İşlev Tamam, Amaç Nerede?

İlki gelecek zamanla konuşur; henüz gerçekleşmemiş olasılıklar üzerinden ilerler ve konuşanı fazla bağlamaz. İkincisi ise geçmiş zamana dayanır; ortaya konmuş işleri, sonuçları ve bedelleri üzerinden hesap sorulabilir bir tablo sunar. Yapay zekânın pazarlama pratiğine girişinin üzerinden, artık ikinci yolu tercih edebilecek kadar zaman geçti. Vaatler hâlâ geleceğe dair olabilir; ancak faturalar kesildi, kampanyalar yayımlandı, raporlar hazırlandı. Yani artık yalnızca söylenenlere değil, yapılanlara bakabileceğimiz somut bir fiiliyat var.

Döküm çıkarıldığında ortaya çıkan tablo, şaşırtıcı derecede tekdüze görünüyor. Yapay zekâ pazarlamada temelde beş iş yaptı.
İlk olarak performans pazarlamasında verimi artırdı; teklifleri, bütçeleri ve yerleşimleri otomatikleştirdi, kampanyaları kendi kendini optimize eden sistemlere dönüştürdü.
İkinci olarak kişiselleştirme ve hedefleme tarafını inceltti. Doğru mesajı doğru kişiye doğru anda ulaştırma iddiasını, insan elinin ulaşamayacağı bir hassasiyet seviyesine taşıdı.
Üçüncü olarak zaten kullandığımız metrikleri büyüttü. Başka bir deyişle, neyi ölçüyorsak onun hacmini artırdı; ölçülebilir olanı daha hızlı ve daha geniş ölçekte çoğalttı.
Dördüncü olarak büyük verinin vaat ettiği verimi nihayet erişilebilir hâle getirdi. Yıllardır toplanan ancak anlamlandırılamayan veri yığınları, yapay zekâ sayesinde işlenebilir ve kullanılabilir bir kaynağa dönüştü.
Beşinci olarak ise görsel ve video üretiminde bir gösteri alanı yarattı. Üretimin kendisinin haber olduğu, hatta “bunu yapay zekâ yaptı” cümlesinin kampanyanın ana mesajına dönüştüğü işler ortaya çıktı.
Bir de bunlardan ayrılması gereken, çok daha nadir görülen bir altıncı kullanım alanı var: Bütçenin, fiziksel koşulların veya klasik prodüksiyon süreçlerinin izin vermediği görüntüleri mümkün kılmak. Yani yapılamayanı yapmak.

Asıl ilginç olan yer de tam burada başlıyor. Buna birazdan döneceğiz.

Döküm. İlk dört kalemin fiili aynı: hızlandırmak, ucuzlatmak, ölçeklemek. Nesnesi de aynı; zaten kurulmuş olan düzen. Şema elbette kabalaştırıyor; kesişimler ve sınır vakaları metinde.

Bu döküm elbette şematik; kesişimler, istisnalar ve sınır vakaları var. Ancak şemanın kendisi önemli bir şey söylüyor: İlk dört kalem, aslında tek bir işlemin farklı görünümleri. Ortak fiilleri aynı: Hızlandırmak, ucuzlatmak, ölçeklemek. Ortak nesneleri de aynı: Zaten kurulmuş olan düzen.

Yapay zekâ pazarlamaya yeni bir soru getirmedi; daha çok, zaten sorulmakta olan eski soruların cevaplanma hızını artırdı.

Aynı makinenin daha hızlısı

Bunu söylerken küçümsemiyorum; çünkü ortada küçümsenecek bir şey yok. Yaşam boyu değeri yüksek kullanıcıları henüz kullanıcı hâline gelmeden tahmin eden modeller, kreatif yorgunluğunu insandan önce tespit eden görüntü analiz sistemleri, sahte trafiği gerçek zamanlı olarak ayıklayan anomali algoritmaları…
Bunların her biri gerçek mühendislik başarıları.

Kampanya yönetimi, bir kuşak önce büyük ölçüde insan emeğine ve manuel süreçlere dayanan bir zanaatken, bugün gerçek zamanlı çalışan, ölçeklenebilir sistemlere devredilmiş durumda. Bu dönüşümün sağladığı verim tartışılmaz.

