Pazarlama olarak her gün aynı baskıyı yaşıyoruz: Daha az zamanda daha fazla lead, daha iyi kalite, daha düşük maliyet. B2B satış döngüsü uzun, karar vericiler çoklu ve bütçe kısıtlı.
B2B pazarlamada da ekipler ve ajanslar içerik üretimi, kampanya optimizasyonu, raporlama ve dokümantasyonun önemli bir bölümünü yapay zekâ destekli yürütüyor. Aynı modeli kullanan ekipler arasında sonuç farkını yaratan şey çoğu zaman modelin kendisi değil, ona nasıl soru sorulduğu.
Prompt mühendisliği, yapay zekâ modellerine doğru soruları doğru şekilde sorarak etkileşimi tasarlama becerisidir. B2B pazarlama bağlamında bu, lead kalitesini artırabilir, kampanya oluşturma süresini kısaltabilir ve bütçe maliyetlerini azaltabilir.
Yapay zekâ ve dolayısıla prompt sadece bir trend değil, bir verimlilik zorunluluğu.
İçerik Haritası
TogglePrompt Mühendisliği Nedir?
Hangi yapay zekâ aracını kullanırsanız kullanın, komutunuz ne kadar detaylı olursa olsun her zaman giriş bölümünde konuyu açıklar ama sonrasında yukarıdaki gibi “nedir” diye bir başlık oluşturarak bu açıklamayı tekrar yapar.
Peki hiç SEO, AIO, AEO olmasaydı insan doğal bir şekilde bunu yapar mıydı? Bence hayır.
İnsan iletişiminde, dinleyici bağlamı (context) çıkarabilir. “Bir pazarlama metni yaz” dediğinizde, pazarlama yöneticisi hemen sorar: Hedef kitle kim? Ürün ne? Ton ne olmalı? Amaç ne? AI ise bu soruları otomatik çıkaramaz. Cevaplayamadığı soruları gördüğünde, kendi tahminlerini yapar ve bu da zayıf, genel geçer sonuçlar verir.
Prompt Mühendisliği, insan iletişimindeki “bağlam”ı, AI’a açık ve yapılandırılmış şekilde vermektir. Bu, yapay zekâyı genel bir metin üreticiden, stratejik bir iş ortağına dönüştürür. Basitçe: doğru soruları doğru şekilde sormak, doğru cevapları almak demektir.
Örneğin B2B satışta müşteriye yönelik notun kalitesi, müşterinin yanıt verme olasılığını belirler. Genel bir e-posta mı, yoksa kişiselleştirilmiş, ihtiyaç-merkezli bir mesaj mı daha yüksek dönüşüm sağlar? Cevap açık. Prompt’lar da tam olarak aynı mantıkla çalışır.
Prompt, model ve çıktı arasındaki ilişkiyi pazarlama tarafında şöyle okuyabiliriz:
- Prompt: Kreatif ekibe verilen brief.
- Model (ChatGPT benzeri LLM’ler): Bu brief’i işleyen üretici motor.
- Çıktı: Metin, kampanya kurgusu, özet, akış taslağı vb.
Brief ne kadar net ve bağlama duyarlıysa; üretilen çıktı da o kadar isabetli olur. Prompt mühendisliği, bu brief’i her seferinde biraz daha iyi hâle getiren tekrarlı bir süreçtir.
B2B’de Prompt Mühendisliği Neden Kritik?
B2B pazarlama özgün bir dünyada yaşar:
- Lead Kalitesi Önemlidir: Genel mesajlar çoğu zaman %1–2 gibi düşük dönüşüm oranlarında takılırken; role-specific ve şirket bağlamına oturan mesajlar çarpan etkisi yaratır.
- Uzun Satış Döngüsü: 3-12 ay süren karar alma sürecinde hatalara yer yoktur. İyi prompt’lar, içeriğin bu uzun yolculukta tutarlı kalmasını sağlar.
- Çok Paydaşlı Karar (Multi-stakeholder): CTO, CFO, VP Engineering gibi her rol farklı bir dil ve farklı sorunlara sahiptir. İyi prompt’lar bu ayrımı yapabilir.
- Kişiselleştirme: Prompt mühendisliği sayesinde, yüzlerce ABM mesajını tek bir şablondan, dakikalar içinde yüksek kalitede üretebilirsiniz.
Etkili Prompt Yazmanın 5 Temel Adımı
Çoğu iyi prompt aynı yapı taşları etrafında şekillenir. Bunu özet bir çerçeveyle şöyle düşünebilirsiniz:
Kim için?
Prompt:
- “B2B SaaS pazarlama şirketlerinde çalışan, 5+ yıl deneyimi olan, VP/Manager seviyesindeki karar vericileri hedef al.
