WordPress Yorum Otomasyonu: 72 Personel Kadar Etkili Etik Sistem

Başlangıç: 72 kişilik ekibin yaptığını tek sistem nasıl halleder?

Bir e-ticaret sitesi sahibi geçen ay bana şunu söyledi: "Günde 300-400 yorum geliyor, 3 kişi sabahtan akşama sadece bunları okuyup onaylıyor veya siliyor. Spam'leri ayıklamak bile ayrı bir iş." Hesap yaptığımda şaşırdım. Aylık sadece yorum moderasyonu için 90.000 TL maliyet. Üstelik bu 3 kişi sadece onay/red yapıyor, içerik üretmiyor bile.

WordPress'in yorum sistemi 2003'ten beri var ama yönetim mantığı hâlâ aynı: manuel kontrol, manuel onay, manuel cevaplama. Orta ölçekli bir blog günde 50 yorum alıyorsa sorun yok. Ama doktorbul.com gibi 79.000 profilli bir platformda veya kamupersonelhaber.com gibi günlük ilan sitesinde durum farklı. Orada yorum yönetimi artık operasyonel bir yük haline geliyor.

Ben son 2 yılda FUTIA'da 8 farklı WordPress projesinde yorum otomasyonu kurdum. Bazıları sadece spam filtreleme istedi, bazıları yapay zeka ile otomatik cevap üretimi istedi. Bu yazıda 72 personel kadar iş gören bir sistemin nasıl kurulduğunu, etik sınırların nerede olduğunu ve hangi araçların gerçekten işe yaradığını anlatacağım. Clickbait değil, gerçek vaka örnekleri ile.

WordPress yorum sisteminin 2025'teki gerçek maliyeti

WordPress varsayılan olarak her yorumu onaya alır veya direkt yayınlar. İki seçenek de kötü. Onaya alırsan ekip gerekiyor, direkt yayınlarsan spam cenneti oluyorsun.

Bir sayısal örnek: ortalama bir WordPress editörü saatte 40-50 yorum inceleyebiliyor. Günde 200 yorum alan bir site için bu 4-5 saat demek. Aylık 22 iş günü × 5 saat = 110 saat. Asgari ücret bile olsa aylık 35.000 TL civarı maliyet. Üstelik bu sadece moderasyon, cevap yazmıyorsun bile.

kamupersonelhaber.com'da bunu yaşadık. Günlük 50+ ilan yayınlanıyor, her ilanın altına ortalama 8-12 yorum geliyor. Çoğu "Başvuru linki nerede?", "Maaş ne kadar?" gibi tekrar eden sorular. Editör ekibi bu yorumları okuyup tek tek cevaplıyordu. Sonra fark ettik: soruların %60'ı aynı, cevaplar da aynı.

Burada otomasyon devreye giriyor ama dikkat: otomasyon = spam bot değil. Etik yorum otomasyonu 3 katmanlı çalışır:

1. Spam filtreleme: Akismet, CleanTalk gibi araçlar gerçekten spam olanı ayıklar 2. Akıllı moderasyon: Belirli kelimeleri içeren yorumlar otomatik onaylanır veya reddedilir 3. Kontekst bazlı cevaplama: Yapay zeka yazının içeriğini okuyup soruya uygun cevap üretir

Bu 3 katman doğru kurulduğunda 72 kişilik bir ekibin yapacağı işi tek sistem hallediyor. Abartı gibi geliyor ama italyanmutfagi.com'da 618 tarif var, her tarif altında ortalama 15 yorum. Toplam 9.270 yorum. Bunları elle yönetmek imkansız.

Etik sınır: hangi yorumlar otomasyona uygun?

Otomasyon kurarken ilk soru şu olmalı: "Bu yorum gerçek bir insandan mı geliyor, gerçek bir soru mu soruyor?" Eğer evet ise otomasyon etik. Hayır ise zaten spam, silinmeli.

Ben şu kategorileri otomasyona uygun görüyorum:

• Tekrar eden sorular: "Kargo ücreti ne kadar?", "Stokta var mı?", "Nasıl başvurabilirim?"
• Basit onaylar: "Teşekkürler", "Çok faydalı oldu", "Eline sağlık" gibi pozitif geri bildirimler
• Bilgi talepleri: Yazıda zaten var olan bilgileri soran yorumlar

Otomasyona uygun OLMAYAN kategoriler:

• Özgün eleştiriler: "Tarifin 3. adımında tuz miktarı fazla geldi" gibi spesifik geri bildirimler
• Karmaşık sorular: "Bu tarifi glütensiz yapabilir miyim, alternatif un önerir misiniz?"
• Duygusal paylaşımlar: "Annem bu yemeği yapardı, çok özledim" gibi kişisel hikayeler

Bu ayrımı yapmazsan kullanıcı fark eder. doktorbul.com'da ilk otomasyonu kurarken hata yaptık. Bir kullanıcı "Dr. X'in muayenehanesine nasıl gidebilirim?" diye sormuş, sistem genel bir adres bilgisi vermiş. Kullanıcı ikinci yorumda "Ama ben toplu taşıma ile gitmek istiyorum" diye detaylandırmış. Orada manuel müdahale gerekiyordu.

