ana içeriğe geç

Katman 03 / 04

MarTech & AI Operasyonu

Veriyi gelire çeviren altyapı.

MarTech & AI Operasyonu — hizmet alanı görseli

MarTech & AI Operasyonu

03 / 04

CRM, otomasyon, medya ve AI'ı tek bir operasyon olarak kuruyor ve işletiyoruz. Pazarlama makinesi siz uyurken de çalışır.

Modern pazarlama bir teknoloji disiplinidir — ama çoğu şirkette bu gerçeğin yanlış çevirisine tanık oluruz: araç sayısı artar, entegrasyon yamalar üstüne yama, raporlar birbirini tutmaz, ekip zamanının büyük bölümü veriye bakmak yerine veri toplamakla geçer. Bu bir insan sorunu değil, mimari bir sorundur.

Bir şirketin pazarlama zekâsı, en uzun veri zincirinin en zayıf halkası kadar güçlüdür. Müşteri davranışı ölçülemiyor ya da yanlış ölçülüyorsa, hangi mesaj doğru segmente gitsin ya da hangi kanala yatırım yapılsın sorusu tahmine dönüşür. beynart’ın yaklaşımı bu zinciri bütün halinde tasarlamaktır: veri toplama noktasından CRM’e, oradan otomasyona, oradan AI’a — tek akış, ölçülebilir çıktı.

Veri altyapısına yatırım, araç sayısı anlamına gelmez. Doğru kurulmuş bir CDP, tam çalışan server-side tracking ve iyi modellenmiş bir kimlik çözümü, pazarlama ekibinin her günkü kararını daha az tahmine, daha çok gözleme dayandırır. Attribution güvenilir hale gelince medya harcaması verimsiz kanallardan çekilir; lifecycle otomasyonu davranışa tepki verince insan müdahalesine gerek kalmayan gelir katmanı oluşur; AI iş akışları rutin operasyonel zamanı karar üretmeye açar.

Bu yapıyı kurmak tek seferlik bir proje değildir. Araçlar değişir, kanallar evrilir, AI yetenekleri her çeyrekte büyür. beynart bu yüzden operasyonun içinde kalır: yeni bir kanal açıldığında entegrasyonu hazırlar, audit’te gereksizleşen aracı keser, AI iş akışı kütüphanesine her ay yeni kullanım vakası ekler. Hedefiniz kontrol edemediğiniz kadar büyümüş bir yığın değil, ekibinizin sahip olduğu ve her gün daha zeki hale gelen bir operasyondur.

Bu seviyede çalışmaya hazırsanız, bir discovery call yeterli başlangıç. İlk görüşmede yığınınızı, hedeflerinizi ve mevcut boşlukları birlikte değerlendiririz — teklif değil, netlik.

01

Bu katman neden önemli

Doğru kurgulanmamış her bir katman markanızı yavaşlatır. Doğru kurgulandığında ise bileşik faiz gibi büyür.

  • 01

    Hız

    Modüler altyapılarla pazara çıkış süresi 3-5x kısalır.

  • 02

    Ölçek

    Bugünün operasyonunu yarının trafiğine taşıyacak temellerle inşa ediyoruz.

  • 03

    Görünürlük

    Veriden gelen sinyallerle her kararı doğru zamanda almak için hazır kalın.

02

Bu katmandaki hizmetler

  • 01 / 05

    Veri Altyapısı & CDP

    CDP kurulumu, server-side tracking, identity resolution, BigQuery/Snowflake veri ambarı. Parçalı verinin tek müşteri profilinde birleşmesi, attribution'ın platform iddiasına değil gerçeğe dayanması. Tüm akışlar KVKK/GDPR tasarım kurallarıyla çalışır.

    Segment RudderStack BigQuery Snowflake
  • 02 / 05

    Otomasyon & Lifecycle Akışları

    HubSpot, Customer.io ya da Klaviyo üzerinde davranış tabanlı e-posta, SMS, push ve in-app sekanslar. Kurşun hunisi başından müşteri sadakatine her temas noktası ölçülür. n8n/Make'te event-driven trigger'lar; gecenin üçünde gelir, gün boyu çalışır.

    HubSpot Customer.io Klaviyo n8n Make
  • 03 / 05

    AI Operasyon Katmanı

    LLM'i sohbet penceresinden operasyonun içine taşırız: görüşme transkrip sentezi, lead scoring, içerik taslakları, sales sequence kişiselleştirme, ticket triyajı. Her akış human-in-the-loop onaylıdır, log'lanır ve geri alınabilir. Operasyonel zaman tasarrufu 30–50%.

    OpenAI LangChain n8n
  • 04 / 05

    CRM Kurulum & Yönetim

    HubSpot, Salesforce ya da özel CRM kurulumu, segmentasyon, lifecycle marketing.

