Google Arama Motoru Optimizasyonu Üzerine Akademik Çalışmalar

Google Arama Motoru Akademik Çalışmalar Google Arama Motoru Akademik Çalışmalar Smartien

SEO üzerine yapılan önceki çalışmaları üç kısımda incelenebilir olduğunu gördük. Birinci kısım çalışmaları, SEO tekniklerinin oluşturulması için arama motorlarının işleyişine ve hangi rank faktörlerini değerlendirdiğini anlamaya ve analiz etmeye yönelik çalışmalar olarak gruplayabiliriz. İkinci kısım çalışmalar ise daha çok içerik kalitesini geliştirmek ve bu odakla SEO yöntemlerini geliştirmek adına yapılan çalışmalar olduğunu söyleyebiliriz. Diğer ilgi çekiçi çalışmalar ise hem site içi hem site dışı SEO yöntemlerinin beraber olarak kullanılarak internet sitelerinin SERP sıralamaları üzerindeki etkilerini araştıran çalışmalar olduğunu söyleyebiliriz.

1.1 Google Arama Motoru ve SEO Rank Faktörlerini Tanımlayan Çalışmalar

Yalçın ve Köse (2010), arama motorları optimizasyonun temel felsefesinden bahsettikleri çalışmalarında, bir internet sitesinin arama motorları tarafından daha indekslenebilir hale getirmek için gerekli bilgileri açıklamışlardır. Sitenin arama motorlarından anahtar kelimelerinin önce listelenmesi için, anahtar kelime analizi, etiketlerde anahtar kelimeler kullanma, SEO dostu internet tasarımı, resim tanımları, iyi bir alan adı kullanarak, iyi bir SEO yapmak için önerilen yöntemlerden bazıları tanıtılmıştır.

Yine bir diğer çalışma da; Wang, Chen, Li. ve Yu (2013) arama sorgusuna cevap gelen ilk sayfalardaki sonuçlar için yeni bir sıralama yöntemi önermektedir. Odaklandıkları temel konu, arama motoru algoritmalarının, hangi sayfaların ortak kullanıcılar tarafından ilgilenildiğini göz önünde bulunduran faktörlerden yoksun olduğunu konusudur. Çalışma bu eksiklik için özgün PageRank sıralama algoritmasına yeni bir parametre faktörü ekleyerek yeni bir sıralama yöntemi sunmaktadır. Yeni parametre faktörüne gri faktör adı verilmiştir. Gri tahmin modeli bilgisini PageRank algoritmasını optimize etmeyi amaçlamışlardır. Böylece kullanıcılar tarafından hangi sayfalara ilgi gösterildiğini dikkate alan faktörü belirlemeye ve arama sonuç sıralamalarına etki değerini arttırmayı amaçlamışlardır. PageRank algoritmasının çalışma şeklini anlama ve detaylandırma anlamında bu çalışmadan yararlanılabilir. PageRank algortimasını açıklamak için, Ridings ve Shishigin (2002) ve Leskovec, Rajaraman ve Ullman (2011) çalışmaları önemlidir.

Bir başka çalışma yine, Gupta, Rakesh, Thakral ve Chaudhary (2016) "Site içi" ve "Site dışı" SEO yöntemlerindeki başarı faktörlerini çeşitli parametreler içeren ve başarı getiren faktörleri periyodik tablo biçiminde sınıflandırmaya çalışmışlardır. Bu makale SEO optimizasyon başarı faktörleri 7 ana kategoride gruplandırılmıştır. (içerik optimizasyonu, link mimarisi optimizasyonu, HTML anahtar kelimeler, güven oluşturma, dış bağlantılar, kişisel veriler ve sosyal sitelere yönelik geri bağlantılar) ve her bir faktörün etkileri tartışılmaktadır. Bu çalışmadan internet sitelerine uygulanacak etkili ve başarılı SEO yöntemlerinin belirlenmesi adına yararlandık.

Yine arama motorlarının sonuçlarını nasıl bulduğuna ve bu çalışmalara göre internet üzerinde işe yaradığı varsayılan SEO yöntemlerini teste tabi tutmaya çalışan diğer bir çalışma ise Su, Hu, Kuzmanovic ve Koh (2014) çalışmalarıdır. Çalışma, Google’ın ve Bing’in sıralama algoritmalarına odaklanarak, diğerlerinin bu popüler sıralama algoritmaları hakkında yaptığı varsayımları sistematik olarak doğrulamak için başka bir sıralama sistemi tasarlamayı, uygulamayı ve değerlendirmeyi amaçlamışlardır.