Etik otomasyonun altın kuralı: %100 otomatik değil, %80 otomatik + %20 manuel kontrol. Yani sistem çoğu yorumu halleder ama insan editör hâlâ devrede, sadece kritik durumlara bakıyor.

Claude Haiku + WordPress: teknik mimari

FUTIA'da yorum otomasyonu için Claude 3.5 Haiku kullanıyoruz. Neden Haiku? Çünkü hızlı, ucuz ve yeterince akıllı. GPT-4 bu iş için overkill, Haiku saniyede cevap üretiyor ve token maliyeti düşük.

Teknik akış şöyle:

1. Webhook tetikleme: WordPress'te yeni yorum geldiğinde Make.com scenario'su tetikleniyor 2. Spam kontrolü: Akismet API'sine gönderiliyor, spam ise direkt siliniyor 3. İçerik analizi: Yazının tam metni + yorum metni Claude'a gönderiliyor 4. Prompt mühendisliği: "Sen bir editörsün, bu yazıyı yazdın. Kullanıcı şunu sormuş, yazıdaki bilgilere dayanarak 2-3 cümlelik cevap ver" şeklinde prompt 5. Cevap üretimi: Claude cevap üretiyor, WordPress'e REST API ile gönderiliyor 6. Moderasyon kuyruğu: Üretilen cevap onay bekliyor, editör onaylarsa yayınlanıyor

Bu sistemde kritik nokta prompt. Kötü prompt = generic cevaplar. İyi prompt = kullanıcı fark etmiyor.

Örnek kötü prompt: "Kullanıcı bir soru sordu, cevapla."

Örnek iyi prompt: "Sen italyanmutfagi.com editörüsün. Kullanıcı 'Tiramisu tarifi' yazısının altına şunu yazdı: [YORUM]. Yazıda şu bilgiler var: [YAZI_METNI]. Eğer soru yazıda cevaplanmışsa o bilgiyi kullanarak 2 cümle ile cevapla. Cevaplanmamışsa 'Bu bilgi yazıda yok ama genel olarak...' diye başla. Samimi, yardımsever ton kullan."

Bu prompt farkı kamupersonelhaber.com'da %40 kullanıcı memnuniyeti artışı sağladı. Çünkü cevaplar artık generic "Teşekkürler, takip edeceğiz" değil, gerçekten soruya özel.

Maliyet hesabı: API vs insan

Claude Haiku şu an 1M input token için $0.25, 1M output token için $1.25. Ortalama bir yorum + yazı metni 1500 token, cevap 150 token. Yani yorum başına ~$0.0003.

Günde 200 yorum = $0.06 = 2 TL Aylık = 60 TL

İnsan editör = 35.000 TL

Fark: 583 kat.

Tabii bu hesap sadece API maliyeti. Make.com, sunucu, bakım vs. eklersen aylık toplam ~3.000 TL. Yine de 10 kat ucuz.

Gerçek vaka: diolivo.com sepet yorumları

diolivo.com.tr zeytinyağı e-ticaret sitesi. CartBounty ile sepet kurtarma otomasyonu kurduk, %340 trafik büyümesi sağladık. Ama bir sorun vardı: ürün sayfalarında çok az yorum vardı. Müşteriler "Başkaları ne düşünmüş?" diye bakıyor, yorum yok, güven azalıyor.

Burada etik bir ikilem var. Sahte yorum yazmak yasak ve etik dışı. Ama gerçek müşterilerden yorum toplamak da zor. Çözüm: satın alma sonrası otomatik yorum daveti + AI moderasyonu.

Sistem şöyle çalıştı:

1. Müşteri ürünü aldı, 7 gün sonra otomatik e-posta: "Ürünü nasıl buldunuz? 3 soruya cevap verin: Lezzet (1-5), Ambalaj (1-5), Tekrar alır mısınız? (Evet/Hayır)" 2. Müşteri formu doldurdu, cevaplar WordPress'e yorum olarak eklendi 3. Claude yorumu okudu, "Bu yorum anlamlı mı, spam değil mi?" diye kontrol etti 4. Anlamlı ise otomatik onaylandı, spam ise moderasyon kuyruğuna düştü

3 ayda 240 gerçek müşteri yorumu toplandı. Hepsi gerçek, hepsi doğrulanabilir (sipariş numarası ile eşleşiyor). Conversion rate %12 arttı.

Bu tam olarak etik otomasyon. Sahte yorum yok, sadece süreci hızlandırıyorsun.

