Make ile ChatGPT ve Google Sheets Bağlantısı Nasıl Yapılır? Adım Adım Otomasyon Rehberi

Make ile ChatGPT ve Google Sheets bağlantısı nasıl yapılır?

Make ile ChatGPT ve Google Sheets bağlantısı, Make üzerinde bir senaryo kurup Google Sheets modülüyle tablodaki satırı okumak, bu veriyi OpenAI modülüne istem olarak göndermek ve gelen yanıtı yine Sheets modülüyle ilgili hücreye yazmaktır. Bunun için OpenAI API anahtarı, Google hesabı ve Make hesabı yeterlidir.

Bu yazıda kurulumu baştan sona anlatıyorum. Ancak yalnız düğmelere değil, maliyete, veri güvenliğine ve hata durumlarına da odaklanıyorum. Çünkü sahada gördüğüm sorunların çoğu kurulumda değil, senaryo birkaç hafta çalıştıktan sonra ortaya çıkıyor.

Kısacası hedefimiz şu: bir tabloya satır eklediğinizde yapay zeka o satırı işlesin, sonucu yan sütuna yazsın ve siz yalnız kontrol edin. Böylece tekrar eden metin işlerini dakikalar yerine saniyeler içinde bitirebilirsiniz.

Make nedir ve bu bağlantıda hangi rolü üstlenir?

Make, eski adıyla Integromat, uygulamaları görsel bir akışta birbirine bağlayan kodsuz otomasyon platformudur. Her akışa senaryo, her adıma modül denir. Senaryonuz bir tetikleyiciyle başlar, ardından eylem modülleri sırayla çalışır.

Bu bağlantıda Make bir trafik polisi gibi davranır. Google Sheets tarafından veriyi alır, OpenAI tarafına iletir, dönen yanıtı yine tabloya taşır. Yani iki servis birbirini doğrudan tanımaz; aradaki tüm mantığı Make yönetir.

Öte yandan Make yalnız veri taşımaz. Filtre, yönlendirici (router), metin fonksiyonları ve hata işleyicileri sayesinde koşullu akışlar da kurabilirsiniz. Örneğin yalnız "Durum" sütunu boş olan satırları işlemek bu araçlarla birkaç tıklamalık bir iştir.

Web sitenizde yapay zekayı nerelerde kullanabileceğinizi merak ediyorsanız web sitesinde yapay zeka kullanımı yazım bu otomasyonun daha geniş bağlamını anlatıyor.

Bu esneklik, aynı senaryoyu farklı ekiplerin ihtiyacına göre uyarlamayı da kolaylaştırır.

Kuruluma başlamadan önce neler hazır olmalı?

Başlamadan önce üç hesabı ve birkaç kararı netleştirmenizi öneririm. Aksi halde yarı yolda ayar ekranları arasında kaybolursunuz.

• Make hesabı: Ücretsiz planla deneme yapabilirsiniz; üretim kullanımı için planınızın aylık limitini kontrol edin.
• OpenAI platform hesabı: ChatGPT aboneliği API kullanımını kapsamaz. API ayrı faturalanır ve hesapta kredi bulunması gerekir.
• Google hesabı ve tablo: Başlık satırı olan, sütun adları net bir Google Sheets dosyası hazırlayın.
• Kullanım senaryosu: Modelin tam olarak hangi girdiyi alıp hangi çıktıyı üreteceğini bir cümleyle yazın.

Tablo yapısı işin yarısıdır. Örneğin A sütununda ürün adı, B sütununda özellikler, C sütununda üretilen açıklama, D sütununda durum bilgisi olsun. Bu düzen, eşleme adımında hangi hücrenin nereye gideceğini açıkça görmenizi sağlar.

Ayrıca tabloda kişisel veri varsa, bu veriyi bir yapay zeka servisine göndermenin hukuki dayanağını önceden düşünün. Bu konuya ilerideki bölümde ayrıca değineceğim.

Son olarak tabloyu bir kopya üzerinde deneyin. Böylece asıl çalışma dosyanız, test sırasında yanlış yazılan hücrelerden etkilenmez.

OpenAI API anahtarı nasıl alınır ve güvenle saklanır?

