştirmiştir. Örneğin, COVID-19 nedeni ile kapandığını belirten iş yerlerinin GMB Listing’lerinden E-mail ve Visit Website gibi bazı butonlar kaldırılmıştır.

Aynı zamanda, geçtiğimiz hafta, 15 Mayıs Tarihi itibari ile yapılan yorumları review ederek yayınlamaya başlamış durumdalar. Bu nedenle, bu süre içinde yapılan yorumların silinmeyip, geçmiş tarihli olarak inceleme sonrası yayınlanacağını görmekteyiz. Google, 2020 boyunca evden çalışma düzeni için planını açıklarken GMB’deki aktivite azalımından rahatsız durumda. Bu nedenle, kriz döneminde etkinliğini koruyarak gelişimini yeni bir olağanlık içinde sürdürmek istemektedir.

Google, bununla birlikte yeni GMB Listing isteklerini de onaylamaya başlamıştır. Şu an için Google My Business ile tek iletişim adresi, https://support.google.com/business/gethelp biçimindedir.

Geçmişe yönelik yayınlanan yorumların yayınlanma oranı sektörlere göre ise yukarıdaki gibidir.

Ayrıca, sonradan yayınladıkları, GMB COVID-19 Guideline’ını okumanızı tavsiye ederim.

Şu an için Google Post’ta ise hala COVID-19 ile ilgili öncelikli postlar ve Sağlık Kuruluşlarının Postları yayınlanmaya devam etmektedir. Bu bağlamda, yeni bir Spam Türü daha ortaya çıkmıştır. Pek çok işletme kendisini sağlık işletmesi gibi makyajlamakta veya Postlarını COVID-19 temalı bir hale getirerek sıralamaları etkilemeye çalışmaktadır. Bu duruma da COVIDSPAM diyebiliriz. 

Aşağıda ise Google’ın 19 Mayıs 2020 Tarihinde yayınladığı ve Google Haritalar’da azalan etkinliği arttırmak için ürettiği bir yöntem görünmektedir. “Evinizden Dünyayı Gezin”

2 ayda yazılmış, 1 ay ise bekletilmiş bir makalenin, hızlı bir güncellemesi bu kadardır.

Google My Business Sahte ve Kopya Liste Yaratarak Harita Kapama

Bu yöntem adres bazlı spam örneklerinden birisi olduğu için burada yer almaktadır. Aynı sistemi uygulayan farklı iş yerleri ülkemizde de mevcut. Hatta geçen yıl bana “3.000 tane harita yeri alabilir misin?” diyerek çok uçuk paralar teklif edenler mevcuttu… Bu spam yönteminin çürütülmesi genelde Google için zor olmamaktadır keza belirtilen iş yeri çoğunlukla belirtildiği yerde olmadığı gibi çok yakın noktalarda olup aynı web sitesine trafik atmaya çalışmaktadır. Buradaki fake listing spam’da asıl zor kısım, rakip işletmelerin taklidini açarak kendilerine trafik çekmeye çalışan kurumlardır. Bu noktada ise yukarıda sayısal değerlerini verdiğimiz MapSpam 1 yıllık sonuç tablosunu hatırlamak yerinde olacaktır…

Türkiye’den ve yurtdışından bir örneği yan yana getirmek istedim. Aşağıda ise çok daha ileri düzey bir duplicate listing örneğini göreceksiniz.

Bulduğum bu örnek aşağıya doğru gitmekteydi, o nedenle hepsini gösteremedim. Ancak, hiç bir MapSpam ekip üyesi bunu gördüğünde “acaba spam mı?” diye düşünmeyecektir.

Google kalite yönetmeliğine göre kopya liste sahibi sizseniz kaldırmanız gerekli, eğer siz değilseniz report etmelisiniz. Fake Review’lar ve Fake Listingler için tavsiyem doğruca Twitter veya Facebook üstünden GMB ile iletişim kurmanızdır.

Duplicate Listing gibi aynı zamanda gerçekte var olmayan fiziksel konumları (işyeri değilse) Business Listing’e ekleyemezsiniz. Yakın zamana kadar GMB Account’larına sanal ofisler eklenebilmekteydi ancak herhangi bir fiziksel varlığı olmayan sanal ofisler artık GMB Account’u olarak tanımlanamıyorlar. Google bu noktada iş yerinin özellikle fiziksel bir girişi olmasını önemsemektedir.  Yukarıdaki örneklerden bazıları ise fake adress’e sahiptir.

Bu tip iş yerlerine Ghost Businesses yani hayalet işyerleri (var olmayan iş yerleri) denmektedir.  Aşağıda bunun bir başka örneğini göreceksiniz.

Bir şehrin tamamında belirli sözcükleri hedefleyen var olan veya olmayan pek çok adres girilerek işyerleri açmanın somut örneklerinden birisi… Aşağıda ise daha geniş pencereden West Palm Beach’te tesisatçılık ile ilgili bir sorgu girdiğimizde, karşınıza çıkan tüm spam örneklerini göreceksiniz.

