Bu iki terim, modern SEO’nun (özellikle Semantik SEO’nun) kalbinde yer alır. Google gibi arama motorlarının artık sadece kelimeleri eşleştirmekle kalmayıp, anlamı nasıl kavradığını açıklayan temel mekanizma budur.
Bunu birlikte keşfedelim.
Geleneksel aramada Google, “elma” kelimesini gördüğünde sadece içinde “elma” geçen sayfaları arardı. Ancak Vector Search (Vektör Arama) ve Cosine Similarity (Kosinüs Benzerliği) sayesinde, artık kelimelerin bağlamını ve niyetini anlıyor.
1. Vektörler: Kelimelerin Haritası 🗺️
Bilgisayarlar kelimeleri bizim gibi anlamaz, sayıları anlarlar. Bu yüzden kelimeleri veya cümleleri (hatta resimleri) çok boyutlu bir uzayda sayı dizilerine (vektörlere) dönüştürürüz. Buna “Embedding” denir.
Şöyle düşünün:
- Devasa bir kütüphane haritası hayal edin.
- Konu olarak birbirine yakın olan kitaplar (örneğin “kedi” ve “yavru kedi”) bu haritada fiziksel olarak yan yana durur.
- “Kedi” ile “Araba” ise haritanın çok uzak köşelerindedir.
SEO Açısından Önemi: İçeriğinizin bu haritada nereye düştüğü, hangi konularla ilişkili olduğunu belirler.
2. Vector Search (Vektör Arama) 🔍
Vektör Arama, kullanıcının sorgusunu (örneğin: “yazın giyilecek hafif ayakkabılar”) alır, onu da bir vektöre çevirir ve kütüphane haritasında o vektöre en yakın olan dökümanları arar.
Kullanıcı “sandalet” kelimesini hiç kullanmamış olsa bile, vektör haritasında “yazlık ayakkabı” ile “sandalet” yan yana olduğu için arama motoru bu sonucu getirebilir.
3. Cosine Similarity (Kosinüs Benzerliği) 📐
Peki, “yakınlık” neye göre ölçülür? İşte burada matematik devreye girer.
Kosinüs Benzerliği, iki vektör arasındaki açıyı ölçen bir yöntemdir.
- Eğer iki vektör aynı yöne bakıyorsa (açı 0 ise), benzerlik 1’dir (Tam eşleşme/yüksek alaka).
- Eğer aralarındaki açı genişliyorsa, alaka düzeyi düşüyor demektir.
SEO Açısından Önemi: Google, sayfanızın kullanıcının arama niyetine ne kadar “benzer” olduğunu bu skorla belirler. İçeriğinizin kelime sayısı değil, konuyu ne kadar kapsadığı ve bağlamsal alakası bu açıyı daraltır.
Bu kavramlar, SEO stratejilerini “anahtar kelime doldurmaktan”, “konu otoritesi oluşturmaya” doğru itiyor.
Bu konuyu derinleştirmek için hangi yöne gitmek istersiniz?
- İçerik Stratejisi: Kosinüs benzerliği skorunu artırmak (yani arama niyetiyle daha alakalı olmak) için içeriğimizi nasıl optimize ederiz?
- Teknik Derinlik: “Embedding” modelleri (örneğin BERT veya OpenAI’ın modelleri) bu vektörleri oluştururken kelimeler arasındaki ilişkiyi nasıl öğreniyor?
- Geleceğin Araması: Bu teknolojiler, Google’ın yeni yapay zeka destekli arama deneyimini (SGE – Search Generative Experience) nasıl etkiliyor?
