YMO uzmanı, içeriği 10 katına çıkardığınızda trafiğin neden dibe vurduğunu ve bu konuda ne yapmanız gerektiğini açıklıyor

Brendan Hufford, B2B SaaS içerik pazarlaması ve AEO danışmanlığı sunan Growth Sprints'i kuran eski bir SEO Direktörüdür; burada kuruluşların 10 milyon dolardan 100 milyon dolara ölçeklenmesine yardımcı olur.

Brendan ile LLM'ler tarafından nasıl kaynak gösterileceğini öğrenmek için görüştük. Bize iş akışını anlattı.

Yapay zekâyı gerçek zamanlı olarak anlamak

Ben, Growth Sprints'in kurucusu Brendan Hufford'um. Growth Sprints, kuruluşların arama sonuçlarında, bültenlerde ve LinkedIn'de başarı sağlayan içerik sistemleriyle 10 milyon dolardan 100 milyon dolara ölçeklenmesine yardımcı olduğum bir B2B SaaS içerik pazarlaması ve SEO/AEO danışmanlığı şirketidir.

Buraya uzanan yolum doğrusal değildi. Lise düzeyinde psikoloji öğretmeni olarak başladım, yaklaşık on yıl önce SEO ve içerik pazarlamasına geçtim ve bağımsız çalışmaya başlamadan önce yıllar boyunca ajanslarda ve şirket içi ekiplerde bu işin inceliklerini öğrendim.

Pazarlamada yapay zekâya geçiş, şu ana kadarki kariyerimin en ilginç anı oldu. Çalışmalarımı üzerine inşa ettiğim pek çok şey — hedefi sıralama ve trafik olan geleneksel SEO — hızla değişmeye başladı. Müşterilerin içerikleri, tek bir tıklamayı bile geri yönlendirmeden ChatGPT ve Perplexity yanıtlarında görünüyordu. Pazarlama direktörleri, üç aylık iş değerlendirme toplantılarında içerik yatırımını savunmak zorunda kalıyor ve çoğu zaman güçlü yanıtlar veremiyordu.

Pazarlamada yapay zekâya geçiş, şu ana kadarki kariyerimin en ilginç anı oldu.

Bu nedenle, metodolojiyi artık İçerik Fikri Mülkiyeti ve Keşif Döngüleri olarak adlandırdığım, içeriğin hem yapay zekâ kaynak gösterimlerini hem de insan dönüşümlerini kazanması gereken bir dünya için tasarlanmış çerçeveler etrafında yeniden oluşturdum.

Açıkçası, müşterilerimle birlikte bunların büyük bir kısmını hâlâ gerçek zamanlı olarak anlamaya çalışıyorum. Ancak bu dönemi bu kadar ilginç kılan şeylerin bir parçası da bu.

Yapay zekâ görünürlüğü nasıl ölçülür?

İçerik görünürlüğünü ölçme biçimimizi yeniden oluşturdum. Yıllarca varsayılan olarak sıralama takibine ve organik trafiğe odaklandık. Bunlar hâlâ faydalı, ancak artık tablonun tamamını göstermiyor. Alıcılar artık araştırmalarının büyük bir bölümünü yapay zekâ araçları içinde yürütüyor ve Google Search Console bunların hiçbirini göstermiyor.

Bu nedenle artık her müşteri çalışması için AEO istem takibi elektronik tablosu olarak adlandırdığım bir dosya oluşturuyorum. Gerçek bir potansiyel müşterinin ChatGPT, Perplexity, Claude veya Gemini'ye yazabileceği, satın alma niyeti taşıyan 60 ila 150 istem belirliyoruz. Ardından müşterinin kaynak gösterilip gösterilmediğini, yapay zekânın bunun yerine hangi rakipleri kaynak gösterdiğini ve yapay zekânın hangi kaynaklardan yararlandığını takip ediyoruz. Bunu düzenli aralıklarla yeniden çalıştırıyor ve eğilimleri izliyoruz.

Artık her müşteri çalışması için AEO istem takibi elektronik tablosu olarak adlandırdığım bir dosya oluşturuyorum.