    HubSpot Salesforce
  • 05 / 05

    Medya Planlama & Satın Alma

    Performans odaklı medya satın alma, programmatic, attribution analizi.

    Meta Ads Google Ads
Sinüs sinyal akış kompozisyonu — MarTech ve AI operasyonu katmanını temsil eden veri akış görseli

OPERASYON

Yığın azalır, hız artar.

03

Nasıl ilerleriz

Her katmanda aynı disipline sadık kalıyoruz: önce dinler, sonra ölçer, sonra inşa eder, sonra iyileştiririz.

  1. 01

    Keşif ve hizalanma

    Marka hedeflerinizi, mevcut durumunuzu ve başarı kriterlerini netleştiriyoruz. Yanlış soruya doğru cevap vermemek için zaman ayırıyoruz.

  2. 02

    Strateji ve tasarım

    Veriden çıkan içgörüyü uygulanabilir bir yol haritasına çeviriyoruz. Karar gerektiren her noktada AI hipotezi hızlandırır, biz ekibinizle birlikte yön veririz.

  3. 03

    İnşa ve entegrasyon

    Çözümleri kuruyoruz, mevcut sistemlerinize bağlıyoruz. Üretkenliği bozmadan canlıya alıyoruz.

  4. 04

    Ölçüm ve iyileştirme

    Lansman bittiği yerde değil. Performansı izliyor, hipotezleri test ediyor, kazançları katlıyoruz.

deliverable

MarTech Stack Auditi

18+ aracı haritalandırıp konsolide edilebilir 6–8 araca indiriyoruz.

MarTech & AI Operasyonu — bölüm görseli

Mevcut MarTech yığınını lisans, kullanım, veri akışı ve maliyet açısından haritalandırıyoruz. Sonuç: 12 ayda %30–50 maliyet düşüşü ve tek konuşan veri katmanı için somut yol haritası.

Bu neden önemli

Çoğu pazarlama organizasyonu 18–25 SaaS aracına bölünmüş durumda. Üçü neredeyse aynı işi yapıyor; ikisi sadece bir kişi tarafından kullanılıyor; biri lisansı bitmesine rağmen kimseye haber verilmedi. Bu yığın hem ay sonu maliyetinin görünmez kısmı, hem de “müşteri verisi neden hiçbir yerde tam değil” sorusunun ana sebebidir. MarTech stack audit’i bu karmaşayı belge haline getirir; kararı bütçe ve veri stratejisi ile aynı masada verirsiniz.

Maliyet sadece abonelik değil. Çakışan araçlar veriyi böler, ekipleri farklı gerçeklere bağlar ve her yeni çalışana öğretilmesi gereken bir karmaşa yaratır. Tipik bir orta ölçekli yığında bütçenin azımsanmayacak bir kısmının çakışan veya atıl araçlara gittiğini söylemek abartı olmaz. Denetimsiz büyüyen bir yığın, zamanla pazarlamayı hızlandırmak yerine yavaşlatır.

Bir denetime ihtiyacınız olduğunu nasıl anlarsınız

Bazı belirtiler yığının kontrolden çıktığını sessizce söyler. Bunlardan birkaçını tanıyorsanız, denetimin getirisi büyük olasılıkla maliyetinden yüksektir.

  • Pazarlama araçlarının tam listesini tek bir belgeden veremiyorsunuz.
  • “Bu aracı kim kullanıyor?” sorusuna kimse net cevap veremiyor.
  • Yıllık yenileme faturaları geldiğinde sürpriz yaşıyorsunuz.
  • Aynı veriyi iki farklı araçtan farklı sayılarla görüyorsunuz.
  • Yeni bir ekip üyesine araçları öğretmek günler sürüyor.

Bu belirtiler tek başına panik nedeni değil; ama bir aradalarsa yığın muhtemelen ihtiyaçtan değil birikimden büyümüştür. Denetim, bu birikimi düzene sokmanın en hızlı ve en az riskli yoludur.

Ne teslim ediyoruz

Tüm pazarlama araçlarınızı envanterler, çakışmaları ve maliyetleri ortaya koyarız. Çıktı bir eleştiri listesi değil; karar verilebilir, önceliklendirilmiş bir konsolidasyon planıdır.

  • Tam yığın envanteri. Her aracın ne yaptığı, kim kullandığı, kaç lisansa ödendiği, sözleşme bitiş tarihi. Tek tabloda görünür durum.
  • Veri akış haritası. Hangi aracın hangi veriyi nereden alıp nereye yazdığı; tekrar edilen veya çelişen veri akışları işaretli. Çoğu gizli maliyet, eksik entegrasyonun yarattığı manuel işte saklıdır.
  • Konsolidasyon önerisi. “Tut, taşı, kaldır, değiştir” kararları; her karar için tahmini yıllık tasarruf ve geçiş riski.
  • 12 aylık entegrasyon planı. Sıralı geçiş takvimi (CRM, otomasyon, analitik, reklam), her geçişin sahip ekibi ve başarı kriteri.