OpenAI API anahtarını platform hesabınızdaki API anahtarları sayfasından oluşturursunuz. Make belgelerine göre bağlantı için API anahtarı ve kuruluş kimliği (Organization ID) istenir; kuruluş kimliğini kuruluş ayarlarında bulursunuz.

Anahtarı oluşturduğunuz anda kopyalayın, çünkü platform onu ikinci kez tam haliyle göstermez. Ardından Make içindeki bağlantı penceresine yapıştırın ve başka hiçbir yere kaydetmeyin.

1. Her otomasyon için ayrı bir proje ve ayrı bir anahtar kullanın.
2. Anahtarı e-posta, sohbet uygulaması ya da paylaşılan belgeye yazmayın.
3. OpenAI panelinde proje bazlı harcama limiti tanımlayın.
4. Bir ekip üyesi ayrıldığında ya da şüphe duyduğunuzda anahtarı hemen iptal edip yenisini üretin.

Bu adımların resmi ayrıntılarını Make OpenAI uygulama belgesinde bulabilirsiniz. Belge ayrıca bazı akıl yürütme modelleri için kuruluş doğrulaması gerektiğini not ediyor; bu nedenle model listesinde beklediğiniz modeli göremezseniz önce bu ayarı kontrol edin.

Make ile ChatGPT senaryosu adım adım nasıl kurulur?

Şimdi asıl kuruluma geçelim. Aşağıdaki sıra, en yaygın kullanım olan "yeni satırı işle, sonucu yaz" akışını anlatıyor.

1. Make panelinde yeni bir senaryo oluşturun ve ilk modül olarak Google Sheets uygulamasının "Watch New Rows" tetikleyicisini seçin.
2. Google hesabınızı bağlayın, ardından dosyayı ve sayfayı seçin; başlık satırının olduğunu belirtin.
3. İkinci modül olarak OpenAI uygulamasından yanıt üreten modülü ekleyin ve API anahtarınızla bağlantı oluşturun.
4. Model alanında ihtiyacınıza uygun modeli seçin, mesaj alanına sistem talimatını ve satırdaki verileri eşleyin.
5. Üçüncü modül olarak Google Sheets "Update a Row" eylemini ekleyin ve satır numarasını tetikleyiciden alın.
6. Yanıt metnini hedef sütuna, "Tamamlandı" bilgisini durum sütununa yazın.
7. Önce "Run once" ile tek satır üzerinde test edin, sonra zamanlamayı açın.

Make arayüzü zaman zaman modül adlarını güncelliyor. Bu yüzden OpenAI tarafında birebir isim aramak yerine, modül açıklamasında metin ya da sohbet yanıtı üretme ifadesini arayın. Böylece arayüz değişse bile doğru modülü bulursunuz.

Google Sheets modülünde hangi tetikleyiciyi seçmelisiniz?

Tetikleyici seçimi, senaryonun ne sıklıkla ve hangi satırlarla çalışacağını belirler. Yanlış seçim ya aynı satırın defalarca işlenmesine ya da hiç işlenmemesine yol açar.

"Watch New Rows" en sade seçenektir. Senaryo her çalıştığında son kontrolden sonra eklenen satırları getirir. Ancak mevcut satırları sonradan düzenlerseniz bu tetikleyici değişikliği görmez.

Mevcut satırları toplu işlemek istiyorsanız "Search Rows" gibi arama modülleriyle filtreli bir liste çekmek daha güvenlidir. Örneğin "Durum sütunu boş olanlar" koşuluyla arama yapar, her satırı sırayla işlersiniz.

Bir de "Watch New Rows" ilk kez çalışırken nereden başlayacağını sorar. Tüm eski satırları işlemek istemiyorsanız başlangıç noktasını yalnız yeni satırlar olarak ayarlayın. Aksi halde yüzlerce eski satır için API çağrısı yapar ve beklemediğiniz bir fatura görürsünüz.

Kısacası küçük ve sürekli akan veride "Watch New Rows", mevcut veriyi toplu işlemede arama modülü daha doğru seçimdir.

OpenAI modülünde istem ve model ayarları nasıl yapılır?

