Giriş: "Basit Bir Metin İstemiyle PPT Oluşturan Yapay Zeka"nın Ardındaki Gerçek Soru
Teknoloji dünyasındaki her değişim, yeni özelliklerden daha fazlasını sunar; gücü yeniden düzenler. "Basit bir metin istemiyle PPT oluşturan yapay zeka" kullanışlılık gibi gelse de, stratejik soru daha derindir: Slayt oluşturma maliyeti sıfıra yaklaşırken, anlatı tutarlılığı ve organizasyonel uyumun değeri azalan girdi haline geldiğinde ne olur? Cevap, üretkenlik yazılımlarının, içerik tedarik zincirlerinin ve toplama noktasının yeniden yapılandırılmasını öneriyor.
Bu parça basit bir iddiada bulunuyor: Yapay zeka tarafından oluşturulan sunumlar, iş iletişiminin ekonomisini değiştirir. Slayt yapma eylemi bir API çağrısı haline gelir; farklılaşma istemlere, bağlama ve kurumsal bilgiye kayar. Kazananlar sadece daha iyi modellere sahip olanlar değil, iş akışlarını yakalayan, bilgi depolarını entegre eden ve çıktıyı iş sonuçlarına göre hizalayanlar olacaktır.
Piyasayı üç mercekten inceleyeceğiz: (1) üretim maliyetleri ve kalite eğrileri, (2) toplama dinamikleri ve veri hendekleri ve (3) değerin gerçekten arttığı organizasyonel iş akışı. Yol boyunca araç kategorilerini karşılaştıracak, bir benimseme yolu çizecek ve Microsoft gibi yerleşik oyuncular ile "basit bir metin istemiyle PPT oluşturan yapay zeka" inşa eden daha yeni oyuncular için çıkarımlarını analiz edeceğiz.
Arka Plan: Sunumlar Nasıl Kurumsal Arayüz Haline Geldi
PowerPoint, bir iş anlatı dilini standartlaştırdığı için başarılı oldu: sorun, analiz, öneri. Slaytlar bir koordinasyon aracıdır; bilgiyi toplantılarda ve e-posta dizilerinde dolaşan taşınabilir bir yapıya sıkıştırırlar. Tarihsel olarak, maliyet eğrisi şöyle görünüyordu:
- Yüksek sabit maliyet: yapı taslağı hazırlama, veri toplama, görseller oluşturma.
- Değişken maliyet: yineleme, cilalama ve paydaşlar arasında uyum.
- Darboğaz: hem alan bağlamına hem de slayt yapma becerisine sahip kişi.
Üretken yapay zeka bu eğriyi değiştirir. Büyük dil modelleri bir istemi alıp bir sunum taslağı, konuşmacı notları ve slayt içeriği verebilir; vizyon modelleri düzenleri biçimlendirir; erişim araçları şirket verilerini enjekte eder. Aslında, "basit bir metin istemiyle PPT oluşturan yapay zeka", slayt üretimini vasıflı zanaatten otomatik senteze yeniden sınıflandırır. Kısıtlama, üretimden yargıya geçer.
Bir Çerçeve: Yapay Zeka Tarafından Oluşturulan Sunumların Üç Katmanı
"Basit bir metin istemiyle PPT oluşturan yapay zekayı" değerlendirmek için üç katmanı ayırt edin:
- Oluşturma Katmanı: Model kalitesi ve biçimlendirme. Bu, bir istemi bir taslağa, anlatıya ve görsel iskeleye dönüştüren motordur. Hız, tutarlılık ve şablon doğruluğu için optimize eder. Buradaki rekabet şiddetli ve temel modeller çoğaldıkça giderek daha fazla metalaşıyor.
- Bağlam Katmanı: Belgelere, metriklere ve kurumsal bilgiye dayalı, erişimle güçlendirilmiş temel oluşturma. Bağlam olmadan, oluşturulan slaytlar geneldir. Kurumsal wiki'lere, CRM notlarına, destek kayıtlarına, pazar raporlarına ve BI panolarına erişimle, aynı istem farklılaştırılmış, doğru sunumlar üretir.