Yaklaşımımız

Hiçbir aracı duyguyla değerlendirmeyiz. Her aracı bir karar çerçevesinden geçiririz; çünkü “az kullanılıyor” tek başına bir bırakma gerekçesi değildir. Her aracı dört eksende puanlarız:

  1. Kullanım. Araç gerçekten kullanılıyor mu, ne sıklıkta ve kaç kişi tarafından? Atıl lisanslar ilk işarettir.
  2. Değer. Araç benzersiz bir iş mi yapıyor, yoksa başka bir aracın da yapabileceği bir işi mi tekrarlıyor?
  3. Maliyet. Yıllık toplam sahip olma maliyeti nedir; yalnızca abonelik değil, bakım ve entegrasyon eforu dâhil?
  4. Geçiş riski. Bu aracı bırakmak veya değiştirmek ne kadar zor; veri taşınabilir mi, ekip yeniden eğitilir mi?

Bu puanlar her aracı dört karardan birine yerleştirir: tut (yüksek değer, makul maliyet), birleştir (çakışan, daha iyi bir araca taşınabilir), yenilemeyi durdur (düşük kullanım, düşük değer) ve gözden geçir (yüksek değer ama yüksek maliyet veya yüksek geçiş riski). Önce hızlı kazanımlardan, yani düşük riskli ve net tasarruflu kararlardan başlarız. Tasarruf tek hedef değildir: bazen doğru karar, bir aracı bırakmak değil, kullanılmayan bir özelliği nihayet devreye almak veya iki araç arasındaki eksik entegrasyonu kurmaktır. Çerçevenin amacı yığını küçültmek değil, harcanan her liranın karşılığını netleştirmektir.

Süreç

  • Hafta 1: Tüm fatura ve sözleşmelerin toplanması; araç sahipleri ile envanter görüşmesi (8–15 kişi). Teslim: tam yığın envanteri ve maliyet tablosu.
  • Hafta 2: Veri akışı haritalama; mevcut entegrasyon ve ETL job’larının dokümantasyonu. Teslim: çakışma haritası ve araç bazlı puan kartı.
  • Hafta 3: Konsolidasyon önerisi atölyesi; CMO, CFO, IT lead ile ortak karar. Teslim: önceliklendirilmiş konsolidasyon kararları.
  • Hafta 4: 12 aylık plan, sözleşme yenileme takvimi, ilk adım scope dokümanı. Teslim: aşamalı yol haritası ve yönetici özeti.

Denetimden sonra ne olur

Denetim bir rapor teslimiyle bitmez; asıl değer kararların uygulanmasında ortaya çıkar. Yol haritası, en somut ve en az riskli adımları öne alır: önce atıl lisansları kapatırsınız, sonra çakışan abonelikleri birleştirirsiniz, en son yüksek geçiş riskli kararları kademeli olarak ele alırsınız. Her aracı aynı anda değiştirmek ne gerekli ne de akıllıcadır. Çoğu ekip ilk çeyrekte hızlı kazanımları toplar, ardından sözleşme yenileme takvimine göre kalan kararları sırayla uygular.

Örnek sonuç

Bir D2C grup şirketinde 22 araçtan 9’una indik; yıllık SaaS maliyeti $480k → $260k. Çakışan e-posta ve otomasyon araçlarını birleştirdik, atıl lisansları kapattık ve CRM ile warehouse arasındaki eksik entegrasyonu kurarak elle yapılan veri aktarımını ortadan kaldırdık. Daha önemlisi, müşteri verisi tek warehouse’a aktığında attribution doğruluğu %58’den %87’ye çıktı; pazarlama bütçesi yeniden tahsis edildi. Mütevazı ama hemen geri dönen bir kazanım.

Kimler için uygun

Bu çalışma, yığını yıllar içinde plansız büyümüş ve araç sayısı on beşi geçmiş ekipler için en uygunudur. Birden fazla ekibin ayrı ayrı araç satın aldığı, yenileme faturalarının sürpriz olduğu ve tam listenin kimsede olmadığı durumlarda denetim hızlı geri döner. Buna karşılık yalnızca birkaç aracı olan ve harcamasını zaten net takip eden çok küçük bir ekip için kapsamlı bir denetim aşırı olabilir; bu durumda basit bir envanter tablosu yeterlidir. Sektör belirleyici değildir: araç birikimi perakende, üretim ve hizmet işletmelerinde aynı şekilde olur; değişen yalnızca yığındaki araçların türüdür.

