Aynı Parfümün İki Sayfası

Bir parfüm veritabanını tek bir kaynaktan kuramazsınız. Hiçbir kaynak her şeyi bilmiyor — biri niş markalarda güçlü, diğeri klasiklerde. Bu yüzden birden fazla kaynaktan veri toplayıp birleştiriyoruz.

Bu birleştirmenin gizli bir bedeli var: aynı parfüm, iki kaynakta biraz farklı yazılmış olabilir. "Bleu de Chanel EDP" ve "Chanel Bleu de Chanel Eau de Parfum" — insan için apaçık aynı şey, ama sistem için iki ayrı kayıt. İki ayrı sayfa, iki ayrı adres.

Veritabanımızı taradığımızda 7.080 böyle çift bulduk. Birbirinin neredeyse aynısı iki sayfa.

Neden Önemli?

İki açıdan zarar veriyor.

Kullanıcı için kafa karıştırıcı: aynı parfümü ararken iki sonuç görüyorsunuz, hangisinin "doğru" olduğu belli değil.

Google için daha sinsi bir problem: arama motorları neredeyse aynı içeriğe sahip iki sayfa gördüğünde, hangisini sıralayacağına karar veremiyor. İtibar ikiye bölünüyor — iki zayıf sayfa, bir güçlü sayfanın yerini alıyor. 281.000 sayfalık bir sitede bu, tarama bütçesinin de israfı demek.

Silmek En Kolay, En Tehlikeli Yol

İlk içgüdü: kopyayı sil, bitir. Ama bu bir tuzak.

O "kopya" sayfaya bir kullanıcı yorum yazmış olabilir. Birisi onu koleksiyonuna eklemiştir. Puanlar, favoriler, geçmiş — hepsi o kayda bağlı. Sayfayı silerseniz bu verileri de silersiniz.

Bu yüzden kuralımız net: hiçbir kaydı asla kalıcı olarak silme. Her işlem geri alınabilir olmalı.

Yumuşak Birleştirme

Yaklaşımımız silmek değil, işaret etmek. Her kopya kayda "asıl sayfa bu" diyen bir işaretçi koyuyoruz. Kayıt yerinde duruyor — yorumları, koleksiyon bağlantıları, her şeyi korunuyor — ama ziyaretçi o adrese geldiğinde asıl sayfaya yönlendiriliyor.

Bu, kalıcı bir yönlendirme (301): Google'a "bu içerik temelli olarak şuraya taşındı, itibarı oraya aktar" diyor. İki bölünmüş sayfa, tek bir güçlü sayfada toplanıyor.

Ve geri alınabilir: işaretçiyi kaldırdığınız an, kopya yeniden kendi başına bir sayfa oluyor. Hiçbir şey kaybolmuyor.

Hangi Sayfa Kazanır?

İki kopyadan biri "asıl" olarak seçilmeli. Yanlış seçim pahalıya patlar.

Naif yaklaşım: daha çok verisi olanı seç. Ama burada kritik bir kural var: Google'ın zaten sıraladığı sayfayı asla terk etme. Eğer kullanıcılar bir sayfaya arama sonuçlarından ulaşıyorsa, o sayfa kazanan olmalı — onu ölü bir kopyaya yönlendirmek, kazanılmış görünürlüğü çöpe atmak olur.

Bu yüzden hayatta kalanı, arama performansı ve veri zenginliği birlikte belirliyor. Çoğu zaman ikisi örtüşüyor; örtüşmediğinde görünürlük öncelik kazanıyor.

Varyant Vetosu

En tehlikeli hata, kopya olmayan şeyleri kopya sanmak.

"Bleu de Chanel EDT" ile "Bleu de Chanel EDP" aynı isimde ama aynı parfüm değil — biri eau de toilette, diğeri eau de parfum; farklı konsantrasyonlar, farklı kokular. Bunları birleştirmek gerçek bilgiyi yok etmek olur.

Bu yüzden birleştirme eşiğimiz bilinçli olarak muhafazakâr: yalnızca farklı kaynaklardan gelen, ismi birebir aynı, konsantrasyonu ve yılı çelişmeyen kayıtları birleştiriyoruz. En ufak bir farklılık şüphesinde birleştirmiyoruz. Yanlış birleştirmenin maliyeti, kaçırılan birleştirmenin maliyetinden çok daha yüksek.

Sonuç

7.080 çift, hiçbiri silinmeden, tek tek doğru sayfalarında toplandı. Arama sonuçları daha temiz, itibar bölünmüyor ve her adım geri alınabilir.

Bu gösterişli bir özellik değil — kimse "vay, mükerrer sayfalar birleşmiş" demez. Ama iyi bir veritabanı, görünmeyen düzenden ibarettir. Kullanıcı sadece aradığını bulur; arkadaki dağınıklığı temizlemek bizim işimiz.