Benzer bir örneği Türkiye’den Türkçe bir sorgu ile yineleyelim. Spam yapmadığı için aşağıda çıkan pek çok iş yeri görmeniz olası, bu nedenle Google MapSpam ekibine ayrı bir önem vermektedir. MapSpam ne kadar iyi bir iş çıkarırsa Google o kadar fazla Ads Revenue elde edebilir. Spama maruz kalmış bir Search Engine güvenilir olmadığı için reklam geliri elde edemez.

Yabancı örnektekine tamamen benzer bir sonuç karşımıza çıkmaktadır. Marka adı barındırmayan ve sadece Query + Bölge adı içeren Business Title’lar öne geçmektedir, bazı iş yerleri Mesaj + Vaat vererek gene iş/marka adını belirtmemiştir. Bazıları farklı türde yer adları kullanırken “Kırarak su tesisatı” gibi yöntem belirtenler de mevcuttur. Bir tane de sahte liste bulunmaktadır. Spam içermeyen sadece 2 iş yeri vardır ki onlar da organikte 6. Ve 8. Sırada yer almaktalar. Eğer spam sonuçlar olmasaydı, muhtemelen 1 ve 2. Sırada yer alacaklardı.

Bu nedenle, GMB giderek sertleşen önlemler alarak Google Search Sonuçlarını hem map, hem news hem image hem de web için en gerçekçi, kullanıcıya ihtiyaç duymadan kendisini besleyebilen ve kendi kendisini geliştirebilen bir dijital organizmaya dönüştürmeye çalışmaktadır. GMB’de hala yapılması gereken çok fazla iş varken, Covid-19 sürecinde dondurucu yöntemler izlemek, oldukça doğaldır. 

Eğer bu süre içinde Google ile iletişim kurma ihtiyacı duyarsanız, GMB Sosyal Medya Accountlarına ulaşmanız gerektiğini belirtmiştişm, bir başka yöntem ise eskiden GMB Hizmetlerini aramaktı, şu an ise yukarıdaki fotoğrafta gördüğünüz gibi aramak mümkün değil, bu nedenle aranma talebi oluşturabilirsiniz. Web spamın bitmeyen ve belki de bitmeyecek yolculuğuna devam etmek gerekirse…

Aşağıda, hem yorum hem görsel hem de adres barındıran bir başka spam türünü göreceksiniz. Blackhat geçmişime dayanarak bildiğim bu çoğu yöntemin, artık uygulanmasının iş yeriniz için bir tehdit oluşturduğunu hatırlatarak…

Google My Business, Yorum, Görsel ve Adrese Dayalı Ortak Spam Yöntemi

Eğer Google My Business Account’ınızı yönetirken istenmeyen bir yorum keşfettiyseniz bununla ilgili yapabileceklerinizi sıraladım ancak görsel içeren yorumlarda bu durum beklediğinizden daha kolay da halledilebilir. Görseller, yazıdan çok daha güçlü uyarıcılar olduğu için spammerlar da bunu kullanmakta ve belirli iş yerlerini kötüleyen fotoğrafları yorum olarak ekleyebilmektedir. Bu bazen belirttiğimiz gibi “yanlış adrese” yönelik olmaktadır ancak bazen ise sadece iş yerinin içini yanlış yansıtıcı veya marka değerini küçük düşürücü de olabilmektedir. Bu durumun sıklıkla yaşanmasından dolayı, Google MapSpam Ekibi, Guideline’larına özel bir sayfa eklemiştir.

Aşağıda ise Çinli bir kutu şirketi tarafından düzenli biçimde spam saldırılarına maruz kalmış birisinin, GMB MapSpam’dan yanıt aldığında ise daha önce eklediği yüzlerce fotoğrafı kaybetmesine yönelik bir örnek göreceksiniz.

Bu fotoğrafların hiç birisi söz konusu iş yerine ait olmayıp, iş yerinin herhangi bir fonksiyonunu da yansıtmamaktadır. Aşağıda ise daha ilginç bir örnek göreceksiniz. “Google, kendisi görsele dayalı spam yapabilir mi?” ve “MapSpam ekibi neden gereklidir?” sorularının yanıtı olacaktır.

Google, Kendisi Google My Business Arama Sonuçlarında Spam Yapabilir Mi?

Google’ın Google My Business ekosisteminden gelen bilgileri eskisine göre daha fazla önemsemesi ancak bu bilgileri de sıkı bir AI denetiminden ve ardından da MapSpam’ın manuel denetiminden geçirmek istemesinin nedenlerinden birisini aşağıda da göreceksiniz. Gene bir fotoğraf/görsel içeren bu durumda, spammer, Google’ın kendisidir.

Diyelim ki bir SEO’cu olarak bir işletme size gelerek şunu söyledi. Google, görsellerde ve Knowledge Panel ile GMB ürünlerinde, logomuz olarak bir suçluyu göstermekte, bunu ise kendisi yaptı, nasıl çözebiliriz?