Sık sorulan sorular

Denetim mevcut işimizi aksatır mı? Hayır. Envanter ve analiz büyük ölçüde arka planda yürür; ekibinizden yalnızca kısa görüşmeler ve fatura erişimi isteriz. Hiçbir araç sizin kararınız olmadan kapatılmaz.

Sonuçta belirli araçları satmaya mı çalışacaksınız? Hayır. Denetim sağlayıcı-bağımsızdır. Öneri her zaman sizin ihtiyacınıza ve mevcut yığınınıza dayanır; bir aracı bırakmak da bir aracı tutmak da geçerli bir sonuçtur.

Tasarrufu gerçekten görür müyüz? Yol haritası her kararın tahmini yıllık tasarrufunu içerir. En somut tasarruflar genellikle atıl lisansların kapatılması ve çakışan aboneliklerin birleştirilmesinden gelir; bunlar ilk çeyrekte görünür olur.

Denetimi ne sıklıkta tekrarlamalıyız? Yığınlar yeniden büyüme eğilimindedir. Yılda bir kez kısa bir gözden geçirme, çoğu ekip için yeni çakışmaların erkenden yakalanmasına yeter.

MarTech ve AI operasyonları pillar’ı altında stack’inizi denetleyip somut bir konsolidasyon planına dönüştürmek için bize ulaşın.

use-case

AI Workflow Kütüphanesi

n8n + LLM ile müşteri-operasyonu otomasyonları — gerçek görevler, gerçek tasarruf.

MarTech & AI Operasyonu — bölüm görseli

Müşteri destek, lead kalifikasyonu, içerik moderasyonu ve raporlama gibi tekrar eden görevleri n8n ve LLM kombinasyonu ile otomasyona alıyoruz. Kontrol her zaman ekipte kalıyor.

Bu neden önemli

“AI ile şu işi otomasyona alalım” cümlesi çoğu projede slayt seviyesinde kalır. Çünkü gerçek otomasyon, modeli çağırmaktan ibaret değil — input’un nereden geldiği, output’un nereye yazıldığı, hatalı sonuçta kimin müdahale edeceği, maliyetin nasıl izleneceği belirlenmemişse, sistem ya çalışmaz ya da bir gün sessizce yanlış cevap üretmeye başlar. beynart’ın AI workflow kütüphanesi, bu detayların önceden çözüldüğü, üretim seviyesinde hazır parçalar. İhtiyacınıza göre adapte ediyoruz, sıfırdan yazmıyoruz.

Eylemsizliğin maliyeti somuttur ama görünmez kaldığı için göz ardı edilir. Pazarlama ve operasyon ekiplerinin lead’leri elemek, gelen ticket’ları sınıflandırmak, görüşme notlarını CRM’e işlemek ve haftalık rapor hazırlamak gibi tekrar eden işlere haftada ortalama bir tam gün harcadığını görüyoruz. Bu işler kurallı ve hacimli olduğu hâlde manuel kaldığında, ekip stratejik çalışmaya değil kopyala-yapıştır rutinine vakit ayırır. Üstelik tek bir kişinin tarayıcı sekmesinde yaşayan, denetlenemeyen ad-hoc AI kullanımı; tutarsız çıktı, kaybolan bilgi ve gizli uyumluluk riski yaratır.

Yaygın tıkanma noktaları

Pilotların neden ölçeklenmediğini anlamak, çözümü tanımlamaktan daha öğreticidir. Tekrar tekrar aynı dört kalıbı görüyoruz.

  • Tek kişiye bağımlılık. İş akışı bir kişinin kafasında ve sekmesinde yaşar. O kişi izne çıkınca veya işten ayrılınca bilgi de gider.
  • Belgelenmemiş istemler. İyi sonuç veren prompt nereye gitti, hangi sürümü işe yarıyordu, neden değişti? Kimse bilmiyor. Her seferinde sıfırdan deneme.
  • Doğrulama yokluğu. Çıktı doğrudan yayımlanır. Model bir gün saçmaladığında bunu yakalayan bir kontrol olmadığı için hata müşteriye ulaşır.
  • Görünmez maliyet. Token harcaması ve kazanılan zaman ölçülmediği için yatırımın değerli olup olmadığı tartışmaya açık kalır; bütçe sahibi ikna olmaz, proje durur.

Kütüphane bu dört kalıbı tek tek kapatmak için tasarlanır: sahiplik kataloğa yazılır, istemler sürümlenir, kontrol noktaları çıktıyı denetler ve raporlama maliyeti görünür kılar.