- İş Akışı Katmanı: İşin gerçekten yapıldığı yer—inceleme döngüleri, yorumlar, sürümleme, onaylar ve dağıtım. Slaytlar süreçlerin içinde yaşar: planlama, satış, ürün incelemeleri, yönetim kurulu güncellemeleri. Bu döngüyü yakalayan araçlar değiştirme maliyetleri yaratır ve kalıcı avantaj sağlar.
Tez basittir: Oluşturma Katmanı tek başına kazanamaz. Sürdürülebilir avantaj, özellikle Bağlam ve İş Akışı katmanları olmak üzere üç katmanı da entegre eden ürünlere aittir.
Ekonomi: Slayt Yapma Maliyetleri Sıfıra Gittiğinde
Yapay zeka öncesi dünyada, 20 slaytlık bir destenin örtük maliyeti saatlerce analist zamanı ve günlerce yineleme olabilirdi. Basit bir metin istemiyle PPT oluşturan yapay zeka ile üretim dakikalara iner. Doğrudan etkiler tahmin edilebilir:
- Artan hacim: Daha fazla ekip, daha fazla hedef kitle için daha fazla deste üretir.
- Daha kısa döngüler: "İlk taslaklar" anında hazırlanır; yineleme daha erken başlar.
- Daha geniş erişim: Uzman olmayanlar, profesyonel görünümlü slaytlar oluşturabilir.
Ancak daha ilginç etkiler ikinci derecedendir:
- Anlatı enflasyonu: Arz arttıkça, dikkat darboğaz haline gelir. Desteler netlik, doğruluk ve yetki konusunda rekabet etmelidir.
- İstem kaldıraç etkisi: İsteklerdeki ve girdilerdeki küçük farklılıklar, çıktıda büyük farklılıklar yaratır. İstek hazırlama ve bağlam sağlama, yüksek kaldıraçlı beceriler haline gelir.
- Kurumsal tutarlılık: Paylaşılan şablonların, marka yönergelerinin ve standart metriklerin değeri, otomatik oluşturma ölçeklendikçe artar.
Başka bir deyişle, herkes slayt oluşturabildiğinde, en kıt kaynak deste değil, desteğin komuta ettiği güvendir.
Toplama Teorisi Uygulanır: Güç Nerede Birikir?
Toplama Teorisi, internete özgü bir pazarda, gücün talebi elinde bulunduran varlığa ait olduğunu varsayar—tipik olarak kullanıcı deneyimini ve onu daha iyi hale getiren verileri kontrol ederek. Basit bir metin istemiyle PPT oluşturan yapay zeka için, toplayıcı şu araç olacaktır:
- Taslak yüzeyinin sahibi (oluşturmanın başladığı yer),
- Şirketin bilgi grafiğiyle bağlantılı (gerçeğin yaşadığı yer) ve
- Dağıtım ve analizle döngüyü kapatır (etkinin ölçüldüğü yer).
Microsoft doğal olarak avantajlıdır: PowerPoint, birçok işletme için varsayılan yüzeydir; Copilot, uygulamanın içinde yapay zekayı tanıtır; ve Microsoft 365, bağlam sağlayan belge ve e-postalara ev sahipliği yapar. Google'ın Slides plus Workspace'i paralel bir dinamik sunuyor.
Ancak yerleşik olmak kader değildir. Yeni girenler uzmanlaşarak rekabet edebilir—örneğin, CRM verilerinden satış desteleri, finans sistemi entegrasyonlarıyla yatırımcı güncellemeleri veya OKR'lere bağlı dahili strateji incelemeleri. Buradaki anahtar, "basit bir metin istemiyle PPT oluşturan yapay zekayı" yerleşiklerin bir ürün değil, bir özellik olarak ele aldığı bir iş akışına sabitlemektir.
Kalite Eğrileri: İyi, Daha İyi, En İyi
Katmanlar halinde düşünmek faydalıdır:
- İyi: Temiz düzenlere ve genel gerçeklere sahip, basit bir istemden hızlı taslak desteler. İdeasyon ve dahili güncellemeler için kullanışlıdır.
- Daha İyi: Dosyalarınızda temel oluşturulan, alıntılar ve bağlantılı veri kaynaklarıyla RAG özellikli desteler. Müşteriyle ilişkili çalışmalar ve liderlik incelemeleri için kullanışlıdır.
- En İyi: Role duyarlı istemler, marka yönetimi, A/B testli anlatılar ve slayt performansı analizleriyle iş akışına özgü desteler. Gelir açısından kritik ve harici iletişimler için kullanışlıdır.