Dürüst olmak gerekirse bu sorunu, günümüzde bir SEO’cu değil ancak Holistic SEO’cu çözebilir. Öncelikle sorunu anlatalım.

SK8 47 Skating & Skating & Fun Center adındaki bir işletmenin sahibi işlediği bir suçtan dolayı hapis yer. İşletme, sahiplik değiştirdikten sonra 2 yıl boyunca, PR yapar ancak logosunda, Google’ın gösterdiği eski sahipten ve turuncu hapishane fotoğrafından kurtulamaz.

2019 Tech SEO Boost’taki panellerden birisinin adı “No Bias for AI”dı. Bunun amacı Yapay Zekayı yanıtlmayan dürüst bir Search Ekosistemi yaratmaktı. AI nasıl yanıltılır konularına tabii ki girmeden, bu sorunun neden olabileceklerine GMB özelinde değinmeyi sürdürüyorum. Söz konusu fotoğrafı, reverse image veya “images to text” yöntemiyle aradığınızda aşağıdaki sonuçları alıyorsunuz.

Otoriter pek çok web sitesi, Skating Rink adı ile işletmeyi kast ederek sahibinin “çocuk pornosundan” hüküm giydiğini söyleyerek fotoğrafını yayınlatmaktaydı. Ardından, Google yapay zekası, adı sıkça anılan bu işletmeyi bir Entity’e dönüştürdü. Neden mi? Bunu anlamak için İçerik Bulutu Akademi için daha önce yazdığım “Entity Nedir” temalı makaleyi okumalısınız. Entity’e dönüştürülen iş yeri için pek çok Query, doğal olarak birleştirildi ve işletme sadece kendisi için yapılan sorgularda değil benzer işletmeler için yapılan sorgularda da bir suçlunun logosu olarak görünmesiyle SERP’te yer almaktaydı.

Not: Structured Data, GMB Logo Photographs konuyu çözümlememiştir.

Bu sorun ancak Knowledge Panel’in raporlanması ve ardından GMB ile birebir görüşerek çözülebilmişti. Yapay zekanın bu hatayı gerçekleştirmesinin yanı sıra, iş yerinin sıralamaları da olması gerektiği kadar olumsuz etkilenmemişti. Bir Entity olduğu ve pek çok yerde adı geçtiği için olumlu etkilense dahi sıralama aldıkları sözcükler hayal edebileceğiniz gibi tam da olması gerektiği gibi değildi… Bu kısım da biraz “external linking”e girdiği için değinmeyeceğim… Özet ile Google pekala kendisi de kendi sisteminde spammer olabilir… Bu nedenle, GMB Product Expert adında bir title oluşturdu ve hem search’ün geliştirilmesi hem de MapSpam ekibine destek olması için dünyanın en aktif Local SEO uzmanlarına resmi unvanlar verdi. Aşağıda, bir liste göreceksiniz.

Product Expert’ler bu tip hataları aşmaları için GMB Ekibine ve Algoritma Geliştirme ekiplerine feedback sunarak yardım etmektedir. Ne diyelim… Darısı başımıza… Bu arada, bu listedeki bir Hanfendinin adını anmadan bu makaleyi devam ettiremem keza Local SEO adına çoğu deneyimi kendisinden edindiğim gibi Google’a karşı en sert eleştirileri gerçekleştiren ve Google ekiplerini sorumsuzlukla itham eden birisinden bahsediyorum, Joyanne Hawkins… Aşağıda örnek bir makale kesiti göreceksiniz.

Agreed!

Sona doğru yaklaşırken, birkaç ilginç GMB ve görsel odaklı spam örneği daha vermeliyiz. Çünkü her yöntem kolunu henüz içermiş değiliz.

Google My Business Yorumların Adres ve Görsel ile Spam Olarak Kullanılması

Solda gördüğünüz GMB sorgu sonuçları “Slip and Fall Lawyer” sorgusu içindir. Dikkatli bir şekilde inceleyen herkes ilk üç liste sonucunun sahte olduğunu görebilir. Aşağıdaki işaretlenen diğer üç sonuç ise gerçektir. Hukuk sektöründe dahi korkusuzca bu tarz spam çalışmaları gerçekleştirilebilmektedir. Aynı zamanda, kişisel iş yerlerinde çoğunlukla gerçek kişileri logo olarak kullanmak daha iyi sonuç vermektedir. Fake Listinglerde ise herhangi bir şekilde bölge ile ilgisi olmayan adreslerden sonuçlar görmektesiniz.

Söz konusu Fake Listingler ise gerçekliğinin olmadığı kanıtlandıkça, yapay zekanın onayından ve MapSpam’ın denetiminden geçtikçe kaldırılmaktadır. Bu örnek 8 Şubat tarihindendir. Aşağıda, farklı örneklerin gene bu yıl içinden birleştirilmiş hallerini bir gif içinde göreceksiniz. Ardından bir kaç farklı örnek daha sunarak yazıda daha önceden bahsettiğim Google Spam Detection ile ilgili olarak bahsettiğim son Google Patentini sunarak makalemizi sonlandıracağız.