Ne teslim ediyoruz

Tekrar eden görevleri tek seferlik prompt’lar değil; ekibinizin sahiplenebileceği, üzerine inşa edebileceği bir kütüphaneye dönüştürürüz.

  • Hazır workflow seti. Lead kalifikasyonu, ticket triajı, içerik özeti, görüşme transkripsiyonu, çağrı sonrası CRM güncellemesi gibi 12+ workflow şablonu. Her biri tanımlı girdi, beklenen çıktı ve sahip rolüyle belgeli.
  • n8n self-hosted ortam. Cloud ve on-prem seçenekleri, audit log, versiyonlama, role-bazlı erişim. Verileriniz dış sistemde kalmaz, her çalıştırma iz bırakır.
  • LLM entegrasyon katmanı. OpenAI, Anthropic, Azure OpenAI ve self-hosted Ollama desteği. Hangi görev için hangi model — maliyet ve kalite eşleşmesi belge halinde.
  • İnsan-içeren kontrol noktaları. Belirsizlik eşiğinde insan onayı, çıktı kalite skoru, anomali alarmı, aylık denetim raporu. Riskli görevde akış durur, insan devreye girer.

Yaklaşımımız

Her görevi otomatikleştirmeye çalışmayız. Bir görevi yanlış aşamada otomatikleştirmek, manuel bırakmaktan daha pahalıdır. Bu yüzden bir olgunluk modeline göre ilerleriz ve iş akışlarını dört seviyede değerlendiririz:

  1. Manuel. Görev tamamen elle yapılır. Düşük hacimli veya çok değişken görevler bu seviyede kalmalıdır; otomasyon yatırımı geri dönmez.
  2. Destekli. İnsan sürücü koltuğunda, AI yardımcıdır. Taslak üretir, insan düzenler ve onaylar. Çoğu yaratıcı veya yargı gerektiren görev en sağlıklı şekilde burada yaşar.
  3. Denetimli otomasyon. AI uçtan uca çalışır, ama her çıktı yayımlanmadan önce bir insan onayından geçer. Orta riskli, orta hacimli görevler için ideal.
  4. Tam otomasyon. İş akışı insan müdahalesi olmadan çalışır; insan yalnızca istisnaları ve anomalileri inceler. Yalnızca olgunlaşmış, düşük riskli ve yüksek hacimli görevler bu seviyeye taşınır.

Bir görevi otomatikleştirme kararını üç soruyla veririz: Hata yapılırsa maliyeti ne? Görev ne sıklıkta tekrar ediyor? Çıktı ne kadar tahmin edilebilir? Bir iş akışı tek seferde en üst seviyeye sıçramaz; seviyeler arasında zamanla yükselir. Bir görevi destekli seviyede aylarca çalıştırıp güven biriktirmeden tam otomasyona taşımayız. Bu kademeli yükseliş, hem ekibin yeni sürece alışmasını hem de hata oranının izlenip kabul edilebilir bir eşiğe inmesini sağlar.

Süreç

  • Hafta 1: Süreç envanteri — hangi tekrar eden görev otomasyona uygun, hangi insan kararına dokunmamalıyız. Teslim: önceliklendirilmiş görev haritası ve hızlı kazanım listesi.
  • Hafta 2: Pilot workflow seçimi (genellikle 2–3 görev), n8n ortamı kurulumu, ilk prototip. Teslim: çalışan pilot iş akışları ve ölçülmüş zaman kazanımı.
  • Hafta 3: İnsan-içeren kontrol noktaları, log + alert yapılandırması, ekip eğitimi. Teslim: doğrulama katmanı ve devir kılavuzu.
  • Hafta 4+: Ölçüm ve genişletme — her ay 1–2 yeni workflow eklenir; başarısızlar kapatılır. Teslim: çalıştırma panosu ve sonraki çeyrek yol haritası.

Neyi vaat ediyoruz, neyi vaat etmiyoruz

Dürüst olmak gerekirse AI her görevi çözmez ve “her şeyi otomatikleştirelim” vaadi genellikle hayal kırıklığıyla biter. Yaratıcı strateji, hassas müzakere veya yargı gerektiren kararlar insanın işidir; biz bunları otomatikleştirmeyi önermiyoruz. Vaadimiz daha mütevazı ve daha güvenilir: tekrar eden, kurallı ve yüksek hacimli işleri ekibinizin omuzlarından alıp güvenli iş akışlarına taşımak, böylece insanların zamanını gerçekten insan gerektiren işe bırakmak.

