CMO, Çoğu Pazarlama Ekibinin Yapay Zekâyla Vasat İşleri Daha Hızlı Ürettiğini Söylüyor

Samantha Leal, diğerlerine kıyasla bazılarını daha başarılı bir şekilde yapay zekâ iş akışlarını hayata geçirdiği Aliwell'de CMO olarak görev yapıyor.

Nelerin işe yaradığını, nelerin yaramadığını ve nedenini öğrenmek için Samantha ile röportaj yaptık. Bize anlattıkları şöyle.

Sıfırdan ölçeklenmeye geçiş

Merhaba! Ben Samantha Leal. Son 10 yılı aşkın süredir, genellikle büyüme yüzeyde iyi görünürken baskı altında bozulduğu noktada devreye girerek girişimlerin sıfırdan ölçeklenmeye geçmesine yardımcı oluyorum.

Konumlandırma ve mesajlaşmadan müşteri kazanımına, dönüşüme ve müşteri yolculuğuna kadar tüm büyüme sistemi üzerinde çalışıyorum. Kararların nasıl alındığına ve büyümenin nasıl katlandığına yapı kazandırmak için kurucularla yakın iş birliği yapıyorum.

Şu anda Aliwell'de CMO olarak görev yapıyor, ortodontistleri kazanmaya ve harekete geçirmeye odaklanan çok kanallı bir büyüme motorunda pazarlama departmanına liderlik ediyorum. Ücretli medya, eğitim, etkinlikler, içerik ve satış etkinleştirme alanlarında faaliyet gösteriyoruz; ancak öncelikli olarak harekete geçirme ve gelire odaklanıyoruz.

Klinik bir kitleye satış yaptığımız için zorluk yalnızca dikkat çekmek değil; güven, eğitim ve davranış değişikliği de gerekiyor. Bu da sistemi daha karmaşık hâle getiriyor. Satış, ürün ve müşteri deneyimiyle daha sıkı bir uyum kritik önem taşıyor.

Odağı yapay zekâya kaydırmak

Son zamanlarda benim için değişen şey, tüm bunlara yapay zekâyla yaklaşma biçimim oldu.

Pazarlama rolleri üzerinden düşünmeyi bıraktım ve iş akışları üzerinden düşünmeye başladım. Büyümeyi sağlayan unsurların çoğu — testler, yaratıcı içeriklerin yinelenmesi, raporlama, potansiyel müşteri nitelendirme vb. — tekrarlanabilir olsa da hâlâ manuel ve parçalı şekilde yürütülüyor.

Yapay zekâ, bu iş akışlarını yeniden tasarlamak, geri bildirim döngülerini hızlandırmak ve daha yüksek netlikle daha iyi kararlar almak için kullanılabilecek kaldıraçtır. Şu anda odaklandığım değişim bu.

Yapay zekâ, kaynakları kısıtlı pazarlama liderlerinin neler geliştirebileceğini nasıl değiştiriyor?

Geçtiğimiz yıl yapay zekâyı bazı kapsamlı işlerde kullandım:

• Normalde bir danışmanlık çalışması gerektirecek kapsamlı bir CRM geçişi tasarladım.
• Sıfırdan çok kademeli bir eğitim programı tasarladım.
• Nitel araştırmaya — görüşmelere, anketlere ve davranış verilerine — dayanan, bazı müşterilerin ilk satın alımlarından sonra neden ilerlemeyi bıraktığını ortaya çıkaran bir müşteri harekete geçirme sistemi kurdum.

Bunlar hızlandırdığım görevler değil; küçük bir ekibin normalde hayata geçiremeyeceği stratejik sistemler. Yapay zekâ, kaynakları kısıtlı bir pazarlama liderinin geliştirebileceklerinin sınırlarını değiştirdi.

Yapay zekâ paydaş raporları için nasıl kullanılabilir?

Yapay zekâyı, şirketin o haftaki kararlarını yönlendiren haftalık bir rapor oluşturmak için kullanıyorum.

