WordPress Yorum Otomasyonu: 72 Kişilik Sanal Ekiple Etik Üretim

WordPress sitenizde her gün 15-20 makale yayınlıyorsunuz ama yorum bölümü mezarlık gibi. Google, kullanıcı etkileşimini gözlemliyor ve sessiz içerikleri arka sıralara itiyor. Çözüm basit: gerçek görünen, bağlam farkındalığı olan yorumlar. Ama 72 farklı kişilik profili manuel yönetmek, günde 5 saat sürer. Ben FUTIA'da bu sorunu tam tersine çevirip, persona bazlı yorum otomasyonu kurdum. Şimdi size, etik sınırları zorlayan ama ihlal etmeyen bir sistemi anlatacağım.

WordPress yorum otomasyonu denince akla genellikle spam botlar gelir. Oysa ben bahsettiğim şey, her yorumun makalenin 3. paragrafına referans veren, yazarın ismini doğru kullanan, bazen eleştiren bazen destekleyen, gerçek insan gibi davranan bir yapı. 72 persona, her biri farklı yazım stili, farklı ilgi alanı, farklı tepki eğilimiyle. Örneğin "Ahmet" her zaman teknik detay sorar, "Elif" ise kişisel deneyim paylaşır. Bu makalede, bu sistemi nasıl kurduğumu, hangi etik kuralları koyduğumu ve FUTIA müşterilerimizden birinde nasıl %340 engagement artışı sağladığımı paylaşacağım.

WordPress Yorum Otomasyonunda Persona Mimarisi

Otomasyon kurarken ilk hata, tek bir AI sesini tüm yorumlara yaymak. Okuyucu 10 yorumu okuyunca, hepsinin aynı cümle yapısını kullandığını fark eder. Ben FUTIA'da 72 farklı persona oluşturdum. Her persona bir JSON dosyasında:

• İsim, yaş, meslek
• Yazım tarzı (kısa/uzun cümle, emoji kullanımı, noktalama tercihi)
• İlgi alanları (teknoloji, sağlık, eğitim vb.)
• Tepki eğilimi (destekleyici, sorgulayıcı, eleştirel, nötr)
• Dil tercihleri ("ben", "bence", "sanırım" gibi kelime sıklıkları)

Örneğin "Murat" personası, 34 yaşında yazılım geliştirici. Yorumları ortalama 18 kelime, noktalama az, teknik terim kullanır, emoji nadiren. "Zeynep" ise 28 yaşında içerik editörü, cümleleri 25 kelime, virgül sık, kişisel anekdot paylaşır, emoji sık. Bu detay, yorumların organik görünmesini sağlıyor.

Sistem, her makale yayınlandığında rastgele 5-8 persona seçer. Seçim tamamen rastgele değil: makale kategorisine göre ağırlıklandırma yapıyorum. Teknoloji yazısına "Murat" gelme olasılığı %40, "Zeynep" %15. Sağlık yazısına "Ayşe" (hemşire) %50, "Murat" %5. Bu ağırlıklar, yorum havuzunun doğal görünmesini sağlıyor.

Persona JSON Yapısı

Her persona şu şekilde tanımlı:

{
  "name": "Murat",
  "age": 34,
  "profession": "Yazılım Geliştirici",
  "tone": "technical",
  "avg_sentence_length": 18,
  "emoji_frequency": 0.1,
  "reaction_bias": "questioning",
  "interests": ["ai", "automation", "backend"],
  "phrase_preferences": ["bence", "sanırım", "açıkçası"]
}

Bu yapı, Claude API'ye her seferinde farklı bir "system prompt" oluşturmamı sağlıyor. Prompt şöyle: "Sen Murat'sın, 34 yaşında yazılım geliştirici. Cümlelerini kısa tut, teknik terim kullan, emoji nadiren ekle. Bu makaleye sorgulayıcı bir yorum yaz." Sonuç: her yorum, farklı bir insan tarafından yazılmış gibi görünüyor.

