Taraftarlık dünyanın en eski sadakat programı. Platformunu biz kurduk.

Programı üç tarafın aynı anlaşmadan kazandığı bir döngü olarak kurduk. Kulüp veri ve gelir kazanıyor, taraftar puan ve ayrıcalık, işletme müşteri. Taraftar hiçbir şey ödemiyor; sistemi kulüpler ve işletmeler finanse ediyor.

Puan yalnızca ortaya çıkarak kazanılıyor, satın alınamıyor. Stadyumdaki check-in partner mekândakinden, partner mekândaki evdekinden değerli; oranları kulüp belirliyor. Puan kulübe bağlı ve silinmiyor; açık artırmalarda, özel fırsatlarda ve etkinlik girişlerinde harcanıyor. İmzalı forma açık artırmasına para değil puan yatırılıyor.

Hileyi tasarımın içine yazdık. Check-in telefonun konumuyla, kampanyanın yarıçapına göre doğrulanıyor ve her hesap tek bir telefona bağlı. Partner mekânda taraftar 100 metre içinde olmalı, on dakikada geçersizleşen bir QR kod gösteriyor; onayı personel veriyor, kendi ziyaretini onaylayamıyor ve her onay onaylayanın adıyla kayda geçiyor.

Kulübe tek bir kampanya paneli verdik. Dokuz kampanya tipi (check-in, QR, anket, tahmin, quiz, indirim kodu, açık artırma ve diğerleri) puan, konum, kota ve bonus kurallarıyla birleşince 500'ü aşkın senaryo çıkıyor.

Parayı da sistemin içine koyduk. Taraftarın zaten uğradığı kafe, berber ya da spor salonu kulüple ortak oluyor ve onayladığı her ziyaret için kulübün belirlediği ücreti ödüyor. Kulüp, paketine göre bu gelirin %70 ile %90'ını alıyor. Mesafe sınırı yok: Londra'daki bir bar, bir Türk kulübünün oradaki taraftarlarını ağırlayabiliyor.

Veri tarafında stadyum, mekân ve ev ayrımlı analitik ve canlı segmentler var. naim adını verdiğimiz yapay zekâ asistanı kulübün verisini saatte bir okuyup öneri çıkarıyor: hangi kampanya işliyor, hangi taraftar kopmak üzere, yakındaki hangi işletme henüz ortak değil. Hiçbir şeyi kendi başına başlatmıyor; kararı kulüp veriyor. Taraftar uygulaması Türkçe ve İngilizce, büyük kulüpler için bir API de var.

Ürünü anlatan siteyi, ilk okuru bir yapay zekâ olacakmış gibi yazdık: soruyla açılan başlıklar, açık fiyatlar, rakiplerin güçlü yanlarını da yazan karşılaştırmalar, bir llms.txt. Yayına girdikten sonraki ilk üç ayda, reklama tek kuruş vermeden, Bing'in yapay zekâ cevaplarında yaklaşık 1.340 kez kaynak gösterildik; nasıl yaptığımızı Agent First yazısında anlattık.

Bunu bir müşteri brief'iyle yapmadık; riski de kararları da biz aldık. Bir kurucunun masasındaki soruları bu yüzden içeriden biliyoruz: ilk sürüme ne girer, fiyat nasıl kurulur, bütçe yokken nasıl duyulursun.