Sıfırdan bir büyüme motoru kurmak: Claude Code ile ARR nasıl %38 artırıldı

• Mevcut bir büyüme ekibi olmadan, tek bir operatör Claude Code tabanlı uçtan uca müşteri edinme sistemini kurdu ve 6 ay içinde ARR’yi $20M’den $27.6M’ye (+%38) çıkardı
• Gelirin %95’inin ağızdan ağıza yayılmaya dayandığı yapıdan başlayarak, 4.582 rezervasyon verisinin analizi ile yola çıkıldı; ardından ICP, marka ve uygulama olmak üzere 3 aşama sıralı biçimde yürütüldü
• Meta yaratıcı odaklı, LinkedIn ise kimlik odaklı olacak şekilde birbiriyle zıt iki mimari aynı anda işletildi
• HubSpot üzerinde doğrudan 22 çeyreklik atıf kural motoru kurularak kanalların neredeyse %100 takibi sağlandı
• Büyüme bir insan kaynağı sorunu değil, sıralama (sequencing) sorunudur; ICP → marka → uygulama sırası olmadan yapılanlar temelsiz bir kumdan kale olmaktan öteye gitmez

---

Bağlam: Harika bir ürün, görünmeyen bir büyüme motoru

• Ascend (eski adıyla FlyFlat), üst düzey yöneticiler, PE/VC şirketlerindeki EA’ler ve yüksek net değerli sık seyahat edenler için 7/24 premium bir seyahat concierge hizmeti sunuyor
• COO Omar Ismail’in katıldığı sırada şirketin durumu
  • ARR $20M, 650’den fazla müşteri (Google Ventures, Ramp, Left Lane Capital dahil)
  • Kullanıcıların gerçekten sevdiği concierge hizmeti sayesinde net bir PMF elde edilmişti
  • Ancak bir büyüme motoru yoktu

Zorluk: Gelirin %95’inin tavsiyeden gelmesi bir büyüme stratejisi değildir

• Gelirin %95’i ağızdan ağıza yayılma ve az sayıdaki topluluk ortaklığından geliyordu; ücretli edinme, e-posta outbound ya da programatik bir yapı yoktu
• Ürün premium olsa da marka indirimli uçak bileti hizmeti gibi konumlanmıştı ve bu durum gerçekte gelir yaratan müşteri kitlesiyle uyuşmuyordu
• Ölçeklenebilir ve tekrarlanabilir bir edinme sisteminin olmaması büyüme üzerinde bir tavan yaratıyordu
• Büyüme motorunu “geleneksel şekilde” kurmak için özel bir büyüme ekibi gerekiyordu; Ascend’in böyle bir ekibi yoktu ve işe alıma da hazır değildi

Çözüm ve süreç: Müşteriyi tanımak, markayı düzeltmek ve motoru kurmak

• Sürece bilinçli olarak üç aşamada yaklaşıldı; her aşama bir sonrakinin önünü açtı

• 1. aşama — Mevcut veriyi yeniden analiz etmek

  • 4.582 rezervasyon verisinin analizi, gelirin %75’inin PE, VC ve hedge fonlardaki EA’lerden geldiğini gösterdi
  • İkincil ICP, kripto, bankacılık ve girişimcilik alanlarındaki HNW yöneticilerdi
  • En iyi 500 müşteri Firecrawl ile enrich edildi, ücretli edinmede kullanılmak üzere 6 hedef segment ve benzer kitleler çıkarıldı

• 2. aşama — ICP verisinin ortaya çıkardığı marka sorunu

  • Güvenilirlik, statü ve kanıtlanabilir ROI isteyen müşterilere indirim satılıyordu
  • Satış görüşmesi transkriptleri Claude ile Jobs to Be Done çerçevesi uygulanarak analiz edildi ve motivasyonları temelden farklı 3 persona ortaya çıkarıldı
  • Transkriptlerdeki müşteri dili doğrudan marka sesine dönüştürüldü
  • Yaratıcı açı matrisi ile 6 psikolojik kanca 3 segmente eşlendi; tüm reklamlar, e-postalar ve landing sayfaları doğru kitleye tam olarak uygun mesajı vermek üzere tasarlandı

• 3. aşama — Uçtan uca müşteri edinme stack’ini kurmak

  • Meta ve LinkedIn ücretli medya ile paralel yürütülen 3 outbound kanal
  • CRM sıfırdan yeniden kuruldu ve tek bir soruya göre tasarlandı: “Her ücretli üye hangi kanaldan geldi ve bunun maliyeti neydi?”

Uygulama: Ekip olmadan stack kurmak

• Tüm sistem Claude Code ile kuruldu ve işletildi, HubSpot, Meta ve LinkedIn API’lerine doğrudan bağlandı

• Operasyon playbook’u yeniden kullanılabilir skills olarak paketlendi; her oturum bir öncekini devralacak şekilde yapılandırıldı

• Ücretli medya — Platforma göre zıt mimariler

  • Meta yaratıcı odaklı: geniş coğrafi hedefleme + güçlü kreatiflerle algoritmanın hedef kitleyi kendi başına seçmesi sağlandı
  • LinkedIn kimlik odaklı: unvan, kıdem ve şirket türüne göre hassas hedefleme ile PE şirketlerindeki EA’lere Meta’nın sağlayamayacağı bir hassasiyetle ulaşıldı