Çalışma, özyinelemeli bir bölümleme sıralama şemasıyla birlikte doğrusal öğrenme modellerinin, sıralama sonuçlarını yüksek doğrulukla tahmin edebildiğini kanıtlamıştır. Daha sonra, yeni bir sıralama sistemi geliştirmiş ve İnternet sayfalarını optimize etmek, yeni sıralama özelliklerini doğrulamak veya reddetmek ve olası arama motoru sıralama sonuçlarını değerlendirmek için SEO uzmanları ve internet yöneticileri için kılavuzlar sunmuşlardır.

1.2 Google İçerik Kalitesi Üzerine Yapılan Çalışmalar

SEO yöntemlerini anlamak ve analiz etmek için yapılan araştırma çalışmalarının önemli bir bölümünü içerik kalitesi analizi çalışmaları oluşturmaktadır. Cheng-Jye, Sheng-An ve Ting-Li (2016) çalışmalarında SEO çalışmalarının önemli rank faktörlerinden olan içerik kalitesine odaklanmışlardır. Karşılaştırmalı metinler ile bir arama sonucunun sorgu eşleşmesi puanını sınırlı bir faktör grubundan elde edilen puanların ağırlıklı toplamı olarak tanımlayan bir tahmin işlevi önermektedirler. Bir sorgu için arama sonuçları, sorgu eşleşme puanlarına göre yeniden sıralanır. Etkinlik, yeni dereceleri, orijinal arama sonuçları dereceleriyle karşılaştırarak ölçülmüştür.

Mavridis ve Symeonidis (2014) de çalışmalarında içerik kalitesine odaklanmışlardır. Bir belgenin kalitesini değerlendirmek için, arama motorlarında internet sitelerinin ve internet sayfalarının optimum sıralanması için etkili stratejiler oluşturmasını amaçlayan SEO yöntemleri etrafında anlamsal analiz kullanarak sonuçlar çıkaran denemeler oluşturulmuştur. Bu çalışma internet içeriğinin anlamsal analizini sorgulamaktadır. İnternet içeriğinin semantik analizi ve verilen sorgular için en uygun içeriğin üretilmesi için Gizli Dirichlet Ayrımı (LDA) kullanan bir mekanizma olan LDArank mekanizması daha ayrıntılı ele alınmıştır. Buna göre yeni bir mekanizma LSHrank'i önerilip, uygulanmış, kaliteli internet sitesi içeriğinin oluşturmanın etkisini çeşitli SEO faktörleri ile araştırmışlardır. Çalışma, farklı anlamsal analiz tabanlı SEO yaklaşımlarına kıyasla, anlamsal olarak öne çıkan içerik üretmek için LSHrank'in güvenilirliğini göstermiştir.

Al-Shammari (2015), çalışmasın da, farklı arama motoru temsilcilerine gönderilen aynı sorgu, farklı önerilere ve sonuçlara yol açtığı sorununa odaklanmıştır. Belirli bir sorgu için en iyi arama motorunu seçmek için bir araç oluşturmayı amaçlamıştır. Çalışmada, belirli bir sorgu için hangi arama motorunun konuşlandırılacağını öneren bir araç oluşturmak için bir geri besleme harmanlama algoritması kullanılmıştır. Çalışmada birden fazla kaynaktan elde edilen arama sonuçlarını birleştirmek için üç algoritma önerilmiştir. Her yöntem için, girişin, her veri kaynağı boyunca aynı olan bir biçimde sağlanan sıralı bir sonuç kümesinden oluştuğu varsayılır. Her üç yöntemi de göstermek için, numune verilerinin arama motorları tarafından sağlandığı ve önceden işlendiği varsayılmıştır. Her bağlantıya, veri setinde bulunduğu yere karşılık gelen bir ağırlık atanır. Arama motoru sonuçlarına uygulandığında, URL'ler oyuncu olarak kabul edilir. Ve sıralamalarına göre birbirleriyle rekabet ederler. Yüksek rütbeli URL kazanır. Bu işlem tek bir URL bırakılana kadar tekrar edilir. Kazanan URL, son cevap setine dahil edilir ve daha sonra dikkate alınmaz; işlem daha sonra son cevap setindeki ikinci girişte ve ardından tam bir sonuç elde edilinceye kadar tekrar edilir.