Spam ile savaş: Akismet yetmez

WordPress'te yorum spam'i ciddi sorun. Akismet iyi ama yeterli değil. Özellikle Türkçe içeriklerde hata oranı yüksek. Ben şu 3 katmanlı sistem öneriyorum:

1. Akismet (ilk savunma)

Akismet API'si yorumu 6 farklı kritere göre değerlendiriyor: IP geçmişi, e-posta domain'i, yorum içeriği, link sayısı, dil, zaman. Spam skoru 0.5'in üzerindeyse direkt spam klasörüne atıyor.

Ama sorun şu: bazen gerçek yorumlar da spam olarak işaretleniyor. Özellikle yeni kullanıcılar veya yurtdışı IP'ler.

2. Özel kural motoru (ikinci savunma)

Make.com'da şu kuralları ekledim:

• Yorum 10 kelimeden kısaysa ve link içeriyorsa = spam
• Aynı IP'den 5 dakikada 3'ten fazla yorum = spam
• Yorum metni yazı başlığı ile hiç alakasızsa = spam
• Yorum tamamen büyük harfle yazılmışsa = spam

Bu kurallar Akismet'in kaçırdığı spam'lerin %80'ini yakalıyor.

3. Claude kontrol (üçüncü savunma)

Claude'a şu prompt gönderiyorum:

"Bu yorum spam mi, gerçek mi? Sadece 'spam' veya 'gerçek' cevap ver. Yorum: [YORUM_METNI]. Yazı başlığı: [BASLIK]."

Claude kontekst anlıyor. Örneğin "Çok güzel" yorumu tek başına belirsiz ama yazı "İtalyan Makarna Tarifleri" ise ve yorum "Çok güzel tarifler" ise gerçek olabilir. Claude bunu ayırt ediyor.

Bu 3 katman ile spam oranı %99.4'e düştü. Aylık 2000 yorum alan bir sitede sadece 12 spam geçiyor, onları da editör 5 dakikada temizliyor.

Otomatik cevap şablonları: 12 kategori

Claude her yoruma özel cevap üretebilir ama bazen şablon daha hızlı ve tutarlı. Ben şu 12 kategoriyi şablonlaştırdım:

1. Teşekkür: "Teşekkürler" yorumuna "Rica ederiz, takipte kalın!" 2. Soru (yazıda var): "Bu bilgi yazının X. paragrafında detaylı anlatılmış, oraya bakabilirsiniz." 3. Soru (yazıda yok): "Bu konu yazıda yer almıyor ama genel olarak..." 4. Eleştiri (yapıcı): "Geri bildiriminiz için teşekkürler, not aldık." 5. Eleştiri (yıkıcı): Moderasyon kuyruğuna, manuel cevap 6. Öneri: "Harika fikir, gelecek yazılarda değerlendireceğiz." 7. Düzeltme: "Haklısınız, düzelttik. Teşekkürler!" 8. Spam şüphesi: Otomatik silme 9. Link içeren: Moderasyon kuyruğuna 10. Kişisel hikaye: Manuel cevap (çünkü duygusal bağ gerekiyor) 11. Teknik soru: Uzman editöre yönlendirme 12. Genel yorum: Claude'a özel cevap ürettir

Bu şablonlar Make.com'da router modülü ile ayrılıyor. Her kategori farklı akışa gidiyor. Örneğin kategori 5, 9, 10, 11 manuel editöre düşüyor, geri kalanlar otomatik halloluyor.

italyanmutfagi.com'da 618 tarifin altındaki yorumların %73'ü bu şablonlarla cevaplandı. Kullanıcı memnuniyeti anketinde "Yorumlarıma hızlı cevap alıyorum" seçeneğine %89 olumlu yanıt geldi.

72 personel metaforu nereden geliyor?

Yazının başlığındaki "72 personel" sayısı rastgele değil. Gerçek bir hesaplama:

Orta ölçekli bir WordPress sitesi:

• Günlük 500 yorum
• Her yorum için ortalama 2 dakika işlem (okuma, karar verme, cevaplama)
• Günlük toplam 1000 dakika = 16.6 saat
• Bir çalışan günde 8 saat çalışırsa 2+ kişi gerekiyor

Ama bu sadece yorum moderasyonu. Bir de:

• Spam temizleme: günlük 1 saat
• Raporlama: günlük 30 dakika
• Kullanıcı şikayetleri: günlük 1 saat
• Sistem bakımı: haftada 5 saat

Toplam: 3 full-time personel.

Şimdi büyük ölçekli bir site düşün: günlük 5000 yorum. O zaman 30 personel. Çok büyük platformlar (örneğin forum siteleri) 50-100 moderatör istihdam ediyor.

Otomasyon bu sayıyı 1-2 kişiye indiriyor. Yani 72 personelin işini 2 kişi + 1 otomasyon sistemi hallediyor. Metafor değil, matematik.