Aşağıda daha farklı bir yöntemden iki örnek göreceksiniz. Bu yöntemde, farklı bir listing açılmıyor, farklı bir adres için o adresi yanlış gösteren fotoğraflar da eklenmiyor. Bu yöntemde, bir işletme, başka bir işletmeye kendi iş yerinin telefon numarasını, adresini ve sloganını içeren bir fotoğraf atıyor veya fotoğraf spam değilken fotoğrafı atan hesap adında, bahsettiğim öğeler içeriliyor.

Yukarıdaki örnekte iki ayrı hesabın aynı fotoğrafı attığını görüyorsunuz. Birisinde, Smith-Corcoran Chicago Funeral Home yazmakta, işletme adının yanı sıra adresi de yorumda bulunuyor. Aynı zamanda, dikkat çekici bir görsel ile de söz konusu kişi sadece gözlemlediğim hesaptan 5.000’e doğru yükselen bir görüntüleme elde etmiş durumda. Bu görüntülemenin tamamı ise rakiplerinden gelmekte…

Buradaki örnekte ise bir kişi 222.000 üstündeki görüntülemeyi, işletme tanıtımını yaptığı bir görsel ile elde etmiştir. Yeniden Google’ın görselleri daha iyi anlaması için farklı ve somut örnekler… Aynı zamanda, hesap adına da dikkat etmelisiniz.

Aynı yöntem ile 100.000 görüntüleme alanları ve kendi Nakliye firmasının fotoğraflarını, numaralarını ve fiyatlarını yorum olarak görsellere işlenmiş bir şekilde atanları gördüm. Belki de bu nedenle Google için görselleri algılamanın neden bu kadar önemli olduğunu eğer Holistic SEO Vizyonunda iseniz, makaleyi buraya kadar okuduğunuzu tahmin ettiğim için anlamışsınızdır diye umuyorum…

Bitti mi? Spam bu kadar mı? Hayır…

Google My Business Edit ve Yeni Listing ile Adres/Görsel Temelli Spam Yöntemleri

Öncelikle bu yöntemin meşru olarak kullanıldığı bazı noktalar olduğunu belirtmeliyim. Örneğin, bir kişi zamanla kendi işletmesi için iki ayrı hesap açıp, diğerini unutabilmekte ve ardından bu iki hesaptan birisini haritalardan silmek istese dahi silemeyebilmektedir. Bu nedenle de edit ile istenmeyen listeyi haritalarda aşağıya itmeye veya yeni üçüncü bir fake listing açarak da onun adını bir mesaja dönüştürmektedir. “Asıl adres şudur” yazan bir işletme adı ile gerçek işletmesini sonuçlarda işaret etmeye çalışmaktadır. Peki, her zaman bu kadar masum mu? Tabii ki hayır.

GMB’ye ulaşamadığı için uygulanan bu masum uğraşı bazen şu şekilde de kullanılabilmektedir:

• Öne geçemediği iş yerini bulan kişiler, aynı adrese aranan sözcükleri adında barındıran iş yerleri açılmış gibi göstererek, belirli bir radius içindeki tüm ilgili sorgularda rakibi, kendi adında baskılamak…
• Haritada, rakibin “çentiğine” yani kırmızı işaret noktasına tıklanamayacak kadar yakın bir noktaya kendi açtığı fake listingi yerleştirmek…
• Açılan fake listinglerin adına “X İş Yeri taşınmıştır ama GMB bunu değiştirmemiştir.” yazmak…
• Açılan yakın noktadaki fake listinge kendi numaranızı bırakmak ve haritada gezinen kişilerin rakip işletmeye tıklayacağı sırada, bu numara, mesaj veya vaadi okumasını sağlamak…

Bu kombinasyonlar çoğaltılabilir. Bu nedenle yeniden, görseller ve adres bilgilerinin bağdaştırılmasının önemini anlayabilirsiniz…

Peki tüm bunlarla birlikte, edit yöntemi nasıl hile için kullanılabilmektedir?

• Spammer edit yöntemi ile rakibin web sitesi adresini kendi lehine olacak şekilde değiştirebilir.
• Spammer, rakibin web sitesi yok ise kendi lehine olabilecek şekilde ekleyebilir.
• Spammer, rakibin açılış tarihini geleceğe atarak listing sonuçlarından silinmesini sağlayabilir.
• Spammer, rakip işletmenin adını işine zarar verecek şekilde değiştirebilir.
• Spammer, rakip işletmenin kategorisini değiştirebilir.
• Spammer, rakip işletmenin adresini değiştirebilir.
• Spammer, rakip işletmenin iç ve dış görüntüsünün gerçek olmadığını belirterek işletme ile GMB ekiplerinin iletişime geçmesini sağlayabilir ve işletme fotoğraflarının silinmesine neden olabilir.