1.3 SEO Çalışmalarının Verimine Yönelik Çalışmalar

Kong, Fu, Yang, Xu ve Han (2017), çalışmalarında sosyal medya kullanımının arama motorlara etkisini anlamak istemişlerdir. Makalede, bir arama motorunun kolektif etkisinin dinamik bir sosyal ağ üzerindeki etkisini nicel olarak karakterize etmek amaçlanmıştır. Çalışmamızda SEO rank faktörleri arasında, SERP sıralamaları belirlemede yeni sayılacak sosyal medyanın etkilerine değinmesi açısından bu makaleden yararlanıldı.

Arama motoru çalışma prensiplerine, SEO rank faktörlerine ve işe yaradığı varsayılan SEO yöntemlerini belirlemeye odaklı bu çalışmalardan sonra internet site içeriklerine odaklanan çalışmaların literatürde, SEO araştırmalarının önemli bir kısmını oluşturmuş durumda olduğunu gözlemledik. İçerik kalitesinin SEO üzerine etkilerini araştıran ve geliştirme adına öneriler ve yöntemler sunan çalışmaları şu şekilde sıralayabiliriz.

Üniversite başarı sıralamalarında kullanılan webometrics sıralamaları üzerinden SEO yöntemlerini iredeleyen Elgharabawy ve Ayu (2011), çalışmalarında, Webometrics sıralamaları ile WCAG (İnternet İçeriği Erişilebilirlik kuralları) uygunluğunun arama motorları açısından ilişkiyi araştırmışlardır. Erişilebilirliğin, SEO yöntemi olarak bir araç olarak kullanılıp kullanılamayacağı, webometrics ve WCAG uygunluğu arasında pozitif bir ilişki olduğunu göstermişlerdir. Webometrics sıralaması ve web erişilebilirliği arasındaki ilişkiyi araştırmak için, Webometrics'ten toplam 150 yüksek kurum internet sitesi seçilmiş, 50 üst düzey kurum, 50 orta düzey kurum, 50 düşük düzey kurum olarak kategorize edilmiştir. Bu kategorilerdeki üç örnekten gelen tüm hatalar kaydedilmiş, tüm test gruplarının çizimleri, sıralama ve başarı kriterleri hataları arasındaki korelasyon ile karşılaştırılmıştır. İnternet erişilebilirliği ile arama motorları sıralaması arasındaki ilişkiyi araştırmak için, akademik alan adlarından 600 örnek Google, Yahoo! Ve Bing olmak üzere üç arama motorunu kullanarak incelemiştir.

Arora ve Bhalla (2014), yine içerik odaklı olarak SEO için eşanlamlı tabanlı veri madenciliği yaklaşımı kullanan bir algoritma geliştirmeyi amaçlamıştır. Çalışma, SEO için internet sitesinin sıralamasını daha kolay bir şekilde iyileştirme görevini yerine getiren ve kullanıcının pazardaki arama motorlarından herhangi biriyle kolayca sorgularına cevap verebilecekleri SEO'ya eşanlamlı bir veri madenciliği yaklaşımı sunar.

Bir diğer makale ise, tüm SEO yöntemlerinin deneysel bir ortamda kullanıldığı SEO üzerine yapılan çalışmalar içinde metodoloji oluşturmak için yararlandığımız bir çalışmadır. Clarke ve Clarke (2014), Çalışmalarında, rekabetçi yaklaşım ile doğru SEO yöntemlerinin hangileri olduğunu ortya koymanın yanı sıra SEO uzmanlığının pazarlama stratejilerindeki öneminden bahsetmektedir. SEO konusunda uzmanlığa sahip çalışanlar için reklam harcamalarında ve talepte artış olmasına rağmen, bu önemli pazarlama stratejisini öğretme yöntemleri literatürde çok az yer kapladığına değinilmiş ve SEO eğitimcileri için rehberlik sağlamayı amaçlamaktadır. Bloom’un bilişsel hedefleri hiyerarşisini bir çerçeve olarak kullanan bir deney tasarlanmıştır. Deneyde, mümkün olduğunca gerçekçi olabilmek ve arama motorlarında en iyi organik sıralamayı elde etmek için birbirlerine karşı yarışan aktif internet siteleri kullanılmıştır.