Örnek sonuç

Bir e-ticaret grubunun müşteri destek ekibinde lead kalifikasyonunu ve standart soru cevaplamayı otomasyona aldık. İlk haftalar görevler destekli seviyede çalıştı; hata oranı kabul edilebilir eşiğe inince denetimli otomasyona yükseltildi. Cevap süresi 6 saatten 12 dakikaya, support headcount başına işlenen ticket 3,2 katına çıktı. AI’nin kararsız kaldığı %14 vakada workflow direkt insan ekibine yönlendiriyor — kontrol kaybı sıfır. Abartılı değil ama tekrarlanabilir bir kazanım.

Kimler için uygun

Bu çalışma, birkaç prompt’la deney yapmış ama bunu kalıcı bir sürece çeviremeyen ekipler için en uygunudur. Tekrar eden, hacimli ve kuralları net görevleri olan pazarlama ve operasyon ekipleri en hızlı geri dönüşü alır. Buna karşılık, henüz net bir tekrar eden görevi olmayan veya işin tamamı yaratıcı yargıya dayanan çok küçük ekipler için bir kütüphane kurmanın getirisi düşüktür; bu durumda önce destekli seviyede birkaç görevi pilotlamak daha mantıklıdır. Sektör belirleyici değildir: aynı yöntem perakende, üretim ve hizmet işletmelerinde çalışır; değişen yalnızca hangi görevlerin önceliklendirileceğidir.

Sık sorulan sorular

Verimiz veya prompt’larımız modeli eğitmek için kullanılır mı? Hayır. n8n self-hosted ortamda çalışır ve LLM entegrasyonunu, girdilerinizin model sağlayıcısının eğitim verisine dâhil edilmediği kurumsal ayarlarla kurarız. Veri sınırları kurulumun ilk adımıdır.

Mevcut araçlarımızla çalışır mı, yoksa yenisini mi almamız gerekir? Çoğu durumda mevcut araçlarınızla çalışır. İş akışlarını CRM’iniz, içerik sisteminiz ve mesajlaşma araçlarınızla entegre ederiz; yeni bir platforma geçişi zorunlu tutmayız.

AI yanlış bir çıktı üretirse ne olur? İnsan-içeren kontrol noktaları tam da bunun için var. Riskli görevlerde insan onayı zorunludur, çıktılar yayımlanmadan kalite skoruna göre değerlendirilir ve her çalıştırma audit log’a işlenir.

Sonuçları nasıl ölçeriz? Çalıştırma panosu her iş akışının sıklığını, kazandırdığı zamanı ve token maliyetini gösterir. Yatırımın geri dönüşünü ilk çeyrekte somut sayılarla görürsünüz.

MarTech ve AI operasyonları pillar’ı altında bu kütüphaneyi sizin operasyonunuza uyarlamak için bize ulaşın.

deliverable

Müşteri Veri Pipeline

Event tracking → server-side GTM → CDP → warehouse → reverse-ETL — KVKK uyumlu, tek doğru.

MarTech & AI Operasyonu — bölüm görseli

Müşteri verisinin doğduğu andan kullanıldığı ana kadar geçen yolu uçtan uca kuruyoruz. Event şeması, server-side toplama, CDP entegrasyonu, warehouse modelleme ve reverse-ETL — KVKK ve consent yönetimiyle birlikte.

Bu neden önemli

Müşteri verisi çoğu şirkette farklı kanallardan farklı şekilde toplanır; isimleri çelişir, eventlerin yarısı eksik gelir, KVKK envanteri kimsede yoktur. “Bizim attribution doğru mu” sorusu hep havada kalır. Müşteri veri pipeline’ı bu yolu sözleşmeye bağlar: hangi event neden var, hangi kullanıcı izniyle toplandı, hangi sistemde nasıl saklanıyor, kim tüketiyor. beynart’ın kurduğu pipeline’da event tanımı bir kez yapılır, her sistemde aynı şekilde okunur.

Eylemsizliğin maliyeti zamanla büyür. Veri ne kadar uzun süre dağınık ve tanımsız kalırsa, çelişen kayıtlar o kadar birikir ve sonradan düzeltmek o kadar pahalılaşır. Aynı müşteriye iki ayrı kampanya gider, sadık müşteri “yeni müşteri” teklifiyle rahatsız edilir, reklam platformlarına eksik veri gittiği için bütçe yanlış kanallara akar. Buna karşılık tek doğruya bağlı bir pipeline; doğru segmentasyon, güvenilir attribution ve denetime hazır bir KVKK envanteri için tek sağlam zemindir.

Tanıdık belirtiler

Dağınık verinin belirtileri her ekipte aynı dille konuşulur. Bunlardan birkaçını tanıyorsanız sorun verinin kendisinde değil, dağınıklığındadır.