Benzer şekilde bunlar da uzatılabilir veya çeşitlendirilebilir. Dürüst olmak gerekirse, bu yöntemleri açıklarken belirli gerekçelerle çekinmekteyim bu nedenle bu kısmı uzatmıyorum ve metodoloji paylaşmıyorum. Yukarıdaki fotoğraflar, bu şekilde uygulanan spam yöntemlerine aittir.

Google My Business Dışında, Bing ve Yandex Haritalar Spam Detection ve Mücadele Yöntemleri Nedir?

Holistic SEO kavramı sadece Google ile ilgili olmadığı için bu iki büyük Search Engine’e de eğilmekte fayda vardır. Öncelikle, Yandex Haritalar, Bing Haritalara göre çok daha fazla aktif olup daha çok akar yakıt işletmeleri, araba sigortaları veya bakım kampanyaları gibi firmalardan çok daha fazla reklam almaktadır.

Bunun nedeni Yandex Navigation’ın GMB’ye göre daha aktif olmasıdır. Facebook da bu nedenle, kendi açtığı Pazar Yeri uygulaması sonrası Local İşletmeler için de harita hesabı oluşturmayı amaçlamış ve Yandex’ten sonra GMB’ye rakip olmuştur. Peki Bing? Bing Haritalar da benzer şekilde rakip olsa da dünyanın çoğunda Bing Haritalar ile Nemrut Dağı arasında çok fark yoktur. Yani, “buralar hala dutluk” diyebiliriz.

Aşağıda anlatmakta olduğum konu, aynı şekilde Bing Discovery için de gerçekleşmiştir.

Bu nedenle, Bing ve Yandex için spam anlamında da çok büyük bir uğraş bulunmamaktadır. Daha çok Citation Tutarlılığını (Google AI için internet düzleminde tutarlı adres sunmak ve firma bilgisi sunmak) için kullanılmaktadır. Hatta, Yandex Harita sonuçlarının ana trafik kaynağı, Yandex değil, Google arama sonuçlarıdır…

Yandex/profile uzantısı Google üstünde 14.300 üstü keyword’e sahiptir, sahip olduğu keywordlerin çoğunu ise son 1 yılda kazanması ileride bazı haberler görmemizi sağlayabilir. Keza, Bing/images, geçen yıl başında, Google/images’in %20 kadar trafiğini çalmaktaydı, bu nedenle de Bing/images Google indexten silinmişti… Bunları da Holistic SEO Vizyonu kapsamında not olarak düştükten sonra aşağıya bir edit spam örneği koymaktayım.

1994’ten beri açık olan bir işletme, gelecek aylarda açılacakmış gibi güncellenerek liste sonuçlarından silinmesi sağlanmıştır. Aşağıda ise açılan fake listingler için yapılan ve bekleyen bildirimlere yönelik bir örnek görmektesiniz.

Aşağıda ise Google’ın spam yöntemlerine göre istekleri daha iyi incelemek için kendisinin de bir sınıflandırma yaptığını göreceksiniz.

Peki, söylediğimiz gibi Yandex veya Bing Haritalar için hiç spam yok mu?

Neredeyse yok diyebiliri keza ortada spama yol açabilecek bir rekabet veya reklam alanı söz konusu değil. Aşağıda, gene de Yandex’ten bir spama karşı savaş yöntemlerini içeren kısa bir mesaj bırakıyorum. Buna ek olarak özellikle de farklı Search Engine’leri mutlaka Holistic SEO kapsamında incelemelisiniz keza Google Maps’te olmayan özellikleri ve özel snippetleri var. Mesela, Bing herhangi bir noktayı size  doğruca “kordinat” biçimi ile verebilmektedir. Veya belirli bir kordinattaki kayıtlı ise işletmeyi, adresi de verebilmektedir…

Yelp, Yellow Pages, Foursquare, TripAdvisor gibi 3rd Party Local Directory’ler ve GMB Spam

Yandex ve Bing gibi local spam’ın bu kısmını da ele almak gerekmektedir. Her yerde olduğu gibi burada da fake review hizmetleri sunanlar ve rakiplerinin adres değişikliklerini Google’a doğrulatmak için “bias” içinde faaliyetler gösteren kişilikler söz konusudur. Google, bu nedenle bu firmaların bir kısmını partner kuruluş olarak seçmiştir. 

Böylece, bu kuruluşların  yönetmeliklerinde ve Google’dan aldıkları trafik artışı ile de belirli ölçülerde Google tarafından yayıncılık anlayışlarının değiştirildiğini görmekteyiz. Bu değişikliklerin her noktada Google Partners için ortak bir şekilde yaşanması, bize Google’ın ne istediği ve istemediği anlamında ortak bir fikir vermektedir. Tıpkı, tüm Firma Bilgilerinizin tüm internet düzlemindeki önemli ve önemsiz directory’lerde tutarlı olmasının vereceği ortak fikir gibi…

Peki, Google sadece interneti iyileştirmek için mi bu kuruluşları partner olarak kabul etmiş durumda? Tabii ki hayır. Eğer böyle düşünürsek, Google’ı anlayamayız. Yukarıdaki akan görselde de görebileceğiniz gibi “Rekabetin haksız kullanımı” gereği Google’a 2.4 Milyar Euro’luk bir “güvensizlik” cezası kesilmesi olasılık içinde.