Ama bu devrin bir bedeli oldu ve bedel, verimin gölgesinde kaldı: Kararın gerekçesi görünmezleşti. Teklifi neden yükselttiğini, bütçeyi neden o segmente kaydırdığını, o kreatifi neden o kullanıcıya gösterdiğini makine açıklamaz; açıklasa da açıklaması, optimize ettiği hedefin diliyle sınırlıdır. Platformlar bu görünmezliği bir de kendi katmanlarıyla örttüler: Metriklerin nasıl hesaplandığının, hangi verinin dahil edilip hangisinin filtrelendiğinin dışarıdan anlaşılamadığı bir kara kutu düzeni, sektörün olağan işleyişi hâline geldi.

Reklamveren bugün, kendi performansını kendisi raporlayan, ödevine notunu kendisi veren platformlarla çalışıyor. Otomasyonun verimi arttıkça, o verimin neye dayandığını söyleyebilme gücü azaldı. Bu ters orantı, yazının geri kalanında peşine düşeceğimiz sorunun ilk işareti.

Gösteri ve istisna

Dökümün beşinci kalemi, görsel ve video üretiminde gösteri, diğerlerinden farklı bir yere oturuyor. Çünkü burada verim iddiası bile ikincil kalıyor.

Ders kitabına girecek örneğini Coca-Cola verdi:¹ Marka, iki yıl üst üste, yapay zekâyla üretilmiş yılbaşı filmleri yayımladı. Bu filmler, 1995 tarihli ve büyük ölçüde el emeğiyle üretilmiş “Holidays Are Coming” klasiğinin makine tarafından yeniden yorumlanmış hâlleriydi. Geniş bir kesim tarafından “ruhsuz” bulundu, eleştirildi ve tepki topladı. Buna rağmen marka, ikinci yıl da aynı yaklaşımı sürdürdü.

Burada yalnızca tepkinin kendisi değil, tercihin ısrarla devam ettirilmesi de anlamlı. Çünkü reklamın konusu artık ürün değildi; üretim biçiminin kendisiydi. Teknoloji mesajı taşıyan bir araç olmaktan çıkmış, mesajın kendisine dönüşmüştü.

Vakanın en az konuşulan yanı ise bence en semptomatik olanı: Makinenin ürettiği şeyin bir yeniden yapım olması. Bunun bir tesadüf olmadığını, daha yapısal bir durumun sonucu olduğunu düşünüyorum. Eğitildiği veri geçmişten oluşan bir sistemden geçmişin çeşitlemelerini istemek, en güvenli taleptir. Marka da tam olarak bunu yaptı; nostaljisini hammadde olarak makineye verdi ve karşılığında nostaljisinin daha ucuz bir kopyasını aldı.

Gösterinin vaat ettiği “yenilik”, aslında en eski malzemenin üzerinde sergilendi.

Türkiye’deki tablo daha az dramatik ama belki de daha öğretici. Tamamı yapay zekâyla üretilmiş reklam filmlerini kendi ölçüm sistemiyle karşılaştıran bir çalışma, bu filmlerin markaların daha önce geleneksel yöntemlerle ürettiği işlerle aşağı yukarı aynı performansı verdiğini gösterdi.

İlk bakışta bu rahatlatıcı bir bulgu gibi görünüyor: Ne bir çöküş var ne de büyük bir sıçrama. Ancak biraz daha yakından bakınca, bu sonuç asıl soruyu daha da keskin hâle getiriyor: Mutfak baştan aşağı değiştiyse ve ortaya çıkan yemek aynı kaldıysa, değişen neydi ve bu değişim ne için yapıldı?

Eğer cevap “maliyet” ise, bu başlı başına meşru bir cevap. Ancak o zaman bunun adını doğru koymak gerekir: Yaşanan şey yaratıcı bir devrim değil, bir tedarik zinciri kararıdır.

Altıncı kalem, yapılamayanı yapmak, işte bu yüzden ayrı tutulmayı hak ediyor. Bütçenin, fiziğin veya klasik prodüksiyon süreçlerinin izin vermediği görüntüyü mümkün kılmak, dökümdeki tek kalem. Çünkü burada fiil “hızlandırmak” değil. Var olanın daha hızlısını üretmek değil, daha önce var olmayanın ilk hâlini ortaya çıkarmak söz konusu.

Üstelik dikkat çekici bir durum var: Bu kullanımın henüz yerleşik bir ölçüsü bulunmuyor. Ölçüsü yok, çünkü kategorisi yok; kategorisi yok, çünkü sektör bu alana aslında hangi ihtiyaca karşılık verdiğini henüz tam olarak kavramsallaştıramadı.

Aracın gerçekten yeni olan belki de tek işlevi, mevcut ölçüm düzeninin dışında kalıyor. Ve bu da bizi doğrudan verim meselesinin merkezine getiriyor.

