Yapay Zeka İçerik Otomasyonu

Bir içerik hattının değeri, modelin ne kadar akıcı yazdığından çok, hangi veriyle beslendiğine, kimin hangi gerekçeyle onay verdiğine ve hatalı bir metnin ne kadar hızlı geri alınabildiğine bağlıdır. Bu rehber, yapay zeka içerik otomasyonu kurmayı düşünen bir işletmenin sırayla vermesi gereken kararları, teknik terimleri kısaca açıklayarak ele alıyor.

Amaç size bir araç önermek değil; teklif aldığınız her ekibe doğru soruları sorabilmenizi ve hattın gerçekten zaman kazandırıp kazandırmadığını kendi kayıtlarınızla görebilmenizi sağlamak. Otomasyonun uygun olmadığı durumları da açıkça yazdık.

01Otomasyonun karşılığını verdiği koşullar

İçerik otomasyonu, metnin iskeleti tekrar eden, bilgisi yapılandırılmış bir kaynakta duran ve hacmi düzenli olan işlerde karşılığını verir. Tek seferlik bir kampanya metni ya da yılda birkaç kez yazılan bir kurumsal duyuru için hat kurmak, kurulum emeğini hiçbir zaman geri kazandırmaz.

Karar vermeden önce en çok zaman alan içerik türünüz için şu dört soruyu yanıtlayın:

• Kaynak yazılı mı: Metindeki her bilgi bir tabloda, ürün kartında ya da onaylı bir belgede duruyorsa model ona dayanabilir; bilgi yalnız bir çalışanın hafızasındaysa önce o bilgi kayda geçirilmelidir.
• Yapı tekrar ediyor mu: Ürün açıklamaları, şube sayfaları, etkinlik duyuruları gibi aynı bölümlerden oluşan metinler şablona uygundur; her seferinde farklı kurgu isteyen köşe yazıları uygun değildir.
• Hata ne kadar pahalı: Yanlış bir beden tablosu iade getirir, yanlış bir dozaj bilgisi ise insan sağlığını etkiler; risk büyüdükçe onay adımı ağırlaşır ya da otomasyon hiç kurulmaz.
• Onaylayacak biri var mı: Taslakları okuyacak zamanı ayrılmış bir editör yoksa hat, kuyrukta bekleyen ve kimsenin açmadığı taslaklar üretir.

Bu soruları yanıtlarken tahmin değil, son birkaç ayın gerçek iş listesini kullanın: kaç ürün eklendi, kaç duyuru yazıldı, her birinin hazırlanması kaç kişinin elinden geçti. Yapay zeka içerik otomasyonu ancak bu listede düzenli ve tekrar eden bir iş yükü görünüyorsa anlamlıdır.

Dört sorudan ikisine hayır diyorsanız, yazarlarınıza taslak öneren basit bir asistan ya da önce içerik stratejisi daha doğru bir başlangıçtır. Bu ayrımı yapmak, ilk görüşmede hattın kapsamını da netleştirir.

02Şirket tipine göre ilk içerik hattı

İlk hat, şirket tipine göre farklı bir içerik türünden kurulur ve bu seçim sonraki tüm kararları belirler. Aynı araçlarla kurulan iki hattın biri katalog verisine, diğeri bir haber akışına bağlıysa kontrol kuralları da onay sıklığı da tamamen değişir.

• Çok ürünlü mağaza: Yeni gelen ürünlerin açıklaması, kısa özeti ve görsel alternatif metni; kategori başına ayrı şablonla. Mağaza tarafındaki daha geniş senaryolar için e-ticaret için yapay zeka çözümleri sayfasına bakabilirsiniz.
• Üretici ve distribütör: Teknik föyden bayi kataloğu metni, ihracat pazarları için dil uyarlaması ve yedek parça listelerinin açıklamaları.
• Yazılım şirketi: Sürüm notlarından yardım merkezi makalesi taslağı, müşteri bülteni ve uygulama mağazası açıklamasının güncellenmesi.
• Turizm ve konaklama: Oda, tur ve etkinlik metinlerinin birkaç dile uyarlanması; sezon değiştiğinde fiyat içermeyen bilgi bloklarının yenilenmesi.
• Çok şubeli hizmet işletmesi: Şube sayfalarının çalışma saati, hizmet listesi ve yol tarifi gibi yerel bilgilerle tutarlı tutulması.