Google da bu yüzden yukarıda bir örneği göründüğü gibi farklı türlerdeki SERP özellikleri ile rakiplerini ekosisteme dahil etti ancak bunu yaparken de rakiplerinden bazı karşılıklar aldı. Örneğin, Play TV ile Netflix’e rakip iken Netflix’teki trafiğin davranışlarını izleyerek, Youtube’a geldiklerinde onlara izledikleri Netflix yayınları ile ilgili içerikleri ön planda sunmak gibi…

Aynı zamanda, MapSpam Ekibinin işi oldukça zorken ve önemli gelişmeler yaşanıyorken spam miktarının yoğunluğu nedeni ile aşağıdaki gibi konular da bazı yayınlar tarafından tartışılmaya başlandı.

“Google My Business mı yoksa TripAdvisor mı daha güvenilir?”

Bu tipte içerikler üretilirken, aşağıda local işletmeler için yorum platformlarının popülerlik karşılaştırmasını yıllara göre göreceksiniz.

BrightLocal’in araştırmasına göre Google ancak 2016-2017 arasında liderliği alabilmiş bir platform olarak görünmektedir. Bu nedenle de kendi ekosistemini, diğer data merkezlerine göre kurgulaması, kendi yapay zekasının bu noktalardan beslenmesi ve Avrupa Birliği’nin de bu durumu “antitrust” cezalarına konu yapması, normal karşılanmalıdır.

Peki, 3rd Party aracılar, nasıl GMB’ye etki etmektedir? Citation’larınızı çeşitlendirerek, hakkınızda TrustPilot gibi farklı noktalardan girilebilecek farklı yorumlar, haberler ve firma bilgileri, Google Maps’teki sıralamanızı, sıralama aldığınız sorguları ve aynı zamanda da Google Yapay Zekasının size olan yaklaşımını etkileyebilmektedir. Bu nedenle, bu adreslerde hakkınızda yapılanları incelemelisiniz. 

Google, bu noktayı bildiği için bu adreslerdeki spama karşı da, partner olarak gördüğü kuruluşların önlem almalarını sağlamaya çalışmaktadır. Mike Blumenthal’ın Yelp yorumları ile GMB sıralamalarında olumlu yönde etki yaratan deneyini daha önce gene İçerikbulutu ile düzenlediğim Google Broad Core Algoritma Güncellemelerini YMYL Siteleri için SEO Stratejisi Olarak Kullanmak Mümkün mü? adlı webinarımda anlatmıştım.

3rd Party aracıların kendi içinde sıralamalarda yükselmek için yapılması  gerekenler ise Google Algoritmalarının dışındaki bir konu olduğu için burada ele alınmayacaktır. O nedenle Google Spam Detection hakkındaki son patenti, artık paylaşabilirim.

Google Maps Algoritmalarının Spammer’a Karşı Ters Mühendisliği ve Çalışma Prensipleri

Öncelikle belirtmeliyim. Eğer buraya kadar herşeyi okudu ve anladıysan Holistic SEO vizyonuna sahip olabilirsin. Bu bağlamda, tebrik ederim. Keza, bana göre bütün makalenin en önemli noktası burasıdır. Aynı zamanda, Blackhat’e yardım edebileceği için birkaç noktası eksik bırakılarak anlatılacaktır.

Patentin asıl adı: Reverse Engineering Circumvention of Spam Detection Algorithms

Mucit: Douglas Richard Gunman

Patent Number: 9,372,896

Aşağıya, patentin kısa bir açıklamasını bırakmaktayım.

Local Listing bir search entity olarak alındığında bir işletme girişine spam puanı atanır. Spam puanına, spam puanının değişeceği şekilde bir gürültü fonksiyonu eklenir. Spam puanının ilk eşikten büyük olması durumunda, giriş hileli olarak tanımlanır ve giriş, aranabilir işletme girişleri grubuna dahil edilmez (veya listeden kaldırılmaz). Spam puanının, ilk eşikten daha yüksek ikinci bir eşikten büyük olması durumunda, giriş inceleme için işaretlenebilir. Spam puanlarına parazit eklenmesi, potansiyel spam göndericilerin spam tespit algoritmasını tersine çevirmesini önler, böylece arama varlığına gönderilen daha fazla liste (işletme girişi) hileli olarak tanımlanabilir ve arama yapılabilir listeler grubuna dahil edilemez.

Evet, yukarıda sayfalar sürecek bir açıklamayı, teknik bir dile özetledim. Daha da kısa bir şekilde anlayabileceğiniz biçime dönüştürmeme izin verin.

Yukarıda, çok yukarıda… Google’ın Patent Metodolojisine değinmiştim. Benzerlik bul, eşikler ata, eşiği geçenleri sınıflandır ve yeni benzerlerini eski kategoriye dahil et, yeni score’lar ata… Hatırladınız mı? Evet… Burada da aynı yöntem kullanılmaktadır.