Verim neyin verimi?

Verim iddiasının kendisi de sanıldığı kadar sağlam çıkmadı. MIT bünyesinde yürütülen ve çokça tartışılan bir araştırma,³ kurumsal üretken yapay zekâ pilotlarının yüzde doksan beşinin bilançoya ölçülebilir bir katkı üretmediğini; buna karşılık bütçelerin yarısından fazlasının tam da satış ve pazarlamaya aktığını öne sürdü.

Araştırmanın yöntemi haklı eleştirilere konu oldu. Başarı tanımı dar, süre kısa ve örneklem tartışmalıydı. Dolayısıyla bu rakamı olduğu gibi kabul etmek zorunda değiliz. Ancak rakamın kendisinden bağımsız olarak işaret ettiği asimetri dikkate değer: En fazla kaynağın yöneldiği alan, getirinin kanıtlanmasının en zor olduğu alan.

Peki neden?

Rakam tartışmalı, asimetri değil. MIT Project NANDA, The GenAI Divide (2025). Yöntemi haklı eleştirilere konu olan bir bulgu; rakam ihtiyatla, işaret ettiği asimetri ciddiyetle okunmalı.

Bu sorunun cevabı yapay zekâda değil, yapay zekânın geldiği zeminde aranmalı. Ve zemin, bir asırdır aynı çatlağın üzerinde duruyor. Perakendeci John Wanamaker'a atfedilen meşhur yakınma, reklamcılığın kuruluş travmasıdır:

"Reklama harcadığım paranın yarısı boşa gidiyor; sorun şu ki hangi yarısı olduğunu bilmiyorum."

John Wanamaker'a atfedilir · perakendeci, 1838–1922

Dijital pazarlama, tam da bu travmaya cevap olarak pazarlandı: Her gösterim sayılacak, her tıklama izlenecek, her dönüşüm kaynağına atfedilecekti. Hangi yarının boşa gittiği sorusu, nihayet cevaplanabilir olacaktı.

Yirmi yıl sonra ortaya çıkan manzara şu: Tam ölçülebilirlik vaadinin altyapısı parça parça söküldü. Üçüncü taraf çerezler tasfiye edildi; mobil cihaz kimlikleri kullanıcı iznine bağlandı ve izin oranları beklentilerin altında kaldı. Dijital reklamcılığın kurucu iddiası olan kullanıcı düzeyinde deterministik atıf, eski gücünü kaybetti.

Bu boşluğu dolduran platformlar ise ölçümü kendi içlerine aldı. Reklamveren, harcadığı paranın işe yarayıp yaramadığını, artık büyük ölçüde bütçeyi yönlendirdiği platformların kendi raporlarından öğrenir hâle geldi.

Yakın tarihli kolektif bir çalışmada bu tabloyu “ölçümleme krizi” başlığı altında ele alırken ulaştığımız formül şuydu:⁴ Ölçebildiğimiz her şey önemli değildir; önemli olan her şey de her zaman ölçülemez. Bu bir söz oyunu değil, yıllar içinde biriken bir literatürün kısa özetidir.

Dikkat araştırmaları, gösterim almanın dikkat görmek anlamına gelmediğini; etkinlik araştırmaları ise kısa vadeli aktivasyon metriklerinin markanın uzun vadeli sağlığı konusunda sistematik biçimde yanıltıcı olabileceğini, sektörün günlük pratiğinden çok önce ortaya koymuştu.⁵

Ölçülebilen ile önemli olan arasındaki makas, yapay zekâdan önce açılmıştı.

Yapay zekâ bu krize bir cevap olarak değil, bir hızlandırıcı olarak geldi. Optimize etmesi için önüne konan göstergeler, güvenilirliği zaten tartışmalı olan göstergelerdi.

Goodhart yasası olarak bilinen ilke, bir ölçü hedef hâline geldiğinde artık iyi bir ölçü olmaktan çıkar der.⁶ İnsanların elinde bile sorun çıkaran bu durum, şimdi endüstriyel ölçekte otomatikleştirilmiş durumda. Makine, kendisine hedef olarak verilen sayıyı büyütmekte insandan çok daha başarılıdır. Ancak o sayının gerçekten neyi temsil ettiğini sorgulamak onun işi değildir; zaten olamaz.

Bu sorgulama yapılmadığında, “metrik tuzağı” olarak adlandırılan durum, yani sayıları iyileştirirken asıl iş hedefini gözden kaçırma hâli, basit bir dikkatsizlik olmaktan çıkar ve sistemin çalışma biçimine dönüşür.

