İki alan adı benzer SEO metriklerine ve tamamen farklı yatırım potansiyeline sahip olabilir. Bu vakaları pahalı, manuel due diligence kısmı başlamadan ayırmaya yardımcı olmak için Karma.Domains’te alan adı analizini kurduk.
İçindekiler
- İçindekiler
- Başka bir appraisal skoru istemiyordum
- Neredeyse fazla şey inşa ediyorduk
- İlk katman olguları içerir
- Kelime sayısı bir yapay zekâ problemi çıktı
- İkinci katman adı yorumlar
- Model kötü bölünmeler konusunda kendinden emindi
- Test setimiz bizi pohpohlamaya başladı
- Üretim kontrolleri prompt’tan daha önemliydi
- Yeni filtreleri kullanacağım dört yol
- Rapor kararı nasıl destekler
- Aynı alanlar tarayıcının dışında da çalışır
- Otomasyonun durduğu yer
Karma.Domains’te açık artırma ve süresi dolmuş alan adı listelerini incelerken aynı boşluğa defalarca rastlıyordum. Raporlarımız bir alan adının geçmişi hakkında bana çok şey anlatabiliyordu: sitede daha önce ne olduğu, arşivinde hangi konuların göründüğü, backlink profilinin bariz risk gösterip göstermediği ve hangi SEO sinyallerinin mevcut olduğu.
Rapor, adın kendisi hakkında çok daha az şey söylüyordu.
Bu ayrım, alan adı yatırımcısı için önemlidir. Temiz, iki kelimelik ticari bir ad ile parçalardan oluşan sakar bir dizi, benzer otorite metrikleriyle yan yana durabilir. Biri telaffuz edilmesi kolay, hatırlanması kolay ve birkaç alıcı türü için yararlı olabilir. Diğerinin hiç makul bir son kullanıcısı olmayabilir.
Veritabanımız 13 milyonu aşkın süresi dolmuş ve açık artırma alan adına büyüyüp günde 40’tan fazla kaynaktan 400.000’den fazla alan adı işlendiğinde, bu kör nokta görmezden gelinmesi daha zor hale geldi. Karma.Domains zaten 90’dan fazla filtreyi destekliyor ve Ahrefs, Semrush, Moz, Majestic, Similarweb, Wayback Machine ve diğer kaynaklardan gelen mevcut verileri birleştiriyordu. Yatırımcılar geçmişi ve SEO sinyallerini ayrıntılı tarayabiliyordu. Yine de binlerce adı tek tek okumak zorundaydılar.
Bu yüzden her domainer’ın ilk sorduğu soru için yeni bir katman kurduk: ad, daha yakından bakmaya değer mi?
Başka bir appraisal skoru istemiyordum
Bariz ürün fikri tek bir «yatırım kalitesi» sayısıydı. Bunu erken reddettim.
Bir alan adının alıcı, pazar, satış ufku ve strateji dışında evrensel bir değeri yoktur. Kısa kısaltmalara özel çalışan bir yatırımcı, yerel hizmet alan adlarından portföy kuran birinden farklı bir varlık görür. Hollandaca doğal bir ifade, yalnızca İngilizceye odaklı bir modele anlamsız görünebilir. Güçlü bir geo-service adı lead generation operatörü için yararlı, brandable marketplace için ilgisiz olabilir.
Tek bir skor bu varsayımları gizlerdi. Daha kötüsü, öznel bir model çıktısını kesin gibi gösterirdi.
Karma.Domains’te zaten bir Brand Score var ve onu ayrı tuttuk. Yeni analiz, yatırımcının filtrelemek isteyebileceği kanıtları ortaya koyuyor: yapı, kelimeler, dil, ad tipi, sektör ve olası exact-match niyeti. Stratejiyi yatırımcı sağlar.
Buradaki görüşüm oldukça net: appraisal, discovery aşaması için yanlış soyutlamadır. Discovery, yığını azaltmalı ve bir adın neden ayakta kaldığının gerekçelerini korumalıdır.
Neredeyse fazla şey inşa ediyorduk
İlk ürün vizyonumuz çok daha büyüktü. Yatırımcıya özel görünümler, projeler, bir gelen kutusu, deal pipeline, izleme ve birkaç başka workflow özelliği içeriyordu.
