Büyük ölçekli e-ticaret sitelerinde, haber portallarında ve milyonu aşan sayfa yapısına sahip platformlarda standart Google Search Console paneli teknik SEO ekipleri için yetersiz kalmaktadır. Arayüz varsayılan olarak yalnızca 1.000 satır veri sunarken, API entegrasyonları günlük 50.000 satır sınırı ile kısıtlıdır. İşte bu noktada Search Console BigQuery entegrasyonu (Bulk Data Export), tüm sınırları kaldırarak günlük milyonlarca satırlık arama verisini Google Cloud ortamına doğrudan akmanızı sağlar.
Veri kaybı yaşamadan, 16 aylık zamansal kısıtlamaya takılmadan ve örnekleme (sampling) sorunlarıyla karşılaşmadan analiz yapmak kurumsal SEO yönetiminin temel şartıdır. Bu rehberde, BigQuery altyapısı üzerine kurulu bir veri analitiği mimarisinin nasıl inşa edileceğini, SQL sorguları ile görünmez arama trendlerinin nasıl çıkarılacağını derinlemesine inceleyeceğiz.
Search Console BigQuery Entegrasyonu Nedir ve Neden Gereklidir?
Google Search Console Toplu Veri Dışa Aktarımı (Bulk Data Export), sitenizin günlük performans verilerini otomatik olarak seçtiğiniz bir Google BigQuery veri kümesine yazan resmi bir veri aktarım mekanizmasıdır. Geleneksel panel kullanımında arama sorguları ve sayfa metrikleri aggrege edilerek sunulurken, Search Console BigQuery aktarımında ham veri (raw data) seviyesinde depolama yapılır. Bu durum, boyut bazlı kırılımların sıfır veri kaybı ile saklanması anlamına gelir.
Daha önce ele aldığımız Search Console RegEx rehberimiz gibi teknik yöntemler panel içi hızlı filtrelemelerde harikalar yaratsa da, petabayt ölçeğinde veri işleyen BigQuery veri ambarının sunduğu esnekliği sağlayamaz. BigQuery sayesinde tarihler arası karşılaştırmaları yıllar öncesine sari şekilde yapabilir, kendi sunucu loglarınız (log analysis) veya CRM verileriniz ile SEO metriklerini SQL JOIN işlemleri üzerinden birleştirebilirsiniz.
Milyonlarca Satırlık SEO Verisini BigQuery Sistemine Aktarma Adımları
Entegrasyon sürecini başlatmak için öncelikle aktif bir Google Cloud Platform (GCP) hesabına ve projeye ihtiyacınız vardır. GCP konsolu üzerinden BigQuery API servisinin etkinleştirilmesi ve ardından ham verilerin yazılacağı hedef veri kümesinin (dataset) oluşturulması gerekir. Veri kümesi konumu belirlenirken şirketinizin veri depolama politikalarına uygun bölgeyi (EU veya US) seçtiğinizden emin olmalısınız.
Google Cloud ortamında hazırlık tamamlandıktan sonra, Search Console panelinde ‘Ayarlar’ sekmesinde yer alan ‘Toplu Veri Dışa Aktarımı’ bölümüne geçilir. Burada GCP Proje Kimliği (Project ID) ve Veri Kümesi Adı tanımlanır. Sistem, doğrulamayı tamamladıktan sonraki 24 saat içerisinde ilk veri aktarımını gerçekleştirir. Sürecin teknik detayları için doğrudan Google Cloud BigQuery mimari dokümantasyonunu inceleyebilirsiniz.
Search Console BigQuery Veri Yapısı ve Tablo Şemaları
Aktarım başladığında BigQuery veri kümenizde iki temel tablo otomatik olarak oluşturulur: searchdata_site_impression ve searchdata_url_impression. İlk tablo mülk düzeyinde aggrege edilmiş verileri tutarken, ikinci tablo URL ve sorgu bazlı tüm detay metrikleri barındırır. Büyük ölçekli SEO analitiğinde odak noktamız her zaman URL seviyesindeki tablo olacaktır.