Hangi türden başlarsanız başlayın, ilk hatta tek tür ve sınırlı bir konu ya da ürün grubu girmelidir. Örneğin bir mağaza tüm kataloğu değil, yalnız bu sezon gelen tek bir kategoriyi hatta alır; böylece şablon ve kontrol kuralları gerçek veriyle sınanır.

03Hattın parçaları ve bağlandığı sistemler

Kurulu bir içerik hattı beş parçadan oluşur: tetikleyici, kaynak bağlantısı, üretim adımı, onay kuyruğu ve yayın bağlantısı. Tetikleyici hattı başlatan olaydır; yeni bir ürünün stok sistemine eklenmesi, bir tablodaki satırın "hazır" olarak işaretlenmesi ya da haftalık bir zamanlayıcı olabilir.

Kaynak bağlantısı veriyi doğrudan sistemden okur. Ürün bilgisi çoğu zaman ERP ya da ürün bilgi yönetimi sisteminde (PIM, ürün özelliklerini tek merkezde tutan yazılım), teknik belgeler ortak bir sürücüde, marka rehberi ise bir dokümanda durur. Hattın her çalışmada bu kaynakları yeniden okuması, kopyalanıp unutulmuş eski bir tabloya dayanmasını engeller.

Bağlantı kurulmadan önce kaynak verinin kendisi gözden geçirilmelidir. Aynı özelliğin bir üründe "en", diğerinde "genişlik" diye kaydedilmesi, ölçü birimlerinin karışık yazılması ya da renk adlarının tedarikçiye göre değişmesi, modelin tutarsız metin yazmasına yol açar. Alan adlarını ve birimleri tek bir sözlükte sabitlemek, hattın en ucuz ama en etkili hazırlığıdır.

Akışın kendisi n8n, Make gibi görsel otomasyon araçlarında ya da özel kodla çalışır. Seçimi şu ölçütlerle yapın:

• Bakımı kim yapacak: Ekibinizde akışı okuyabilecek biri varsa görsel araç daha şeffaftır; yoksa iyi belgelenmiş kod daha az kırılır.
• Hacim ve hız: Yüzlerce kaydı aynı anda işleyen hatlarda kuyruk ve yeniden deneme mantığı koda daha kolay yazılır.
• Yayın hedefi: WordPress, WooCommerce ve Shopify resmi API sunar; kapalı bir sistemde içe aktarma dosyası gerekebilir.

Kurulum ve sonraki bakım yapay zeka otomasyonu hizmetimiz kapsamında yürür; hesaplar ve anahtarlar şirketinizin adına açılır.

04İçerik türü brifi ve örnek metin seti

Modelin çıktısını en çok etkileyen belge, içerik türü başına yazılan kısa brif ile ona eşlik eden onaylı örnek metinlerdir. Brif, iyi bir editörün yeni bir yazara ilk gün anlatacaklarının yazılı halidir; uzun olması gerekmez, ama belirsiz hiçbir ifade içermemelidir.

İyi bir brif şu başlıkları kapsar:

• Okur ve amaç: Metni kim okuyacak, okuduktan sonra ne yapmasını istiyoruz; örneğin "ürünü sepete eklemeden önce ölçüsünü kontrol eden alıcı".
• Zorunlu bilgiler: Malzeme, ölçü, kullanım alanı, bakım talimatı gibi her metinde bulunması gereken alanlar ve hangi kaynak sütunundan geldikleri.
• Yasak ifadeler: Markanızın kullanmadığı abartılı sıfatlar, rakip adları, sağlık ya da çevre iddiası gibi kanıt gerektiren sözler.
• Biçim: Uzunluk aralığı yerine en az ve en çok sözcük sayısı, paragraf düzeni, madde işareti kullanılıp kullanılmayacağı.
• Ton: Siz ya da sen hitabı, teknik terimlerin açıklanıp açıklanmayacağı, cümle uzunluğu.

Örnek metin seti için mevcut içeriğinizden editörün "tam böyle olsun" dediği beş ile on metni seçin. Model bu örneklerden ritmi ve düzeyi öğrenir. Seti seçerken farklı kategorilerden örnek almak, modelin tek bir ürün grubunun diline takılmasını önler. Taslakların okunabilirliğini okunabilirlik analizi aracıyla örnek setle karşılaştırmak, tonun kayıp kaymadığını hızlıca gösterir.

05Model ve sağlayıcı seçiminde ölçütler

İçerik hattı için model seçimi, genel kıyaslama tablolarına göre değil, kendi örnek setinizle yapılan kör bir denemeye göre yapılmalıdır. Aynı brif ve aynı kaynakla iki ya da üç modelden taslak alınır, editör hangisinin hangi modelden geldiğini bilmeden puanlar.