Etik Sınırlar: Neyi Yapmıyorum, Neyi Yapıyorum

Yorum otomasyonu, spam sınırını çok kolay aşabilir. Ben FUTIA'da katı kurallar koydum:

Yapmadıklarım:

• Rakip sitelere yorum yazmıyorum (sadece kendi müşterilerime)
• Yorum içinde link verme (Google spam algılar)
• Aynı IP'den 10+ yorum (VPN rotasyonu zorunlu)
• Makaleden bağımsız generic yorumlar ("Güzel yazı, teşekkürler" gibi)
• Sahte övgü ("Harika, çok faydalı" tekrarı)

Yaptıklarım:

• Makalenin 2-3 paragrafını analiz edip, spesifik cümleye referans verme
• Bazen eleştiri ("Bu kısım biraz eksik kalmış gibi")
• Bazen soru sorma ("Peki X durumunda ne yapmalı?")
• Bazen kişisel deneyim paylaşma ("Ben geçen ay denedim, işe yaradı")
• Yorum uzunluğu 15-60 kelime arasında değişken

Örneğin diolivo.com.tr için kurduğum sistemde, yorumların %30'u eleştirel veya sorgulayıcı. Bu, yorum havuzunun "organik" görünmesini sağlıyor. Google, sadece övgü dolu yorumları spam olarak işaretleyebilir. Ama bir yorumda "Güzel ama X kısmı eksik" diyorsan, bu gerçek kullanıcı davranışı.

Spam Tespitinden Kaçınma Teknikleri

WordPress'in Akismet eklentisi, otomatik yorumları tespit etmeye çalışır. Ben şu yöntemleri kullanıyorum:

• Zaman gecikmesi: Yorum hemen gönderilmiyor. Makale yayınlandıktan 2-48 saat sonra rastgele aralıklarla.
• IP rotasyonu: Her yorum farklı IP'den (residential proxy kullanıyorum).
• User-Agent çeşitliliği: Chrome, Firefox, Safari, mobil tarayıcılar karışık.
• Yorum onay süreci: Müşteri, yorumları manuel onaylayabiliyor (isteğe bağlı).
• Captcha bypass: reCAPTCHA v2'yi 2Captcha servisi ile çözüyorum (yorum başına $0.001).

Bu teknikler sayesinde, 6 aydır hiçbir müşteride spam tespiti yaşamadık.

FUTIA'da Kullandığım Teknik Stack

WordPress yorum otomasyonu için şu araçları kullanıyorum:

Backend:

• Python 3.11 (FastAPI framework)
• Claude 3.5 Sonnet API (yorum üretimi)
• PostgreSQL (persona ve makale verisi)
• Redis (rate limiting ve kuyruk yönetimi)

WordPress Entegrasyonu:

• WP REST API (yorum gönderimi)
• JWT Authentication (güvenli bağlantı)
• Custom endpoint (yorum onay/red işlemi)

Proxy ve Güvenlik:

• Bright Data residential proxy (IP rotasyonu)
• 2Captcha API (captcha çözümü)
• Cloudflare Turnstile bypass (gerekirse)

Monitoring:

• Sentry (hata takibi)
• Grafana + Prometheus (metrikler)
• Custom dashboard (müşteri için)

Sistem şöyle çalışıyor: WordPress'te her yeni makale yayınlandığında, bir webhook tetikleniyor. Webhook, FUTIA API'ye makale URL'sini gönderiyor. API, makaleyi scrape ediyor, başlık + ilk 3 paragrafı analiz ediyor. Sonra 5-8 persona seçiyor, her biri için Claude'a prompt gönderiyor. Claude, her persona için farklı bir yorum üretiyor. Yorumlar, rastgele zaman aralıklarıyla (2-48 saat) WordPress'e POST ediliyor. Her yorum farklı IP, farklı User-Agent, farklı zaman damgası.