OpenAI modülü, otomasyonun beynidir. Burada üç şeyi doğru ayarlamanız gerekir: model, talimat ve çıktı biçimi.

Model seçimi

Güncel modelleri OpenAI model sayfasından kontrol edin. Tablo işlerinde genellikle maliyeti düşük, hızlı bir model yeterli olur. Karmaşık akıl yürütme gerektirmeyen ürün açıklaması veya sınıflandırma için en güçlü modeli seçmek çoğu zaman gereksiz harcamadır.

Talimat (sistem mesajı)

Sistem mesajına rolü, tonu, uzunluğu ve yasakları yazın. Örneğin "Türkçe, 60 kelimeyi geçmeyen, abartı içermeyen ürün açıklaması yaz; fiyat uydurma" gibi net sınırlar koyun. Ardından kullanıcı mesajına satırdaki verileri eşleyin.

Çıktı biçimi

Yanıtı birden fazla sütuna dağıtacaksanız modelden JSON biçiminde yanıt isteyin. Böylece Make içindeki JSON ayrıştırma modülüyle her alanı ayrı hücreye yazabilirsiniz. Tek sütunluk işlerde düz metin yeterlidir.

Veri eşleme (mapping) sırasında nelere dikkat etmelisiniz?

Eşleme, bir modülün çıktısını sonraki modülün girdisine bağlama işidir. Make bunu sürükle bırak mantığıyla yapar; yine de küçük hatalar büyük sonuçlar doğurur.

• Boş hücreler: Özellik sütunu boşsa model uydurma eğilimine girer. Filtreyle boş satırları atlayın.
• Satır numarası: "Update a Row" için satır numarasını mutlaka tetikleyicinin çıktısından alın, sabit sayı yazmayın.
• Metin temizliği: Hücrelerdeki fazladan boşluk ve satır sonlarını metin fonksiyonlarıyla temizleyin.
• Yanıt yolu: OpenAI modülünün çıktısında metnin hangi alanda durduğunu test çalıştırmasında görüp o alanı eşleyin.

Özellikle yanıt yolu konusunda dikkatli olun. Modül güncellendiğinde çıktının yapısı değişebilir; bu durumda senaryo hata vermeden boş hücre yazabilir. Bu yüzden her güncellemeden sonra bir test satırı çalıştırmanızı öneririm.

Sütun ve alan adlandırmasını düzenli tutmak, ileride veriyi analiz etmeyi de kolaylaştırır. Bu mantığı trafik analizi araçları yazımda anlattığım raporlama düzeniyle birleştirebilirsiniz.

Senaryo ne sıklıkla çalışmalı ve zamanlama nasıl ayarlanır?

Make senaryoları belirli aralıklarla ya da anlık tetikleyicilerle çalışır. Google Sheets "Watch" modülleri çoğunlukla aralıklı kontrol mantığıyla çalışır; yani Make belirli sürede bir tabloyu yoklar.

Sık kontrol her zaman iyi değildir. Her kontrol, yeni satır olmasa bile plan limitinizden tüketim yapabilir. Bu nedenle iş gereksinimine göre makul bir aralık seçin. Günlük raporlama gibi işlerde saatlik ya da günlük çalışma yeterlidir.

Ayrıca aynı çalıştırmada işlenecek en fazla satır sayısını sınırlayın. Böylece tabloya toplu veri yapıştırıldığında senaryo tek seferde yüzlerce API çağrısı yapmaz.

Son olarak mesai dışı çalışmayı da değerlendirin. Örneğin müşteri yorumlarını gece işleyip sabah hazır bulmak hem ekibin iş akışına uyar hem de gün içinde hata ayıklamaya zaman bırakır.

Bir de saat dilimini kontrol edin. Make hesabınızın saat dilimi yanlışsa gece çalışması gereken senaryo gün ortasında başlayabilir. Bu küçük ayar, profil ayarlarında birkaç saniyede düzelir.

Make ile ChatGPT otomasyonunun maliyeti nasıl hesaplanır?

Make ile ChatGPT otomasyonunda iki ayrı maliyet kalemi vardır: Make plan tüketimi ve OpenAI API kullanımı. Bu ikisini ayrı düşünmezseniz bütçe tahmini hep yanlış çıkar.

