B2B Pazarlama İçeriği İçin Yapay Zekâ: ChatGPT veya Jasper, Platformunuzun Yapay Zekâsı ya da Onaylı Bilgilerle Çalışan Ajanlar

Bir yapay zekâ aracından vaka çalışması isterseniz akıcı bir taslak hızla gelir. Ama bu taslakta hiçbir müşterinin bildirmediği bir tasarruf da yer alabilir. B2B makaleler, gönderiler, e-postalar ve satış sayfaları için yapay zekâ kullanmanın üç yolu var. Genel amaçlı bir asistan ya da yazma aracı kullanabilir veya zaten ücretini ödediğiniz pazarlama platformunun içindeki yapay zekâdan yararlanabilirsiniz. Üçüncü yol, onaylı şirket bilgilerinden oluşan tek bir tabandan araştıran, yazan ve kontrol eden bir ajan grubudur; yayımlanan içeriği bir kişi onaylar. İlk ya da ikinci yol yeterli olabilir. Hangi yolu seçerseniz seçin, sonuç sizin kuracağınız iki şeye bağlıdır: onaylı bilgilerin yazılı bir listesi ve son onayı veren, adı belli bir kişi.

Pazarlama içeriğini yapay zekâ yazdığında neler ters gider?

İlk sorun, kimsenin modele vermediği ama modelin kendinden emin biçimde yazdığı bir bilgidir. Anthropic'in dokümantasyonu şöyle diyor: “Claude gibi en gelişmiş dil modelleri bile zaman zaman gerçeklere aykırı ya da verilen bağlamla tutarsız metinler üretebilir.” Google'ın site sahiplerine yönelik rehberi bunun nedenini açıklıyor: “üretken modeller bilgileri bulup getirmez, eğitim verilerine dayanarak olası bir kelime dizisini tahmin eder.” Pazarlama metninde bu, kulağa doğru gelen ama hiçbir kaynağı olmayan bir yüzde, bir müşteri adı, bir sertifika ya da bir özellik demektir.

Aynı mekanizma marka sesinize de zarar verir. Kendi malzemeniz ve kurallarınız olmadığında en olası ifade çoğu zaman herkesin ifadesi olur; gönderileriniz de rakiplerinizin gönderilerine benzemeye başlayabilir. Google ayrıca şu uyarıyı yapıyor: “Kullanıcılara değer katmadan çok sayıda sayfa üretmek için üretken yapay zekâ araçlarını ya da benzeri araçları kullanmak, Google'ın ölçeklenmiş içerik kötüye kullanımına ilişkin spam politikasını ihlal edebilir.”

Bir de kimsenin onaylamadığı iddia var. Birleşik Krallık'ın yayın dışı reklam kuralları olan CAP Code şöyle diyor: “Pazarlamacılar, tüketicilerin nesnel olarak görmesi muhtemel ve nesnel olarak kanıtlanabilir iddiaları ispatlamak için belgeye dayalı kanıt bulundurmalıdır.” Ayrıca “bir pazarlama iletişiminde kullanılan bir müşteri görüşünün ya da tavsiyenin gerçek olduğuna” dair kanıt istiyor; bir modelin uydurduğu bir müşteri alıntısı bu testi geçemez. ABD aracı kurumları için FINRA şunu belirtiyor: “Firmalar, iletişimleri ister bir insan ister yapay zekâ teknolojisi tarafından üretilmiş olsun, bu iletişimlerden sorumludur.”

Son kontrolün sahibi yoksa bu sorunlar okura ulaşır. Yazar editöre, editör de araca güvendiğinde rakamları kimse okumamış olur.

ChatGPT ya da Jasper gibi bir yazma aracı size ne verir?

İlk yol, ChatGPT ya da Claude gibi genel amaçlı bir asistan ya da Jasper veya Writer gibi iş dünyasına yönelik bir yazma aracıdır. Anthropic, Claude'daki projelerin “kendi sohbet geçmişleri ve bilgi tabanları olan bağımsız çalışma alanları oluşturmanıza olanak tanıdığını” söylüyor; bu projelere tonu belirleyebilen talimatlar da eklenebiliyor.

