Gerçek SDR Müşterilerimize Gönderdiğimiz 11 Yapay Zeka Cold Email Promptu (Yapay Zeka Gibi Gözükmeden)

Gerçek SDR Müşterilerimize Gönderdiğimiz 11 Yapay Zeka Cold Email Promptu (Yapay Zeka Gibi Gözükmeden)

"En iyi yapay zeka cold email promptları" listelerinin çoğu ChatGPT.com'a yapıştırıp kullanmak için yazılmış. Aşağıdaki on bir yapay zeka cold email promptu, başka birinin blogundan kopyaladığımız şablon galerileri değil; yapay zeka SDR yapılandırmalarımızda fiilen çalıştırdığımız promptlar. Her biri model, sıcaklık, sistem promptu, kullanıcı promptu, örnek çıktı ve yanıt oranı notu ile birlikte geliyor — kopyala-yapıştır hazır, otomasyon hazır.

Temel Çıkarımlar:

• 7 bileşenli prompt anatomisi: Rol -> ICP -> Acı -> Değer -> Ton -> Uzunluk -> CTA.
• En iyi model seçimleri: Claude Sonnet 4.5 (doğal ses), GPT-5 (yapılandırılmış çıktı), Gemini 2.5 Pro (ucuz takip e-postaları).
• Yapay zeka cold email, ABD CAN-SPAM ve AB GDPR kapsamında meşru çıkar gerekçesiyle gerekli açıklamalar yapılarak yasal.
• Teslim edilebilirlik için en etkili kaldıraç: RFC 8058 tek tıkla abonelikten çıkma (Gmail + Yahoo Şubat 2024'ten itibaren zorunlu).

Yapay Zeka Cold Email Promptu Nedir?

Yapay zeka cold email promptu, kişiselleştirilmiş bir giden e-posta oluşturmak için ChatGPT, Claude veya Gemini gibi büyük dil modellerine beslediğiniz yapılandırılmış bir talimat setidir. En güçlü promptların yedi bileşeni vardır: rol, ICP, acı noktası, değer önerisi, ton, uzunluk ve CTA. Doğru yapıldığında, bir insan SDR'ının yazmış gibi okunur.

Burada değer taşıyan bir ayrım var. "ChatGPT.com'a yapıştır" türü promptlar (satıcı şablon galerilerindeki türden), günde beş e-postayı elle gönderdiğinizde gayet iyi çalışır. "Otomasyonların içinde çalışan promptlar" — n8n, Make, Zapier veya doğrudan API üzerinden bağlanmış — farklı bir yaratık. Üretime girecekler ise açık sistem promptlarına, model ve sıcaklık etiketlerine ve yapılandırılmış çıktıya ihtiyaç duyar. Aşağıdaki on bir prompt ikinci türden.

7 Bileşenli Cold Email Promptu Anatomisi (Çoğu Promptun Neden Başarısız Olduğu)

Cold email promptunun yedi hareketli parçası vardır. Herhangi birini yanlış yaparsanız e-posta ya genel ya da robotik okunur. Yedi parça şunlardır: 1) yapay zekanın üstlendiği rol, 2) ICP tanımı, 3) isimlendirilmiş acı noktası, 4) değer önerisi, 5) ton kalibrasyonu, 6) uzunluk sınırı, 7) harekete geçirici mesaj. Herhangi birini atlarsanız model boşluğu en genel varsayılanıyla doldurur.

Yukarıdaki diyagram veri akışını gösteriyor — her parça bir sonrakini besliyor ve CTA, alıcıya göre değişmesi gereken tek bileşen. Geri kalanı yeniden kullanılabilir sistem promptunda yaşar. Bu bir uygulamalı bağlam mühendisliği desenidir: modele her üretim boyunca hangi bağlamı tutacağını söylüyor, ardından alıcıya özel sinyallerin yalnızca son değişkeni geçersiz kılmasına izin veriyorsunuz.

Değer-acı sıralaması hatasını farklı üç yapılandırmada bu anatomyi standartlaştırmadan önce yakaladık. Acı, değerden önce gelmek zorunda — model hangi ilacı önereceğini bilmeden önce yaranın adının geçmesi gerek.

Belirtmediğiniz her cold email promptu bileşenini model icat eder — ve model en genel bildiği sesle icat eder.

Gönderdiğimiz 11 Yapay Zeka Cold Email Promptu

Bu on bir prompt tüm SDR dizisini kapsar: ilk soğuk temas, acı noktası açıcısı, hızlı soru açıcısı, üç takip (3 gün, 7 gün, 14 gün), demo rezervasyonu, yeniden etkileşim, konu satırı üreticisi, üst satış ve referans isteği. Her biri üretimde kullandığımız model ve sıcaklık etiketiyle işaretlidir. İpucu: bu sistem promptlarını yeniden kullanılabilir ajan becerileri olarak kaydedin; böylece oturumlar arasında erişilebilir olurlar ve ekibiniz kopyala-yapıştır denemesinden kurtulur.

Başlamadan önce few-shot ipucu: Sesin en önemli olduğu promptlarda (açıcılar ve referans isteği), sistem promptuna "Referans örnekler — bu sesi eşleştir:" başlığı altında iki veya üç en iyi geçmiş cold e-postanızı yapıştırın. Model, ritmi, kısaltma sıklığını ve cümle uzunluğunu sıfat listelerinden çok daha iyi örneklerden alır.