Piyasa "İyi"de başlayacak, ancak değer (ve fiyatlandırma gücü) "En İyi"de yoğunlaşacak.
Veri ve Doğruluk: Risk Yüzeyi
Basit bir metin istemiyle PPT oluşturan yapay zeka halüsinasyon görebilir, metrikleri yanlış ifade edebilir veya güncel olmayan verileri kullanabilir. Kurumsal alıcılar hızlı ama yanlış desteleri kabul etmeyecektir. Bu, sağlayıcıları şunları uygulamaya zorlar:
- Alıntılarla erişim, böylece sayılar kaynak sistemlere kadar izlenebilir.
- Politika uygulanan şablonlar, logolar ve sorumluluk reddi beyanları.
- Hassas bilgileri yönetmek için role dayalı erişim kontrolleri.
- İnsan-döngüde inceleme, sonradan eklenmiş değil, kolaylaştırılmış.
Ders basittir: kalite sadece model seçimi değil, entegrasyonun bir sonucudur.
Karşılaştırmalı Durum: Dört Arketip
- Yerleşik Eklentiler (Microsoft Copilot, Google Duet):
- Güçlü yönler: Belge paketinde yerel, tek oturum açma, dosyalara ve e-postalara erişim.
- Zayıf yönler: Şablon yönetimi değişiklik gösterir, özelleştirme platform öncelikleriyle sınırlıdır.
- Stratejik risk: Bir özellik olarak ele alınır; kuruluşlar derin kontrol ve analitiğe değer vermediği sürece tek başına fiyatlandırmayı haklı çıkarmak zordur.
- Dikey Uzmanlar (satış veya pazarlama otomasyonu satıcıları):
- Güçlü yönler: Derin veri entegrasyonu, kanıtlanmış iş akışları (örneğin, CRM'den sunum desteleri).
- Zayıf yönler: Dar kapsam; departmanlar arasında daha az esneklik.
- Strateji: Üretimi gelir sonuçlarına bağlayarak değer yakalayın.
- Bağımsız Oluşturma Araçları (yeni yapay zeka öncelikli slayt uygulamaları):
- Güçlü yönler: Hız, yenilik, yeni UX.
- Zayıf yönler: Kurumsal entegrasyonlar olmadan bağlam eksikliği; değiştirme maliyetleri düşüktür.
- Strateji: Yerleşik oyuncular arayı kapatmadan önce bir bilgi grafiği ve işbirliği özellikleri oluşturun.
- Meta Katman Orkestratörleri (uygulamalar arasında istem/aracı katmanları):
- Güçlü yönler: Çapraz araç otomasyonu, birleşik istemler, politika uygulama.
- Zayıf yönler: İşleme ve dağıtım için üçüncü taraf yüzeylerine bağımlı.
- Strateji: Yönetim, analiz ve paketler arası kontrol üzerinde kazanın.
Kullanıcı Niyeti ve SEO Çıkarımları
"Basit bir metin istemiyle PPT oluşturan yapay zeka" arayanlar karışık niyet sergiliyor:
- Bilgilendirici: Nedir, nasıl çalışır, artıları/eksileri.
- İşlemsel: Hangi araçlar kullanılmalı, nasıl uygulanmalı.
- Navigasyonel: PowerPoint veya Google Slides ile entegrasyonlar.
Bu niyeti karşılamak için, bu analizin geri kalanı yönteme (nasıl iyi yapılır), değerlendirme kriterlerine (bir araç nasıl seçilir) ve stratejik çıkarımlara (kuruluşunuz için neden önemlidir) odaklanmaktadır.
Metodoloji: Basit Bir Metin İsteminden PPT Oluşturmak İçin Yapay Zeka Nasıl Uygulanır
Adım 1: Anlatı Sonucunu Tanımlayın
- Yapılacak işe karar verin: yönetici özeti, satış sunumu, yönetim kurulu güncellemesi, eğitim.
- Hedef kitleyi, alınacak kararı ve zaman kısıtlamasını belirtin.
Adım 2: İş Mantığıyla İstem Yapısını Oluşturun
- Bağlam sağlayın: hedefler, kısıtlamalar, hedef persona.
- Veri işaretçileri ekleyin: belgelere, metriklere veya veri sorgularına bağlantı.