Sonuçlar birkaç önemli açıdan değişiklik yarattı:

1. Müşterilerime, CEO'larının ve yönetim kurullarının sormaya başladığı bir soruya ölçülebilir bir yanıt verdi: "Yapay zekâda görünüyor muyuz?" Bundan önce çoğu pazarlama ekibi tahmin yürütüyordu.
2. Ne oluşturduğumuzu değiştirdi. Yapay zekâ araçlarının blogunuzdan çok G2 değerlendirmelerinden, Reddit başlıklarından ve analist raporlarından yararlandığını gördüğünüzde içerik öncelikleriniz hızla değişir. Sıralama elde etmeyi umarak daha fazla SEO yazısı yayımlamak yerine, kazanılmış bahsedilmelere, özgün araştırmalara ve yapay zekânın kaynak gösterdiği İçerik Fikri Mülkiyetine daha fazla yatırım yapmaya başladık.

Hatta bazı kuruluşların yapay zekâ kaynak gösterimlerini bir çeyrekte %8'den %40'a çıkardığını ve satış fırsatı akışlarını 6 kat artırdığını gördüm.

AEO iş akışı nasıl uygulanır?

Adım adım süreç şöyle:

1. adım: İstem kaynağı oluşturma. Satış ekibiyle ve onların görüşme kayıtlarıyla başlıyorum. Potansiyel müşterilerin sorduğu her soruyu, her itirazı ve birinin "Sadece ... hakkında araştırma yapıyordum" veya "ChatGPT'ye ... hakkında sordum" dediği her anı çıkarıyorum. Bunları destek talepleri, müşteri başarı notları ve Reddit ile G2 başlıklarıyla tamamlıyorum. Amaç, bir insanın yapay zekâ aracına yazabileceği, satın alma niyeti taşıyan 60 ila 150 istem elde etmek.

2. adım: Yapay zekâ destekli istem genişletme. Bu başlangıç listesini alıp genişletmek için Claude'u kullanıyorum. İfade biçimlerindeki farklılıklar, satın alma yolculuğunun farklı aşamaları ve aynı temel soruyu soran farklı personelar. Burada yapay zekâ faydalı çünkü bu çalışma özgün düşünmeyi değil, örüntü eşleştirmeyi gerektiriyor. İstemleri satın alma aşamasına, personaya ve amaca göre kategorilere ayırdığım yapılandırılmış bir elektronik tablo oluşturuyorum.

3. adım: Manuel kaynak gösterimi testi. Her istemi ChatGPT, Perplexity, Claude ve Gemini üzerinden çalıştırıyorum. Kuruluşun kaynak gösterilip gösterilmediğini, bunun yerine hangi rakiplerin kaynak gösterildiğini ve yapay zekânın yararlandığı kaynakları (G2, Reddit, müşterinin blogu, analist raporları, podcast'ler vb.) kaydediyorum. Bu bölüm hâlâ zaman zaman manuel yürütülüyor çünkü otomasyon araçları henüz yeterince güvenilir değil. Sonuçları etiketlemek ve kategorilere ayırmak için yapay zekâdan yararlanıyorum, ancak yanıtları bir insanın okuması gerekiyor.

4. Adım: Örüntü analizi. Claude'u tüm veri kümesini analiz etmek ve örüntüleri belirlemek için kullanıyorum. Kuruluş nerede kazanıyor? Nerede kaybediyor? Bu kategoride yapay zekâ araçları en çok hangi kaynaklara güveniyor? Hangi rakipler sürekli ortaya çıkıyor ve neden? Yapay zekâ burada kendini kanıtlıyor; çünkü 600 yapay zekâ yanıtını temalara dönüştürmek, hiçbir insanın elle yapmak istemeyeceği bir iş.

