Neden iki aşamalı arama?
Milyonlarca belge arasından bir soruya en uygun olanları bulmak iki farklı ihtiyacı dengelemeyi gerektirir: hız ve isabet. Hızlı arama yöntemleri, örneğin vektör araması ya da anahtar kelime araması, milyonlarca belgeyi milisaniyeler içinde tarayabilir ama sonuçları kaba bir sırayla verir. Soruyu ve belgeyi birlikte okuyup gerçekten ne kadar ilgili olduğunu değerlendiren güçlü modeller ise çok daha isabetlidir ama milyonlarca belgeye tek tek uygulanamayacak kadar yavaştır.
Çözüm iki aşamalı arama: önce hızlı yöntemle örneğin en olası yüz aday bulunur, ardından yeniden sıralama modeli bu yüz adayı soruyla birlikte değerlendirip gerçekten en ilgili birkaçını seçer. RAG sistemlerinde modele verilecek parçalar, yapay zeka arama sistemlerinde ise yanıtta kaynak gösterilecek sayfa bölümleri bu aşamada belirlenir. Anthropic'in 2024 tarihli çalışmasında, bağlam eklemeli parçalamaya yeniden sıralama eklenmesi yanlış parça bulunma oranını yüzde 67 azalttı.
Sayılarla bir örnek: Bir kullanıcı "Hassas cilt için alkolsüz tonik önerisi" diye soruyor. İlk arama, içinde "tonik" ve "cilt" geçen 100 sayfa parçası buluyor; bunların bir kısmı yağlı cilt ya da alkollü ürünlerle ilgili. Yeniden sıralama modeli soruyu her parçayla birlikte okuyor ve "alkol içermez" ile "hassas ciltler için dermatolojik olarak test edilmiştir" ifadelerini açıkça içeren 5 parçayı öne çıkarıyor. Ürün sayfasında bu bilgileri net yazmayan marka, ilk 100'de olsa bile son 5'e giremiyor.
İlk arama ile yeniden sıralama
| Özellik | İlk arama | Yeniden sıralama |
|---|---|---|
| Amaç | Olası adayları hızla bulmak | Adaylar arasından en ilgilileri seçmek |
| Hız | Çok hızlı | Daha yavaş |
| Değerlendirme | Soru ve belge ayrı ayrı temsil edilir | Soru ve belge birlikte okunur |
| Aday sayısı | Yüzlerce ya da binlerce | Onlarca, sonuçta birkaç tane |
Yapay zeka arama sistemleri soruyu alt sorulara böldüğünde (query fan-out), her alt soru için bu iki aşamalı süreç tekrarlanabilir.
Yeniden sıralamada öne çıkan içerik
- Soruyu doğrudan yanıtla. Kullanıcının sorabileceği soruya en kısa yoldan cevap veren cümleler öne çıkar.
- Niteliği açıkça yaz. "Alkolsüz", "vegan", "iki yıl garanti" gibi ayırt edici özellikleri ima etmek yerine açıkça belirt.
- Niyete uygun içerik hazırla. Karşılaştırma, nasıl yapılır ve fiyat gibi farklı arama niyetleri için ayrı bölümler oluştur.
- Parçaları net sınırla. Parçalama sırasında anlamı korunacak biçimde başlık ve paragraf yapısı kur.
- Belirsiz ifadelerden kaçın. "En iyi kalite" gibi genel ifadeler, somut özellik cümlelerinin gerisinde kalır.
Yeniden sıralama hakkında yanlış bilinenler
- "İlk sırada olmak yeterli." Klasik aramada üst sıralarda olan sayfa, yeniden sıralamada soruya yeterince doğrudan yanıt vermiyorsa elenebilir.
- "Yalnızca yapay zekaya özgü." Arama motorları uzun süredir çok aşamalı sıralama kullanıyor.
- "Anahtar kelime tekrarı işe yarar." Yeniden sıralama modelleri soru ile metnin anlam ilişkisine bakar; tekrar değil, netlik öne çıkarır.
- "Her sistemde aynı çalışır." Kullanılan modeller ve aday sayıları sistemden sisteme değişir.
Sıkça sorulan sorular
Yeniden sıralama yapay zeka aramasında neden önemli?
Çünkü yanıtta hangi kaynakların gösterileceği büyük ölçüde bu aşamada belirlenir. İlk aramada bulunmak gereklidir ama yeterli değildir.
Yeniden sıralama maliyeti artırır mı?
Evet, ek işlem ve süre gerektirir. Bu yüzden genellikle sınırlı sayıda aday üzerinde uygulanır.
İçeriğimi yeniden sıralamaya göre nasıl test ederim?
Hedef sorularını yapay zeka arama sistemlerinde sorup hangi sayfa bölümlerinin alıntılandığını kaydet; alıntılanan ve alıntılanmayan bölümler arasındaki farkları incele.
Yeniden sıralamanın etkisini ölçen çalışma için Anthropic: Contextual Retrieval yazısına bakabilirsin.
Yapay zeka sistemlerinin aday sayfalar arasından alıntılanacak kaynağı nasıl seçtiğini GEO ve yapay zeka SEO rehberinde kaynak seçimi başlığı altında inceledim.
ChatGPT, Gemini ve Google AI Modu'nda markanızın doğru bilgiyle anılmasını ve kaynak gösterilmesini sağlayan, ölçülebilir GEO danışmanlığı.