- Çıktıyı tanımlayın: slayt sayısı, bölümler, ton ve marka stili.
Adım 3: Erişme ve Şablonlarla Temel Oluşturun
- Depolara bağlanın (Drive/SharePoint/Notion/Confluence/BI).
- Marka öğeleri ve düzen kurallarıyla onaylanmış şablonlar kullanın.
- Kritik sayılar ve iddialar için alıntılar isteyin.
Adım 4: Geri Bildirim Döngüleriyle Yineleyin
- Gerçek doğruluğu ve anlatı akışı için hızlı bir geçiş yapın.
- Paydaş yorumları alın; istemi açık deltaslarla güncelleyin.
- Desteyi kilitleyin; konuşmacı notları ve tek sayfalık bir özet oluşturun.
Adım 5: Etkiyi Ölçün
- Kimlerin okuduğunu, hangi slaytların dikkat çektiğini ve hangi destelerin sonuçlarla (kazanma oranları, onaylar, NPS) ilişkili olduğunu izleyin.
- Öğrenmeleri istemlere ve şablonlara geri besleyin.
Değerlendirme Kriterleri: Basit Bir Metin İsteminden PPT Oluşturmak İçin Yapay Zeka İçin Bir Araç Seçimi
- Doğruluk ve Temel Oluşturma: Araç, kayıt sistemlerinizden alıntılarla erişimi destekliyor mu?
- Marka Yönetimi: Şablonları, yazı tiplerini, renkleri ve yasal sorumluluk reddi beyanlarını uygulayabiliyor musunuz?
- İş Akışı Uyumu: Takvim, e-posta, sohbet, görev izleyicileri ve onay yollarıyla entegre oluyor mu?
- Güvenlik ve Uyumluluk: SSO, DLP, kiracı yalıtımı ve denetim izleri.
- Genişletilebilirlik: Özel istemler, aracılar ve veri bağlayıcıları için API'ler.
- Analitik: Slayt düzeyinde etkileşim, anlatıların A/B testi ve kohort analizi.
- Toplam Maliyet: Sadece lisans ücretleri değil, aynı zamanda desteğe geçiş süresi ve önlenen yeniden çalışma.
Örnek Olay: 30 Dakikada Özetten Yönetim Kurulu Destesine
- İstem: "Bir SaaS şirketi için 12 slaytlık bir yönetim kurulu güncellemesi oluşturun, hedef kitle yönetim kurulu düzeyindedir, ARR büyümesine, müşteri kaybını azaltmaya ve ürün yol haritasına odaklanın. Marka şablonumuzu kullanın, 'Q3 Metrikleri' BI panosundan ve 'En İyi 20 hesap' CRM'sinden veri alıntılayın."
- Çıktı: Sistem, ARR büyüme şelalesi, segmente göre müşteri kaybı analizi, yol haritası kilometre taşları, riskler ve isteklerle uyumlu bir deste tasarlar.
- İnceleme: Finans, alıntılar yoluyla metrikleri doğrular; Ürün, yol haritası nüansını ekler; CEO, anlatı vurgusunu ayarlar.
- Sonuç: İzlenebilir sayılar ve tutarlı markalaşma ile bir saatten kısa sürede yönetim kuruluna hazır bir deste.
Organizasyonel Açı: Değerin Gerçekten Arttığı Yer
Basit bir metin istemiyle PPT oluşturan yapay zekanın birinci dereceden değeri üretkenliktir. İkinci dereceden değer organizasyonel öğrenmedir: her istem ve deste zımni bilgiyi yakalar. Sistematik olarak yakalanırsa, bu bir bilgi varlığı haline gelir.
- Kurumsal Hafıza Olarak İstekler: Etkili istekler, şirketin kendini nasıl açıkladığını kodlar. Zamanla, bunlar yeniden kullanılabilir kalıplar haline gelir.
- Politika Olarak Şablonlar: Şablonlar, varyasyonu kısıtlar ve marka dışı veya uyumsuz içerik riskini azaltır.
- Eğitim Verileri Olarak Geri Bildirim: Revizyonlar ve onaylar, her hedef kitle için "iyi"nin nasıl göründüğünü gösterir.