Girdiler arasında önceki haftaya ait toplantı dökümleri (Granola'dan alınan), Meta Ads performans CSV'leri, ERP üretim verileri, sosyal medya analizleri ve CRM satış hunisi güncellemeleri yer alıyor. Bu beş kaynak birbiriyle iletişim kurmuyor.

İş akışı şöyle:

1. Ham dökümleri Claude'a aktarıyor ve kararlara, engellere ve departmanların gerçekleştirmesi gereken eylemlere ayırıyorum.
2. Reklam performansı verilerini yüklüyor ve anormallikleri işaretleyerek haftadan haftaya ve aydan aya analiz istiyorum.
3. Üretim sayılarını analiz ediyor — bölgesel olarak üretilen vakaları aylık hedeflerle karşılaştırıyor ve sapmaları vurguluyorum.
4. Tüm bunları, her işlev için bir bölüm, bağlam içeren temel metrikler ve — en önemlisi — en üstte bir "gereken kararlar" bölümü bulunan, tek ve yapılandırılmış bir raporda birleştiriyorum.

Çıktı, liderlik ekibinin beş dakika içinde gözden geçirip hemen harekete geçebileceği biçimlendirilmiş bir belge oluyor. Belgede ham veri veya "olanlar bunlar" türü ifadeler yer almıyor. Her sayının bir kıyas noktası, ilgili bağlamı ve bir önerisi bulunuyor.

İnsanların sahipliği koruması gereken yerler

Bu nedenle hızdan, örüntü tanımadan ve büyük girdiler arasında sentez yapmaktan fayda sağlayan her şeyi desteklemek için yapay zekâya güveniyorum.

Buna, kaynaklar arasındaki müşteri verilerini analiz etmek, satış görüşmeleri ve mülakatlardan gelen geri bildirimleri kümelendirmek, yaratıcı fikir açıları oluşturup bunları yinelemek ve kampanya performansındaki örüntüleri bir insanın yapabileceğinden daha hızlı tespit etmek de dâhil.

Yapay zekâ ayrıca potansiyel müşteri değerlendirmesinden takip çalışmalarına ve raporlamaya kadar iş akışlarını yapılandırma biçimimin temel bir parçası hâline geldi. Yapay zekâ manuel işi azaltmaya ve içgörüleri daha erken ortaya çıkarmaya yardımcı oluyor; böylece gecikmeli bilgilerle hareket etmiyoruz.

Yapay zekâya güvenmediğim konu ise stratejiyi, konumlandırmayı ve gerçekten neyin önemli olduğunu tanımlamak.

Ne söyleyeceğimiz, kime hitap ettiğimiz, hangi ödünleri vereceğimiz ve odağımızı nereye yönelteceğimiz gibi kararlar hâlâ insanlara ait. Bunlar, özellikle doğru cevabın açık olmadığı karmaşık pazarlarda bağlam, zevk ve muhakeme gerektiriyor.

Yapay zekâ size seçenekler sunabilir, ancak neyin yapılmaya değer olduğunu söyleyemez.

Samantha'nın Paylaşımı

Yapay zekâ size seçenekler sunabilir, ancak neyin yapılmaya değer olduğunu söyleyemez.

Yapay zekâ darboğazı uygulamadan muhakemeye neden kaydırıyor?

En büyük avantaj hız ve kapsam oldu. Analiz ve sentez için harcadığımız süreyi yaklaşık %60–70 oranında azalttık. Müşteri geri bildirimlerini kümelendirmek, görüşmelerden içgörüler çıkarmak ve test edilebilir yaratıcı fikir açıları oluşturmak gibi daha önce haftalar süren işler artık günler içinde gerçekleşiyor.

Bu, daha fazla test yapılmasını ve geri bildirim döngülerinin hızlanmasını sağladı. Mesajlar ve kampanyalar üzerinde çok daha hızlı yineleme yapabiliyoruz; bu da karar alma süreçlerini iyileştirdi ve işe yaramayan fikirler için boşa harcanan harcamaları azalttı.