5. Adım: Stratejik yorumlama. Bu kısım tamamen insana ait. Verileri inceliyor, ekiple konuşuyor ve ne yapacağımıza dair kararlar alıyorum. Bir konuda içeriğimiz olmadığı için mi kaybediyoruz, yoksa içeriğimiz insanların okuyacağı veya yapay zekânın alıntılayacağı şekilde yapılandırılmadığı için mi? Yapay zekânın atıfta bulunduğu kaynaklarda kazanılmış görünürlük elde etmeye yatırım yapmamız gerekiyor mu? Yapay zekâya atıfta bulunabileceği özgün bir şey sunmak için özgün bir araştırma yaptırmamız gerekiyor mu? Stratejiyi geliştirdiğimiz toplantı bu; yapay zekâ bu toplantıda yer almıyor.

6. Adım: Yapay zekânın sürece dahil olduğu içerik üretimi. Ne oluşturacağımızı öğrendikten sonra araştırma sentezi, ilk taslaklar, yapısal ana hatlar ve yeniden biçimlendirme için yapay zekâyı kullanıyorum. İnsan emeği; yaklaşımı, üslubu, bakış açısını ve metnin gerçek bir insan tarafından yazılmış gibi duyulmasını sağlayan son düzenleme aşamasını kapsıyor. Yapay zekâ, zaman yatırımının belki %40'ını üstleniyor. Geriye kalan %60'lık insan emeği, çalışmayı yayımlamaya değer kılıyor.

7. Adım: Belirli aralıklarla yeniden takip. Her 30 ila 60 günde bir, istem setini yeniden çalıştırıyor ve temel ölçümle karşılaştırıyorum. Zaman içinde atıf oranını, kaynak dağılımını ve rakiplerin görünürlüğünü izliyoruz. Bu, iş akışını tek seferlik bir denetim olmaktan çıkarıp gerçek bir sisteme dönüştürüyor.

Tüm bu süreç, eskiden "yapay zekâ araması" hakkında yapılan belirsiz bir konuşmanın yerini ölçülebilir ve tekrarlanabilir bir sürecin almasını sağlıyor.

Yapay zekâ sıkıştırmayı ve sentezi destekler, ancak kanaati veya zevk anlayışını desteklemez

Yapay zekâ artık işimin neredeyse her alanına dahil oluyor, ancak rolü göreve göre önemli ölçüde değişiyor.

Araştırma sentezinde, uzun biçimli içeriklerin ilk taslaklarında, rakip analizinde, satış ve müşteri görüşmelerinin dökümlerini analiz etmede, içerik özetlerinde ve eskiden saatlerimizi alan bağlayıcı işlerin büyük bölümünde yapay zekâya büyük ölçüde güveniyorum. Ayrıca kitle segmentasyonunu, müşteri sesinin analizini ve destek talepleriyle Gong görüşmelerinden temaların çıkarılmasını da gerçekleştiriyor.

Araştırma sentezinde, uzun biçimli içeriklerin ilk taslaklarında, rakip analizinde, satış ve müşteri görüşmelerinin dökümlerini analiz etmede, içerik özetlerinde ve eskiden saatlerimizi alan bağlayıcı işlerin büyük bölümünde yapay zekâya büyük ölçüde güveniyorum.

Artık bir araştırma raporunu bülten taslağına dönüştürmek, istem kitaplıkları oluşturmak veya marka üslubunu iyi belgeledikten sonra metni bu üslupla yeniden yazmak gibi üretim işlerini de gerçekleştiriyor.

Açıkça insana ait görevler arasında strateji, bakış açısı ve İçerik IP'si oluşturma yer alıyor: geliştirdiğim çerçeveler, temel sorunlara verdiğimiz isimler, düşünce liderliği içeriklerinde benimsediğimiz yaklaşımlar ve neyi yayımlayıp neyi sonlandıracağımıza dair muhakeme gerektiren kararlar. Bunlarda yapay zekâ düşük performans gösteriyor, çünkü değer, seçimin ardındaki kanaatte yatıyor. Bir çerçevenin işe yaraması için onu gerçek bir pazar bakış açısının şekillendirmesi gerekir. Yapay zekâ ortalamaya, yani tam olarak kaçmaya çalıştığımız noktaya yöneliyor.

İlişkiler de tamamen insana ait: keşif görüşmeleri, atölye çalışmaları ve kötü bir karar vermek üzere olan bir CMO'ya itiraz ettiğim anlar. Bunların hiçbirini devretmiyorum.