Make tarafında her modül çalışması bir tüketim birimi harcar. Make, fiyatlandırmasında operasyon kavramından kredi kavramına geçti; güncel tanımı ve plan limitlerini fiyat sayfasından kontrol edin. OpenAI tarafında ise ücreti gönderdiğiniz ve aldığınız token sayısı belirler.

Pratik yöntemim şu: önce 20 satırlık bir test yapın, iki paneldeki tüketimi not edin ve satır başına maliyeti çıkarın. Ardından bu rakamı aylık beklenen satır sayısıyla çarpın. Böylece tahmin değil ölçüm üzerinden karar verirsiniz.

Hatalar nasıl yakalanır ve senaryo nasıl korunur?

Her otomasyon er ya da geç hata verir. Önemli olan hatanın sessizce veri bozmasını engellemektir.

OpenAI API zaman zaman hız sınırı (429) ya da geçici sunucu hatası döndürebilir. Make üzerinde modüle sağ tıklayıp hata işleyici ekleyebilirsiniz. Geçici hatalar için yeniden deneme, kalıcı hatalar için satırı "Hata" olarak işaretleme en sağlıklı yaklaşımdır.

• Durum sütunu kullanın: Beklemede, İşleniyor, Tamamlandı, Hata.
• Hata alan satırın mesajını ayrı bir sütuna yazın.
• Make bildirimlerini açın; ardı ardına hata gelirse senaryo durabilir.
• Kritik işlerde çıktıyı doğrudan yayına almayın, önce insan onayından geçirin.

Öte yandan modelin yanıtı teknik olarak başarılı ama içerik olarak yanlış olabilir. Bu tür hatayı hiçbir hata işleyici yakalamaz. Dolayısıyla ilk haftalarda çıktıların rastgele bir bölümünü elle kontrol etmek, otomasyonun gerçek kalite kontrolüdür.

Bunun yanında Make geçmiş kayıtlarını da düzenli inceleyin. Her çalıştırmanın ayrıntısı orada durur; hangi modülün ne döndürdüğünü tek tek görebilirsiniz.

Make ile ChatGPT hangi işlerde gerçekten işe yarar?

Make ile ChatGPT bağlantısı her iş için doğru araç değildir. Tekrarlı, kuralı net ve sonucu kontrol edilebilir işlerde parlıyor.

Ürün açıklaması taslağı

E-ticaret tablosundaki ürün adı ve özelliklerden kısa açıklama taslağı üretebilirsiniz. Ancak bu taslakları editör gözünden geçirmeden yayına almayın; tekrar eden kalıplar SEO açısından zayıf içerik yaratır.

Müşteri yorumu sınıflandırma

Form ya da anketten gelen yorumları olumlu, olumsuz, öneri gibi etiketlere ayırabilirsiniz. Model burada yalnız etiket döndürdüğü için maliyet düşük, kontrol kolaydır.

E-posta ve yanıt taslağı

Gelen talepleri özetleyip yanıt taslağı hazırlatabilirsiniz. Son gönderimi yine bir insan yapmalıdır.

Sosyal medya metinleri için hızlı fikir istiyorsanız caption önerileri aracımı da deneyebilirsiniz; tek seferlik işlerde senaryo kurmaktan daha pratiktir.

Make, Zapier ve n8n arasında nasıl seçim yapmalısınız?

Aynı bağlantıyı başka platformlarla da kurabilirsiniz. Seçimi ekibinizin teknik düzeyi, veri hassasiyeti ve bütçe belirler.

Benim gözlemim şu: pazarlama ekipleri için Make, görsel dallanma ve makul fiyat dengesiyle iyi bir başlangıç noktasıdır. Veriyi kendi sunucunuzda tutmak zorundaysanız n8n gibi kendi barındırabileceğiniz bir araç daha mantıklıdır.

Bu karar yalnız bir araç seçimi değildir; web sitenizin genel otomasyon mimarisiyle birlikte düşünülmelidir. Web tasarımında yapay zeka ve otomasyon yazımda bu bütünü anlatıyorum.

Kişisel veri gönderirken hangi gizlilik kurallarına uymalısınız?