1. — İlk Soğuk Temas E-postası (Genel ICP)

Hedef: Sinyal verilmemiş ICP uyumlu bir adaya ilk e-posta. Finansman olayı yok, iş değişikliği yok, ılık giriş yok. Saf soğuk. Model + sıcaklık: Claude Sonnet 4.5 @ 0.5 — Sonnet 4'ün "pazarlama müdürü" havasına düşmeden doğal ses. Ne zaman kullanılır: Huni başı toplu gönderiler, unvan ve şirket dışında zenginleştirme olmaksızın 50-500 adaylık listeler.

Sistem promptu (bir kez kaydedin, sonsuza kadar yeniden kullanın):

You are an SDR at {{your_company}}. Voice: direct, conversational, one contraction per paragraph minimum.
ICP: {{icp_description}}.
Their pain: {{primary_pain}}.
Your value: {{one_line_value_prop}}.
Rules: 80-word body cap. Three sentences in opener. End with a question. No "I hope this email finds you well", no "I wanted to reach out".

Kullanıcı promptu (değişkenler doldurulmuş olarak yapıştırın):

Write a cold email to {{first_name}}, {{role}} at {{company}}.
Subject line: 4 words max, lowercase except proper nouns.
Open with a one-line observation that's true for ~80% of {{company_size}} {{industry}} companies.
Body: name the pain, name our fix in one line, ask for 15 minutes.

Örnek çıktı:

Konu: ay sonu kapanışı hakkında

Merhaba Ayşe — 80 kişilik SaaS finans ekiplerinin çoğunda ay sonu kapanışı hâlâ Sheets'te yapılıyor ve bunu yürütmek için biri dört geç geceye gömülüyor.

Spreadsheet el değiştirmeyi tek bir defter görünümüyle değiştirerek kapanışı 9 günden 3'e indirdik. Yeni ERP yok, taşıma yok.

Önümüzdeki Salı veya Perşembe 15 dakika görüşelim mi?

Yanıt oranı notu: Temiz Apollo ile zenginleştirilmiş listede bu prompt ortalama %1,8-3,4 yanıt oranı veriyor. Haftada yaklaşık 800 soğuk e-posta gönderen bir müşteride, ilk temas promptunu Claude Sonnet 4.5'e geçirmek yanıt oranını %1,4'ten %3,1'e çıkardı — aynı liste, aynı teklif, sadece daha az robotik bir ses.

2. — Acı Noktası Açıcısı (Sinyal Tabanlı)

Hedef: Açılmayı hak etmek için belirli bir kamuya açık sinyale başvurun — son finansman, yönetici işe alımı, teknoloji yığını eklentisi. Model + sıcaklık: Claude Opus 4.7 @ 0.4 — sinyal, stalker gibi görünmeden doğal biçimde yerleşmesi gerektiğinde en iyi talimat takibi. Ne zaman kullanılır: Apollo, Clay, Crunchbase veya BuiltWith'ten sinyal verilerine sahip olduğunuzda.

Sistem promptu:

You are an SDR writing signal-based cold outreach. Voice: direct, observation-first, never sycophantic.
The signal you reference must be specific and dated. Never say "congrats on the round" — assume they're sick of it.
Body cap: 70 words. End with a question, not a statement.

Kullanıcı promptu:

Write a cold email to {{first_name}}, {{role}} at {{company}}.
Signal: {{signal_type}} — {{signal_detail}} (e.g., "raised $40M Series C, Oct 2026").
Connect the signal to the pain {{pain}} in one sentence.
Pitch {{value_prop}} in one sentence. Ask for 15 minutes.

Örnek çıktı:

Konu: seri c sonrası finans operasyonları

Merhaba Mehmet — Ekim'deki 40 milyon dolarlık C turunu gördüm. Bu aşamada sonraki 90 gün genellikle işe alım-oryantasyon baskısı ve finans operasyonları cap table mutabakatlarında boğuluyor.

Kontrolör işe almadan önce Seri B–D fintech CFO'larının eklediği defter katmanıyız. Önümüzdeki hafta 15 dakika?

Yanıt oranı notu: Sinyal tazeyken (30 günden az) %4-8 yanıt oranı. Sinyal 60 günden eskiyse %1-2'ye düşüyor.

3. — Hızlı Soru Açıcısı (Düşük Baskı)

Hedef: Önce gerçek bir soru sorarak "bu bir satış konuşması" savunmasını devre dışı bırakın. Düşük baskı, yüksek merak. Model + sıcaklık: Claude Sonnet 4.5 @ 0.6 — konuşma çeşitliliği için hafif artış. Ne zaman kullanılır: ICP'niz aşırı e-posta alıyorsa (sıcak startup'lardaki CFO'lar, CTO'lar, Mühendislik VP'leri).

Sistem promptu:

You are an SDR writing a quick-question cold email. The email asks one real question that's genuinely useful to the recipient — not "do you have 15 minutes". 40-word body cap. No pitch on first email.

Kullanıcı promptu:

Write a 40-word cold email to {{first_name}} at {{company}}.
One question that someone in {{role}} at {{company_size}} {{industry}} would actually want to know about {{topic}}.
Sign off with your name. No CTA other than the question.

Örnek çıktı:

Konu: seri c'de ay sonu kapanışı

Mehmet — hızlı soru. 80 kişi olduğunda, bir kontrolör işe almadan önce kapanışı spreadsheet'te mi bıraktınız yoksa bir deftere mi taşıdınız? Duyduğumuz yanıtlar 50/50 bölünüyor ve nedeni ilginç.

— Ayşe

Yanıt oranı notu: İlk göndermede %3-6 yanıt oranı. Dizideki en yüksek sinyal — yanıtlar işlemsel değil konuşmacı, yani aşağı yönde ılık konuşmalar anlamına geliyor.