Google, bir işletme girişine, farklı işletme kategorilerine olan benzerliğine göre bir spam puanı atamaktadır. Spam puanı, işletmenin çeşitli aktivitelerine ve çok farklı alanlardan alınan data ile tutarlı bir şekilde uzun sürede artmaktadır. İlk eşik aşıldığında, doğruca ceza verilmemekte ancak sıralamalarda düşürülmektedir. Düşüş sonrası, daha da yüksek spam yoğunluğu algılandığında, ikinci eşik aşılmaktadır. 

İkinci eşik aşıldığında ise söz konusu Listing, ceza için filtrelenmekte veya doğruca AI tarafından aşama aşama cezalandırılmaktadır. Bu nedenle bazı Local arama sonuçlarında 0 yorumlu işletmelerin ilk sırada olduğunu görmektesiniz. Spam Score’u 0 olduğu için… Böylece, zamana yayılmış ve anlattığım, hem de uzun uzun anlattığım “Belirsizlik İlkesi’ne” göre kimseyi mağdur etmeyen (en azından hızlıca mağdur etmeyen) bir sistem üretilmiştir. Aşağıya, patentten bir kesit daha bırakıyorum, teknik dili bu sefer basite çevirmeyeceğim ancak Google’ın spam noktasındaki tanımlayıcılığının ve hakimiyetinin önemini görebilirsiniz.

“Arama sonuçlarını listeleyen işletme veya bir işletmeyi, iletişim bilgilerini, web sitesi adresini ve diğer ilişkili içeriği tanımlayan veriler bir kullanıcıya en alakalı işletmelerin kolayca tanımlanabileceği şekilde görüntülenebilir. Daha fazla müşteri üretme girişiminde bulunmak amacıyla, bazı işletmeler aynı işletmeyi tanımlamak için birden fazla farklı liste eklemek için yöntemler kullanabilir. Örneğin, bir işletme, bir arama motoruna varolmayan işletme konumları için çok sayıda giriş ekleyebilir ve her girişte, gerçek işletme konumuyla ilişkilendirilmiş bir irtibat telefon numarası bulunur. Müşteri, yalnızca işletmenin gerçekte tamamen farklı bir yerden çalıştığını öğrenmek için belirli bir konumda olduğuna inanılan bir kuruluşla iletişim kurarak veya ziyaret ederek dolandırılabilir. Bu tür hileli pazarlama taktiklerine yaygın olarak “sahte iş spam’ı” denir.”

Bu patenti anlatmam benim için zordu çünkü söylediğim gibi BlackHat’e geçit vermesi olası, bu nedenle kısa bir biçimde bu bölümü kapatıyorum, Belirsizlik İlkesi, Patent Metodolojisi gibi makale bölümlerini yukarıda okuyarak, eksik bırakılan faydalı yanları da daha iyi anlayabilirsiniz.

Google My Business, Google Maps ve Spam Detection Hakkında Düşüncelerim

Entity-first Indexing bağlamında, İçerik Bulutu Akademi’de hem YMYL siteleri için düzenlediğim webinar, hem de bir önceki Entity-based Content Optimizasyonu ve Bir Yaşam Rehberi Olarak Google adlı makale aracılığı ile pek çok bilgi verdim. Bu nedenle, bu noktadaki düşüncelerim bir sır değil. Mobil cihazların öne geçmesiyle Google giderek kişisel yaşam rehberine dönüşmekte ve herhalde gerçekle spamı ayırt edemeyen bir arama motorunu kimse kendi yaşam rehberi olarak görmek istemezdi…  

Bunun yanında, Google Local Maps için spam ne kadar önlenebilirse, işyerleri de o ölçüde reklam bütçesi oluşturmaya gönüllü olacağı gibi spammerların kendileri dahi reklam vermek ve müşterilerini düzgün yollarla elde etmek zorunda kalacaktır. Google, Alphabet için yeni gelir kaynakları oluşturmak zorunda olduğunu biliyor. Bunun en iyi yolu ise tabii ki yeterince reklam çıktısı vermeyen bir Search Mode’unu almak, insanlar için bir kullanım zorunluluğu haline getirmek, söz konusu alanı işyerleri için kalıcı bir gelir kaynağı yapmak… Makale sırasında gösterdiğimiz çoğu patent ve spam karşıtı etkinlik ise temelde bu durumdan kaynaklanmaktadır. Tabii ki Facebook dahil olmak üzere pek çok potansiyel rakibin de aynı Search Mode’unu kendisine entegre etmesi de aynı nedenledir..