Üzerinde yeniden düşündüğüm ilke şu: Yapay zekâ sıkıştırma ve sentezde başarılı olurken insanlar kanaat ve zevk konusunda üstünlüğünü koruyor. Bu nedenle daha hızlı bir başlangıç noktasına ulaşmak için yapay zekâyı kullanıyor, ardından zamanımı muhakeme gerektiren bölümlere ayırıyorum.

İçerik üretiminde yapay zekânın hedefi ıskaladığı noktalar

Yapay zekânın en büyük eksiği içerik fikirleri geliştirme konusunda ortaya çıkıyor. Gönderiler ve kampanyalar için güçlü yaklaşımlar bulma konusunda yapay zekânın bana ortak olmasını bekliyordum. Öyle değil. Çıktı yeterli, sıradan ve biraz fazla kusursuz. İyi fikirler hâlâ satış görüşmelerinden, destek taleplerinden, tuhaf konferans sohbetlerinden ve defterimin arka sayfalarından geliyor.

Bir fikrim olduğunda yapay zekâ onu geliştirmeye yardımcı oluyor, ancak özgün düşünce için yararlı bir kaynak değil.

İkinci eksik, marka üslubu. Üslup kapsamlı biçimde belgelenmiş olsa bile bir müşterinin üslubunda yapay zekâ tarafından oluşturulan içeriğin gerçekten onlara benzemesi için kapsamlı bir insan düzenlemesinden geçmesi gerekiyor. Yüzeydeki kalıpları yakalıyor ama ritmi kaçırıyor. Ruhu. Şimdiye kadar bunun %80 oranında çözülmüş olmasını bekliyordum. Gerçekte %40'a daha yakın.

Üçüncü eksik, gerçek stratejik muhakeme. Konumlandırma, ICP'nin geliştirilmesi, fiyatlandırma ve pazara giriş. Yapay zekâ bana zaten bildiklerimin iyi organize edilmiş bir versiyonunu ve stres testinde dağılan, akıllıca görünen birkaç öneriyi sunuyor. Strateji hâlâ o odada bulunmuş bir insanı gerektiriyor.

Strateji hâlâ o odada bulunmuş bir insanı gerektiriyor.

Dördüncü eksik, AEO atıf tahmini. Nelerin atıf aldığını takip edip örüntüleri geriye dönük olarak çözümleyebiliyoruz, ancak neyin atıf alacağını tahmin etmek hâlâ büyük ölçüde tahminden ibaret.

Ve en şaşırtıcı başarısızlık: Belki de bu konuda beceriksizim ama yapay zekâ, asıl yazma işinde beni hızlandırmadı. Yazma işinin çevresindeki her şeyi hızlandırdı. Yazının kendisi yaklaşık aynı süreyi alıyor, çünkü çıta hâlâ yüksek ve yapay zekâ çıktısını o çıtaya getirmek, bunu kendim yazmam kadar, hatta daha uzun sürüyor.

İçerik hacmi neden bir riske dönüştü?

Kariyerimin ilk dönemlerinin büyük bölümünü hacim üzerine kurdum. Daha fazla yayınla, daha fazla sıralamada yer al, daha fazla trafik elde et, kazan. Bu uzun süre işe yaradı ve birçok pazarlama yol haritası (benimki de dâhil) üretim kapasitesinin kısıtlayıcı unsur olduğunu sessizce varsayıyordu. İki kat fazla yayınlayabilirseniz iki kat daha hızlı büyürdünüz.

Yapay zekâ bu varsayımı aynı anda iki yönde bozdu.