“Verim iddia edildiği kadar verim vermedi” cümlesinin yanıtı sanırım tam burada yatıyor: Verim üretildi; ancak önemli olduğu hiçbir zaman kanıtlanmamış hedeflerin verimi olarak.

Yarısı boşa giden bütçe sorusu ise ortadan kalkmadı. Sadece bu sorunun üzerine, cevaplanmış hissi veren yeni bir gösterge katmanı yerleştirildi ve o katmanın sürekli iyileştirilmesi işi makineye devredildi.

Verim üretildi; ama önemli olduğu hiç kanıtlanmamış hedeflerin verimi olarak.

Merdiven: İşlevden amaca

Buradan iki hazır sonuç çıkarılabilir ve ikisi de tartışmayı erken kapatır. İlki, “demek ki balonmuş” diyerek aracı bütünüyle değersizleştirir. Oysa aracın gerçekten çalıştığı alanlar ortada. İkincisi ise “ölçüm henüz olgunlaşmadı” diyerek sorunu yalnızca teknik bir meseleye indirger ve erteler. Oysa son yirmi yılın gösterdiği şey şu: Yüz yıllık bir çatlak, yalnızca teknik bir yamayla kapanmayacak.

Dökümün asıl söylediği ise başka bir yerde duruyor. Yapay zekâ, pazarlamanın araç sorusunu büyük ölçüde cevapladı. Araç var, çalışıyor, ucuzluyor ve yaygınlaşıyor.

Cevaplanmamış olan soru aracın kendisiyle ilgili değil; aracın hangi amaç için kullanıldığıyla ilgili. Ve bu soruyu sormak için sektörün beklediği olgunluk eşiğinin artık geçildiğini düşünüyorum.

Bir araç yeniyken önce “nasıl çalışır?” diye sorulur. Araç olağanlaştığında ise asıl soru değişir: “Onu ne için çalıştırıyoruz?”

Sanırım tam olarak o eşiğin üzerindeyiz.

O eşikteyiz.

Araçsal aklın bilinen huyu, tam da bu eşiği görünmez kılmaktır: Amaç sorusunu askıya alır, verimliliği amacın yerine koyar ve bir süre sonra “daha verimli” ile “daha iyi” aynı şeymiş gibi algılanmaya başlar.

Buna direnmenin yolu, soruyu tek başına değil, birbirinin altında duran üç katman olarak sormaktan geçiyor. Çünkü pazarlamanın yapay zekâdan önce ulaştığı soru, ne ölçmeliyiz?, doğru bir soruydu; ancak yalnızca dizinin ilk basamağıydı.

Her basamak bir alttakine yaslanıyor:

Amaç metriği seçer — metrik amacı değil

Soru merdiveni. Basamaklar aşağı indikçe genişler: Temel soru en altta ve en geniş. Merdiven aşağıdan yukarıya değil, yukarıdan aşağıya kurulur.

Ne ölçmeliyiz?

İlk basamak teknik görünür ama aslında değildir. Metrikleri iş sonuçlarına bağlamak; tıklamadan satışa, satıştan yaşam boyu değere, oradan da marka sağlığına ve güvene uzanan bir ölçüm zinciri kurmak, yalnızca bir ölçüm reformu değildir. Aynı zamanda bir öncelik beyanıdır. Çünkü neyi ölçmeyi seçtiğimiz, neyi önemsediğimizi ilan eder.

Kullanıcı düzeyinde izlemenin giderek daraldığı yeni düzende bu dönüşüm zaten kaçınılmaz hâle geliyor. Deterministik atıf gücünü kaybederken, pazarlama karması modellemesi, deneysel tasarımlar ve gizlilik korumalı ortak analiz ortamları gibi daha bütüncül yaklaşımlar öne çıkıyor.

Ölçümün geleceği, tek tek kullanıcıları daha yakından izlemekte değil; toplam değeri daha doğru anlamlandırmakta yatıyor. Bu, teknik bir gerileme olarak değil, sorunun yeniden doğru ölçeğe taşınması olarak da okunabilir.

Çünkü reklam hiçbir zaman yalnızca tek tek kişilere yapılan bir faaliyet değildi. Dijital çağın en pahalı vaatlerinden biri, öyleymiş gibi ölçebileceğimiz inancıydı.

Ne yapmalıyız?

İkinci basamak bir iş bölümü meselesidir. Otomasyonun en güçlü savunucularının bile üzerinde uzlaştığı bir nokta var: Makine anlık optimizasyonu yürütebilir; ancak genel yönü belirlemek, mevsimi, bağlamı, kültürü ve markanın uzun hikâyesini okumak devredilemeyen bir iştir.

