Dil seçin

Kenar Tarafı Yönlendirmeli Çok Dilli Yapılandırılmış Veri Yenileme Zamanlama

Bir web sitesi onlarca dilde içerik sunduğunda, yapılandırılmış verisinin—JSON‑LD parçacıkları, schema.org işaretlemeleri ve hreflang açıklamaları—doğru ve güncel tutulması karmaşık bir operasyonel görev haline gelir. Geleneksel yaklaşımlar, genellikle origin sunucularda çalışan manuel güncellemeler veya periyodik toplu işler üzerine dayanır ve hızlı değişen arama ortamını kaçırabilir. Yenileme mantığını kenara taşıyarak saniyenin altındaki yanıt süresi, yerelleştirilmiş yürütme ve gerçek zamanlı SERP sinyallerine anında yanıt verebilme yeteneği kazanırsınız.

Çok Dilli Yapılandırılmış Veri İçin Kenar Zamanlamasının Önemi

  • Gecikme Azaltma – Kenar düğümleri, kullanıcıya coğrafi açıdan yakın olduğundan, en yeni işaretlemeyi origin’e bir tur gitmeden sunabilir. Bu, Time‑to‑First‑Byte (TTFB) süresinden milisaniyeler kazandırır ve Core Web Vitals’ı iyileştirir.
  • Tarama Verimliliği – Arama motoru tarayıcıları kenar önbelleklerini sık sık yeniden ziyaret eder. Kenar en güncel yapılandırılmış veriyi sunduğunda, tarayıcılar doğru dil versiyonunu ilk geçişte indeksler ve tarama bütçesini korur.
  • Gerçek Zamanlı Uyarlama – SERP API’leri, öne çıkan snippet’lar, bilgi panelleri ve sesli arama tetikleyicilerindeki değişiklikleri gösterir. Kenar‑tabanlı bir geribildirim döngüsü, sıralama düşüşü gerçekleşmeden anında şema ayarlamaları başlatabilir.
  • Ölçeklenebilirlik – Kenar platformları bölgeler arasında otomatik olarak ölçeklenir, böylece 50’den fazla dil varyasyonu olan bir site, origin altyapısını zorlamadan tutarlı yenileme zamanlaması alır.

Kenar Orkestrasyon Boru Hattının Çekirdek Bileşenleri

Zamanlama sistemi, hafif mesaj kuyrukları veya olay akışları aracılığıyla iletişim kuran beş gevşek bağlı modülden oluşur:

  1. Dil Algılayıcı – İstek URL’sini, Accept‑Language başlığını ve varsa locale çerezlerini inceleyerek hedef dili belirler.
  2. Yapılandırılmış Veri Üreticisi – CMS’den (GraphQL veya REST ile) en yeni içerik meta verilerini çeker ve dil‑özgü JSON‑LD, schema.org ve hreflang etiketlerini üretir.
  3. Yenileme Zamanlayıcı – İçerik volatilitesi, SERP volatilite puanları ve önbellek‑isabet oranlarına göre optimal yenileme aralıklarını hesaplar.
  4. SERP Geribildirim Motoru – Gerçek zamanlı SERP analizlerini (tıklama oranları, pozisyon değişimleri, öne çıkan snippet görünümü) tüketir ve volatilite modelini günceller.
  5. Kenar Teslim Katmanı – Üretilen işaretlemeyi HTTP yanıtlarına edge‑side include (ESI) ya da çalışma zamanı script’leriyle enjekte eder ve CDN önbelleğini buna göre günceller.

Aşağıda, Mermaid sözdizimiyle ifade edilmiş yüksek‑seviye bir akış diyagramı yer alıyor. Tüm düğüm etiketleri gerektiği gibi tırnak içinde.

  flowchart LR
    "Edge Node" --> "Language Detector"
    "Language Detector" --> "Structured Data Generator"
    "Structured Data Generator" --> "Refresh Scheduler"
    "Refresh Scheduler" --> "Edge Delivery Layer"
    "SERP Feedback Engine" --> "Refresh Scheduler"
    "Edge Delivery Layer" --> "User Browser"
    "Edge Delivery Layer" --> "Search Crawler"

Adım‑Adım Uygulama Kılavuzu

1. Kenar Fonksiyonlarını Kurun

CDN sağlayıcınızda (ör. Cloudflare Workers, Fastly Compute@Edge, Akamai EdgeWorkers) bir serverless fonksiyon dağıtın. Fonksiyon, HTML sayfalarına yapılan her istekte tetiklenmeli ve dil bazında oluşturulmuş işaretlemeyi önbellekten okuyan yalnızca okuma‑hakları olan bir KV mağazasına erişebilmelidir.

addEventListener('fetch', event => {
  event.respondWith(handleRequest(event.request))
})

async function handleRequest(request) {
  const url = new URL(request.url)
  const lang = detectLanguage(request)
  const cached = await KV.get(`markup:${lang}:${url.pathname}`)
  if (cached) {
    return injectMarkup(request, cached)
  }
  // önbellekte yoksa origin’a geri dön
  const response = await fetch(request)
  return response
}

2. Dili Etkin Bir Şekilde Algılayın

Ağır regexlerden kaçının. Üst‑seviye domain’ler, alt‑domain’ler ve yol ön eklerini ISO‑639‑1 kodlarına eşleyen basit bir arama tablosu kullanın. Tabloyu anlık erişim için kenar KV mağazasında tutun.

3. CMS’ten Güncel Meta Verileri Çekin

Yapılandırılmış veri için yalnızca gerekli alanları dönen hafif bir GraphQL uç noktası oluşturun: title, description, author, publicationDate, image, category ve canonicalUrl. Kenar fonksiyonu, dil ve sayfa slug’ını parametre olarak bu uç noktaya sorgu gönderir. Yanıt boyutunu 5 KB’nin altında tutarak kenar yürütme sınırlarına uyun.