  • “Hangi rakam doğru?” Aynı metriği iki ekip iki farklı sistemden çekiyor ve sayılar tutmuyor. Toplantının yarısı kaynak tartışmasıyla geçiyor.
  • Eksik event. Dönüşümlerin bir kısmı tarayıcı reklam blocker’ı yüzünden hiç gelmiyor; attribution raporu olduğundan kötü görünüyor.
  • Çift kayıt. Aynı müşteri farklı kanallarda farklı kimlikle birden fazla kez sistemde. Kampanya iki kez gidiyor, raporlar şişiyor.
  • Sahipsiz event. Bir event’in neden eklendiğini, hangi izinle toplandığını ve kimin tükettiğini kimse bilmiyor.

Bu belirtilerin ortak kökü tek bir gerçek kaynağın olmamasıdır. Pipeline, bu kökü kaynaktan çözmek için tasarlanır; belirtiyi raporda gizlemek için değil.

Ne teslim ediyoruz

Veriyi doğduğu andan tüketildiği ana kadar tek doğruya bağlarız. Amaç bir gösterge tablosu değil; her ekibin günlük kararlarında güvenebileceği, sahibi belli bir veri katmanıdır.

  • Event tracking şeması. Tracking plan dokümanı (Mixpanel, Amplitude veya Snowplow standardında); 40–80 event ve özelliğin sahibi, tetiklendiği yer, KVKK kategorisi tanımlı. Schema validation CI’da çalışır.
  • Server-side GTM ve CDP. Tarayıcı yerine sunucuda toplama (sGTM); Segment, RudderStack veya kendi connector’ımızla CDP’ye yönlendirme. Reklam platformlarına Conversions API ile temiz veri.
  • Warehouse modelleme. dbt ile event-level tablolar → kullanıcı, oturum ve dönüşüm martları. Identity resolution kuralları (anonim → known geçişi) belge halinde.
  • Reverse-ETL. Hightouch veya Census ile warehouse’tan CRM, e-posta, reklam ve destek araçlarına segment akışı. “Kampanya datası neden gecikti” sorusu artık olmaz.

Yaklaşımımız

Veriyi taşımadan önce ölçeriz. Çünkü hatalı veriyi daha hızlı taşımak yalnızca sorunu büyütür. Çalışmayı bir veri olgunluk modeline göre konumlandırırız:

  1. Dağınık. Veri silolarda, manuel dışa aktarmalarla taşınır. Tek bir gerçek kaynak yoktur. Çoğu ekibin başlangıç noktası budur.
  2. Bağlı. Sistemler entegredir ama tutarlılık garanti edilmez. Veri akar, fakat kalite, eksik event ve kimlik sorunları sürer.
  3. Yönetilen. Tek doğru bir veri katmanı vardır, kalite ölçülür ve her event’in sahibi tanımlıdır. Ekipler aynı rakama güvenir.
  4. Etkin. Veri katmanı yalnızca raporlamayı değil; otomatik segmentasyonu, reverse-ETL ile aktivasyonu ve tetiklenen iş akışlarını besler.

Çoğu ekibi “dağınık” veya “bağlı” seviyede buluruz ve hedef genellikle “yönetilen” seviyedir; “etkin” seviye sonraki çeyreğin işidir. Önceliklendirmeyi iki ölçütle yaparız: hangi veri kararları en çok etkiliyor ve hangi kaynak en çok hata üretiyor. Seviyeleri atlamayı önermiyoruz — “bağlı” seviyedeki bir ekibe önce aktivasyon kurmak, hatalı veriyi daha hızlı yaymaktan başka işe yaramaz. Önce kimlik ve kalite oturur, sonra aktivasyon gelir.

Süreç

  • Hafta 1–2: Event envanteri ve tracking plan; KVKK ve consent stratejisi atölyesi (legal + ürün + pazarlama). Teslim: tracking plan dokümanı ve veri kalitesi karnesi.
  • Hafta 3–4: Server-side GTM kurulumu, CDP entegrasyonu, ilk 20 event’in canlıya alınması. Teslim: çalışan toplama katmanı ve CDP akışı.
  • Hafta 5–6: Warehouse modelleri, identity resolution, dashboard kalite raporları. Teslim: dbt martları ve kimlik eşleştirme kuralları.
  • Hafta 7–8: Reverse-ETL akışları, paydaş eğitimi, runbook ve veri kalitesi alarmları. Teslim: aktivasyon akışları ve bakım runbook’u.

Sahiplik olmadan pipeline yaşamaz

Teknik kurulum işin yarısıdır. Pipeline’ın zamanla bozulmaması için her event’in ve her veri alanının bir sahibi olmalıdır: yeni bir event eklendiğinde kim onaylar, bir kalite alarmı çaldığında kim bakar, “müşteri segmenti” tanımını kim günceller? Devir sırasında bu sorumlulukları netleştiririz. Sahipliği tanımlanmamış bir pipeline birkaç ay içinde tekrar dağılır; bu yüzden runbook ve eğitim, kurulumun isteğe bağlı bir eki değil zorunlu bir parçasıdır.