Bu ayrım korunmadığında strateji, algoritmanın o hafta neyi ödüllendirdiğinin toplamına indirgenir. Ölçülen şey stratejiyi belirlemeye başlar; oysa doğru işleyiş bunun tersidir. Önce amaç ve yön belirlenir, ardından ölçüm ve optimizasyon bu yöne hizmet eder.

Formül basit ama disiplin ister:

Aracın ayarını makineye bırakmak verimliliktir;
hedefin tarifini makineye bırakmak teslimiyettir.

Pazarlama ne içindir?

Üçüncü basamak, disiplinin kendi kendisiyle yüzleşmesidir. Ve ilk iki basamaktan farklı olarak, sektörün yalnızca kendi iç dinamikleriyle cevaplayamayacağı bir soruyu gündeme getirir.

Hedefleme teknolojisi, davranış sinyallerinden niyet sinyallerine doğru ilerliyor. Yani araç, ne yaptığımızı izlemekten ne isteyeceğimizi tahmin etmeye doğru kayıyor. Bu eşikte gözetim, manipülasyon ve veri temelli ayrımcılık tartışmaları artık akademik bir lüks değil; mesleki bir zorunluluk hâline geliyor. Çünkü niyeti tahmin eden bir sistemle niyeti şekillendiren bir sistem arasındaki sınır, çoğu zaman yalnızca tasarım kararlarıyla belirlenen ince bir çizgidir.

Teknolojik determinizme kapılmadan, yani “araç neyi mümkün kılıyorsa onu yapmak gerekir” kolaycılığına düşmeden, amacı yeniden tarif etmek gerekiyor. Pazarlamanın işi talep yaratmak mı, arz ile ihtiyacı eşleştirmek mi, güven inşa etmek mi, yoksa kültürel üretimin bir biçimi olmak mı?

Bu seçenekler birbirini tamamen dışlamıyor; ancak hangisinin önceliklendirileceğine karar vermek gerekiyor. Çünkü seçilen amaç, daha ilk basamakta neyin ölçüleceğini de belirliyor.

Merdiven bu yüzden aşağıdan yukarıya değil, yukarıdan aşağıya kuruluyor: Amaç metriği seçer; metrik amacı değil.

Reklamcılığın geleceğinin yeni teknolojilerde değil, bu teknolojileri nasıl kullandığımızda yattığını başka bir bağlamda yazmıştım. Burada aynı düşüncenin daha sert bir hâli gerekiyor: Teknolojiyi nasıl kullanacağımız, ne için kullanacağımıza karar vermeden belirlenemez.

İşlev tamam. Amaç, tartışmaya açık. Ve amaç tartışılmadığı her gün, varsayılan bir amaç onun yerine sessizce iş görüyor.

Çağrı

Bu derginin derdiyle söylersek: Aracın gösterisini konuşmak popüler olandır; işlevini konuşmak zanaattır; amacını konuşmak ise normal olandır. Şu anki normalimiz bu olmalı.

Üst üste koyulabilir sorularımız şunlar:

Kaynakça

1. Coca-Cola vakası: NBC News (Kasım 2024), Forbes (Kasım 2025). ↩

2. Türkiye karşılaştırması: Marketing Türkiye & Adgager AdQ analizi. Doğtaş, TurkNet, Doğanay, Reacher kampanyaları (2025).

3. MIT Project NANDA, The GenAI Divide: State of AI in Business 2025; aktaran Fortune (Ağustos 2025). Yöntem eleştirisi: Marketing AI Institute. ↩

4. Ölçümleme krizi ve "ölçülebilen/önemli olan" ayrımı: Yazarın editörlüğünde yayına hazırlanan, mobil reklamcılık üzerine kolektif bir çalışmanın "Veri, Gizlilik ve Kimlik: Mobil Reklamda Ölçümleme Krizi" bölümü. ↩

5. Dikkat/maruziyet ayrımı: Karen Nelson-Field, The Attention Economy and How Media Works (2020). Kısa/uzun vade gerilimi: Binet & Field, The Long and the Short of It (2013), Effectiveness in Context (2018). ↩

6. Goodhart yasası; Strathern'in formülasyonu (1997). ↩

7. Araçsal akıl: Horkheimer, Akıl Tutulması (1947). Niyet öngörüsü ve gözetim tartışması için ayrıca: Zuboff, Gözetleme Kapitalizmi Çağı (2019).