4. — Takip no. 1 (3 Günlük Dürtme, Değer Ekleme)

Hedef: İlk göndermeden üç gün sonra bir değer (referans, tek satırlık vaka çalışması, analiz) ekleyin ve yeniden isteyin. Model + sıcaklık: GPT-5 @ 0.5 — "işte mesele, işte istek" akışında en iyi yapılandırılmış çıktı. Ne zaman kullanılır: Her zaman. Üç takip, bire göre yaklaşık 3 kat yanıt oranı veriyor (Lemlist 2025 kadans çalışması).

Sistem promptu:

You are an SDR writing follow-up no. 1, three days after the cold email. Add value, don't repeat the pitch. 60-word body cap. Open with a one-line value drop, then re-ask the original CTA.

Kullanıcı promptu:

Write a 3-day follow-up to {{first_name}}. Reference {{previous_subject_line}}.
Value drop: {{one_line_benchmark_or_insight}}.
Re-ask: 15-minute call next week.

Örnek çıktı:

Konu: ynt: ay sonu kapanışı hakkında

Ayşe — geri dönüyorum. Geçen hafta Ramp'in 80 kişilik finans ekibinin benzer bir yapıyla kapanışı 4 güne nasıl indirdiğini anlatan bir analiz paylaştım. İşe yararsa gönderebilirim.

Önümüzdeki Salı veya Perşembe hâlâ 15 dakika uygun mu?

Yanıt oranı notu: Takibin kendisinde %2-4 yanıt oranı, dizi düzeyinde yanıt oranını ~%5-9'a taşıyor.

5. — Takip no. 2 (7 Günlük, Vaka Çalışması)

Hedef: İlk göndermeden yedi gün sonra somut bir kanıt noktası bırakın — anonimleştirilmiş müşteri sonucu veya isimli kamuya açık vaka çalışması. Model + sıcaklık: Claude Sonnet 4.5 @ 0.4 — vaka çalışması biçimi için daha sıkı talimat takibi. Ne zaman kullanılır: Güvenilir, ICP uyumlu bir vaka çalışmanız varsa. Yoksa atlayın.

Sistem promptu:

You are an SDR writing follow-up no. 2. Lead with a one-line case study or outcome. 70-word body cap. Re-ask CTA in one sentence at the end.

Kullanıcı promptu:

Write a 7-day follow-up to {{first_name}}.
Case study: {{client_name_or_anonymized}} — {{outcome_in_one_line_with_metric}}.
Make the parallel to {{prospect_company}} explicit. Re-ask 15-minute call.

Örnek çıktı:

Konu: ynt: ay sonu kapanışı hakkında

Ayşe — bir tane daha, sonra bırakıyorum. Sizin büyüklüğünüzdeki bir Seri C fintech (Atomic, 42 milyon dolar ARR) kapanışı altı haftada bizimle 11 günden 4'e indirdi. Yaptığım LinkedIn aramasından, sizinkiyle aynı finans operasyonları kurulumu.

Önümüzdeki hafta 15 dakika? Salı veya Perşembe uygun.

Yanıt oranı notu: %2-3 yanıt oranı, ancak vaka çalışması ICP içindeki adayları filtrelediği için no. 4'e kıyasla daha yüksek toplantı dönüşüm oranı.

6. — Takip no. 3 (14 Günlük, Veda)

Hedef: İzin tabanlı çıkış. Döngüyü kapattığınızı söyleyin ve onlara çaba gerektirmeyen "şimdi değil" yanıt seçeneği sunun. Model + sıcaklık: Claude Sonnet 4.5 @ 0.6 — hafif sıcaklık, sıfır pasif agresiflik. Ne zaman kullanılır: Kadanstaki son temas. Her zaman gönderin.

Sistem promptu:

You are an SDR writing a break-up email. 50-word body cap. No passive-aggression, no "guess this isn't a priority". Offer a 2-second reply path: yes/no/later.

Kullanıcı promptu:

Write a 14-day break-up email to {{first_name}}. Reference the previous thread.
Offer three reply options: "yes, ping next quarter", "no, never", "circle back in six months".
End with one line of goodwill.

Örnek çıktı:

Konu: döngüyü kapatıyorum

Ayşe — bu konuyu kapatıyorum. İşe yararsa üç seçenek:

1. "Q3'te yazın"
2. "hayır teşekkürler"
3. "analizi yine de gönderin"

Hangisi olursa olsun. Her iki durumda da kapanışın kısalmasını dilerim.

Yanıt oranı notu: %5-12 yanıt oranı — paradoks biçimde dizideki en yüksek oran. Veda, göndermesi en kolay "hayır" e-postası ve o "hayır"ların çoğu "aslında bekleyin, anlat" a dönüşüyor.

7. — Demo Rezervasyon İsteği (Takvim CTA)

Hedef: Sıcak yanıtın ardından gönderilir. Belirli bir takvim bağlantısına yönlendirir, sürtünmeyi kaldırır. Model + sıcaklık: GPT-5 @ 0.3 — en düşük sıcaklık, yaratıcılık değil yapı istiyoruz. Ne zaman kullanılır: no. 1-#6'dan herhangi birine olumlu yanıt geldikten sonra.

Sistem promptu:

You are an SDR booking a demo after a warm reply. 50-word body cap. Confirm the next step in one sentence, drop two specific time options + a calendar link.

Kullanıcı promptu:

Write a demo-booking reply to {{first_name}}. Confirm {{their_question_or_interest}}.
Offer two times: {{time_1}} and {{time_2}}.
Calendar link: {{cal_link}}.