Tablodaki verinin bir yapay zeka servisine gitmesi, verinin yurt dışına aktarılması anlamına gelebilir. Bu nedenle kişisel veri içeren işlerde önce hukuki çerçeveyi netleştirin.

OpenAI, API üzerinden gönderilen verileri varsayılan olarak model eğitimi için kullanmadığını kurumsal gizlilik sayfasında belirtiyor. Yine de bu, KVKK ya da GDPR yükümlülüklerinizi ortadan kaldırmaz.

• Ad, telefon, e-posta gibi alanları modele göndermeniz gerçekten gerekli mi, sorgulayın.
• Gerekmiyorsa bu sütunları eşlemeye hiç dahil etmeyin.
• Aydınlatma metninizde yapay zeka destekli işlemeyi ve yurt dışı aktarımı açıklayın.
• Make bağlantısında uygun işleme bölgesi seçeneğini değerlendirin.

Kısacası en güvenli veri, hiç gönderilmeyen veridir. Çoğu sınıflandırma ve metin işinde kimlik bilgisine ihtiyaç duymazsınız; yalnız yorum metni yeterlidir.

Make ile ChatGPT çıktılarının kalitesini nasıl artırırsınız?

İlk test çıktıları genelde vasat olur. Kaliteyi artırmak için modeli değiştirmeden önce talimatı iyileştirin.

Talimata bir veya iki iyi örnek eklemek, tutarlılığı ciddi biçimde artırır. Örneğin "Şu girdiye şu çıktıyı ver" biçiminde kısa bir örnek yazın. Ayrıca yasakları açıkça belirtin: uydurma fiyat, abartılı sıfat, marka adı tekrarı gibi.

Sıcaklık (temperature) ayarı destekleyen modellerde, sınıflandırma gibi tutarlılık isteyen işlerde düşük değer seçin. Yaratıcı metinlerde biraz daha yüksek değer deneyebilirsiniz.

Son olarak çıktıları örnekleyerek puanlayın. Her hafta 20 satırı okuyup "doğru, düzeltme gerekti, yanlış" diye işaretlerseniz talimatın nerede zayıf kaldığını hızla görürsünüz. Böylece iyileştirme sezgiye değil veriye dayanır.

Üretilen metinler web sitenizde yayınlanacaksa SEO kalitesini SEO analiz aracıyla kontrol etmeyi unutmayın.

Sık yapılan kurulum hataları nelerdir?

Danışmanlık sürecinde en sık karşılaştığım hatalar birbirine çok benziyor. Aşağıdaki listeyi kurulum sonrası kontrol listesi olarak kullanabilirsiniz.

1. ChatGPT Plus aboneliğinin API kullanımını kapsadığını sanmak.
2. İlk çalıştırmada tüm eski satırları işletip gereksiz harcama yapmak.
3. Satır numarasını sabit yazıp hep aynı satırı güncellemek.
4. Harcama limiti tanımlamadan senaryoyu açık bırakmak.
5. Model çıktısını kontrol etmeden doğrudan web sitesine ya da müşteriye göndermek.
6. Tablo sütunlarının yerini değiştirip eşlemeyi güncellememek.

Özellikle son madde sinsidir. Birisi tabloya yeni sütun eklediğinde eşleme kayar ve model yanlış veriyle çalışır. Bu nedenle sütun başlıklarını kilitlemek ya da tablo yapısını belgeye yazmak iyi bir alışkanlıktır.

Ayrıca her büyük değişiklikten önce senaryonun bir kopyasını alın. Make senaryoyu dışa aktarma imkanı sunar; bu kopya, bir şey bozulduğunda eski çalışan sürüme dönmenizi sağlar. Bu alışkanlık, özellikle birden çok kişinin aynı senaryoya dokunduğu ekiplerde saatler kazandırır.

JSON çıktısıyla birden fazla sütunu nasıl doldurursunuz?

Tek bir yanıtla birden çok hücreyi doldurmak, hem maliyeti hem çalışma süresini azaltır. Örneğin bir müşteri yorumu için duygu, konu ve kısa özet alanlarını tek çağrıda almak mümkündür.