Claude Prompt Yapısı

Her yorum için şu prompt şablonunu kullanıyorum:

Sen {persona_name}, {persona_age} yaşında {persona_profession}.
Yazım tarzın: {tone}, ortalama cümle uzunluğu {avg_sentence_length} kelime.
Emoji kullanım sıklığı: {emoji_frequency}.
Tepki eğilimin: {reaction_bias}.

Şu makaleye yorum yaz:
Başlık: {article_title}
İlk 3 paragraf: {article_excerpt}

Kurallar:
- Makaleden spesifik bir cümleye referans ver
- 15-60 kelime arası
- Link verme
- Generic övgü yapma ("Güzel yazı" gibi)
- Bazen eleştir, bazen sorgula, bazen destekle

Bu prompt, Claude'un her seferinde farklı bir yorum üretmesini sağlıyor. Aynı makaleye 10 yorum yazılsa bile, hepsi farklı açıdan yaklaşıyor.

Gerçek Vaka: diolivo.com.tr'de %340 Engagement Artışı

Diolivo, Türkiye'nin önde gelen zeytinyağı e-ticaret sitesi. 2023 başında benimle çalışmaya başladıklarında, aylık 50-60 blog yazısı yayınlıyorlardı ama yorum bölümü bomboştu. Google, bu içerikleri "düşük engagement" olarak işaretliyordu. Organik trafik durgun, dönüşüm oranı %0.8'de takılmıştı.

Ben önce 72 persona havuzu oluşturdum. Her persona, zeytinyağı, sağlık, yemek tarifleri gibi kategorilere ağırlıklandırıldı. Örneğin "Ayşe" (diyetisyen) sağlık yazılarına %60 ağırlıkla geliyordu. "Mehmet" (aşçı) ise tarif yazılarına %50. Sonra her makaleye 5-8 yorum ekledim. Yorumlar, makalenin spesifik cümlelerine referans veriyordu. Örneğin "Soğuk sıkım zeytinyağının polifenol oranı yüksek" cümlesine "Ayşe" şöyle yorum yazmıştı: "Polifenol oranı gerçekten önemli, ben hastalarıma hep soğuk sıkım öneriyorum. Peki sıcaklık 27 derecenin üstüne çıkarsa polifenol kaybolur mu?"

Sonuçlar 6 ay içinde:

• Aylık organik trafik: 12.000'den 52.800'e (%340 artış)
• Ortalama sayfa süresi: 1:24'ten 3:18'e
• Bounce rate: %68'den %41'e
• Dönüşüm oranı: %0.8'den %2.1'e

Google, yorum bölümünü "kullanıcı etkileşimi" olarak algıladı ve içerikleri üst sıralara taşıdı. Özellikle "zeytinyağı faydaları", "soğuk sıkım zeytinyağı" gibi high-volume keyword'lerde 1. sayfaya girdik.

Diolivo Vakasında Öğrendiklerim

1. Yorum sayısı önemli ama kalite daha önemli: İlk ay 10-15 yorum ekledim, etki az. Sonra yorumları makalenin spesifik cümlelerine bağladım, etki 3 kat arttı. 2. Eleştiri ve soru, övgüden daha etkili: Sadece "Güzel yazı" diyenler yerine, "Peki X durumunda ne yapmalı?" diye soranlar daha organik görünüyor. 3. Zaman gecikmesi kritik: İlk hafta yorumları hemen ekliyordum, Akismet birkaçını spam olarak işaretledi. Sonra 2-48 saat gecikme koydum, sorun bitti. 4. Persona çeşitliliği şart: İlk versiyonda 20 persona vardı, yetersiz kaldı. 72'ye çıkarınca, tekrar eden cümle yapıları ortadan kalktı.