Tablo şemasında tarih (data_date), site URL’i, arama sorgusu (query), ülke, cihaz tipi, arama türü (web, image, video), gösterim (impressions), tıklama (clicks) ve ortalama konum (sum_position) alanları yer alır. Gizlilik eşiği (privacy threshold) nedeniyle Google bazı çok düşük hacimli sorguları ‘anonymized’ olarak işaretlese de, toplam tıklama ve gösterim hacimleri URL bazında eksiksiz biçimde doğrulanabilir kalır.
BigQuery ile Gelişmiş SEO Veri Analizi ve SQL Sorgu Örnekleri
Ham verinin BigQuery üzerine akmasıyla birlikte klasik SEO araçlarının sunamadığı karmaşık analizleri çalıştırmak mümkün hale gelir. Örneğin, Search Console BigQuery verileri üzerinde kanibalizasyon (cannibalization) tespiti yapmak için aynı arama sorgusunda birden fazla farklı URL’in sıralama aldığı senaryoları SQL GROUP BY ve HAVING COUNT(DISTINCT url) > 1 koşulu ile milisaniyeler içinde tespit edebilirsiniz.
Ayrıca, tıklama oranı (CTR) eğrisi optimizasyonu için pozisyon bazlı CTR sapma analizleri kurgulanabilir. Belirli bir konum aralığında (örneğin ilk 3 sıra) yer aldığı halde sektör ortalamasının altında CTR alan sayfalar, REGEXP_CONTAINS fonksiyonları ile başlık ve meta açıklama revizyonu yapılmak üzere listelenebilir. Bu tür veri odaklı müdahaleler, organik trafik artışını doğrudan tetikleyen teknik adımlardır.
Search Console BigQuery Verilerini Looker Studio ile Görselleştirme
BigQuery üzerinde biriken terabaytlarca veriyi teknik olmayan paydaşlara ve üst yönetime sunmanın en efektif yolu Looker Studio entegrasyonudur. Doğrudan Search Console bağlayıcısı yerine BigQuery bağlayıcısını kullanmak, raporların son derece hızlı yüklenmesini sağlar. Veri kümesi üzerinde tarih bazlı bölümleme (partitioning) ve kümeleme (clustering) yapılandırıldığında sorgu maliyetleri ve veri işleme süreleri minimum seviyeye iner.
Sonuç olarak, Search Console BigQuery entegrasyonu kurumsal SEO stratejilerinin odağında yer alan devasa bir veri ambarı altyapısı sunar. Milyonlarca satırlık veriyi analiz ederek arama niyetlerini bölümlere ayırmak, teknik indeksleme sorunlarını teşhis etmek ve büyüme fırsatlarını veriye dayalı olarak ortaya çıkarmak bu sistemle mümkündür.
Sıkça Sorulan Sorular
Google Search Console tarafında veri aktarımı tamamen ücretsizdir. Ancak Google Cloud Platform (GCP) tarafında verilerin depolanması ve SQL sorgularının çalıştırılması BigQuery'nin standart veri depolama ve işleme tarifeleri üzerinden ücretlendirilir.
Hayır, toplu dışa aktarım (Bulk Data Export) geriye dönük çalışmaz. Entegrasyon aktifleştirildikten sonraki günden itibaren günlük olarak veri birikmeye başlar.
Mülk bazlı tablo (site_impression) verileri domain genelinde aggrege ederken, URL bazlı tablo (url_impression) her bir açılış sayfası ve arama sorgusu kombinasyonunu ayrı satırlarda detaylı olarak tutar.
Veriler Google tarafından günde bir defa, genellikle her günün ilerleyen saatlerinde bir önceki günün tamamlanmış verisi olacak şekilde otomatik olarak yüklenir.
Veri tablolarında data_date alanına göre tarih bölümlemesi (partitioning) yapılmalı ve site_url ya da query alanlarına göre kümeleme (clustering) uygulanmalıdır. Sorgularda SELECT * yerine sadece gerekli sütunlar çağrılmalıdır.