Satıcılar için stratejik soru, bu döngüyü müşteri gizliliğinden ödün vermeden bir veri hendeğine dönüştürüp dönüştüremeyecekleridir. İşletmeler için zorunluluk, döngüyü açık ve yönetilen hale getirmektir.
Riskler ve Azaltmalar
- Halüsinasyonlar ve Hatalar: Kritik içerik için alıntılar ve insan incelemesi isteyin.
- Homojenleştirme: Şablonlara aşırı güvenmek, yumuşak desteler üretir; önemli olan yerlerde zanaat ve özgünlük için bir yol koruyun.
- Model/Sağlayıcıya Bağımlılık: Kendi modelini getirme ve dışa aktarma seçeneklerine sahip araçları tercih edin.
- Gölge Yapay Zeka Kullanımı: Onaylı araçlar olmadan, çalışanlar hassas verileri tüketici uygulamalarına yapıştıracaktır; onaylı, denetlenmiş alternatifler sağlayın.
Yerleşik Oyuncular ve Girişimler İçin Stratejik Çıkarımlar
- Yerleşik Oyuncular: "Basit bir metin istemiyle PPT oluşturan yapay zekanın" yerel uygulamalarla etkileşimi artırmasını bekleyin, ancak varsayılanın iş akışını kazandığını varsaymayın. Paketler arası erişime, yönetime ve analitiğe yatırım yapın.
- Girişimler: Genel oluşturma ile doğrudan rekabetten kaçının. Yüksek riskli iş akışlarında uzmanlaşın (satış, finans, yatırımcı ilişkileri). Sonuç bağlantılı özellikler aracılığıyla ölçülebilir yatırım getirisi oluşturun.
- Sistem Entegratörleri: Yeni bir hizmet fırsatı ortaya çıkıyor: istem kitaplıkları, şablon yönetimi ve veri bağlayıcı uygulamaları.
Basit Ama Güçlü Bir Metrik: Güvene Geçiş Süresi
Çoğu yazılım metriği çıktılara odaklanır: oluşturulan slaytlar, tasarruf edilen zaman. Daha iyi bir metrik, güvene geçiş süresidir—istemden karar vericinin güvendiği bir desteğe kadar geçen süre. Güvene geçiş süresini sıkıştıran araçlar bütçeyi kazanacaktır, çünkü alıntılar, yönetim ve yineleme ile desteklenen güven, paydaşların aslında satın aldığı şeydir.
Sider.AI'ı düşünün: stratejik bir bakış açısıyla, değeri, belgeler ve web kaynakları arasında analizi yöneten ve ardından bağlamda temel oluşturulmuş sunumlar gibi çıktıları sentezleyen bir yapay zeka arayüzü olmasıdır. Oluşturma, Bağlam ve İş Akışı çerçevesinde, Sider.AI'nın kaldıracı Bağlam katmanındadır: ilgili materyalleri çekme, erişmeyle güçlendirilmiş taslak oluşturmayı etkinleştirme ve tutarlı bir istem yüzeyi sağlama. Entegrasyonları (BI, CRM, wiki'ler) derinleştirmeye ve yönetim/analitiği ortaya çıkarmaya devam ederse, Sider.AI, doğruluk veya marka standartlarından ödün vermeden basit bir metin isteminden PPT oluşturmak için yapay zeka isteyen kullanıcılar için güvene geçiş süresini kısaltabilir. İleriye Bakış: Sadece İstekler Değil, Aracılar
Bir sonraki aşama aracıdır: tek bir istem yerine, kullanıcılar bir aracıya "Q4 planlama destesinin hazırlanması" görevini verecektir. Aracı, verileri getirecek, tutarsızlıkları giderecek, bir anlatı önerecek, slaytlar oluşturacak, geri bildirim isteyecek ve bir inceleme planlayacaktır. Bu sadece bir UI süslemesi değil; belge merkezli hesaplamadan sonuç merkezli hesaplamaya bir geçiştir. Aracının hafızasının ve politikalarının sahipliği yeni yüksek zemin olacaktır.
Sonuç: Anlatı Altyapısı Olarak Yapay Zeka
Basit bir metin istemiyle PPT oluşturan yapay zeka slaytlarla ilgili değil; kurumsal anlatıyla ilgili. Oluşturma maliyetleri çöktükçe, bağlam ve iş akışı değeri belirler. Rekabetçi sınır, erişme, yönetim ve analitik tarafından yönlendirilen güvene geçiş süresidir. Yerleşik oyuncuların dağıtımı var; meydan okuyanların odağı var. Her ikisi de özelliklerin ötesine ve sonuçlara geçmeye zorlanacak.