Genel amaçlı bir asistan basit bir doğruluk kontrolü bile yapabilir. Anthropic'in dokümantasyonundaki örnek bir istem, “yalnızca bu ürün özetlerindeki ve pazar raporlarındaki bilgileri kullanarak” bir basın bülteni yazılmasını istiyor. Ardından şunu ekliyor: “Bir iddia için destekleyici bir alıntı bulamazsan, o iddiayı basın bülteninden çıkar”. Her ekip bu kalıbı kendi bilgi sayfasıyla uygulayabilir; küçük bir ekip için ihtiyaç duyulan tek şey bu olabilir.

Sınırlar, insanların bu araçları nasıl kullandığından kaynaklanır. Her yazar kendi istemlerini ve dosyalarını tutar; biri bu çeyreğin bilgi sayfasından taslak yazarken, diğeri geçen yılınkinden yazar. Siz kurmadıkça hiçbir şey bir iddianın nereden geldiğini kaydetmez ya da okunmamış bir taslağın yayımlanmasını engellemez. Ayarlar da biri onları bağlayana kadar hiçbir işe yaramayabilir. Writer'ın yardım merkezi şu uyarıyı yapıyor: “Stil kılavuzunuzun ve terimlerinizin WRITER Agent'ta üretilen çıktılara uygulanması için önce bunları ses profiline bağlamanız gerekir.” Planlar yükleyebileceklerinizi de sınırlar: Jasper'ın Pro planında “2 Brand Voices, 5 Knowledge assets and 3 Audiences” yer alıyor.

Pazarlama platformunuzun yapay zekâsı ne katar ve nerede sınırına gelir?

İkinci yol, zaten ücretini ödediğiniz bir aracın parçası olabilecek yapay zekâyı kullanır. HubSpot'un yardım sayfası şöyle diyor: “Üretilen ya da yazılan içeriği markanızın kendine özgü sesine uyarlamak için HubSpot'un yapay zekâ araçlarını kullanın.” Ürün sayfası ise Content Agent'ı şu satırla tanıtıyor: “Blog yazılarını, sosyal medya içeriklerini ve açılış sayfalarını marka sesinizle oluşturun.” Adobe GenStudio for Performance Marketing her taslağa, yönergelerinizden kaçını geçtiğine göre hesaplanan bir “Percentage of compliance with your Brand” değeri veriyor. LinkedIn, Campaign Manager'daki tek görselli reklamlar için “başlıklar, giriş metni ve önerilen görseller dahil birden çok reklam varyantı oluşturabildiğini” söylüyor.

Bu durumda taslaklar, içeriğin planlandığı ve ölçüldüğü yerde, zaten yönettiğiniz kullanıcı hakları altında hazırlanır. Dezavantajı dar bir bakış açısıdır. Her platform kendi içeriğini ve ayarlarını tutar; bu yüzden HubSpot e-postalarınızdaki bilgilerle LinkedIn reklamlarınızdaki bilgiler zamanla birbirinden ayrışabilir. Onay denetimleri daha üst bir plan gerektirebilir. HubSpot, “Belirli içerik türlerine ait Onay ayarlarına erişmek için Enterprise aboneliği gerekir” diyor ve şunu da ekliyor: “Süper Yöneticiler onayları atlayabilir.”

Marka puanı, bir taslağın uyduğu yönergeleri sayar. Metindeki bir rakamın doğru olup olmadığı ise ayrı bir kontroldür; bu yüzden platformun iddiaları neyle karşılaştırdığını sorun. Platformların artık ajan adını verdiği özellikler için de bilgilerin nereden geldiğini ve sonucu kimin onayladığını sorun.

Onaylı bilgilerle çalışan ajanlar ne katar ve maliyetleri nedir?