Örnek çıktı:

Ayşe — mükemmel, kapanış döngüsü analizini görmekten memnuniyet duyarım.

İki uygun zaman: Salı 10:30 ET veya Perşembe 14:00 ET. Ya da buradan herhangi bir slot alabilirsiniz: cal.com/ayse-co/demo

Her iki durumda da sunumu 24 saat önce gönderirim.

Yanıt oranı notu: Sıcak yanıttan sonra 4 saat içinde gönderildiğinde %35-55 rezervasyon oranı. 24 saati geçince %10-15'e düşüyor.

8. — Yeniden Etkileşim (30 Günlük Sessizlik)

Hedef: Vedadan sonra kararan bir konuyu uyandırın. Yeni açı, yeni değer, suçlama yok. Model + sıcaklık: Claude Sonnet 4.5 @ 0.5 — "hey, bir dakika oldu" tonu için doğal ses. Ne zaman kullanılır: Vedanın 30 gün sonrası. Bir kez. Yine sessizse arşivleyin.

Sistem promptu:

You are an SDR re-engaging a prospect who went silent. Acknowledge the gap in one line, drop new value (recent news in their space, product update, or benchmark), re-ask. 60-word body cap.

Kullanıcı promptu:

Write a 30-day re-engagement to {{first_name}}.
New angle: {{new_signal_or_product_update}}.
Re-ask: 15-minute call OR specific resource if they're not ready.

Örnek çıktı:

Konu: 30 gün sonra, yeni bir şey

Ayşe — bir dakika oldu. Bu ay tek tıkla NetSuite senkronizasyonu gönderdik; sanırım daha önce işaret ettiğiniz entegrasyon sorununu çözüyor.

5 dakikalık bir Loom ister misiniz? Ya da canlı görmek istiyorsanız 15 dakikalık görüşme de olur. İkisi de uyar.

Yanıt oranı notu: Yeniden etkileşimin kendisinde %3-5 yanıt oranı.

9. — Konu Satırı Üreticisi (5 Seçenek)

Hedef: A/B testi için 5 konu satırı döndürün. Çeşitlilik için yüksek sıcaklık; ikisini seçeceksiniz. Model + sıcaklık: Claude Sonnet 4.5 @ 0.8 — desenler arasında çeşitlilik için kasıtlı olarak sıcak. Ne zaman kullanılır: Her kampanya gönderiminden önce. Beşten ikisini test edin, kazananı tutun.

Sistem promptu:

You generate cold email subject lines. Return exactly 5 options, one per line, no numbering, no quotes.
Rules: 4 words max each, lowercase except proper nouns, no "quick question", no "following up", no emojis.
Mix the patterns: 1 curiosity-gap, 1 question, 1 named tool/company reference, 1 number-based, 1 plain-English fragment.

Kullanıcı promptu:

Generate 5 subject lines for a cold email to {{role}} at {{company}} about {{topic}}.
Recipient context: {{one_relevant_detail}}.

Örnek çıktı:

seri c'de kapanış netsuite 80'de nasıl bozuluyor 11 günden 4'e kontrolörden önce defter ay sonu acı çekiyor

Yanıt oranı notu: Konu satırları açılma oranını yönlendiriyor, o da geri kalanı kapıya koyuyor. 50'den fazla kampanyada test edildi; 3 kelimelik merak açığı deseni A/B testlerinin ~%45'ini kazanıyor; soru deseni ~%25; isimli araç referansı ~%20.

10. — Mevcut Müşteriye Üst Satış

Hedef: Mevcut müşteriye ek ürün veya koltuk genişletmesi sunun. Farklı ses — sıcak, spesifik, sahte aciliyet yok. Model + sıcaklık: Claude Opus 4.7 @ 0.4 — mevcut müşteri sesini soğuk yabancı sesinden ayırt etmede en iyi. Ne zaman kullanılır: Kullanım sinyalleri tetiklendiğinde (koltuk sınırına ulaşıldı, kullanım kademesi aşıldı, iş akışlarıyla ilgili yeni özellik).

Sistem promptu:

You are a CSM-leaning AE writing to an existing customer. Voice: familiar, specific, never salesy. 70-word body cap.
Reference their actual usage. Offer the new thing as helpful, not as a quota grab.

Kullanıcı promptu:

Write an upsell email to {{first_name}} at {{company}}.
Their current usage: {{usage_summary}}.
New thing to offer: {{feature_or_seat}}.
Trigger: {{usage_signal}}.

Örnek çıktı:

Konu: koltuk sınırına ulaştınız

Mehmet — ekibiniz geçen hafta 19/20 koltuk kullandı. Sınıra çarpmadan önce iki seçenek:

1. Aynı koltuk başı fiyatla 5 koltuk ekleyin.
2. Takım planına geçin (25+ koltuğu için koltuk başı daha düşük).

Hesabı göndereyim mi?

Yanıt oranı notu: Kullanım tetiklemeli üst satışlarda %15-25 yanıt oranı. İşi yapan sinyal; promptun sadece karışmaması yeterli.

11. — Referans İsteği (Toplantı Sonrası)

Hedef: Başarılı bir toplantı veya uygulama sonrasında belirli bir kişiye sıcak giriş isteyin. Model + sıcaklık: Claude Sonnet 4.5 @ 0.5 — doğal ses, samimi ama spesifik. Ne zaman kullanılır: Harika bir toplantıdan 30 gün sonra veya başarılı uygulamaya girdikten 60 gün sonra.

Sistem promptu:

You are an AE asking a happy customer or prospect for one specific warm intro. 60-word body cap.
Name the person you want introduced to. Make it easy to forward.