Şirket büyüklüğü: 50-5,000 çalışan Sorun: Zaman azlığı ve lead maliyetinin artışı.”
Fark: Bu komut yapay zekâya segmentasyon, ton, dil ve kullanabileceği örnekler hakkında talimat verir.
Rol
Yapay zekâ kim gibi davranacak? Uzmanlık alanını belirler.
Prompt:
- “Sen, 10 yıllık B2B pazarlama deneyimi olan, Mochatouch’da Strateji Direktörüsün. Eğitici, samimi ama profesyonel bir danışman gibi konuş. Jargon kullanmaktan çekinme, ancak her iddiayı veri ile destekle.”
Fark: ROL, AI’nın ses tonunu, uzmanlığını ve yaklaşımını netleştirir.
Çıktı
Tam olarak ne istiyoruz? Format, uzunluk, yapı?
Prompt:
- “5 kısa LinkedIn postu (her biri maksimum 280 karakter). Format: Hook (giriş) + insight (içgörü) + CTA. Ton: eğitici, hafif muzip. İçgörüleri madde işaretleriyle listele ve emoji kullan”
Fark: format tanımlı olduğunda, çıktı tutarlı ve hemen kullanılabilir olur.
Kısıtlamalar
- “Kısıtlamalar: – B2C bağlamından hiçbir şekilde bahsetme. – Veri olmadan yorum yapma. – Şirket ismi (ChatGPT, Claude vb.) kullanma. – Teknik jargonu açıkla ya da alternatifini ver.
Bağlam
- “Bağlam: Bu postlar, 2025’in ilk çeyrek LinkedIn içerik takviminde, B2B pazarlamacılar (VP/Manager seviyesi) hedefleniyor. Amaç: Etkileşimi %40, lead yaratımını %15-20 artırmak. Platformda ‘prompt engineering B2B’ hakkında konuşuluyor, biz de bu konulara katılalım
Promptları Optimize Etmek: Test ve İterasyon
- Ton ve uzunluk ayarı:
- “Bunu daha kısa ve net yaz.”
- “Tonunu biraz daha kurumsal yap.”
- “Metni 600–800 kelime aralığına indir.”
- Format dönüşümü:
- “Bu içerikten 5 maddelik bir LinkedIn postu çıkar.”
- “Bu yazıyı e-posta metni formatına dönüştür.”
- “Aynı içeriği yönetici özeti formatında yeniden yaz.”
- Persona ve funnel yeniden çerçeveleme:
- “Bu metni teknik bilgisi sınırlı bir CMO’ya göre sadeleştir.”
- “Konuyu farkındalık aşamasındaki lead’ler için yeniden kurgula.”
- Somutlaştırma:
- “Bölüm sonlarına 3 somut örnek ekle.”
- “B2B SaaS şirketlerinden kısa vaka örnekleri ver.”
- REFERENCES (Referanslar): Marka tonu, önceki başarılı örnekler, kurumsal kimlik rehberleri gibi kaynaklar.
- EVALUATE (Değerlendirme): Çıktıyı hangi kriterlere göre iyi/kötü değerlendireceğinizi netleştirmek (örneğin: netlik, teknik doğruluk, CTA açıklığı).
- ITERATE (Yinele): İlk sonucu aldıktan sonra modele geri bildirim verin ve tekrar üretmesini isteyin.
- “Daha somut örnek ver.”
- “Madde madde yaz.”
- “B2B pazarlama terimlerini biraz daha vurgula.”
- “Daha kompakt hâle getir, tekrarları azalt.”
Gelişmiş Prompt Teknikleri
Daha da derine gitmek için farklı teknikler de kullanabilirsiniz. Bu teknikler özellikle daha karmaşık B2B senaryolarında (ABM, çok adımlı kampanyalar, strateji dokümanları vb.) çıktının kalitesini belirgin biçimde yükseltir.
Chain of thought (Adım adım düşünme)
Zapay zekâya bir cevaba nasıl ulaştığını aşamalı olarak göstermesini veya düşünme sürecini taklit etmesini söylemektir. Sadece sonuç değil, süreci de talep etmek, çıktı kalitesini çarpıcı biçimde artırır.
Örnek Prompt: “Bu ayki lead metriklerinin (MQL -> SQL oranı) düşmesinin olası 5 nedenini analiz et. Cevabını verirken şu adımları izle: 1. Olası nedenleri listele. 2. Her bir nedeni, geçmiş 3 ayın verilerine göre 1’den 5’e kadar (5 en yüksek etki) puanla. 3. Puanlamana dayanarak en olası 2 nedeni detaylandır.”
Bu yaklaşım, özellikle strateji dokümanlarında daha tutarlı ve mantıksal olarak daha güçlü çıktılar almanızı sağlar.