Bir ajan sistemi işi birkaç yapay zekâ ajanı arasında paylaştırır. Anthropic ajanları “genellikle, ortamdan gelen geri bildirime dayanarak bir döngü içinde araç kullanan LLM'lerden ibarettir” diye tanımlıyor. LLM, büyük dil modeli (large language model) demektir; araçlar ise modelin çağırabildiği, web araması ya da belge deposu gibi işlevlerdir. Bir ajan bir konu için kaynak toplar, bir diğeri onaylı bilgilerden ve üslup kurallarından yola çıkarak taslak yazar. Ardından bir kontrol ajanı her iddiayı bilgilerle karşılaştırır ve eşleştiremediklerini işaretler. İçeriği bir kişi onaylar ya da reddeder; sistem de bunu kimin yaptığını kaydeder.

Kontrol adımı, Anthropic'in evaluator-optimizer (değerlendirici-iyileştirici) adını verdiği bir kalıbı izler: “bir LLM çağrısı bir yanıt üretirken, bir diğeri bir döngü içinde değerlendirme ve geri bildirim sağlar.” Anthropic ayrıca ajanların “ardından kontrol noktalarında ya da engellerle karşılaştıklarında insan geri bildirimi için duraklayabileceğini” yazıyor.

Bu düzen, içerik hacmi yüksek olduğunda karşılığını verebilir. Her kanal ve dil aynı bilgi setinden beslenir; içeriği gözden geçiren kişi de hangi iddiaların kontrol edildiğini görür. Ama emek de ister. Bu tür sistemler için model satan Anthropic şunu öneriyor: “mümkün olan en basit çözümü bulmak ve karmaşıklığı yalnızca gerektiğinde artırmak. Bu, hiç ajan tabanlı sistem kurmamak anlamına gelebilir.” Birinin bilgi tabanını güncel tutması, ajanların bakımını yapması, model kullanımının bedelini ödemesi ve işaretlenen noktalarla ilgilenmesi gerekir. Hacminizi bir yazar ve bir editör karşılayabiliyorsa, bu emek size pek bir şey kazandırmaz.

Onaylı iddialardan oluşan bir bilgi tabanında neler yer alır?

Bilgi tabanı, şirketinizin kamuya açık olarak dile getirebileceği konusunda anlaştığı ifadelerin, her birinin kanıtıyla birlikte listesidir. Her yazarın ve her aracın okuduğu tek bir liste tutun. Her ifade için şunları kaydedin:

• yazarların ve modellerin kendi cümleleriyle yeniden yazmak yerine aynen kopyalayacağı birebir ifade;
• kanıt: bir belge, ölçüldüğü tarihle birlikte bir rakam ya da ifadeyi doğrulayan kişi;
• nerede kullanılabileceği, örneğin web sitesi ve satış e-postaları ama ücretli reklamlar değil;
• ifadeyi yeniden incelemeye gönderen olay, örneğin bir fiyat değişikliği ya da bir müşterinin iznini geri çekmesi.

Şirketin asla kullanmadığı sözcükleri de ekleyin; örneğin risksiz ya da tamamen güvenli. Müşteri adları, logoları ve alıntıları listeye yalnızca yazılı izinle girer.

İşe satış ekibinizin en sık tekrarladığı ifadelerle başlayın. Bir taslakta listede olmayan bir iddia varsa, iddia onaylanana ya da çıkarılana kadar taslak bekler.

Bir modelin uyacağı üslup kurallarını nasıl yazarız?

Üslup kuralları, biri bir taslağı onlara göre kontrol edebildiğinde işe yarar. Samimi ya da profesyonel gibi sıfatlar kontrol edilemez. Şu tür kurallar ise kontrol edilebilir:

• Okura siz diye hitap edin, şirket için biz deyin.
• Cümle başına tek fikir; hiçbir cümle iki satırdan uzun olmasın.
• Hızlı ya da güçlü gibi bir sıfat yerine birimiyle birlikte bir rakam.
• Ürünün neyi yapmadığını, neyi yaptığı kadar açıkça söyleyin.
• Yasaklı sözcükler ve her birinin yerine kullanılacak sözcük.