Kullanıcı promptu:

Write a referral-ask email to {{first_name}}.
Context: {{recent_positive_interaction}}.
Ask: warm intro to {{specific_person}} at {{their_company_or_network}}.
Offer to draft the forwardable email.

Örnek çıktı:

Konu: bir ricam var

Ayşe — kapanış döngüsü çalışmasının gidişatı göz önünde bulundurularak bir ricam var: Atomic'teki Mehmet Çelik ile beni tanıştırır mısınız? Aynı kurulumun ekibine de yardımcı olacağını düşünüyorum.

İletebileceğiniz e-postayı taslak hazırlamaktan memnuniyet duyarım, sizin için tek tıklık olsun.

Yanıt oranı notu: Zamanlama doğruysa %40-60 yanıt oranı (yakın zamanlı bir kazanım, gerçek ilişki). "İletebileceğiniz e-postayı taslak hazırlamaktan memnuniyet duyarım" satırı, mesajın yere oturmasını sağlayan şey — sürtünme referansları öldürür.

Her yapay zeka SDR yapılandırmasında aynı on bir promptu çalıştırıyoruz. Prompttaki değişkenler değişiyor, model değişmiyor.

Promptları n8n, Make veya Zapier'a Bağlayın (Gerçek Kod Örneği)

Promptları ölçekte çalıştırmak için bir otomasyona bağlayın. n8n en esnek seçenek (kendi sunucunuzda barındırılabilir, kendiniz çalıştırırsanız 0 dolar), Zapier ise en kolay (ücretli). Promptunuzu OpenAI veya Anthropic node'una yönlendirin, ardından çıktıyı göndericinize — Instantly, Smartlead veya Lemlist — bağlayın.

Tüm yapay zeka SDR yapılandırmalarımız bu döngü üzerinde çalışıyor. Anthropic çağrısı için n8n HTTP node yapılandırması aşağıda — herhangi bir HTTP İstek node'una bırakın ve iş akışınızda programlanabilir bir Claude promptuna sahip olun:

{
  "method": "POST",
  "url": "https://api.anthropic.com/v1/messages",
  "headers": {
    "x-api-key": "{{$credentials.anthropicApiKey}}",
    "anthropic-version": "2023-06-01",
    "content-type": "application/json"
  },
  "body": {
    "model": "claude-sonnet-4-5",
    "max_tokens": 400,
    "temperature": 0.5,
    "system": "You are an SDR at a B2B SaaS company. Voice: direct, conversational, one contraction per paragraph minimum. Body cap: 80 words.",
    "messages": [
      {"role": "user", "content": "{{ $json.prompt_with_variables }}"}
    ]
  }
}

Döngü şöyle kapanıyor: Sheet'inize veya CRM'inize yeni bir satır gelir, n8n onu alır, değişkenler (first_name, company, signal_detail) kullanıcı promptuna birleştirilir, Claude e-posta gövdesini döndürür, bir sonraki node onu Instantly veya Smartlead'e aktarır ve son bir node yanıtı (veya yanıt yokluğunu) kaynak satıra geri kaydeder. Bu promptları kullanan 50 dolar/ay n8n SDR mimarisinin tamamını yazdık — kod, kimlik bilgileri, zamanlama ve yanıt ayrıştırma dahil.

Prompt, ürün değil — döngü, ürün. Prompt, 200 satırlık bir iş akışındaki tek satır YAML.

Cold Email Konu Satırı Promptu Nasıl Yazılır?

Konu satırları için çeşitlilik adına daha yüksek sıcaklıkla (0,7-0,8) ayrı bir prompt gerekir. Modelden 5 seçenek isteyin, ardından 2'sini A/B testine tabi tutun. 2026'da en iyi performans gösteren desenler: 3 kelimelik merak açıkları, soru olarak konu ve alıcının araç yığınına adlandırılmış referanslar.

Tam konu satırı promptu yukarıda no. 9'dadır. Gönderdiğimiz 50'den fazla kampanyada A/B testlerini gerçekten kazanan desenler:

• Merak açığı (3 kelime) — "kapanış döngüsü acı çekiyor", "defter sorunu"
• Soru — "seri c'de kapanış döngüsü?"
• İsimli araç/şirket referansı — "netsuite 80'de nasıl bozuluyor", "ramp'in kapanış döngüsü"
• Sayı tabanlı — "11 günden 4'e", "40 milyon dolar kapanış döngüsü"
• Düz İngilizce parçacık — "ay sonu acı çekiyor"

Açılma oranları liste kalitesine, gönderici alan adı ısınmasına ve konu satırı/önizleme satırı uyumuna bağlı olarak %28 ile %51 arasında değişiyor. Genel desenler ("hızlı soru", "takip") çalıştırdığımız her testte düşük performans gösteriyor. Bunları çıkarın.

Sistem Promptu ile Kullanıcı Promptu: Token'larınızın %80'ini Kurtaran Yeniden Kullanım Deseni

Sistem promptu yapay zekanın kimliğini belirler ve oturum başına bir kez çalışır. Kullanıcı promptu ise asıl istek olup her e-postada gönderilir. Sistem promptunu yeniden kullanılabilir bir yapıt olarak kaydedin ve prompt önbelleği sayesinde token maliyetlerini yaklaşık %80 oranında düşürürsünüz; üstelik model talimatlarını her çağrıda yeniden okumadığı için çıktılar da temizlenir.