Denemede şu noktalara bakın:

• Dil kalitesi: Türkçe ek uyumu, terim tutarlılığı ve çeviri kokan cümle yapıları; bazı modeller İngilizcede güçlüyken Türkçede belirgin biçimde zayıflar.
• Kaynağa sadakat: Model kaynakta olmayan bir özellik ekliyor mu; bu, akıcılıktan daha önemli bir ölçüttür.
• Yapılandırılmış çıktı: Başlık, açıklama ve alternatif metni ayrı alanlarda (JSON gibi makinenin okuyacağı bir biçimde) döndürebiliyor mu; yayın adımı buna dayanır.
• Veri koşulları: Kurumsal sözleşmede gönderdiğiniz verinin model eğitiminde kullanılmayacağı yazılı mı, veri hangi bölgede işleniyor.

Hattı tek bir sağlayıcıya bağlamamak da bir tasarım kararıdır. İlk model yanıt vermediğinde ya da çıktı kontrolden geçemediğinde ikinci modele geçen bir yapı, kesintide üretimi durdurmaz. Gizli belgeler dışarıya çıkmamalıysa, modeli kendi sunucunuzda çalıştırma seçeneğini yerel dil modeli kurulumu sayfasında anlatıyoruz; bu yol daha fazla bakım ister ama veriyi kurum içinde tutar.

06Taslak editöre gitmeden önce çalışan kontroller

Otomatik kontrol katmanı, editörün zamanını açıkça hatalı taslaklarla harcamaması için vardır; iyi metni tanımaz, yalnız kötü metni ayıklar. Bu yüzden kontroller ölçülebilir kurallardan oluşmalıdır.

Bir içerik hattında tipik olarak şu kontroller çalışır:

• Alan kontrolü: Brifte zorunlu sayılan her bilgi taslakta geçiyor mu; eksikse taslak üretimin başına döner.
• Sayı ve iddia eşleştirme: Metindeki her rakam, ölçü ve sertifika adı kaynak kayıtta birebir var mı; yoksa taslak işaretlenir.
• Yasak sözcük taraması: Brifteki yasak listesi ve sektörünüzün mevzuatının riskli bulduğu ifadeler basit bir eşleştirmeyle aranır.
• Benzerlik ölçümü: Yeni taslak, sitedeki önceki metinlerle karşılaştırılır; aynı kalıbı tekrar eden açıklamalar arama motorunda zayıf ve kopya görünür.
• Uzunluk ve biçim: Başlık ve meta açıklama uzunlukları, paragraf sayısı ve yasak karakterler.

Bazı ekipler ikinci bir modele taslağı puanlatır. Bu yöntem ton ve akış gibi kurala dökülemeyen konularda yardımcı olabilir, ama puanlayan model de yanılabilir; bu nedenle onun kararı yalnız bir işaret olarak editöre gösterilmeli, taslağı kendi başına yayına göndermemelidir.

07Onay ekranı, sürüm kaydı ve geri alma

Editörün onay ekranı, hattın kalitesini belirleyen en insan odaklı parçadır; kötü tasarlanmış bir ekran, onayın göz gezdirmeye dönüşmesine yol açar. Ekranda taslak ile kaynak kaydın yan yana görünmesi, editörün her rakamı tek bakışta doğrulamasını sağlar.

İyi bir onay akışında şu özellikler bulunur:

• Üç karar: Olduğu gibi onayla, düzelterek onayla ve gerekçeyle reddet; gerekçe serbest metin değil, "yanlış bilgi", "ton", "eksik alan" gibi sabit kategorilerden seçilir.
• Kontrol işaretleri: Otomatik katmanın şüpheli bulduğu cümleler renkle vurgulanır, editör önce oraya bakar.
• Sürüm kaydı: Her metnin hangi brif sürümüyle, hangi modelle, hangi kaynak kaydından üretildiği ve kimin onayladığı saklanır.
• Geri alma: Yayındaki bir metin tek işlemle önceki onaylı sürüme döner; toplu bir hata fark edildiğinde aynı partideki tüm metinler birlikte geri çekilebilir.

Ret gerekçelerinin kategorili tutulması, ayda bir yapılan değerlendirmede hangi sorunun brifte, hangisinin kaynak veride olduğunu gösterir. Düzelterek onaylanan metinlerde editörün yaptığı değişiklikler de saklanmalıdır; bu farklar, bir sonraki brif güncellemesinin ham maddesidir.