• Outbound — 3 kanal aynı anda işletildi

  • HeyReach tabanlı LinkedIn sequence’leri (persona bazında varyasyonlu)
  • Instantly tabanlı cold email (Observation → Problem → Proof → Ask yapısı)
  • Draftboard tabanlı warm intro (hacim en düşük, ancak toplantıdan kapanışa dönüşüm en yüksek)
  • Üç kanalın tamamı da ücretli kanallarla aynı atıf sistemine entegre edildi

• CRM — Özel atıf motoru

  • Standart platform entegrasyonlarında boşluk çok fazlaydı; bu yüzden HubSpot üzerinde 22 çeyreklik bir atıf kural motoru kuruldu
  • Tüm kanallar genelinde neredeyse %100 contact attribution elde edildi
  • Funnel aşamalarına göre otomasyonlar kuruldu: yeni lead nurture sequence’leri, yüksek değerli kayıtlar için 5 dakika içinde Slack bildirimi, no-show’lar için otomatik yeniden rezervasyon, sona ermeden 30 gün önce yenileme sequence’i

• Tekrarlı operasyon — Claude Code slash komutları

  • /daily-ad-review, /weekly-growth-report, /new-campaign, /creative-batch
  • Büyüme operasyonu tek seferlik bir proje olmaktan çıkıp sürekli ve bileşik etkili bir sürece dönüştü

Sonuç: Tavsiyeden ölçülebilir ve tekrarlanabilir edinmeye

• Sıfırdan başlanmasından 6 ay sonra Ocak, Ascend tarihindeki en iyi ay oldu

• Temel metrikler

  • ARR: $27.6M (+%38 büyüme)
  • Q1 reklam harcaması: yaklaşık $13K
  • Mevcut ROAS: yaklaşık 5x (pipeline olgunlaştığında 8–10x bekleniyor)
  • Meta CPL: $42~45
  • MQL → toplantı rezervasyonu dönüşüm oranı: %48,7
  • Özel büyüme işe alımı: 0 kişi

• Kalan görevler

  • Uygun lead’lerin yaklaşık yarısı toplantı rezervasyonu yapmadan önce ayrılıyor
  • Yüksek değerli lead’ler, kayıt olduktan sonraki 5 dakika içinde doğrudan aranıyor
  • WhatsApp native onboarding devreye alınıyor; böylece üyeler daha en baştan, sonrasında da kullanacakları kanalda karşılanıyor

Kurucular için temel çıkarımlar

• En iyi büyüme içgörüleri zaten verinin içinde bulunur; edinme yapısını kurmadan önce mevcut müşterileri analiz etmek şarttır
• Marka konumlandırması pazarlama işi değil, bir büyüme kaldıracıdır; ICP ile konumlandırmayı hizalamak motorun geri kalanını açar
• Meta ve LinkedIn temelden farklı stratejiler gerektirir; aynı playbook’u uygulamak zarara yol açar
• Atıf altyapısı bir rekabet avantajıdır; erken aşama ekiplerin çoğu “geliri hangi kanal yaratıyor?” sorusuna cevap veremez
• Yapay zeka, geçmişte ekip gerektiren işleri artık çalıştırabilir; ICP araştırması, ücretli kampanyalar, outbound ve CRM otomasyonu dahil tüm stack, özel bir büyüme işe alımı olmadan Claude Code ile kuruldu ve işletildi
• Büyüme bir insan kaynağı sorunu değil, sıralama sorunudur; ICP → marka → uygulama sırasını atlarsanız her şeyi kumun üzerine kurarsınız

SSS özeti

• Yapay zeka tabanlı büyüme motoru nedir

  • ICP araştırması, ücretli medya, outbound ve CRM otomasyonunu özel bir ekip yerine yapay zeka araçlarıyla kurup işleten uçtan uca bir müşteri edinme sistemi
  • Her işlev için ayrı uzmanlar işe almak yerine, tek bir operatörün yapay zeka ile tüm kanallarda aynı anda araştırma, uygulama ve optimizasyon yapması

• Programatik büyüme motoruna ne zaman başlanmalı

  • PMF doğrulandıktan sonra, belirli bir ARR seviyesinden ziyade değerin nerede yoğunlaştığını tespit etmeye yetecek müşteri verisine sahip olmak ön koşuldur
  • “En yüksek değerli müşteriler kim ve ortak noktaları ne?” sorusuna cevap veremiyorsanız henüz hazır değilsiniz

• Erken aşamada kaç segment olmalı

  • Ascend 6 segment çıkardı: finans yöneticileri, teknoloji kurucuları, kripto/Web3, lüks/medya, danışmanlık/hukuk ve HNW solo operatörler
  • Erken büyüme aşamasındaki B2B için 4–6 segment pratik aralıktır

• Yapay zeka büyüme ekibinin yerini alabilir mi

  • Uygulama katmanında önemli ölçüde evet, Ascend bunu 0 büyüme işe alımıyla kanıtladı
  • Ancak stratejik yargı (hedef müşteri, marka yönelimi, doğru kanal seçimi) hâlâ insan düşüncesi gerektirir

• Kurucuların yaptığı en büyük hata

  • ICP aşamasını atlayıp doğrudan uygulamaya geçmek; ücretli reklamlar ve outbound sequence’leri, temel müşteri profilinin kalitesine bağlıdır
  • Hedefleme yanlışsa, harcamayı artırmak sorunu daha da büyütür