Her kurala gerekçesini ve kendi geçmiş içeriğinizden iki satır ekleyin: biri kurala uyan, biri kuralı çiğneyen. Anthropic'in istem yazma kılavuzu şöyle diyor: “Örnekler, Claude'un çıktı formatını, tonunu ve yapısını yönlendirmenin en güvenilir yollarından biridir.” Listeyi kısa tutun. Adobe, GenStudio'daki editoryal kurallar için 5-10 yönerge öneriyor ve “açık ve uygulanabilir yönlendirme” istiyor; örneğin “Kısa ve öz olun” yerine “Cümleleri 20 kelimenin altında tutun”.

Kurallara güvenmeden önce onları test edin. Bir meslektaşınızdan, kendi yayımlanmış içeriklerinizi de içeren bir setin içinden yapay zekâ taslağını bulmasını isteyin.

Bir taslağı, yayımlanmadan önce kim ve hangi sırayla kontrol eder?

Sırayı yazıya dökün ve her yolda aynı tutun. Önce onaylı listeye göre bir doğruluk kontrolü gelir; bunu bir kişi ya da bir kontrol ajanı yapar. Ardından bir editör taslağı üslup kurallarıyla karşılaştırır. Yasal konular, güvenlik, fiyatlar, müşteri sonuçları ya da finansal ürünlerle ilgili iddialar hukuk ya da uyum birimine gider. Son olarak adı belli bir kişi nihai sürümü onaylar ve kayıt, neyi kimin ve ne zaman onayladığını gösterir. Kontrol hızlı olsun diye bu kişiye iddiaları kaynaklarıyla ve varsa işaretlerle birlikte verin.

Düzenlemeye tabi bazı firmalar zaten böyle çalışıyor. FINRA Rule 2210 şöyle diyor: “Üyenin uygun niteliklere sahip kayıtlı bir yetkilisi (registered principal), bireysel yatırımcılara yönelik her iletişimi, kullanılmasından ya da FINRA'nın Reklam Düzenleme Departmanı'na sunulmasından hangisi önce gelirse ondan önce onaylamalıdır”. Bu kural FINRA üyesi aracı kurumlara uygulanır ve istisnalar sayar; ama her şirket bu mantığı benimseyip onay almadan hiçbir şey yayımlamayabilir.

Yapay zekâ araçlarına neler yapıştırıyoruz ve sağlayıcılar bunlarla ne yapıyor?

Taslaklar, bir fiyat değişikliği ya da bir müşterinin sonuçları gibi henüz kamuya açık olmayan malzemelerden yola çıkabilir. Biri bunları yapıştırmadan önce hangi planı kullandığını ve sağlayıcının veriyle ne yaptığını söylediğini kontrol edin.

Şartlar plana göre değişir. Anthropic, varsayılan olarak modellerini eğitmek için “ticari ürünlerimizdeki girdilerinizi ya da çıktılarınızı kullanmayacağını” söylüyor. Tüketicilere yönelik planları ise kullanıcılara “verilerinin Claude'u geliştirmek için kullanılmasına izin verme seçeneği” tanıyor; bu yüzden kişisel hesap kullanan bir yazar farklı şartlarla çalışıyor olabilir. OpenAI şöyle diyor: “OpenAI API'sine gönderilen veriler OpenAI modellerini eğitmek veya geliştirmek için kullanılmaz (verileri bizimle paylaşmayı açıkça tercih etmediğiniz sürece).” Bu cümle API ile ilgilidir; ChatGPT için her yazarın kullandığı planın şartlarını kontrol edin.

HubSpot, “HubSpot Müşteri Hizmet Şartları'nda tanımlandığı şekliyle müşteri verilerini HubSpot'un kendi yapay zekâ modellerini eğitmek ve geliştirmek için kullanabileceğini” söylüyor. Devre dışı bırakma (opt-out) düğmesi için ise şöyle diyor: “Varsayılan olarak bu ayar açık olacaktır.” Üçüncü taraf yapay zekâ sağlayıcılarının müşteri verileriyle model eğitmesine izin vermediğini de belirtiyor. Writer'ın yardım merkezi ise şöyle diyor: “LLM'lerimizi müşteri verileriyle eğitmiyoruz.”