08Arama, mağaza ve reklam kurallarına uyum

Yapay zeka içerik otomasyonu, platformların kurallarına göre kurulmazsa hız kazandırırken görünürlük kaybettirebilir. Google'ın spam politikaları, kullanıcıya değer katmadan çok sayıda sayfa üretmeyi ölçekli içerik kötüye kullanımı olarak tanımlar; bu yüzden hattın ölçeği, modelin kapasitesine değil, editörün okuyabileceği hacme göre ayarlanmalıdır.

Platform bazında dikkat edilecek başlıca noktalar:

• Arama sonuçları: Google'ın üretken yapay zeka rehberi, başlık etiketi, meta açıklama, yapılandırılmış veri ve görsel alternatif metninin de yayından önce doğruluk açısından kontrol edilmesini ister; bu alanlar onay ekranında ayrı gösterilmelidir.
• Ürün beslemesi: Merchant Center, üretken yapay zekayla yazılan ürün başlıklarını ve açıklamalarını yapay zeka üretimi olarak işaretlenmiş ayrı alanlarda bekler; besleme şablonu bu alanları baştan içermelidir.
• Reklam görselleri: Ticaret Bakanlığı'nın yönetmelik değişikliğiyle, insandan ayırt edilemeyen yapay zeka karakterleri reklamda açıkça belirtilmeli; gerçek bir kişinin yapay zeka kopyasına ürün önerdirmek yasaktır.
• Yorum ve referans: Hat hiçbir zaman müşteri yorumu, puan ya da gerçek bir kişiye atfedilen alıntı üretmemelidir; bu alanlar brifte açıkça yasaklanır.

Hangi konulara yeni sayfa açılacağı ise hattın değil, arama stratejisinin kararıdır. Markanızın yapay zeka yanıtlarında nasıl anıldığı da ayrı bir çalışma ister; bunu yapay zeka aramalarında görünürlük hizmetimizde ele alıyoruz. Hattın görevi, bu stratejinin seçtiği sayfaları tutarlı ve doğru biçimde doldurmaktır.

09Kişisel veri, KVKK ve AB tüzüğündeki şeffaflık

İçerik hattının kaynak setinde kişisel veri bulunmaması en temiz çözümdür ve çoğu içerik türünde bu mümkündür. Ürün özellikleri, teknik föyler ve marka rehberi kişisel veri içermez; risk, müşteri yazışmaları, destek kayıtları ya da çalışan görüşleri kaynak olarak kullanılmak istendiğinde başlar.

Böyle bir durumda model sağlayıcısı yurt dışındaysa KVKK'nın 9. maddesindeki yurt dışına aktarım kuralları uygulanır. Pratikte yapılacaklar şunlardır: kaynak metinlerden ad, telefon ve sipariş numarası gibi tanımlayıcıları hatta girmeden önce otomatik olarak silmek, aktarımın dayanağını hukukçunuzla belirlemek ve aydınlatma metninizi bu işlemeyi kapsayacak şekilde gözden geçirmek.

Avrupa Birliği'nde okuru olan yayınlar için AB Yapay Zeka Tüzüğü'nün 50. maddesi önemlidir. Kamuyu ilgilendiren konularda bilgilendirme amacıyla yayımlanan yapay zeka metinleri bu şekilde belirtilmelidir; ancak metin insan incelemesinden geçmiş ve editoryal sorumluluğu bir kişi ya da kurum üstlenmişse bu yükümlülük aranmaz. Editör onayı ve sürüm kaydı bu yüzden yalnız kalite için değil, uyum için de kanıt niteliği taşır.

Tüzüğün değiştirilmiş 4. maddesi ise yapay zeka sistemi kullanan kuruluşların, bu sistemleri işleten çalışanlarının yapay zeka okuryazarlığını desteklemek için önlem almasını ister. İçerik hattında bu, editörlere modelin hangi hataları yaptığını gösteren kısa bir eğitimle karşılanabilir.