Bu fikirlerin çoğu hâlâ yararlı olabilir. Aynı zamanda, yatırımcıların temel analizi istediğini kanıtlamadan önce ayrı bir ürün inşa ederek aylar harcamanın da iyi bir yoluydu.
Kapsamı geri kestik. İlk sürüm, insanların zaten kullandığı arama ve rapor deneyiminin içinde yaşayacaktı. Mevcut alan adı kaydına alanlar, mevcut listeye filtreler ve mevcut rapora okunabilir bir döküm ekleyecekti. Aynı veriler Public API ve MCP üzerinden de kullanılabilir olacaktı.
Bu karar özelliği şekillendirdi. Yatırımcının portföy sisteminin yerine değil, envanter üzerinden daha iyi bir ilk geçiş inşa ediyorduk.
İlk katman olguları içerir
Bir alan adının bazı özellikleri dil modeline ihtiyaç duymaz.
İkinci düzey alan adı için Karma.Domains şunları hesaplar:
- karakter uzunluğu;
- rakam ve tire sayıları;
- rakam veya tire olup olmadığı;
- bir harf deseni;
- bir ünlü ve ünsüz deseni;
- adın başında, sonunda veya herhangi bir yerindeki metin;
- TLD.
Harf deseni harf için L, sayı için N, tire için H ve başka karakter için X kullanır. Ünlü deseni ünlü için V, başka bir Latin harfi için C, ayrıca N, H ve X kullanır.
Basit bir örnek olarak solar7.com’u alalım. Harf deseni LLLLLN. Ünlü deseni CVCVCN. Modelin bu sonuçlardan birini üretmek için adı «anlaması» gerekmez.
Desenler, varlığın biçimi önemli olduğunda özellikle yararlıdır. Dört harfli ad arayan bir yatırımcı LLLL için filtreleyebilir. Telaffuz edilebilir beş harfli kombinasyonları araştıran biri CVCVC gibi ünlü desenleriyle çalışıp ardından dil veya ad tipi filtresi uygulayabilir.
Bu alanlar öngörülebilirdir. Aynı filtreyi yarın çalıştırın; yapısal sonuç, model adı farklı yorumladığı için değişmez.
Kelime sayısı bir yapay zekâ problemi çıktı
Kelime sayısı başka bir olgu gibi duyulur. Değildir — en azından boşluksuz bir alan adı için.
Bir adın iki kelime içerdiğini söylemeden önce, birinin nerede bittiğine ve diğerinin nerede başladığına karar vermeliyiz. Eightshapes muhtemelen «eight shapes» anlamına gelir. Dilleri, bir soyadı ve bir kısaltmayı karıştıran bir dizi birkaç makul bölünmeyi destekleyebilir. Uydurulmuş bir marka, amaçlanan okuma tek bir türetme kelime olsa bile iki tanıdık parçaya benzeyebilir.
Bu yüzden kelime sayısı filtresi sistemin yapay zekâ destekli kısmına aittir. Tokenizasyona bağlıdır ve tokenizasyon anlama bağlıdır.
Bu küçük farkındalık mimariyi değiştirdi. Sayısal görünen her alanı deterministik saymayı bıraktık.
İkinci katman adı yorumlar
Model alan adını ve TLD’yi alır. Adı sınıflandırırken backlink metriklerini, açık artırma popülerliğini, trafik tahminlerini veya KarmaScore’u görmez. Sonucun diziyi tanımlamasını, raporun başka yerlerindeki sinyalleri gerekçelendirmemesini istedik.
Analiz şunları tanımlamaya çalışır:
- adın içindeki kelimeler;
- her kelimenin olası dili;
- kısa bir anlam;
- dictionary word, descriptive phrase, personal name veya brandable gibi bir birincil tip;
- uygun olduğunda geographic, acronym ve EMD dahil ek tipler;
- bir veya daha fazla geniş sektör;
- ad exact-match domain gibi göründüğünde ticari bir ifade;
- genel bir güven düzeyi.
17 geniş sektör kategorisi kullanıyoruz. Bilerek kabadırlar. «Software» veya «real estate» büyük bir listeyi daraltmaya yardımcı olabilir. Altı harften son derece spesifik bir iş planı uyduran bir model yardımcı olmaz.
