Sayılarla ne demek?
Vektör arama, kelimeleri değil anlamı eşleştirir. Klasik arama "koşu ayakkabısı" sorgusunda bu kelimeleri içeren belgeleri bulur; vektör arama ise "maraton için hafif spor ayakkabı" ya da "yol koşusuna uygun sneaker" gibi farklı kelimelerle yazılmış ama aynı anlama gelen içerikleri de bulabilir. Bunu, her metni anlamını temsil eden yüzlerce sayıdan oluşan bir vektöre çevirerek yapar.
Bu vektörler çok boyutlu bir uzayda noktalar gibi düşünülebilir: anlamca yakın metinler birbirine yakın, uzak metinler birbirinden uzak konumlanır. Sorgu da aynı uzaya yerleştirilir ve ona en yakın noktalar getirilir. Örneğin "bebek uyku düzeni nasıl kurulur" sorgusu, içinde "uyku rutini" ve "yatma saati alışkanlığı" geçen ama sorgudaki kelimelerin hiçbirini birebir içermeyen bir rehber paragrafını en yakın sonuçlardan biri olarak bulabilir.
Üretken arama sistemlerinde vektör arama çoğu zaman kaynak getirme adımının parçasıdır. Sayfalar küçük parçalara bölünür, her parça vektöre çevrilir ve sorguya en yakın parçalar dil modeline verilir. Bu yüzden bir sayfanın tek tek bölümlerinin net ve kendi başına anlaşılır olması, yapay zeka yanıtlarında kaynak olarak seçilme olasılığını etkiler. Pratikte çoğu sistem, pasaj düzeyinde çalışır ve kelime eşleşmesi ile vektör benzerliğini birlikte kullanan karma yöntemler tercih eder.
Anahtar kelime araması ve vektör arama
| Özellik | Anahtar kelime araması | Vektör arama |
|---|---|---|
| Eşleşme | Kelime ve kök benzerliği | Anlam yakınlığı |
| Güçlü olduğu yer | Ürün kodu, özel ad, kesin ifade | Eş anlamlı ve farklı ifadeler |
| Zayıf olduğu yer | Farklı kelimelerle anlatılan aynı anlam | Kesin kod ve sayı eşleşmesi |
| Birim | Belge | Çoğu zaman belge parçası |
| Kullanım | Klasik arama, filtreleme | RAG, öneri, anlamsal arama |
Vektör arama kelimeyi değil, anlamı eşleştirir; ama kesinlik gerektiren yerde kelime eşleşmesine hala ihtiyaç duyar.
İçeriği vektör aramaya uygun yazarken
- Her bölümü tek konuya ayır. Parçalar anlamca net olsun.
- Kavramları açıkça adlandır. Zamir ve belirsiz göndermeleri azalt.
- Eş anlamlıları doğal kullan. Kullanıcıların farklı ifadelerini karşıla.
- Özel adları ve kodları yaz. Kesin eşleşme gerektiren bilgiler.
- Site içi aramada karma yöntem düşün. Kelime + anlam.
Uygulamada ne oluyor?
En sık durum, vektör aramanın anahtar kelimeyi tamamen gereksiz kıldığının sanılması. Ürün kodu ve model adı gibi kesin bilgiler metinden çıkarılıyor; bu sorgularda eşleşme zayıflıyor.
İkinci gözlem, bölümlerin birden fazla konuyu karıştırması. Bir paragraf hem fiyatı hem kurulumu hem garantiyi anlatıyor; vektörü hiçbir soruya net biçimde yakın olmuyor.
Üçüncüsü, belirsiz göndermeler. "Bu ürün", "söz konusu yöntem" gibi ifadeler, parça tek başına ele alındığında neyin anlatıldığını kaybettiriyor.
Dördüncüsü, site içi aramanın yalnızca kelime eşleşmesine dayanması. "Kaban" arayan kullanıcıya "mont" ürünleri gösterilmiyor.
Beşincisi, yalnızca vektöre dayalı site içi arama. Kullanıcı tam model kodunu yazıyor, sistem anlamca benzer ama farklı modelleri öne çıkarıyor.
Altıncısı, içerik parçalamanın rastgele yapılması. RAG sistemi kuran ekipler metni sabit karakter sayısıyla bölüyor; cümleler ortadan kesiliyor ve anlam dağılıyor.
Yedincisi, Türkçe için uygun modelin seçilmemesi. Yalnızca İngilizceye göre eğitilmiş bir model Türkçe eklerde ve deyimlerde zayıf kalıyor.
Sekizincisi, vektör benzerliğinin doğruluk sanılması. Anlamca yakın ama yanlış ya da eski bilgi içeren parça da getirilebiliyor.
Dokuzuncusu, içerik güncellendiğinde vektörlerin yenilenmemesi. Site içi yapay zeka asistanı eski fiyat ve politikaları aktarıyor.
Onuncusu, tekrar eden içerik parçalarının sonuçları doldurması. Aynı paragrafın farklı sayfalardaki kopyaları, en yakın sonuçların hepsini kaplıyor.
On birincisi, anlamsal yakınlığın sıralamanın tamamı sanılması. Arama motorlarında güvenilirlik, güncellik ve kalite sinyalleri de sonuç sırasını belirliyor.
On ikincisi, yapay zeka yanıtlarında parça bazlı seçim. Net, kendi başına anlaşılır ve kaynaklı paragraflar, uzun ve dağınık metinlere göre daha kolay getiriliyor.
Neyi çözmez?
Vektör arama, içeriğin doğruluğunu ya da güvenilirliğini değerlendirmez; yalnızca anlam yakınlığını ölçer. İyi sonuç, anlamsal eşleşme ile kalite sinyallerinin birlikte kullanılmasından gelir.
Sıkça sorulan sorular
Vektör arama ile anlamsal SEO ilişkisi nedir?
Vektör arama anlam yakınlığını ölçen bir tekniktir; anlamsal SEO içeriği bu anlam ilişkilerine göre planlama yaklaşımıdır.
Google vektör arama kullanıyor mu?
Google, sorguları ve sayfaları kavram düzeyinde eşleştiren sinirsel sistemler kullandığını açıklar; bkz. neural matching. Ayrıntılı mimarisini ise açıklamaz.
Embedding nedir?
Bir metnin anlamını temsil eden sayı dizisidir; anlamca yakın metinlerin embedding'leri birbirine yakındır. Yapay zeka yanıtlarındaki etkisi için üretken arama maddesine bakın.
Bu kavramın bütün resim içindeki yerini SEO Danışmanlığı Rehberi içinde ayrıntılı anlattım.
Teknik SEO, içerik stratejisi, kategori mimarisi, otorite ve organik trafiği dönüşüme çeviren bütünsel SEO danışmanlığı.