Bir e-Pazarlama kursundaki öğrencilere, atanmış bir cümleyi kullanarak bir arama sorgusu için diğer rakiplerini organik aramada geçme hedefi verilmiştir. Çalışmayı yönlendiren öğretici, öğrencilerden, belirli kelimeleri içeren bir internet sitesi ve 250-300 kelimeyi bulan birer açılış sayfası hazırlamasını istemiştir. Eşit koşullar sağlanması için anahtar kelimeler standart seçilmiştir. Ardından 1-2 hafta sonra Google’da indekslenen sayfaların durumlarına göre öğrencilere puan atanmıştır. Daha sonra öğrencilere SEO hakkında bir test uygulanmıştır. Bu şekilde öğrencilerden, SEO hakkında ne öğrenmek istersiniz cevapları istenmiştir. Bir yarı yıl boyunca sürdürülen araştırma ile sayfaların Google.com daki durumları değerlendirilmiştir. Makalede SEO için kullanılmaması gereken yöntemlerden de bahsedilmektedir. Böylece öğrencilerin Black Hat denen zararlı SEO yöntemlerinden uzaklaştırmak gerektiğinden de bahsedilmiştir. Bu çalışma, bize atıf yapabileceğimiz, rekabetçi ve deneye dayalı bir ortam tasarlanmak için yararlandığımız bir metodoloji sunmaktadır. Neredeyse tüm SEO üzerine yapılan çalışmaların atıf yaptığı önemli kaynaklarda çalışmamızda yararlandığımız başlıca kaynaklar oldu. Bu kaynakların en başında arama motoru endüstrisinin tartışmasız lideri olan Google arama motorunun yayınları, kaynakları ve analiz-tavsiye siteleridir. Arama motoru optimizasyonu (SEO) başlangıç kılavuzu ve Google Analytics, Google Webmaster ve Google Ads siteleri de yararlanılan kaynaklardır. Bunun dışında SEO’yu bir endüstri olarak tanımlarsak, Moz ve AHref firma-organizasyonları SEO çalışmalarını takip eden ve tavsiye veren endüstrinin şu an için en önemli kaynaklarıdır.

Kaynaklar:

  • Al-Shammari, E.T. (2015). Towards search engine optimization: feedback collation. Procedia Computer Science, 62, 395-402., https://doi.org/10.1016/j.procs.2015.08.432.
  • Arora P. ve Bhalla T. (2014). A synonym based approach of data mining in search engine optimization. International Journal of Computer Trends and Technology (IJCTT), 12, (4) 201-205. 14 Eylül 2018, http://www.ijcttjournal.org/archives/ijctt-v12p140.
  • Cheng-Jye L., Sheng-An Y. ve Ting-Li D.H. (2016). Estimating Google’s search engine ranking function from a search engine optimization perspective. Online Information Review, 40, 239-255. 28 Ağustos 2018, https://doi.org/10.1108/OIR-04-2015-0112.
  • Clarke T.B ve Clarke I. III. (2014). A competitive and experiential assignment in search engine optimization strategy. Marketing Education Review, 24, 25-30. 14 Eylül 2018, ERIC Veritabanı.
  • Elgharabawy M.A. ve Ayu M.A. (2011). Web Content Accessibility and its Relation to Webometrics Ranking and Search Engines Optimization. 2011 International Conference on Research and Innovation in Information Systems, 1, 1-6. 14 Eylül 2018, IEEE Veritabanı.
  • Gupta S., Rakesh N., Thakral A. ve Chaudhary D.K. (2016). Search engine optimization: success factors. 2016 Fourth International Conference on Parallel, Distributed and Grid Computing (PDGC), 1, 17-21. 2 Ekim 2018, IEEE Veritabanı.
  • Kong D., Fu C., Yang J., Xu D. ve Han L. (2017). The impact of the collective influence of search engines on social networks. IEEE Access, 5, 24920-24930. 18 Eylül 2018, IEEE Veritabanı.
  • Mavridis T. ve Symeonidis A.L. (2014). Semantic analysis of internet documents for the generation of optimal content. Journal Engineering Applications of Artificial Intelligence, 35, 114-130. 14 Eylül 2018. ACM DL Veritabanı.
  • Ridings C. ve Shishigin M. (2002). PageRank uncovered. 3 Ekim 2018, http://www.voelspriet2.nl/PageRank.pdf.
  • Su A.J., Hu Y.C., Kuzmanovic A., ve Koh C.K. (2010). How to improve your search engine ranking: myths and reality. 2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology, 1, 50-57. 5 Eylül 2018, IEEE Veritabanı.
  • Yalçın N. ve Köse U. (2010). What is search engine optimization: SEO?. Procedia Social and Behavioral Sciences, 9, 487-493. 8 Ağustos 2018, https://doi.org/10.1016/j.sbspro.2010.12.185.
  • Wang R., Chen Y., Li T. ve Yu Y. (2013). The optimization of search engines ranking technology based on grey system, Computational and Information Sciences (ICCIS), 2013 Fifth International Conference, 1, 1698-1700. 5 Eylül 2018, IEEE Veritabanı.
Okunma 128 defa