Aynı ihtiyat ad tipleri için de geçerlidir. Birincil tip tekil olmalıdır. Model temkinli davranmak istedi diye bir ad hem net bir descriptive phrase hem de türetilmiş brandable olamaz. Geographic, acronym ve EMD, farklı soruları yanıtladıkları için ek öznitelik olarak çalışır.
Kâğıt üzerinde bu basit görünüyordu. İlk testler öyle değildi.
Model kötü bölünmeler konusunda kendinden emindi
En yaygın hata kelime segmentasyonuydu.
Bir model eightshapes gibi bariz bir bileşimi yapışık bırakabiliyordu. Başka bir adda, ikinci token anlamsız olsa bile cop + salive benzeri bir bölünme üretiyordu. Çok dilli diziler kendi sorunlarını yaratıyordu. vuelostime gibi bir ad rekabet eden İspanyolca ve İngilizce okumaları davet eder; model belirsizliği kabul etmeden aralarında sıçrayabiliyordu.
Dil algılama başka bir hata sınıfı yarattı. Erken sürümler dili TLD’den çıkarıyor, Latin karakterleri İngilizce kanıtı sayıyor veya bir yer adını dille karıştırıyordu. Kısaltmalar bazen kanıt olmadan açılıyordu. Bir kelimenin birkaç pazarla zayıf ilişkisi olduğunda sektör etiketleri çoğalıyordu.
EMD sınıflandırması iki yöne de savruluyordu. Dar bir prompt yararlı ticari ifadeleri kaçırıyordu. Daha geniş bir prompt neredeyse her betimleyici kombinasyonu exact-match domain diye adlandırmaya başlıyordu.
Birkaç model ailesini denedik. Bazıları bozuk veya kesilmiş yapılandırılmış veri döndürdü. Daha hızlı modeller sektörleri zayıf ilişkilere dağıtma eğilimindeydi. Bir model test partisinde belirgin şekilde daha iyi dilbilimsel analiz üretti ama işlememiz gereken hacim için çok yavaş ve pahalıydı.
Temperature’ı artırmak yardımcı olmadı. Bunlar sistematik hatalardı, yaratıcılık eksikliği değildi.
Bir değişiklik zor adları iyileştirdi: kelime bölünmesini sonlandırmadan önce modelden genel bir anlam oluşturmasını istemek. thegeoffcapesfoundation üzerinde anlamsal bağlam the / geoff / capes / foundation sonucuna ulaşmaya yardımcı oldu. Her çok dilli veya belirsiz vakayı çözmedi ama tokenizasyona daha iyi bir başlangıç noktası verdi.
Test setimiz bizi pohpohlamaya başladı
Bir noktada prompt’a birkaç zor alan adı ve doğru yorumlarını örnek olarak ekledik. Sonraki değerlendirme çok daha iyi görünüyordu.
Fazla iyi.
Aynı alan adlarından bazılarını tekrar tekrar test ediyorduk. Prompt’a fiilen cevaplar verilmişti. Yeni envantere aktarılan bir kural öğrenmeden bu vakaları yeniden üretebiliyordu.
Alan adına özgü örnekleri kaldırıp genel talimatlara çevirdik. Skorlar düştü. Bu yararlıydı çünkü daha düşük sonuç dürüsttü.
Bu muhtemelen projedeki en önemli geliştirme dersiydi. Test seti prompt’a sızdığında prompt mükemmel görünebilir. Alan adları bu hatayı kaçırmayı kolaylaştırır çünkü her sorunlu dizi örneğe eklenmeye değer özel bir vaka gibi hisseder.
Bundan sonra değişiklikleri görülmemiş adlar üzerinde, çok dilli dizilere, uzun bileşiklere, kişi adlarına, kısaltmalara ve birden fazla şekilde bölünebilen ifadelere ekstra dikkatle değerlendirdik.
Üretim kontrolleri prompt’tan daha önemliydi
Prompt’u iyileştirmeye devam ettik ama prompt çalışması sonunda azalan getirilere dayandı. Üretim güvenceleri özelliği güvenilir kılmak için daha fazlasını yaptı.
Backend, her token’ın orijinal ada yeniden birleştirilebileceğini kontrol eder. Model harf ekleyemez, karakter düşüremez veya yazımı sessizce «düzeltemez». Bölünme doğrulamayı başarısız ederse sistem daha güvenli bir temsile geri döner.