Operasyonel açıdan da normalde daha büyük bir ekip veya dış destek gerektirecek sistemler (CRM iş akışları, işe alıştırma süreçleri ve raporlama katmanları gibi) oluşturabildik.

Ancak gerçek dezavantajlar da var. Örneğin yapay zekâ, sahte bir güven duygusu yaratabilir. Gerçeğe dayanmayan ama doğruymuş gibi görünen çıktılar üretme konusunda çok başarılıdır. Onu gerçek müşteri verilerine dayandırmazsanız, genel geçer mesajlara ve kötü kararlara, yalnızca daha hızlı bir şekilde ulaşırsınız.

Ayrıca daha az değil, daha fazla muhakeme gerektirir. Darboğaz uygulamadan neyin yapılmaya değer olduğuna karar vermeye kayar. Bu netliğe sahip olmayan ekipler çok fazla gürültü üretmeye başlayabilir.

Yapay zekâ tarafından üretilen yaratıcı içeriğin uzmanlaşmış pazarlarda risk oluşturmasının nedeni

Yapay zekânın yaratıcı çalışmalar üzerindeki etkisi beni hayal kırıklığına uğrattı. Yapay zekânın görsel içerik üretme biçimimizi; örneğin reklamları, sosyal medya gönderilerini ve marka materyallerini dönüştürmesini bekliyordum. Dönüştürmedi. Hiç yakından bile.

Yapay zekâ tarafından üretilen her görsel hâlâ yapay zekâ tarafından üretilmiş bir görsel gibi görünüyor. Uzmanlara satış yapan bir marka için — bizim durumumuzda, eğitim düzeyi yüksek ve son derece şüpheci ortodontistler için — genel geçer veya yapay hissettiren her şey güveni anında yok ediyor.

Reklamlar ve sosyal medya içeriği için yapay zekâ tarafından üretilen görselleri test ettik. Performans hemen düştü. Kitlemiz, bu görsellerle bir insan tasarımcının gerçek klinik fotoğrafçılıkla ürettiği çalışmalar arasındaki kalite farkını fark etti.

İçerik iş akışının gelişmişlik düzeyinin yetkinliklerle örtüşmesi neden gerekir?

Başlangıçta yapay zekâyı bir içerik operasyonları sistemi tasarlamak için kullandım: editoryal takvimler, onay iş akışları ve ayrıntılı çerçevelere sahip içerik brifleri.

Sistem stratejik açıdan sağlam ve son derece iyi yapılandırılmıştı, ancak bir sorunu vardı.

Gelişmiş bir sistemi, o düzeyde performans göstermeyen bir ekip üyesine teslim ettim. Sistem onun çıktısını yükseltmek yerine bir boşluk yarattı. Sistemin gerektirdiği şekilde uygulama yapamadı.

Sistemin talepleri ile kişinin yetkinlikleri arasındaki boşluğu yöneterek haftalarımı boşa harcadım.

Artık herhangi bir şey oluşturmadan önce "Bunu pazartesi günü kim yürütecek?" diye soruyorum.

AI mesajlaşmasının engel teşkil etmemesi nasıl sağlanır?

AI kötü sistemleri düzeltmez; onları güçlendirir. Daha fazla çıktı, aynı sorunlar. AI; güçlü girdiler, müşteriyi net biçimde anlama, gerçek veriler ve keskin düşünme ile en iyi şekilde çalışır.

Dolayısıyla soru “AI'ı nasıl kullanırız?” değil, “Onu hangi sisteme bağlıyoruz?” sorusudur.

İyi bir örnek mesajlaşmadır. İlk pilot çalışmamda hızlı ilerledik, ancak bunu yeterince gerçek müşteri verisine dayandırmadık. Çıktı güçlü görünüyordu, fakat geneldi. Dönüşüm sağlamadı.