Sistem promptlarını üretimde önbelleğe almaya başladığımızda, aylık Anthropic faturamız kalite değişikliği olmadan yaklaşık %80 düştü. Aynı çıktılar, 1.000 üretim başına yaklaşık 1 dolar yerine ~0,20 dolar. Aynı sistem promptunu çalıştırmanın maliyetini %80'in üzerinde düşüren prompt önbelleği — tasarruflar, aynı sistem promptu önbelleğe ilk kez girdiği anda görünüyor.

Sistem promptunu bir kez yazın. Kullanıcı promptunu her gün yazın. Yeniden kullanım deseni budur.

Kişiselleştirme Verisini Nereden Bulursunuz? (İşe Yarayan Sinyal Kaynakları)

Promptlarınızdaki değişkenler — {{recent_funding}}, {{tech_stack}}, {{job_change}} — sinyal veri sağlayıcılarından gelir. Apollo ve Clay kişileri zenginleştirir. Crunchbase finansmanı takip eder. BuiltWith teknoloji yığınlarını ortaya çıkarır. RB2B anonim site ziyaretçilerini tanımlar. LinkedIn Sales Navigator iş değişikliklerini gün yüzüne çıkarır.

Her sinyal kaynağını bir yedekle eşleştiriyoruz — örneğin, firmografik zenginleştirmeyi Apollo yönetirken yüksek değerli hesaplar için üstüne bir manuel LinkedIn araması ekliyoruz. Yapay zeka hacmi yönetir; insan hassasiyeti yönetir.

Yapay Zeka Cold Email Yasal Mı? CAN-SPAM, GDPR ve Tek Tıkla Abonelikten Çıkma Kuralı

Yapay zeka tarafından oluşturulan cold email, ABD'de CAN-SPAM kapsamında yasal (fiziksel adres, çalışan abonelikten çıkma bağlantısı ve doğru gönderici bilgisi eklemek zorundasınız) ve AB'de GDPR kapsamında meşru çıkar gerekçesiyle yasal. Gmail ve Yahoo, Şubat 2024'ten bu yana RFC 8058 tek tıkla abonelikten çıkma başlıklarını zorunlu kılıyor.

İki müşteri, yapay zeka tarafından oluşturulan cold e-postanın CAN-SPAM sınırlarını aşıp aşmadığını sordu. Yanıt hayır — yasa açıklama ve dürüstlükle ilgili, yazarlıkla değil.

CAN-SPAM (ABD) — Yapay Zekanın Değiştirdiği (ve Değiştirmediği)

FTC CAN-SPAM Uyum Rehberi kesin listeyi içeriyor. Yapay zeka tarafından oluşturulan içerik tek bir kuralı değiştirmiyor: her e-postada fiziksel posta adresine, 10 iş günü içinde yerine getirilmesi gereken çalışan bir abonelikten çıkma mekanizmasına, doğru "Gönderen" ve "Yanıtla" alanlarına, aldatıcı olmayan konu satırlarına ve mesajın ticari olduğuna dair açık kimlik bildirime ihtiyacınız var. Yapay zeka bunların hiçbirini zorlaştırmıyor. Sadece kurallara uyan daha fazla e-posta yazmanızı sağlıyor.

GDPR (AB) — Rıza Değil, Meşru Çıkar

AB'de B2B soğuk erişim, genellikle GDPR Madde 6(1)(f) meşru çıkar kapsamında yasal — sunum yapmadaki çıkarınızı ve alıcının makul gizlilik beklentisini dengeleyen bir test gösterebilmeniz koşuluyla. Avrupa Veri Koruma Kurulu çalışma rehberini yayınlıyor. Yapay zeka üretimi yasal dayanağı değiştirmiyor. Değiştiren şeyler şunlar: kişisel Gmail adreslerine spam göndermek, LinkedIn'i Hizmet Şartlarına aykırı biçimde kazımak veya tüketici odaklı rollerle iletişime geçmek. İş bağlamı erişimine bağlı kalın, denge testinizi belgeleyin ve kolay çıkış sunun.

RFC 8058 Tek Tıkla Abonelikten Çıkma — Herkesin Yanlış Yaptığı Teslim Edilebilirlik Kuralı

RFC 8058, Gmail ve Yahoo'nun Şubat 2024'ten itibaren uyguladığı List-Unsubscribe-Post: List-Unsubscribe=One-Click başlığını tanımlıyor. Kullanıcı bir kez tıklar; sunucunuz ek bir onay sayfası gerektirmeden opt-out işler. Çoğu cold email aracı (Instantly, Smartlead, Lemlist) bunu otomatik olarak yönetiyor — sizinkinin de yönettiğini doğrulayın. Atladığınızda alan adı itibarınız Gmail'de hızla düşüyor. Bir kez düştüğünde toparlanmak haftalar alıyor.

Yapay zeka yasayı değiştirmiyor. Yasa her zaman "doğruyu söyle, kendini tanıt ve ayrılmalarına izin ver" şeklindeydi. Yapay zeka sadece bunu daha hızlı söylemenizi sağlıyor.

Yapay Zeka Cold E-postalar Nasıl Yapay Zeka Gibi Duyulmaz?

Yapay zeka cold e-postalarını insan gibi duyturmanın en hızlı yolu iki geçişli iş akışıdır: bir modelle üretin, başka bir modelle daha düşük sıcaklıkta yeniden yazın. Şu yapay zeka izi ifadelerini çıkarın: "Umarım bu e-posta sizi iyi bulur", "Ulaşmak istedim", em tire aşırı kullanımı, "leverage", "synergy", "moreover".