Şema tek bir birincil tipe izin verir; bu, o alanda çelişkili yanıtları engeller. Eksik analiz unknown kalır. İşlenmemiş veya başarısız bir sınıflandırmayı sahte bir «no»ya çevirmeyiz. Arayüzde yapay zekâ türevli filtreler ve sınıflandırma paneli, sonucun yanlış olabileceğine dair uyarı taşır.
Bu yaklaşım rahatsız edici bir gerçeği kabul eder: bazı adlar belirsizdir ve model bazen yanılır. Kontroller, garip bir yanıtın bozulmuş yapıya veya sahte kesinliğe dönüşmesini engeller.
Bir yatırımcı hâlâ komşu filtreleri deneyerek gözden kaçmış bir adayı bulabilir. Sistem, şüpheli bir çıkarımı kendinden emin bir skorun ardında asla kaybettirmemelidir.
Yeni filtreleri kullanacağım dört yol
Pratik değer, kesin yapı ile anlamsal sınıflandırma birlikte çalıştığında ortaya çıkar. İşte dört başlangıç tarifi. Aralıklar örnektir, evrensel satın alma kuralları değil.
| Strateji | Yapısal filtreler | Yapay zekâ destekli filtreler | Manuel inceleme |
|---|---|---|---|
| Temiz brandable’lar | 5–12 karakter, rakam veya tire yok, seçilmiş TLD’ler | Bir veya iki kelime, brandable, hedef dil, ilgili sektör | Telaffuz, yazım, radio test, karşılaştırılabilir satışlar, markalar |
| Yerel hizmet EMD’leri | Pazar TLD’si veya ccTLD, makul uzunluk, gerekli geo veya hizmet parçası | Geographic, EMD, hedef dil, hizmet sektörü | Doğal ifade, gerçek arama davranışı, yerel talep, hukuki risk |
| Sözlük ve betimleyici adlar | Seçilmiş TLD’ler, uzunluk aralığı, istenmeyen karakter yok | Dictionary word veya descriptive phrase, dil, sektör | Alıcı havuzu, alternatif anlamlar, çoğul biçim, yazım varyantları |
| Kısa kısaltmalar | Üç ila beş harf, LLL veya LLLL gibi desenler, tire yok | Acronym bayrağı ve varsa dil bağlamı | Makul açılımlar, mevcut kuruluşlar, likidite, markalar |
Temiz brandable’lar
Modelin yanlış okuyamayacağı şeylerle başlardım: TLD, uzunluk, rakamlar, tireler ve desen. Sonra brandable artı software gibi bir veya iki anlamsal kısıt eklerdim.
Liste çok küçülürse, stratejiyi tanımlayan yapısal kurallardan önce anlamsal alanı gevşetin. Yanlış etiketlenmiş bir sektör iyi bir adı gizleyebilir. 19 karakterlik bir alan adı, sınıflandırıcı beğendi diye altı harfli brandable olmaz.
Yerel hizmet adları
Geo-service kombinasyonları, ifadenin sırası ve dili önemli olduğu için anlamsal filtrelerden daha çok yararlanır. Geographic ve EMD bayraklarını arayın, sonra raporda gösterilen gerçek tokenizasyonu ve anlamı inceleyin.
Bir model şehir ve hizmetin mevcut olduğunu tanıyabilir. Yerel bir müşterinin ifadeyi doğal söyleyip söylemeyeceğini, arama talebinin ticari açıdan yararlı olup olmadığını veya pazarın zaten doygun olup olmadığını söyleyemez.
Sözlük kelimeleri ve betimleyici ifadeler
Dil burada, özellikle ccTLD’ler arasında yararlı bir discovery filtresidir. Aynı zamanda şüpheciliği hak eder. Kısa kelimeler birkaç dilde var olabilir ve özel adlar sık sık sözlük kelimelerine benzer.
Tipi kabul etmeden önce rapordaki renkli kelime dökümüne bakardım. Görsel bölünme, şüpheli bir yorumu tablodaki çıplak bir etiketten daha kolay yakalatır.