4. Dil‑Özgü JSON‑LD Oluşturun

CMS alanlarını şablona yerleştirerek JSON‑LD nesnesini oluşturun. @context, @type ve inLanguage gibi dil‑özgü özellikleri ekleyin. Alternatif dil versiyonları için hreflang link elemanlarını da ekleyin.

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "{{title}}",
  "description": "{{description}}",
  "author": "{{author}}",
  "datePublished": "{{publicationDate}}",
  "image": "{{image}}",
  "inLanguage": "{{lang}}",
  "url": "{{canonicalUrl}}"
}

5. Yenileme Sıklığını Belirleyin

Aşağıdaki ağırlıklı formülü kullanarak bir sonraki yenileme zaman damgasını hesaplayın:

nextRefresh = now + baseInterval * (1 + volatilityScore) / (1 + cacheHitRate)
  • baseInterval – Statik sayfalar için en az 24 saat, haber makaleleri için 6 saat.
  • volatilityScore – SERP özelliği kayması (ör. aniden ortaya çıkan “People also ask” kutusu) üzerinden türetilir.
  • cacheHitRate – Kenar loglarından son 24 saat içinde ölçülen isabet oranı.

Bu zaman damgasını işaretlemenin yanında KV’de saklayın. Kenar fonksiyonu her istekte zamanı kontrol eder; mevcut zaman damgasını aşarsa, işaretlemeyi yeniden üretmek için bir arka plan çağrısı başlatır.

6. SERP Geribildirimini Entegre Edin

Google Search Console API’sine ya da üçüncü‑taraf bir SERP izleme hizmetine abone olun. Her dil için en çok 10 anahtar kelimenin günlük pozisyonlarını çekin. Bir anahtar kelimenin ortalama pozisyonu iki sıra aşağı düşerse, onun volatilityScore değerini artırın. Stabil sıralamalar ise puanı düşürerek yenileme aralığını uzatır.

7. Önbellek Geçersiz Kılma Stratejisi

Yeni işaretleme üretildiğinde, CDN’ye purge‑by‑tag isteği gönderin; dil‑özgü etiketi (tag=lang_en, tag=lang_es, …) hedefleyin. Böylece tüm HTML sayfalarının tam bölge temizlemesi yapılmadan eski içerik yenilenir.

İzleme ve KPI’lar

Aşağıdaki metrikleri izleyerek kenar‑tabanlı yenileme zamanlamasının etkisini doğrulayın:

  • Yapılandırılmış Veri Tazelik Oranı – Sunulan işaretlemenin en yeni CMS versiyonuyla eşleştiği sayfa yüzdesi.
  • Tarama Bütçesi Kullanımı – Dil başına taranan URL’lerin indekslenen URL’lere oranı.
  • SERP Görünürlük Değişimi – Bir yenileme döngüsünden sonraki temel anahtar kelimeler için ortalama pozisyon kayması.
  • Kenar Gecikmesi – İşaretleme enjeksiyonlu HTML sayfalarının ortalama yanıt süresi (bazeline kıyasla).

Prometheus + Grafana gibi açık‑kaynak gözlemlenebilirlik yığını kullanarak bu KPI’ları gösteren bir gösterge panosu oluşturabilir ve bunu Eptimize analiz paketiyle bütünleştirebilirsiniz.

Yaygın Tuzaklar ve Kaçınma Yöntemleri

  • Aşırı Yenileme – Temel aralığı çok düşük ayarlamak gereksiz origin trafiğine yol açar. Yenilemeleri amaçlı tutmak için volatilite‑ayarlı formülü kullanın.
  • Dil Varyantlarını Kaçırma – Dil algı tablosunun tüm URL desenlerini içerdiğinden emin olun; aksi takdirde bazı yereller eski işaretleme alır.
  • Şema Doğrulama Hataları – Geliştirme aşamasında üretilen JSON‑LD’yi Google Structured Data Testing Tool ile test edin; bu doğrulamayı CI/CD süreçlerine otomatikleştirin.
  • Önbellek Patlaması – Birçok istek aynı anda yenilemeyi tetiklediğinde origin aşırı yüklenebilir. Kenar fonksiyonunda leaky‑bucket geri çekilme mekanizması uygulayarak yeniden üretim çağrılarını dağıtın.

Gelecek Geliştirmeler

  • Kenar‑Tabanlı A/B Testi – Kenardan alternatif şema versiyonları rastgele sunup tıklama oranları üzerindeki etkisini ölçün.
  • Makine‑Öğrenimli Volatilite Tahmini – Kural‑tabanlı volatilite puanını, geçmiş veriden SERP kaymasını tahmin eden hafif bir modele değiştirin.
  • Alan‑Üstü Hreflang Konsolidasyonu – Farklı domain özellikleri arasındaki hreflang etiketlerini kenar fonksiyonlarıyla yeniden yazarak birleşik bir uluslararası bağlantı grafiği oluşturun.

Yapılandırılmış veri yenileme mantığını kenara taşıyarak, çok dilli siteler hızlı değişen arama ekosistemlerinde rekabetçi kalmak için gereken çevikliği elde eder. Yerelleştirilmiş yürütme, gerçek zamanlı SERP geribildirimleri ve akıllı zamanlama birleşimi, kullanıcı deneyimini ve arama motoru keşfedilebilirliğini artıran kendini optimize eden bir döngü oluşturur.

Bak Ayrıca

yukarı
© Scoutize Pty Ltd 2025. All Rights Reserved.