Bunun için talimatta yanıtın yalnız JSON olacağını ve alan adlarını açıkça yazın. Örneğin "duygu", "konu" ve "ozet" anahtarlarını belirtin. Destekleyen modellerde yapılandırılmış çıktı ya da JSON modu seçeneğini açmak, biçim hatalarını ciddi ölçüde azaltır.

Ardından Make içindeki JSON ayrıştırma modülünü OpenAI modülünün arkasına ekleyin. Bu modül metni alanlara böler; siz de her alanı "Update a Row" içinde ilgili sütuna eşlersiniz.

• Alan adlarında Türkçe karakter ve boşluk kullanmayın.
• İzin verilen değerleri listeleyin, örneğin duygu için yalnız olumlu, olumsuz, nötr.
• Ayrıştırma hata verirse satırı "Hata" olarak işaretleyin, akışı durdurmayın.

Böylece tablonuz serbest metin yığını olmaktan çıkar, filtrelenebilir ve raporlanabilir bir veri setine dönüşür.

Make ile ChatGPT akışını test ederken hangi yöntemi izlemelisiniz?

Make ile ChatGPT akışını canlıya almadan önce küçük ve kontrollü bir test planı uygulamanızı öneririm. Test, yalnız "çalışıyor mu" sorusuna değil, "doğru ve ekonomik çalışıyor mu" sorusuna cevap vermelidir.

1. Ayrı bir test sayfası açın ve gerçek veriden kimlik bilgisi içermeyen 10 ile 20 satır kopyalayın.
2. Senaryoyu "Run once" ile çalıştırın ve her modülün çıktı baloncuğunu inceleyin.
3. Boş hücre, çok uzun metin ve farklı dil içeren uç örnekler ekleyin.
4. OpenAI kullanım panelinde bu testin token tüketimini not edin.
5. Sonuçları bir iş arkadaşınıza okutun ve kabul edilebilir olup olmadığını sorun.

Uç örnekler özellikle öğreticidir. Örneğin İngilizce gelen bir yorumu model Türkçe mi özetliyor, yoksa dili karıştırıyor mu? Bu tür davranışları test aşamasında görmek, canlıda sürpriz yaşamamanızı sağlar.

Test başarılı olduktan sonra bile ilk hafta senaryoyu düşük satır sınırıyla çalıştırın. Ardından güven arttıkça sınırı yükseltin.

Ekip içinde bu otomasyonun sahipliği nasıl paylaşılmalı?

Otomasyonlar genelde bir kişinin merakıyla başlar, sonra kimsenin sahip çıkmadığı bir kara kutuya dönüşür. Bu durumu önlemek için sahipliği baştan tanımlayın.

Benim önerdiğim düzen basittir. Bir kişi senaryonun teknik sahibidir; bağlantıları, hata bildirimlerini ve maliyeti izler. Bir başka kişi içerik sahibidir; talimatı ve çıktı kalitesini yönetir. Böylece teknik sorun ile içerik sorunu birbirine karışmaz.

• Senaryonun amacını, tabloyu ve sütun düzenini tek sayfalık bir belgeye yazın.
• Talimat metnini değiştirdiğinizde tarihini ve nedenini not edin.
• Make ve OpenAI hesaplarında kişisel değil, şirkete ait e-posta kullanın.
• Ayda bir kez maliyet ve kalite özetini ekiple paylaşın.

Ayrıca işten ayrılan bir çalışanın kişisel hesabına bağlı otomasyon, bir sabah aniden durabilir. Dolayısıyla bağlantıları şirket hesaplarında toplamak, sürekliliğin en ucuz sigortasıdır.

Bu bağlantıyı başka uygulamalarla nasıl genişletebilirsiniz?

Temel akış oturduktan sonra aynı mantığı başka kaynaklara taşıyabilirsiniz. Make yüzlerce uygulamayla bağlantı sunduğu için tablo yalnız başlangıç noktası olur.

Örneğin web sitenizdeki iletişim formundan gelen talepleri önce tabloya, ardından yapay zeka özetine, sonra da ilgili kişiye e-posta bildirimine taşıyabilirsiniz. Benzer şekilde sosyal medya yorumlarını toplayıp sınıflandırmak da mümkündür.