1. Yapay zekâ hacmi ucuzlattı. Artık herkes 10 kat daha fazla yayın yapabilir. Bu, hacmin kendisinin artık rekabet avantajı olmadığı anlamına geliyor. Bunun peşinden koşan pazarlamacılar doğrudan uçurumun kenarından aşağı sürükleniyor.
2. Yapay zekâ, ödüllendirilen şeyleri değiştirdi. Hem Google hem de büyük dil modelleri daha küçük ve daha güvenilir bir kaynak kümesinden yararlanıyor. İçerik, özgünlük ve gerçek bir bakış açısı istiyorlar. Bunlar olmadan hacim yalnızca etkisiz değil, aktif olarak zararlı. Ekiplerin yapay zekâ içerik üretimini ölçeklendirerek organik görünürlüklerini dibe çektiğini gördüm; daha keskin görüşlere sahip daha yalın ekiplerin ise her yerde kaynak gösterildiğini izledim.

Dolayısıyla şu anda gördüğüm en büyük risk bu: Yapay zekâ tarafından üretilen içeriği büyük ölçekte yayınlama telaşı.

Bu yaklaşım organik görünürlüğü dibe çekiyor, Google'ın faydalı içerik güncellemeleri tarafından işaretleniyor ve yapay zekâ araçlarının atıfta bulunabileceği özgün bir düşünce bulunmadığı için sıfır yapay zekâ atfı üretiyor.

Şu anda gördüğüm en büyük risk bu: Yapay zekâ tarafından üretilen içeriği büyük ölçekte yayınlama telaşı.

İçerik olmadan hacim her zamankinden daha kötü performans gösteriyor ve yapay zekâ bu farkı azaltmak yerine daha görünür hâle getirdi.

Kazandıran içerik neden içerik fikrî mülkiyeti gerektirir?

Kazandıran içerik istiyorsanız içerik fikrî mülkiyeti oluşturun. Bunun için hedef kitlenizin temel sorunlarına yönelik çerçevelere isim verin. 3S ekiplerinizle (satış, müşteri başarısı ve destek) her ay röportaj yapın. Her görüşmeyi Slack'e aktararak pazarlamayla ilgili haftalık özetler sağlayın.

Ve bir tartışma başlatın. B2B içeriklerinin çoğu uzlaşı içeriğidir. Her analistin, rakibin ve fikir liderinin söyledikleriyle hemfikirdir. Etkili içerikler, başkalarının yanlış yaptığı bir şeyi adlandırır ve net bir alternatif sunar.

Bu konuda kaba olmanız gerekmiyor. Ancak kamuoyu önünde yanılmaya istekli olmanız gerekiyor.

İçerik üretim iş akışları yapay zekâyla nasıl yeniden tasarlanmalı?

İçerik üretimi söz konusu olduğunda çoğu ekip hâlâ 2018 için oluşturulmuş bir iş akışıyla çalışıyor: İçerik özeti hazırla, taslak oluştur, düzenle, yayınla, dağıt. Ekipler yapay zekâyı taslak oluşturma adımına ekleyip buna dönüşüm adını verdi. Oysa bu dönüşüm değildi.

Yeniden tasarım üç önemli katmandan oluşuyor:

1. İçerik özeti katmanı yapılandırılmış bir girdidir (bir Google dokümanı değil). İçerik, yazının kazanmayı hedeflediği alıcı istemini, desteklediği içerik fikrî mülkiyetini, bakış açısını ve dökümlerle kurum içi uzmanlardan alınan kaynak materyalleri içerir. Yapay zekâ bunu bir araya getirir. Taslak oluşturma başlamadan önce bir insan açıyı onaylar.
2. Taslak oluşturma katmanında yapay zekâ, roller kesin biçimde netleştirilerek yoğun şekilde kullanılır. Yapay zekâ sentezleme, yapısal taslak oluşturma ve yeniden biçimlendirme işlerini yapar. Bir insan açıdan, sesten ve düzenleme aşamasından sorumludur. İnsan, son aşamada inceleme yapan biri değil, baştan sona yazardır.
3. Çoğu ekip kalite güvence katmanında hâlâ yazım hatalarına ve marka yönergelerine odaklanıyor. Biz okunabilirlik, marka sesine bağlılık ve yazının kendi kategorisi içinde benzersiz bir konum alıp almadığına ilişkin açık kontroller ekledik. Böyle değilse yayınlanmadan önce onu eliyoruz. Eleme oranı yüksek ama bu bilinçli bir tercih.