Örnek sonuç

Bir omnichannel perakende grubunda 8 haftada 64 event’i tek pipeline’a taşıdık; tarayıcı reklam blocker’ı kaynaklı veri kaybı %22’den %3’e indi. Conversions API’ye temiz veri akışı reklam ROAS raporlanmasında %19 iyileşme getirdi. Tracking plan’ı ve event sahipliklerini ekiple birlikte tanımladık, böylece kurulum devir sonrası da bozulmadan kaldı; KVKK envanteri ilk denetimde tek seferde geçti. Mütevazı ama kalıcı bir iyileşme.

Kimler için uygun

Bu çalışma, müşterisiyle birden fazla kanaldan temas eden ve verisi birkaç ayrı sisteme dağılmış ekipler için en uygunudur. Reklam yatırımı yapan, attribution’a güvenmesi gereken ve KVKK denetimine hazır olması beklenen ekipler en yüksek getiriyi alır. Buna karşılık tek bir sistemde çalışan ve verisi zaten temiz olan çok küçük bir ekip için uçtan uca bir pipeline kurmak erken olabilir; bu durumda önce tracking plan ve basit kalite kuralları yeterlidir. Sektör belirleyici değildir: perakende, üretim ve hizmet işletmelerinde aynı dağınıklık görülür; değişen yalnızca kaynakların adı ve sayısıdır.

Sık sorulan sorular

Mevcut CRM ve araçlarımızı değiştirmemiz gerekir mi? Hayır. Pipeline’ı mevcut araçlarınızın üstüne kurarız. Amaç sistemlerinizi değiştirmek değil, aralarındaki tutarsızlığı gidermek ve hepsini tek doğruya bağlamaktır.

KVKK ve consent nasıl ele alınıyor? İlk haftalarda legal, ürün ve pazarlama ile bir consent atölyesi yaparız. Her event KVKK kategorisiyle etiketlenir; erişim sınırları, saklama süreleri ve silme talepleri pipeline’a baştan gömülür ve denetlenebilir kalır.

Veriyi temizlemek için ne kadar geçmişe gitmemiz gerekiyor? Tümünü baştan temizlemenize gerek yok. Önce karar verirken kullanılan canlı veriyi yönetilebilir hâle getirir, tarihsel temizliği etki sırasına göre kademelendiririz.

Pipeline güncel kalır mı? Evet. Toplama ve reverse-ETL akışları kaynakları düzenli senkronize eder; veri kalitesi alarmları bir kaynak bozulduğunda sessizce hatalı veri akmasını engeller.

MarTech ve AI operasyonları pillar’ı altında veri pipeline’ınızı uçtan uca kurmak için bize ulaşın.

rakamlarla

Stratejiyle başlar, canlı sistemle bitiririz.

10x

Veri pipeline hızı

Realtime

AI operasyonu

%99.9

Otomasyon uptime

8+

Entegre platform

yaklaşımımız

Pillar'ı operasyonel bir mimariye dönüştürüyoruz

Strateji konuşmasından implementasyona kadar — vakaya özel, devam eden.

Çalışma şeklimiz

yetkinlikler

Bu pillar altında öne çıkan kapasiteler

Her biri bağımsız ya da birlikte; vakaya özel olarak şekilleniyor.

Veri altyapı

Event tracking, warehouse ve aktivasyon katmanını sıfırdan ya da revize ederek kuruyoruz.

Otomasyon

Reklam, CRM ve müşteri deneyimini birbirine bağlayan workflow'lar.

AI operasyon

AI'ı operasyon katmanına yerleştiriyoruz — bir feature değil, bir kas.

Nereden başlayacağınızdan emin değil misiniz?

İhtiyacınıza uyan katmanı birlikte belirleyip mimarinin nereden kurulacağını çıkaralım.

müşteri sözü

MarTech & AI Operasyonu altında çalışırken stratejiden uygulamaya kadar her şey ölçülür ve evrilir. beynart bizim için tek mimari altında çalışan bir mühendislik ortağıdır.

Ali Rıza Tuncer

Kurucu, beynart

Bülten

MarTech, AI ve mühendislik operasyonları üzerine — beynart ekibinin doğrudan kaleminden. 3 ayda bir, spam yok.

iletişim

Doğru kişiyle, ilk mesajdan itibaren.

Aracı yok, brief turu yok. Stratejiyi konuşan ekip, sistemi de kuran ekiptir. Nerede büyümek istediğinizi yazın; mimariyi biz getiririz.