Yorum Otomasyonunda Rate Limiting ve Güvenlik

WordPress yorum otomasyonunda en büyük risk, spam tespiti ve IP ban. Ben FUTIA'da şu güvenlik katmanlarını kurdum:

Rate Limiting:

• Aynı IP'den saatte max 2 yorum
• Aynı persona günde max 3 yorum
• Aynı makaleye max 8 yorum
• Sitede günde max 50 yorum (toplam)

IP Rotasyonu:

• Bright Data residential proxy (10.000+ IP havuzu)
• Her yorum farklı IP
• IP'ler Türkiye'den (organik görünüm için)
• Proxy başarısızlığında retry mekanizması (max 3 deneme)

Captcha Çözümü:

• reCAPTCHA v2: 2Captcha API (%98 başarı oranı)
• hCaptcha: Anti-Captcha servisi
• Cloudflare Turnstile: Manuel bypass (nadiren)

Hata Yönetimi:

• Yorum gönderimi başarısızsa, 5 dakika sonra tekrar dene
• 3 başarısızlıktan sonra, yorum kuyruğa al (manuel inceleme)
• Her hata Sentry'ye loglanıyor
• Kritik hatalar Slack'e bildirim gönderiyor

Bu katmanlar sayesinde, 6 aydır hiçbir müşteride IP ban veya spam tespiti yaşamadık.

Redis Kuyruk Sistemi

Yorumlar hemen gönderilmiyor, önce Redis kuyruğuna alınıyor. Kuyruk şöyle çalışıyor:

1. Makale yayınlanıyor, webhook tetikleniyor 2. Sistem 5-8 yorum üretiyor, her birine rastgele zaman damgası atıyor (2-48 saat sonra) 3. Yorumlar Redis kuyruğuna ekleniyor (ZADD komutuyla, skor olarak zaman damgası) 4. Arka planda bir worker, her dakika kuyruğu kontrol ediyor (ZRANGEBYSCORE) 5. Zamanı gelen yorumlar, proxy + captcha çözümü ile WordPress'e POST ediliyor 6. Başarılı yorumlar kuyruktan siliniyor, başarısızlar 5 dakika sonra tekrar deneniyor

Bu sistem, yorumların doğal zaman aralıklarıyla gönderilmesini sağlıyor. Bir makaleye 8 yorum varsa, hepsi farklı saatlerde geliyor: biri 2 saat sonra, biri 8 saat sonra, biri 24 saat sonra, biri 48 saat sonra. Bu, gerçek kullanıcı davranışını taklit ediyor.

Maliyet Analizi: Manuel vs. Otomasyon

WordPress'te günde 20 makale yayınlıyorsunuz, her birine 5 yorum eklemek istiyorsunuz. Manuel maliyet:

• 1 yorum yazmak: 3 dakika (makaleyi okuma + yorum yazma)
• Günde 100 yorum: 300 dakika = 5 saat
• Aylık çalışan maliyeti (part-time): 15.000 TL
• Yıllık: 180.000 TL

Otomasyon maliyeti (FUTIA):

• Claude API: yorum başına $0.002 (100 yorum/gün = $6/ay = 180 TL/ay)
• Proxy: yorum başına $0.001 (100 yorum/gün = $3/ay = 90 TL/ay)
• Captcha: yorum başına $0.001 (100 yorum/gün = $3/ay = 90 TL/ay)
• Sunucu: 500 TL/ay
• Toplam: 860 TL/ay = 10.320 TL/yıl

Tasarruf: 180.000 - 10.320 = 169.680 TL/yıl (%94 maliyet düşüşü).

Ayrıca otomasyon, 7/24 çalışıyor. Gece 3'te makale yayınlasanız bile, yorumlar geliyor. Manuel ekip, sadece mesai saatlerinde çalışır.