Bu nedenle AI'ı kullanmadan önce girdileri düzeltin. Bu, satış görüşmeleri, itirazlar ve mülakatlar da dahil olmak üzere CRM, satış ve müşteri etkileşimlerindeki verileri birleştirerek kararları yönlendiren kesin sorunları, dili ve anları belirlemek anlamına gelir.

Ardından net açılar ve temel mesajımızı tanımlarım. Bunlar sağlamlaştığında AI'ı üzerine eklerim. AI, bu açıları hızla genişletmeye, test etmeye ve yinelemeye yardımcı olur.

Buradan sonra bunun sürekli bir döngü olması gerekir. Satıştan, müşteri geri bildirimlerinden ve performanstan sürekli girdiler toplar, gerçek zamanlı olarak yinelemeler yaparsınız.

İş akışlarının neden parçalara ayrılması ve güçlendirilmesi gerekir?

Doğru yapıldığında sezgi, artık ya sahip olduğunuz ya da birini işe alarak edindiğiniz bir şey değildir.

Sezgi süreç yoluyla şekillendirilebilir. Doğru girdiler, kısıtlamalar ve yinelemelerle düşüncenin ve çıktının kalitesini sistematik olarak iyileştirebilirsiniz.

Mesajlaşma, yaratıcı çalışmalar, araştırma, hatta strateji. Bunların tümü parçalara ayrılabilecek iş akışlarıdır. Ardından her adım güçlendirilebilir.

Samantha'nın paylaşımları

AI’ı kullanmadan önce girdileri düzeltin… Bunlar sağlamlaştığında AI’ı üzerine eklerim. AI, bu açıları hızla genişletmeye, test etmeye ve yinelemeye yardımcı olur. Doğru yapıldığında sezgi, artık ya sahip olduğunuz ya da birini işe alarak edindiğiniz bir şey değildir.

Claude pazarlamacılar için neden vazgeçilmez?

Claude, hiç şüphesiz başvurduğum araçtır. Her şeyi birbirine bağlayan ve harika bir düşünme ve fikir alışverişi ortağı gibi çalışan bir katmandır.

Claude Code ve Claude Cowork beni en çok heyecanlandırıyor; çünkü sohbetin ötesine geçerek kodlama, dosya yönetimi ve görev otomasyonu gibi çalışma ortamlarına ilerliyorlar.

Claude Code'u henüz Cursor ile denemedim, ancak sırada o var!

AI ekipleri nasıl değiştiriyor?

Ekip yapısı açısından, dar uzmanlıklara daha az, sistem genelinde düşünebilen insanlara daha fazla güveniyoruz. Müşteriyi anlayan, sorunları iyi çerçeveleyebilen ve uygulama için AI'ı nasıl kullanacağını bilen insanlar.

Uygulama çalışmaları — üretim, analiz ve yineleme — artık darboğaz değil, dolayısıyla değer değişiyor. Artık muhakeme, sezgi ve iş akışları tasarlama becerisi arıyorum. Yalnızca bir işlevi üstlenen değil, içgörüden eyleme hızla geçebilen insanlar.

Bu durum iş birliği yapma biçimimizi de değiştirdi. Roller arasındaki çizgiler daha az katı. Pazarlama, satış ve müşteri deneyimi ortak iş akışlarını paylaştıkları için daha bağlantılı hale geldi.

CMO'lar neden netliğe odaklanmalı?

AI kullanan pazarlama ekiplerinin çoğu, vasat işleri daha hızlı üretiyor.

Bu nedenle tavsiyem şu: Veri girdilerine ve stratejik netliğe odaklanın.

AI, güçlü veri girdileri ve stratejik netlik olmadan pazarlamada kullanıldığında yalnızca bir içerik kirliliği makinesidir.

Takipte kalın

Samantha'nın yolculuğunu LinkedIn üzerinden takip edebilirsiniz!

CMO Kulübü'ndeki daha fazla uzman röportajı için takipte kalın!