Bu noktaları sözleşmede ve veri işleme şartlarında kontrol edin ve tarihli bir kopyasını saklayın. Ekibe tek sayfalık bir kural verin: hangi araçların ve planların onaylı olduğu ve hiçbir araca asla girmeyecek bilgiler; örneğin açıklanmamış finansal sonuçlar ya da bir müşterinin verileri.

Sağlayıcılar pazarlama içeriği yazan yapay zekâ için nasıl ücret alıyor?

Sağlayıcılar kullanıcı başına, bir kredi havuzundan, kullanıma göre ya da bunların bir karışımıyla ücret alır. Jasper, Pro planını kullanıcı başına aylık olarak fiyatlandırıyor, Business için ise özel fiyat veriyor. Anthropic de Team planını kullanıcı başına aylık olarak fiyatlandırıyor. HubSpot, “Birçok yapay zekâ özelliği ve ajan HubSpot Credits ile çalışır” diyor; bu krediler “öngörülebilir harcama için paketler halinde peşin olarak ya da kullandıkça öde modeliyle kullanıldıkça” satın alınıyor.

Kullanıma dayalı fiyatlandırma, bir modelin okuduğu ve yazdığı metin için ücret alır; bu metin token cinsinden sayılır. Token'lar, sağlayıcıların sayıp faturalandırdığı küçük metin parçalarıdır. Anthropic'in API fiyat sayfası Claude Sonnet 5.5 için milyon girdi token'ı başına 2 dolar, milyon çıktı token'ı başına 10 dolar gösteriyor. Liste fiyatları değişir. Anthropic'in Enterprise planı kullanıcı başına ücretle kullanım ücretini birleştiriyor: “Kullanıcı başına aylık 20 dolar artı API ücretleriyle faturalandırılan kullanım; böylece maliyet, ekibinizin çalıştırdığı modellere ve görevlere göre ölçeklenir.”

Bir ajan sistemi her içerik için modeli birkaç kez çağırır. Sistemi kuracak ekipten, onaylanmış tek bir makalenin ölçülmüş model maliyetini isteyin. Ardından bilgi tabanını güncel tutan kişilerin saatlerini ekleyin. Hangi yolu seçerseniz seçin, fiyatı asgari kullanıcı sayısı ve eklentiler dahil yazılı olarak alın ve krediler bittiğinde ne olacağını sorun.

Yapay zekâ asistanlarının hakkımızda söyledikleri dahil, sonuçları nasıl ölçeriz?

Önce süreci ölçün. İlk haftadan itibaren şunları takip edin:

• brif verilmesinden içeriğin onaylanmasına kadar geçen süre;
• taslak başına, incelemede yapılan bilgi düzeltmeleri;
• doğrudan reddedilen taslaklar;
• yayımlanan içerik başına editör saati.

Düzeltme sayısı ilk aylarda düşmüyorsa, araç değiştirmeden önce bilgi tabanını ve üslup kurallarını düzeltin. Sonuçları daha önce nasıl ölçüyorsanız öyle ölçün: arama trafiği, yanıtlar, planlanan görüşmeler ve içeriğin rol oynadığı anlaşmalar.

Alıcılar sizin alanınızla ilgili soru sorduğunda yapay zekâ asistanlarının şirketinizin adını verip vermediğini de bilmek isteyebilirsiniz. Google şöyle diyor: “AI Overviews ya da AI Mode'da yer almak için ek bir gereklilik yoktur, başka özel optimizasyonlar da gerekmez”. Orada görünen sitelerin “Search Console'daki genel arama trafiğine dahil edildiğini” de ekliyor. OpenAI, “OAI-SearchBot'un ChatGPT'nin arama özelliklerinde web sitelerini arama sonuçlarında göstermek için kullanıldığını” ve bunun dışında kalmayı seçen sitelerin “ChatGPT arama yanıtlarında gösterilmeyeceğini” söylüyor. Önem verdiğiniz asistanların tarama botlarını robots.txt dosyanızın engellemediğini kontrol edin.

Anılmanızı takip etmek için yirmi gerçek alıcı sorusu yazın. Her birini önem verdiğiniz her asistana sabit bir takvimle birkaç kez sorun; adınızın geçip geçmediğini ve hangi sayfaların kaynak gösterildiğini kaydedin. Tek bir yanıt pek bir şey söylemediği için her ay adınızın ne sıklıkla geçtiğini sayın.