Stratejik ders, teknolojinin son on yılıyla tutarlıdır: toplama, kullanıcıların başladığı yerden başlayan, her etkileşimden öğrenen ve ölçülebilir sonuçlarla döngüyü kapatanları tercih eder. Sunumlar için bu, istemleri güvenilir anlatılara dönüştüren aracın—hızlı, temelli ve uyumlu—iş iletişiminin geleceğine sahip olacağı anlamına gelir.
Ek: Daha İyi Desteler İçin Pratik İstek Kalıpları
- Yönetici Güncellemesi: "[Şirket] için 10 slaytlık bir yönetici özeti oluşturun, hedef kitle SVP'lerdir, [çeyrek] performansını özetleyin, ilk 3 riski, gerekli 3 kararı ve ayrıntılı metriklerle bir ek ekleyin. Marka stili: [bağlantı]. BI panolarından alıntılayın [X, Y]."
- Satış Sunumu: "[Sektör personeli] hedefleyen 12 slaytlık bir sunum oluşturun, problem-çözüm uyumu, CRM kazanma verilerini kullanan yatırım getirisi modeli, [bilgi tabanı]ndan rakip karşılaştırmaları ve örnek olay slaytları."
- Ürün İncelemesi: "[Özellik] için 8 slaytlık bir ürün incelemesi tasarlayın, benimseme metriklerini, [destek kayıtları]ndan kullanıcı geri bildirim temalarını ve yol haritası ödünleşimlerini ekleyin. Ürün KPI'larımızı ve mühendislik kapasite kısıtlamalarımızı kullanın."
- Yatırımcı Güncellemesi: "GAAP/Non-GAAP metrikleri, nakit akışı, kohort analizi ve iş hattı sağlığı içeren 14 slaytlık aylık bir güncelleme hazırlayın. Risk açıklamalarını ve geleceğe yönelik beyanları dahil edin."
Her bir model, hedef kitleyi, veri kaynaklarını ve kararları kodlar; yapay zekanın en değerli hale geldiği yer burasıdır.
SSS
S1: Basit bir metin isteminden PPT oluşturmak için yapay zeka aslında nasıl çalışır?
Bir dil modeli, isteminizi bir taslağa, slayt içeriğine ve konuşmacı notlarına dönüştürürken, düzen motorları şablonları uygular. Belgelerinizden ve BI araçlarından alınan verilerle birleştirildiğinde, sistem iddiaları ve sayıları dayanaklandırarak hataları azaltır.
S2: Yüksek kaliteli bir sunum elde etmek için bir isteme neler dahil etmeliyim?
Hedef kitleyi, amacı, slayt sayısını, şablonu ve veri kaynaklarını belirtin. Açık kısıtlamalar ve yetkili belgelere bağlantılar, doğruluğu artırır ve revizyon döngülerini azaltır.
S3: Yapay zeka tarafından oluşturulan PPT içeriği, yönetici veya müşteri odaklı sunumlar için güvenilir midir?
Güvenilir olabilir, ancak yalnızca alıntılarla desteklendiğinde ve alan uzmanları tarafından incelendiğinde. Güvenilirlik, veri alma kalitesi, yönetişim ve onay ve marka standartlarını zorlayan bir iş akışı ile ilişkilidir.
S4: Basit bir metin isteminden PPT oluşturmak için yapay zeka için hangi araçlar en iyisidir?
Microsoft ve Google gibi yerleşik paketler güçlü entegrasyon sunarken, özel veya orkestrasyon araçları daha derin bağlam ve yönetişim sağlayabilir. Yalnızca oluşturma hızına değil, veri alma, şablon kontrolü, iş akışı uygunluğu ve analizlere göre seçim yapın.
S5: Yapay zeka tarafından oluşturulan sunumlardan elde edilen yatırım getirisini nasıl ölçerim?
Güven süresini (istemden güvenilir bir sunuma kadar geçen dakika) takip edin. Gerçek değeri ölçmek için bunu, anlaşma hızı, onay oranları veya toplantı kararları gibi sonuç metrikleriyle eşleştirin.