Sonuç olarak daha az içerik yayınlanıyor, her birinin kalitesi yükseliyor ve hem AEO atıflarında hem de satış fırsatlarında ölçülebilir bir artış elde ediliyor.

Yapay zekâyı 2018 tarihli bir iş akışına eklemek, yalnızca 2018 içerik spamı topu sonuçlarını daha hızlı almanızı sağlar.

CMO'lar yapay zekâ dönüşümüne ayak uydurmak için ne yapmalı?

CMO iseniz ve birlikte kahve içiyorsak, paylaşacağım tavsiye şu olurdu:

1. Yapay zekâ araçlarının peşinde koşmayı bırakın ve içeriğinizin özünü denetlemeye başlayın. Şu anda kaybeden ekipler, içeriklerinde yapay zekâ araçlarının, Google'ın veya alıcıların işaret edebileceği ayırt edici hiçbir şey olmadığı için kaybediyor. Gerçek bir bakış açınız yoksa hiçbir araç sizin için bir bakış açısı üretemez. "Kusursuz" yapay zekâ yığınının peşinde koşmayı bırakın.
2. İçerik IP'sini ciddiye alın. Adlandırılmış sorunlar, adlandırılmış çerçeveler, özel araştırmalar, kategoriniz hakkında özgün görüşler. Yapay zekâ bunlara atıfta bulunur, bunlar aramada üst sıralarda yer alır, LinkedIn'de başarı kazanır, bülten aboneleri getirir ve satış görüşmelerinde yayılır. Yapay zekâ pazarlamanın bu kısmını da taklit edemez; bu da onu daha az değil, daha değerli kılar.
3. Şimdi önemli olan şeyleri ölçün. Raporlamanıza AEO görünürlüğü takibini ekleyin. LinkedIn'in satış hunisi üzerindeki etkisini takip edin. Bülten aboneleri ile kapanış oranları veya satış hızı arasındaki korelasyonu belirleyin. ChatGPT, Perplexity ve Claude'da hangi alıcı sorgularında göründüğünüzü ve yapay zekânın bunun yerine hangi rakiplere atıfta bulunduğunu bilin. Bir sonraki QBR toplantınızda bu soruyu yanıtlayamıyorsanız, yakında size bu soru sorulacak.
4. Yapay zekâyı iyi olduğu yerlerde kullanın ve olmadığı yerlerde onu zorlamayı bırakın. Yapay zekâ; sentez, araştırma, döküman analizi, taslak hazırlama ve yeniden biçimlendirme konularında iyidir. Her satış görüşmesini Claude üzerinden geçirip gerçekleşmesinden birkaç dakika sonra ekibinizin her gün görebilmesi için Slack'e aktarın. Yapay zekâ özgün fikirler, marka sesi ve stratejik muhakeme konularında kötüdür. Her şeyi yapay zekâ destekli hâle getirmeye çalışmak yerine iş akışınızı bu ayrıma göre oluşturun.
5. Daha az yayın yapın ve her parçanın daha fazla ağırlık taşımasını sağlayın. Hacim odaklı oyun sona erdi (her ne kadar her yapay zekâ içerik yazılımı satıcısı aksini iddia edecek olsa da). Kazanan ekipler daha az sayıda, daha nitelikli içerik yayınlar ve yeniden amaçlandırma, dağıtım ve kazanılmış bahsedilmeler yoluyla her birinden daha fazla fayda sağlar.
6. Son olarak, ekibinize ve CEO'nuza nelerin değiştiği konusunda dürüst olun. Birçok pazarlama lideri bunun geçip gitmesini sessizce umuyor. Geçip gitmeyecek. Alıcılar araştırma yapma biçimlerini çoktan değiştirdi. Kutsal üçlü keşif (Google/LLM'ler), sosyal medya (LinkedIn, YouTube) ve ilişki içeriğidir (Bülten/Podcast).

Takip edin

Brendan Hufford'un çalışmalarını LinkedIn'de takip edebilirsiniz. Ayrıca Growth Sprints'e göz atın.

The CMO Club'da yakında daha fazla uzman röportajı!