Şirketimize hangi yol uyar?

Bir ya da iki kişi haftada birkaç içerik yazıyorsa ve her birini bir editör okuyorsa, genel amaçlı bir asistan ya da yazma aracı kullanın. İçerik platformunuzun içinde üretilip yayımlanıyorsa ve platformun onay ve marka sesi ayarları kanallarınızı kapsıyorsa, platformunuzun yapay zekâsı uygundur. Birkaç kişi farklı kanallarda ve dillerde içerik yayımlıyorsa, bilgiler sık değişiyorsa, metinde düzenlemeye tabi iddialar yer alıyorsa ya da tek bir yanlış rakam pahalıya mal oluyorsa, tek bir bilgi tabanından çalışan ajanları düşünün. Bilgi tabanının sahibi olabilecek kimse yoksa ilk iki yolda kalın; çünkü eskimiş bilgilerle çalışan ajanlar bu bilgileri aynı anda her kanala yayar.

Bir sağlayıcıya ya da ajan sistemi kuracak bir ekibe ne sormalıyız?

Bir yazma aracı ya da platform sağlayıcısı için:

• Araç taslakları hangi bilgilerden yazıyor ve her iddianın nereden geldiğini görebiliyor muyuz?
• Kimsenin atlayamayacağı ve hangi sürümü kimin onayladığını kaydeden bir onay adımı var mı?
• Verilerimiz herhangi bir modeli eğitmek için kullanılıyor mu, hangi planda ve sözleşmenin neresinde yazıyor?
• Gerçek hacmimizle bir ay ne kadar tutar ve ayrılırsak neyi dışa aktarabiliriz?

Ajan sistemi kuracak bir ekip için:

• Bilgi tabanı nerede duracak ve bizim tarafımızda onu kim değiştirebilecek?
• Kontrol adımı bir iddianın desteklendiğine nasıl karar veriyor ve eşleştiremediği iddialara ne oluyor?
• Taslaklarımızı hangi modeller ve sağlayıcılar, hangi veri şartlarıyla işleyecek?
• Onaylanmış tek bir makalenin model kullanım maliyeti nedir ve lansmandan sonra ajanların bakımını kim yapar?
• Sonunda neyin sahibi oluyoruz: kod, istemler, bilgi tabanı ve loglar?

amBrain nerede devreye girer?

Bu blogu amBrain yayımlıyor ve bu konuda bir çıkarı bulunuyor. amBrain kendi ürünü hakkında şöyle diyor: “Kendi ürünümüz aigo, şirket bilgilerinin tek bir ortak belleğinden araştıran, yazan, kontrol eden ve ölçen yapay zekâ ajanları üzerinde çalışır. Yayınlanan her şeyi bir kişi onaylar.” Bu, yukarıdaki üçüncü yola karşılık geliyor; bu yüzden bu rehberi, yayımcısının bu türden bir ürünü olduğunu bilerek okuyun.

Bu yazı bir vaka çalışması değildir ve hiçbir müşteri işini anlatmaz. amBrain'in müşteriler için ajan sistemleri geliştirdiğini söylemez ve aigo'dan hiçbir sonuç aktarmaz. Burada adı geçen diğer şirketler, ürünler ve düzenleyiciler, yayımlanmış sayfalarından aktarılmıştır. Yazı, amBrain ile bunlardan hiçbiri arasında bir ilişki öne sürmez ve amBrain fiyatı ya da süresi vermez.

amBrain 2019'dan bu yana yazılım geliştiriyor. Müşterileriyle nasıl çalıştığı konusunda şöyle diyor: “Üç format: tam teslim, özel ekip ya da sizin ekibinize yerleşen mühendisler.” Mülkiyet konusundaki satırı ise şöyle: “Müşteri, yeniden kullanılabilir bileşenlerimiz dışında ürünün ve kodun tam mülkiyetini elinde tutar.” Yukarıdaki sorular, değerlendirdiğiniz her firma için geçerlidir.