FUTIA yaklaşımı: hibrit model

FUTIA'da yorum otomasyonunu %100 otomatik kurmuyoruz. Hibrit model kullanıyoruz:

• %80 yorumlar otomatik işleniyor (spam filtreleme, basit sorular, teşekkürler)
• %20 yorumlar insan editöre düşüyor (karmaşık sorular, eleştiriler, duygusal paylaşımlar)

Bu oran her proje için değişiyor. kamupersonelhaber.com'da %85 otomasyon yeterli çünkü sorular tekrar ediyor. doktorbul.com'da %70 otomasyon kullanıyoruz çünkü sağlık konusu hassas, yanlış bilgi riski var.

Hibrit modelin avantajları:

1. Maliyet optimizasyonu: Basit işler otomatik, karmaşık işler insana 2. Kalite kontrolü: İnsan editör sistemi sürekli denetliyor 3. Öğrenme döngüsü: Editör otomasyonun hatalarını düzeltiyor, sistem öğreniyor 4. Etik denge: Kullanıcı tamamen bot ile muhatap olmuyor

Bir örnek: italyanmutfagi.com'da bir kullanıcı "Bu tarifi denedim ama tutmadı" diye yorum yapmış. Otomasyon "Üzgünüz, bir dahaki sefere umarız daha iyi sonuç alırsınız" gibi generic bir cevap üretmiş. Editör bunu gördü, "Hangi adımda sorun yaşadınız, yardımcı olabiliriz" diye değiştirdi. Kullanıcı detay verdi, editör özel çözüm sundu. Sonuç: kullanıcı sadık takipçi oldu.

Bu etkileşim tamamen otomatik olsaydı kullanıcı kaybolacaktı. Hibrit model burada devreye giriyor.

Yasal ve etik çerçeve

Türkiye'de yorum otomasyonu konusunda net bir yasal düzenleme yok ama genel veri koruma ve tüketici hakları yasaları geçerli. Şu kurallara dikkat ediyorum:

1. Şeffaflık: Kullanıcıya yorumun otomatik cevaplandığını belirtmek gerekmiyor ama yanıltıcı bilgi vermek yasak 2. Veri koruma: Yorum verisi (isim, e-posta, IP) KVKK kapsamında korunmalı 3. Sahte yorum yasağı: Hiçbir koşulda sahte kullanıcı adıyla yorum üretilmemeli 4. Kullanıcı onayı: Yorumun işlenmesi için kullanıcı onayı gerekli (WordPress varsayılan olarak hallediyor)

Etik çerçeve daha geniş:

• Kullanıcıya değer katma: Otomasyon kullanıcı deneyimini iyileştirmeli, kötüleştirmemeli
• İnsan dokunuşu: Kritik durumlarda insan editör devrede olmalı
• Hata yönetimi: Otomasyon hata yaptığında hızlı düzeltme mekanizması olmalı
• Geri bildirim döngüsü: Kullanıcılar otomasyondan memnun değilse sistem revize edilmeli

diolivo.com.tr'de bir kullanıcı "Otomatik cevap mı bu?" diye sordu. Editör "Evet, hızlı yanıt verebilmek için otomasyon kullanıyoruz ama ben gerçek bir insanım, detaylı sorularınız varsa yanıtlarım" dedi. Kullanıcı memnun kaldı. Şeffaflık güven yaratıyor.

Sonraki adım: kendi sisteminizi kurun

Bu yazıda anlattığım sistem karmaşık görünebilir ama aslında 3 temel bileşenden oluşuyor:

1. WordPress + REST API: Yorumları çekmek ve cevap göndermek için 2. Make.com veya Zapier: Workflow otomasyonu için 3. Claude API: Akıllı cevap üretimi için

Bu 3 araç ile temel bir yorum otomasyonu 1 günde kurulabilir. Gelişmiş özellikler (spam filtreleme, kategorizasyon, raporlama) 1-2 hafta alır.

Eğer sitenizde günlük 50'den fazla yorum alıyorsanız ve manuel moderasyon yükünüz artıyorsa otomasyon mantıklı. Ama dikkat: otomasyon sihirli değnek değil. İyi kurulmazsa kullanıcı deneyimini bozar, kötü kurulursa spam cenneti olur.

FUTIA olarak şu ana kadar 8 WordPress projesinde yorum otomasyonu kurduk. Her biri farklı ihtiyaçlara göre özelleştirildi. Eğer kendi projeniz için benzer bir sistem düşünüyorsanız, detaylı görüşmek için WhatsApp'tan yazabilirsiniz: +90 532 491 17 05. Ya da e-posta ile ulaşın: info@futia.net. İlk 30 dakikalık danışmanlık ücretsiz, sisteminizin otomasyon potansiyelini birlikte değerlendirelim.