Prompt chaining (Zincirleme prompt)
- Prompt> Araştırma: “Hedef 10 hesap (Account) için (X, Y, Z kriterleri) araştırma yap. Sonucu şu JSON formatında ver: {companyName, recentNews, topPainPoint}.”
- Prompt> Mesaj üretimi: “Prompt 1’deki araştırmayı kullanarak her hesap için 1 kişiselleştirilmiş e-posta yaz. Ton: peer-to-peer, satış baskısı düşük.”
- Prompt; Test planı: “Ürettiğin 10 e-posta için e-posta başlığı ve CTA’lara yönelik bir A/B test planı çıkar; hipotez ve başarı metriğini belirt.”
Tree of Thought
Yapay zekâdan bir sorunun birden fazla potansiyel çözüm yolunu keşfetmesini istersiniz.
Örnek Prompt: “Bir ABM e-postası için 3 farklı subject line yaklaşımı öner: (1) Otorite/istatistik odaklı, (2) Merak uyandıran soru odaklı, (3) Piyasa değişimi ve rekabet baskısı odaklı. Her yaklaşım için kısa ‘neden işe yarayabilir / nerede zayıf kalır’ analizi yap. Sonrasında bu üç yaklaşımı harmanlayarak 3 hibrit subject line üret.”
Hatalar ve Dikkat Edilmesi Gerekenler
- Halüsinasyon ve yanlış bilgi riski
Büyük dil modelleri, zaman zaman gerçekte var olmayan bilgiler üretebilir veya bağlamı hatalı yorumlayabilir. Teknik, regülasyon veya finansal konularda bu risk daha da belirgindir. Bu yüzden;- Modelden mümkün olduğunda kaynak belirtmesini isteyin.
- Kritik bilgileri bağımsız kanallardan doğrulayın.
- Hukuki, finansal ve uyum dokümanlarını yalnızca “taslak” olarak değerlendirin.
- Güncellik ve bilgi kesiti
Modellerin bir bilgi kesiti tarihi vardır; bu tarihten sonraki gelişmeler modele tam yansımamış olabilir. Özellikle reklam platformu değişiklikleri, yeni özellikler veya güncel trendler bu kapsama girer. - Gizlilik, müşteri verisi ve kurumsal sırlar
- Müşteri isimleri, bütçeler, henüz açıklanmamış özellikler gibi verileri paylaşırken dikkatli olun.
- Mümkünse kişisel verileri anonimleştirin.
- Uygun durumlarda gerçek veriler yerine senaryo/veri setleriyle çalışın.
Prompt mühendisliği, yapay zekâ araçlarını işinde aktif kullanan B2B pazarlama yöneticileri, içerik ve performans ekipleri, ajanslar ve büyüme ekipleri için kritik önemdedir. Ayrıca satış, ürün ve müşteri başarı ekipleri de rapor ve özet üretimi için bu beceriden faydalanabilir.
Önce en sık tekrar eden senaryoları (blog taslağı, LinkedIn Ads kopyası, e-posta serisi, rapor özeti vb.) çıkarın. Her senaryo için işe yaradığını kanıtladığınız promptları tek bir dokümanda toplayın ve zamanla versiyonlayın. Ortak bir prompt kütüphanesi, hem hız hem de marka tutarlılığı açısından önemli bir kaldıraçtır.
Hayır. Prompt mühendisliği, kod yazmaktan çok problem çerçeveleme ve brief hazırlama becerisine dayanır. Pazarlama ve içerik ekipleri; hedef kitle, amaç ve bağlamı net tanımlayabildikleri sürece, teknik programlama bilgisi olmadan da etkili promptlar yazabilir.
Ajanslar için en sağlıklı yaklaşım, kategorize edilmiş bir bilgi tabanı oluşturmaktır. Blog, reklam, e-posta, rapor gibi kullanım alanlarına göre ayrılmış prompt şablonları, ekiplerin aynı dili kullanmasını sağlar. Düzenli iç eğitimler ve örnek paylaşımı ise bu sistemin güncel ve canlı kalmasına yardımcı olur.
İçeriği oluştururken hem ChatGPT hem Gemini hem de Claude kullandım ama aşağıdaki linkler de çok yardımcı oldu.
- https://www.ibm.com/de-de/think/topics/prompt-engineering
- https://cloud.google.com/discover/what-is-prompt-engineering?hl=de
- https://platform.openai.com/docs/guides/prompt-engineering
- https://aws.amazon.com/de/what-is/prompt-engineering/
- https://de.wikipedia.org/wiki/Prompt_Engineering
- https://www.youtube.com/watch?v=p09yRj47kNM
- https://www.youtube.com/watch?v=_ZvnD73m40o
- https://www.youtube.com/watch?v=5i2Hn8OG94o
- https://www.youtube.com/watch?v=qBlX6FhDm2E