10Pilot hattan geniş kapsama geçiş adımları

Bir içerik hattını devreye almanın güvenli yolu, küçük bir pilotla başlayıp kapsamı yalnız ölçülen onay verisine göre genişletmektir. Aşağıdaki sıra, kurduğumuz hatlarda izlediğimiz çerçevedir:

1. Envanter ve seçim: İçerik türlerini, beslendikleri kaynakları ve yayın yerlerini listeleyin; en çok zaman alan türü ilk hat için seçin.
2. Başlangıç ölçümü: Otomasyondan önceki birkaç haftada bir içeriğin hazırlanmasının gerçekte ne kadar sürdüğünü kaydedin; sonraki her karşılaştırma bu kayda dayanır.
3. Brif ve şablon: Seçilen tür için brifi, örnek metin setini ve kontrol kurallarını yazın; editörün onayını alın.
4. Kapalı deneme: Hattı yayına bağlamadan, sınırlı bir ürün ya da konu grubu üzerinde çalıştırın; editör tüm taslakları okusun, ret gerekçelerini kategorili kaydetsin.
5. Düzeltme turu: Ret gerekçelerine göre brifi, kaynak alan eşleşmelerini ve kontrolleri güncelleyin; aynı grupla denemeyi tekrarlayın.
6. Kontrollü yayın: Onay oranı oturduğunda yayını açın, ilk haftalarda her yayını günlük olarak gözden geçirin.
7. Genişletme: Ancak bu türün yayın sonrası performansı izlendikten sonra ikinci içerik türüne ya da ikinci dile geçin.

Bu sırada adım atlamak, özellikle kapalı denemeyi kısaltmak, sorunların yayında fark edilmesine yol açar. Çok dilli yayın planlıyorsanız sitenin dil yapısını çok dilli web sitesi sayfasında anlattığımız kurallara göre önceden hazırlamak, genişletme adımını kolaylaştırır.

11Hattın değerini ölçmek için izlenecek sayılar

Bir içerik hattının değeri, üretilen metin sayısıyla değil, onaylanan metin başına harcanan insan zamanı ve yayından sonraki davranışla ölçülür. Metin sayısı artarken düzeltme süresi de artıyorsa hat zaman kazandırmıyor, işi başka bir masaya taşıyordur.

Düzenli olarak izlenecek göstergeler şunlardır:

• Doğrudan onay oranı: Taslakların ne kadarının değişmeden onaylandığı; zamanla yükselmesi beklenir, düşüyorsa kaynak veride ya da brifte bir değişiklik olmuştur.
• Düzeltme miktarı: Editörün taslakta değiştirdiği metin oranı; ret oranından daha hassas bir göstergedir, çünkü küçük ama sürekli düzeltmeleri de yakalar.
• Onaylanan metin başına süre: Okuma, düzeltme ve onay için harcanan gerçek süre, otomasyon öncesi kayıtla karşılaştırılır.
• Yayın sonrası hata bildirimi: Müşteri hizmetlerine ya da editöre ulaşan "yanlış bilgi" uyarıları; bu sayı sıfırdan uzaklaşıyorsa kontrol katmanı yetersizdir.
• Arama ve dönüşüm davranışı: Hatla hazırlanan sayfalar Search Console ve GA4'te ayrı bir grup olarak izlenir, elle yazılmış benzer sayfalarla kıyaslanır.

Bu göstergeleri toplamak için ayrı bir yazılım gerekmez; onay ekranının tuttuğu kayıt ve haftalık bir tablo yeterlidir. Önemli olan, yapay zeka içerik otomasyonu başlamadan önceki ölçümle aynı tanımı kullanmaktır; aksi halde kıyas anlamını yitirir.

Ayda bir yapılan değerlendirmede bu sayılar ret gerekçeleriyle birlikte okunmalıdır. Örneğin düzeltme miktarı yalnız bir kategoride yüksekse sorun genellikle o kategorinin kaynak tablosundaki eksik sütundur, modelde değil.

12Sınırlar ve göz ardı edilen riskler

Yapay zeka içerik otomasyonu, kaynakta olmayan bilgiyi doğru biçimde üretemez ve bu sınır hiçbir model güncellemesiyle ortadan kalkmaz. Model, eksik bir alanı inandırıcı bir tahminle doldurmaya eğilimlidir; bu yüzden kaynak tablodaki boş hücre, taslakta en tehlikeli cümleye dönüşebilir.

Daha az konuşulan riskler de vardır:

• Tekdüzeleşme: Aynı şablondan çıkan yüzlerce metin bir süre sonra birbirine benzer; kategori başına şablon ve dönüşümlü giriş kalıpları bunu azaltır.
• Sessiz model değişikliği: Sağlayıcı modeli güncellediğinde çıktının tonu değişebilir; model sürümünü sabitlemek ve güncellemeden önce örnek setle deneme yapmak gerekir.
• Kaynak içindeki talimatlar: Tedarikçiden gelen bir belgede gizlenmiş bir yönerge, modeli yanlış yönlendirebilir; dış kaynaklı belgeler talimat değil veri olarak işlenmelidir.
• Uzmanlık gerektiren konular: Sağlık, hukuk ve finans gibi alanlarda kişisel deneyim ya da uzman yorumu gerektiren metinler hattın değil, uzmanın işidir.