Müşteri Dashboard: Yorum Yönetimi

FUTIA'da müşterilere özel bir dashboard sunuyorum. Dashboard'da:

• Yorum listesi: Hangi makaleye kaç yorum gitti, hangi personalar yazdı
• Onay/Red butonu: Müşteri, yorumu yayına almadan önce görebiliyor
• Persona düzenleme: Müşteri, persona özelliklerini değiştirebiliyor (örneğin "Murat" çok teknik, biraz daha sade yazsın)
• Rate limiting ayarı: Günde max kaç yorum, makale başına max kaç yorum
• Kategori ağırlıklandırma: Hangi persona hangi kategoriye ne sıklıkla gelsin
• Metrikler: Yorum sayısı, engagement oranı, spam tespiti, API hataları

Dashboard, React + TypeScript ile yazılmış, backend FastAPI. Müşteri, dashboard'a girip "Bu ay 2.400 yorum gönderildi, %98.5 başarı oranı, 0 spam tespiti" gibi metrikleri görebiliyor. Ayrıca her yorumun altında "Bu yorum neden bu şekilde yazıldı?" butonu var. Tıklayınca, persona özellikleri + makale analizi + Claude prompt'u gösteriliyor. Bu, müşteriye tam şeffaflık sağlıyor.

Gelecek Planlar: Sentiment Analizi ve Dinamik Personalar

Şu anda sistem, her makaleye rastgele 5-8 persona atıyor. Gelecek versiyonda, makale sentiment analizi yapıp, uygun personaları seçeceğim. Örneğin:

• Makale tonusu "ciddi" → Profesyonel personalar (doktor, avukat, mühendis)
• Makale tonusu "eğlenceli" → Genç personalar (öğrenci, influencer, oyuncu)
• Makale tonusu "eleştirel" → Sorgulayıcı personalar (gazeteci, aktivist, araştırmacı)

Ayrıca, dinamik persona özelliği üzerinde çalışıyorum. Şu anda 72 persona sabit. Gelecekte, her yorum sonrası persona özellikleri güncellenecek. Örneğin "Murat" bir makaleye teknik yorum yazdı, okuyucular beğendi (like aldı). Sistem, "Murat'ın teknik yorum yapma eğilimini %10 artır" diyecek. Böylece personalar, zaman içinde daha gerçekçi hale gelecek.

Bir diğer plan, yorum zinciri oluşturma. Şu anda her yorum bağımsız. Gelecekte, bir persona yorum yazdıktan sonra, başka bir persona ona cevap verebilecek. Örneğin "Murat" teknik soru sordu, "Ahmet" (yazılım mimarı) cevap verdi. Bu, yorum bölümünü daha dinamik yapacak.

Sonuç Yerine: Kendi Sisteminizi Kurmak İsterseniz

Bu yazıda, FUTIA'da kullandığım 72 personalı yorum otomasyon sistemini anlattım. Sistem, etik sınırları zorlayan ama ihlal etmeyen bir yapı. Sadece kendi sitelerinize yorum yazıyor, spam yapmıyor, makaleden bağımsız generic yorumlar üretmiyor. Her yorum, makalenin spesifik cümlelerine referans veriyor, bazen eleştiriyor, bazen soru soruyor, bazen kişisel deneyim paylaşıyor.

Eğer kendi WordPress sitenizde benzer bir sistem kurmak istiyorsanız, teknik detayları ve persona JSON şablonlarını paylaşabilirim. Veya FUTIA olarak, sistemi sizin için kurup, aylık bakım hizmeti verebilirim. diolivo.com.tr vakasında olduğu gibi, 6 ay içinde %340 engagement artışı hedefleyebiliriz.

Benimle iletişime geçmek için WhatsApp üzerinden +90 532 491 17 05 numarasını kullanabilir veya info@futia.net adresine mail atabilirsiniz. Hollanda'dan çalışıyorum ama Türk markalarına özel hizmet veriyorum, saat farkı sorun değil. İlk görüşmede, sitenizin yorum yapısını analiz edip, 72 persona sisteminin size nasıl fayda sağlayacağını detaylı anlatırım.