Böylece, Covid-19 sürecinde neden Google’ın 340 Milyon Dolarlık Local Business Reklam kredisi dağıttığını anlayabilirsiniz. Çoğu işletme henüz, ilk reklamını dahi GMB’de çıkmış değil… Belki, küresel sağlık krizinin ortasında(umarım ortasıdır) elde edeceğiniz önemli gelir fırsatı, kriz sonrasında da bir ihtiyacınız veya kalıcı bir iş stratejiniz olur, ne dersiniz? Google, evet iyidir ama bir melek de değil…

Yerel bir işletmenin web sitesinde, Site Alt Bağlantılarında cinsel ürün satışı ile ilgili linkler görmek… Bu tarz konular daha çok “linkleri içerdiği” için bu makalede girilmemiştir… Ancak, bu Local Search Spam ile ilgili hala söylenmesi gereken çok şey olduğu gerçeğini değiştirmiyor.. Aşağıda benzer bir başka örnek göreceksiniz.

Makale boyunca, Holistic SEO Vizyonumu yansıttığımı düşünüyorum. Çok sayıda pratik örneği hem kendi Search Experience’ımdan hem de Google Product Expertlerinden yola çıkarak gösterdim. Dürüst olmak gerekirse, Local SEO ve Web Spama Karşı Mücadele, Local Search Tarihi için hem pratik hem de teorik bilgiyi bu derecede derinlemesine, Google patent metodolojisini ve terminolojisini de açıklayarak içeren bir makale, ne İngilizcede ne de Türkçede mevcut değil. Hatta, ara ara spam noktasında, o kadar fazla örneği teorik bilgi ile birleştirdim ki Blackhat’e katkı sunmaktan çekindiğim için bazı noktaları yarım bıraktım. Ayrıca, eklemek istediğim birkaç nokta daha var:

(Türkiye’de Dijital Pazarlamanın hakkıyla yapıldığını düşünüyorsanız, bu kısmı atlayabilirsiniz.) Search Engine Kullanıcılarının etkinliklerini anlamadan ve Search Engine’in gitmek istediği noktayı ve potansiyelini görmeden, günümüzde sadece limitli bir vizyonla, işlevsiz bir rutini tekrarlayarak SEO adına müşterilerinize oyalayıcı ve yuvarlak sözcükleri, powerpoint eşliğinde istediğiniz kadar kurabilirsiniz. Ancak, bunun SEO olmadığnı artık siz de biz de biliyoruz, dürüst olmak gerekirse, çoğu müşteri de bunu anladığı için SEO Ajanslarına olan güvenini kaybediyor ki fazlasıyla da güven kaybetmekte haklılar. Holistic SEO Vizyonunu Türkiye’ye yayma çabam, biraz da bu motivasyona dayanmaktadır. Sektörü yenileme, yeni gelenekler ve soluklar kazandırmak… Ayrıca, geleneksel SEO anlayışının işlevsiz rutini, özellikle de Türkiye’de öyle eskimiş durumdaki, çoğu ajans bizim gibiler için eskimiş ve 7+ ay önceden çıkmış Search ögelerini, yeni bir şeymiş gibi pazarlamaya çalışıyor… Kötü olan ise bir demosunu bile gösterememeleri… 

Makalede normal akışımıza döner isek, hem Google Webmaster Forum’da hem Reddit Technical SEO Forumlarında, pek çok insana gönüllü olarak Türkiye sektöründe hiç karşılaşma şansı bulamadığım noktalarda yardım etmekteyim. Aynı zamanda, ara ara farklı mecralarda da makaleler yayınlıyor ve yayınlar gerçekleştiriyorum. Eğer bir sorunuz olursa veya makale/yayın fikri, sizinle de Linkedin, Twitter veya Reddit gibi farklı platformlar üstünden iletişim kurmak isterim. Ve, beni gerçek anlamda Technical SEO ile tanıştırarak BlackHat’e karşı katı tutum sergilememde, yeteneklerimi geliştirerek vizyonumu ilerletmemde her zaman için büyük katkısı olan Harun İzmitlioğlu’na teşekkürlerimi sunarım. Aynı zamanda, Local Search noktasında beni eğiten Joyanne Hawkins’e ve tabii ki vizyonuma her zaman büyük bilgi birikimi katan Bill Slawski ve Mordy Oberstein’a da teşekkür ederim.

Uzun lafın kısası, sonraki makalelerimi bu derece uzun tutmamam olasıdır. Bu nedenle daha az ayrıntı isteyen konulara da eğilebilirim. Eğer bütün makaleyi okuduysanız, Türkiye sektörüne olan ümidim artabileceği gibi Türkiye sektörü için olan çabam da artabilir, tabii şaşırmamam da imkansız… Hem sunumlarımda, hem de yazılarımda söylediğim gibi, Holistic SEO vizyonuyla kalın ve unutmayın, “Modern Search is everywhere.”

Koray Tuğberk Gübür

Koray Tuğberk GÜBÜR, Holistic SEO & Digital'ın kurucusudur. Kendi ekibiyle birlikte, Küresel SEO ve Dijital Pazarlama Sektörüne açılmaktadır. Temel uzmanlık alanı, Google Çekirdek Güncellemeleri, E-A-T Building, Technical SEO, Entity-based Search ve Dijital Marketing Yönetimidir. Tüm İçerikleri Görüntüle