Bu riskleri sıfırlayan bir yöntem yoktur; amaç, her birinin erken fark edileceği bir kontrol noktası kurmaktır. Pratikte bu, her risk için bir sorumlu ve bir sinyal belirlemek demektir: tekdüzeleşmeyi benzerlik ölçümü, sessiz model değişikliğini aylık örnek set denemesi, kaynak içindeki talimatları ise dış belgelerin ayrı bir alanda işlenmesi yakalar. Yapay zeka içerik otomasyonu projesinin teklifinde bu sinyallerin kimde toplanacağı yazılı değilse, riskler ancak yayında bir hata görüldüğünde fark edilir.

13Yapay zeka içerik otomasyonunda sık yapılan hatalar

Hataların çoğu modelden değil, hattın tasarımında atlanan kararlardan kaynaklanır. Proje öncesinde aşağıdaki listeyi bir kontrol listesi olarak kullanabilirsiniz:

• Tüm kataloğu tek seferde hatta almak: Sorunlar yüzlerce metinde birden ortaya çıkar; bunun yerine tek kategoriyle başlayıp onay oranı oturduktan sonra genişletin.
• Brifi istem kutusuna yazıp saklamamak: Brif kişiden kişiye değişir ve kimse son sürümü bilmez; brifi sürüm numarası olan bir belge olarak tutun.
• Kaynak verideki boşlukları görmezden gelmek: Model boşluğu tahminle doldurur; eksik alanı olan kaydı hatta sokmayın, veri ekibine geri gönderin.
• Onayı göz gezdirmeye dönüştürmek: Editöre kapasitesinin üstünde taslak göndermek dikkati düşürür; günlük taslak sayısını editörün gerçekten okuyabileceği sınıra göre ayarlayın.
• Hesapları ve anahtarları ajansın adına açmak: Ayrılık anında hat çalışmaz hale gelir; tüm hesapları şirketiniz adına açtırın ve erişimi rolle sınırlayın.
• Yayından sonra ölçmemek: Hattın ürettiği sayfalar arama ve dönüşümde zayıf kalabilir; bu sayfaları ayrı bir grup olarak izleyin ve zayıf türü genişletmeyin.

Bu hataların ortak noktası, hızın kontrolün önüne geçmesidir. Hat yavaş başlayıp veriyle hızlanırsa, sonradan yapılacak düzeltmelerin maliyeti belirgin biçimde düşer.

14İş ortağı seçerken sorulacaklar ve sonraki adım

Doğru iş ortağı, ilk görüşmede araç adı saymak yerine içerik envanterinizi, kaynak verinizin durumunu ve onaylayacak kişiyi sorar. Teklif aldığınız her ekibe şu soruları yöneltin:

• Kaynak dışı bilgi: Taslakta kaynakta olmayan bir rakam çıkarsa hat bunu nasıl yakalıyor ve editöre nasıl gösteriyor?
• Kayıt ve geri alma: Yayındaki bir metnin hangi brif ve kaynakla üretildiğini ve kimin onayladığını nasıl görürüz, toplu geri alma nasıl yapılır?
• Sahiplik: Brifler, şablonlar, akış ve sağlayıcı hesapları teslimde kimin adına kalıyor?
• Uygun olmadığı durum: Hangi içerik türlerimiz için otomasyon önermezsiniz?

Son soruya net yanıt veremeyen bir ekip, her içeriği otomasyona uygun görüyor demektir. Bu alanda müşteri adıyla gösterebileceğimiz yayında bir proje henüz yok; otomasyon, yazılım ve web işlerimizi referanslar sayfamızda inceleyebilirsiniz.

Başlamak için en çok zaman alan içerik türünüzü, kaynak verinizin nerede durduğunu ve yayın yaptığınız sistemleri iletişim formundan yazmanız yeterli; ön görüşmeden sonra örnek bir brif ve onay akışı hazırlıyoruz. Keşif ve ilk hat için başlangıç seçeneklerini fiyatlar sayfasında görebilir, kapsam netleştikten sonra yazılı teklif alabilirsiniz.