Em tire sorununu bir müşterinin ilk gönderiminde bir adayın "Bunu ChatGPT mi yazdı?" diye cevap vermesiyle zor yoldan keşfettik. Çözüm, bir insancıllaştırma geçişi. Yasaklı ifade sözlüğü:

• "Umarım bu e-posta sizi iyi bulur"
• "Ulaşmak istedim"
• "Sadece istedim ki" (bu şekilde başlayan her şey)
• "Bu yankı uyandırıyorsa bana bildirin"
• "Temasa geçmek"
• "Leverage" (fiil olarak)
• "Synergy"
• "Moreover" / "Furthermore"
• "Bugünün [herhangi bir şeyi]"
• Nokta ile değiştirilebilecekleri her yerde em tireler

Her üretilmiş e-postada ikinci geçiş olarak çalıştırdığımız yeniden yazım sistem promptu:

You are a human SDR editor. Rewrite the email below to sound like a 32-year-old American salesperson wrote it in 90 seconds. Rules:
- No em-dashes. Use periods.
- No "I hope this email finds you well", "I wanted to reach out", "just wanted to", "leverage", "synergy", "moreover".
- Subject line: 4 words max, lowercase except proper nouns.
- Body: 80 words max. Three sentences max in opening paragraph.
- One contraction per paragraph minimum.
- End with a question, not a statement.
Return only the rewritten email.

Bunu Claude Sonnet 4.5 ile 0,3 sıcaklıkta çalıştırın. İki geçiş, e-posta başına yaklaşık 0,001 dolar ekliyor ve "bunu bir insan mı yazdı?" geçiş oranını kabaca ikiye katlıyor.

Yapay zeka gibi duyulan e-posta için çözüm daha iyi bir prompt değil. Daha katı kurallar ve zihninde insan sesi olan ikinci bir geçiş.

Otomasyona JSON Döndürmesi İçin Prompt Nasıl Yapılır?

Otomasyon için yapay zekanın adlandırılmış alanlarla JSON döndürmesini isteyin: subject, body, follow_up_1, follow_up_2. Hem OpenAI hem de Anthropic, 2026'da yapılandırılmış çıktıyı yerel olarak destekliyor — response_format: json_schema ayarlayın (OpenAI) veya Claude'un araç kullanımı şemasını (Anthropic) kullanın.

Promptun kendisi kısadır. Önce şema, sonra talimat:

Return a JSON object with this exact schema:
{
  "subject": "string, max 50 chars",
  "body": "string, max 80 words",
  "follow_up_1": "string, max 60 words, references the original",
  "follow_up_2": "string, max 50 words, break-up tone"
}
Only return valid JSON. No prose, no markdown.

Recipient: {{first_name}} at {{company}}, role {{role}}.
Pain: {{pain}}. Value prop: {{value_prop}}.

Üretim güvenilirliği için üretim güvenilirliği adına yapılandırılmış çıktı kütüphaneleri kullanın — Instructor, Outlines veya satıcı yerel yapılandırılmış çıktı, prompt-and-pray yöntemini her seferinde geride bırakır. Kütüphane, model zaman zaman hatalı biçimlendirilmiş JSON döndürdüğünde otomasyonunuzun çökmemesi için yeniden deneme, şema doğrulama ve kısmi çıktı kurtarma işlemlerini yönetir.

JSON çıktısı, yapay zeka cold email otomasyonunun bozulmasının birinci nedenine yapılan gösterişsiz çözümdür: serbest metni alanlara dönüştürme.

Yapay Zeka Cold E-postalar İçin Gerçekçi Yanıt Oranı Nedir?

Gerçekçi 2026 cold email yanıt oranları: Genel ICP erişimi için %1-3, sinyal tabanlı kişiselleştirilmiş e-postalar için %4-8, ılık giriş yapılabilir hesaplar için %10-15. Yapay zeka promptları bu tavanları kırmıyor; daha küçük ekiplerle bu oranlara daha hızlı ulaşmanızı sağlıyor.

Bunlar ortalamalar. Yanıt oranı, liste kalitesine, sinyal doğruluğuna, teklif uyumuna ve gönderici alan adı itibarına bağlıdır. Yapay zeka fiziği değiştirmiyor — harika bir prompt kötü bir listeye yine de yenilir.

Yapay zeka promptları yanıt oranı tavanını kırmıyor. Bunu beş SDR yerine bir SDR ile başarmanıza olanak tanıyor.

Yapay Zekayı Cold E-posta İçin Ne Zaman Kullanmamalısınız?

Şu durumlarda yapay zeka cold e-postayı atlayın: 250.000 dolar ACV üzerindeki kurumsal anlaşmalar (ılık girişler kazanır), düzenlenmiş sektörler (HIPAA, finansal danışmanlık, hukuk — uyum riski çok yüksek), Fortune 500'deki C-suite yöneticilere erişim (sinyal gürültüsü çok yüksek) ve 20'den az adlandırılmış hesapla hesap tabanlı oyunlar (küçük N'de manuel kişiselleştirme yapay zekayı geçer).

Yapay zeka cold email yüksek hacimli bir savaştır. Yüksek güven, düşük N erişimi için, 9 dakikalık el yapımı bir e-posta 11 promptluk yığını geçer.

Techsy'nin Yapay Zeka Cold E-postaya Yaklaşımı

Yapay zeka SDR uygulamamız her yapılandırmada aynı yığını gönderiyor: yukarıdaki on bir prompt, bunları düzenleyen bir n8n iş akışı, sinyal zenginleştirme için Apollo veya Clay ve gönderim için Instantly veya Smartlead. Tipik bir etkileşim, SDR koltuğu başına haftada 600-1.200 giden e-posta çalıştırıyor ve sinyal zenginleştirilmiş listelerde yanıt oranları %3-7 bandına düşüyor.