Kısaltmalar
Yapısal geçiş kısa kısaltmalar için işin çoğunu yapar. Yapay zekâ bayrağı olası baş harfleri sıradan kısa kelimelerden ayırmaya yardımcı olur ama her kuruluşu, ürünü veya niş kısaltmayı bilemez.
Bu stratejide yanlış pozitifler ucuzdur. Marka hataları değildir. Yapay zekâ eşiğini geniş, hukuki ve son kullanıcı kontrollerini sıkı tutun.
Rapor kararı nasıl destekler
Karma.Domains raporundaki Domain name sekmesi her iki katmanı ayrı gösterir.
Structure bölümü ölçümleri içerir: uzunluk, rakamlar, tireler, harf deseni ve ünlü deseni. Classification bölümü önerilen kelime bölünmesini, anlamı, tipi, dilleri, sektörleri, EMD ifadesini, kelime sayısını ve güveni gösterir.
Doğrulanmış kelime bölünmesini, alan adının okunabilir bir CamelCase sürümünü göstermek için de kullanırız. Adı kopyalamak hâlâ orijinal küçük harfli alan adını verir. Biçimlendirilmiş sürüm, listeyi taramayı kolaylaştırmak içindir; varlığı değiştirmek için değil.
Brand Score kolaylık için aynı alanda görünür ama kendi sinyali olarak kalır. Ad analizi onu yeni bir ana sayıya yutmaz.
Ayda yalnızca birkaç düzine alan adı inceliyorsanız bunların çoğu gereksiz olabilir. Adları kendiniz okuyabilirsiniz. Ham liste binlerce aday içerdiğinde veya birkaç kişinin aynı portföy tezini tutarlı uygulaması gerektiğinde filtreler yararlı hale gelir.
Aynı alanlar tarayıcının dışında da çalışır
Özelliği mevcut arama katmanına kurduk; bu yüzden ad alanları web arayüzü, Karma.Domains Public API ve Karma.Domains MCP sunucusu üzerinden kullanılabilir.
Web uygulamasında bir yatırımcı yeni alanları açık artırma kaynağı, güncel fiyat, bitiş zamanı, TLD, geçmiş ve SEO filtreleriyle birleştirebilir.
API, özel bir panoda, e-tablo pipeline’ında veya portföy workflow’unda tekrarlanabilir aramaları destekler. Bir tez sorgu parametreleri olarak saklanıp her seferinde ekranı yeniden kurmadan yeni envantere karşı çalıştırılabilir.
MCP aynı aramayı ChatGPT, Claude ve diğer uyumlu asistanlara açar. Bir istek konuşma dilinde olabilir:
Rakam veya tire olmayan kısa
.comaçık artırma adlarını bul. Software veya finance’te brandable olarak sınıflandırılmış bir veya iki kelimelik İngilizce adları tut. Ad dökümünü ve açık artırma ayrıntılarını göster.
Sonraki mesaj tezi ayarlayabilir:
Yapısal kuralları koru, finance’i kaldır ve on karakterden kısa descriptive phrase’leri ekle.
Doğal dil yinelemeyi kolaylaştırır. Asıl aramayı hâlâ alttaki filtreler yapar.
Otomasyonun durduğu yer
Ad analizi satış fiyatı tahmin etmez, sell-through oranını öngörmez veya bir alımı onaylamaz. Marka araştırmasının, ana dil yargısının, karşılaştırılabilir satış analizinin veya arşiv ile backlink profiline yakından bakmanın yerini almaz.
Holding maliyetinizi, tercih ettiğiniz marketplace’leri, likiditesizliğe toleransınızı veya olası alıcılara erişiminizi de bilemez. Bu değişkenler çoğu zaman rapordaki bir ekstra sinyalden daha önemlidir.
Tercih ettiğim workflow basittir. Varlığın biçimini tanımlamak için deterministik filtreleri kullanın. Anlam ve ticari bağlamı keşfetmek için yapay zekâ alanlarını ekleyin. Ayakta kalan küçük grubun raporlarını açın. Sonra teklif vermeden önce geçmişi, bağlantıları, hukuki riski, karşılaştırılabilir satışları ve güncel açık artırma koşullarını kontrol edin.
Özellik, 10.000 adı okumaya değer 40’a çevirdiğinde yerini hak eder. Satın almaya değer dördü seçmek hâlâ yatırımcının işidir.