Ancak her yeni bağlantı yeni bir hata noktası demektir. Bu nedenle akışı büyütürken her adımı ayrı test edin ve yönlendirici ile dalları sade tutun. Sosyal medya tarafında içerik akışını sürdürülebilir kılmak için sosyal medya yönetimi süreçlerimizde de aynı ilkeyi uyguluyoruz.

Yapay zeka araçlarının arama tarafındaki etkisini merak ediyorsanız yapay zeka çağında SEO yazıma da göz atabilirsiniz. Otomasyonla ürettiğiniz içerik, sonunda o arama ekosisteminde yarışacak.

Talimat metnini nasıl yazmalısınız? Örnek bir şablon

Talimat, otomasyonun kalitesini belirleyen en ucuz kaldıraçtır. İyi bir talimat dört parçadan oluşur: rol, görev, kurallar ve çıktı biçimi.

1. Rol: "Bir e-ticaret sitesinin içerik editörüsün."
2. Görev: "Verilen ürün adı ve özelliklerden kısa bir açıklama yaz."
3. Kurallar: "En fazla 60 kelime kullan, fiyat ve garanti uydurma, abartılı sıfat kullanma."
4. Çıktı biçimi: "Yalnız açıklama metnini döndür, başlık ya da not ekleme."

Bu şablonu sistem mesajına yazın, satır verilerini ise kullanıcı mesajına eşleyin. Böylece kurallar sabit kalır, yalnız veri değişir. Ayrıca talimatı bir Google Sheets hücresinde tutup oradan eşlemek de mümkündür; bu sayede içerik sahibi senaryoya dokunmadan talimatı güncelleyebilir.

Öte yandan talimatı sürekli uzatmak da bir tuzaktır. Her ek cümle, her satırda tekrar gönderilen girdi tokenı demektir. Dolayısıyla kuralları kısa ve net tutun, gereksiz nezaket ifadelerini çıkarın.

Make ile ChatGPT otomasyonunun başarısını nasıl ölçersiniz?

Make ile ChatGPT otomasyonunu kurmak işin başıdır; asıl soru, bu otomasyonun gerçekten zaman ve para kazandırıp kazandırmadığıdır. Bunu ölçmeden "iyi çalışıyor" demek yanıltıcı olur.

Ben üç basit gösterge öneririm. İlki, satır başına toplam maliyettir; Make ve OpenAI tüketimini birlikte hesaplar. İkincisi, düzeltme oranıdır; editörün değiştirmek zorunda kaldığı çıktıların payını gösterir. Üçüncüsü ise kazanılan süredir; aynı işin elle yapıldığı süreyle karşılaştırırsınız.

Bu göstergeleri aylık olarak bir özet sayfasına yazın. Düzeltme oranı yükseliyorsa talimatı gözden geçirin. Maliyet artıyorsa filtreleri ve model seçimini kontrol edin.

Kısacası otomasyon da bir yatırım kalemidir ve diğer pazarlama yatırımları gibi ölçülmelidir.

İşletmeler bu otomasyonu ne zaman profesyonel destekle kurmalı?

Basit bir tek sütunluk akışı çoğu ekip kendi kurabilir. Ancak birden fazla sistemin, müşteri verisinin ve yayın sürecinin işin içine girdiği durumlarda profesyonel destek zaman kazandırır.

Ekibimle kurduğumuz otomasyonlarda önce süreci çizer, sonra hangi adımın yapay zekaya, hangisinin insana ait olacağını belirleriz. Özellikle içerik üretimi web sitesine bağlanıyorsa SEO danışmanlığı ve web tasarım tarafını birlikte ele alırız.

Otomasyonla üretilen içeriğin yapay zeka aramalarında nasıl göründüğü de ayrı bir konu. Bu açıdan markanızın ChatGPT ve Gemini içinde nasıl göründüğü yazımı okumanızı öneririm.

Kısacası küçük başlayın, ölçün, sonra büyütün. Make ile ChatGPT bağlantısı doğru kurulduğunda ekibinizin gününden saatler kazandırır; yanlış kurulduğunda ise sessizce hata üreten bir makineye dönüşür.