En çok güvendiğimiz desen: her sinyal kaynağını (hacim için Apollo) bir manuel yedekle (ACV'ye göre en üst %10'luk hesaplar için LinkedIn araması) eşleştirmek. Yapay zeka hacmi yönetir; insan hassasiyeti yönetir. Toplantıların gerçekte nereden geldiği hassasiyet katmanı olduğu için hiçbir zaman tamamen özerk bir yapay zeka SDR yapılandırması göndermediğimiz için bu böyle.

Bu yığını sizin için çalıştırmamızı isterseniz — aynı on bir prompt, aynı otomasyon, aynı uyum duruşu — bunu yönetilen bir hizmet olarak sunuyoruz. Yapay zeka SDR yapılandırmalarına nasıl yaklaştığımıza bakın — tam metodoloji, fiyatlandırma modeli ve tipik 90 günlük bir etkileşimin nasıl göründüğü için.

Sıkça Sorulan Sorular

Cold e-posta için en iyi ChatGPT promptu hangisi?

Tek bir en iyisi yok. En güçlü prompt, ICP'nize uygulanmış 7 bileşenli anatomidir: rol, ICP, acı, değer, ton, uzunluk, CTA. Satıcı şablon galerileri, bizimkilerin birlikte geldiği model ve sıcaklık etiketlerini atlıyor; bu da aynı promptun hangi modele yapıştırdığınıza bağlı olarak çılgınca farklı çıktılar üretmesi anlamına geliyor.

Yapay zeka spam olarak işaretlenmeden cold e-posta yazabilir mi?

Evet, teslim edilebilirliği prompt kalitesinden ayrı ele alırsanız. Prompt, sesi belirler. SPF, DKIM, DMARC, ısınmış bir gönderici alan adı ve RFC 8058 tek tıkla abonelikten çıkma, gelen kutusu yerleşimini belirler. Yapay zeka her iki tarafı da bozmaz; kötü altyapı bozar. Çoğu "yapay zeka e-postaları işaretleniyor" raporu, yapay zekanın kendisi değil soğuk bir gönderici alan adına dayanıyor.

Ölçekte kişiselleştirilmiş cold e-postalar için yapay zekaya nasıl prompt verilir?

Kullanıcı promptunda sinyal veri değişkenlerini kullanın: {{recent_funding}}, {{tech_stack}}, {{job_change}}. Apollo, Clay, Crunchbase, BuiltWith veya RB2B'den çekin. Sistem promptu tüm 800 gönderimde sabit kalır. Kullanıcı promptu alıcı başına değişken enjeksiyonu yapılır. Bu ayrım, kişiselleştirmenin gerçekten ölçeklenmesini sağlayan şey.

Cold e-postalar için sistem promptu ile kullanıcı promptu arasındaki fark nedir?

Sistem promptu, yapay zekanın kimliğidir — ses kuralları, uzunluk sınırları, yasaklı ifadeler. Bir kez ayarlanır, her e-postada yeniden kullanılır, token tasarrufu için önbelleklenebilir. Kullanıcı promptu, alıcı değişkenleri doldurulmuş asıl istektir ve e-posta başına gönderilir. Sistem promptunu önbelleğe almak, üretim dağıtımlarında token maliyetini yaklaşık %80 düşürür.

Yapay zeka cold e-postası ne kadar uzun olmalı?

Açıcı için 50-80 kelime, takipler için 30-50 kelime. Yapay zekanın varsayılan olarak 120+ kelime üretmesine izin vermek, tek başına en büyük uzunluk hatasıdır. Promptta "Gövde: maksimum 80 kelime" şeklinde kesin sınır koyun; model buna güvenilir biçimde uyar. Uzun e-postalar daha fazla yanıt almıyor; sadece silinmesi daha uzun sürüyor.

CAN-SPAM ve GDPR kapsamında yapay zeka tarafından oluşturulan cold e-posta göndermek yasal mı?

Evet. Yapay zeka tarafından oluşturulan içerik yasal yükümlülükleri değiştirmiyor. CAN-SPAM hâlâ doğru gönderici bilgisi, çalışan abonelikten çıkma ve fiziksel adres gerektiriyor. GDPR, belgelenmiş denge testiyle Madde 6(1)(f) meşru çıkar kapsamında B2B soğuk erişime hâlâ izin veriyor. Kaynak: FTC CAN-SPAM uyum rehberi ve EDPB meşru çıkar rehberi.

Yapay zeka tarafından oluşturulan cold e-postaların yapay zeka gibi duyulması nasıl önlenir?

Ortak yapay zeka izlerini yasaklayan bir insancıllaştırıcı sistem promptuyla daha düşük sıcaklıkta iki geçişli yeniden yazım çalıştırın: "Umarım bu e-posta sizi iyi bulur", em tireler, "leverage", "synergy", "moreover". Tam yeniden yazım promptu yukarıdaki yapay zeka algılama önleme bölümünde. E-posta başına yaklaşık 0,001 dolar ekliyor ve "bunu bir insan mı yazdı?" geçiş oranını kabaca ikiye katlıyor.

Yapay zeka cold email dizisinde kaç takip olmalı?

Üç takip, yaklaşık 3 kat yanıt oranıyla biri geçer; dördünün ötesinde azalan getiri var. Standart kadans: gün 0 (soğuk), gün 3 (değer artışı), gün 7 (vaka çalışması), gün 14 (veda). Gün 30 yeniden etkileşim isteğe bağlıdır ve arşivlemeden önce bir kez işe yarar. Kaynak: Lemlist 2025 kadans çalışması.