Bir Fotoğraf Çek, Parayı Cebine Koy: İki Lise Öğrencisi Bu Formülle 30 Milyon Dolar Kazandı, Sen de Aynısını Kopyalayabilirsin

App Store’u açıp “AI” diye arattığında, ilk 50 sonucun 10 tanesi fotoğraf tanıma uygulamalarıdır. Son iki yılda gerçekten para basan AI ürünleri hep aynı “sade” görünüme sahiptir. Seninle felsefe tartışan, kod yazan veya sinema filmi üreten hepsi bir arada devasa modeller değil bunlar. Aksine, “buna da mı para ödenir?” dedirten, son derece basit işlevleri olan ufak araçlar: Telefonu kaldırıp bir fotoğraf çekersin, sana tek bir cümle döner ve sen de buna karşılık her ay 10 dolar ödersin.

En acı verici rakamları en başa koyalım.

Cal AI adında bir uygulama var ve tek bir işlevi var: Yiyeceğin yemeğin fotoğrafını çekersin, sana kaç kalori olduğunu söyler. Bunu yapan, 17 yaşındaki iki lise öğrencisi ve uygulama Mayıs 2024’te yayında. 18 ay sonra: İndirme sayısı 15 milyonu aştı, yıllık gelir 30 milyon doları geçti. Aralık 2025’te MyFitnessPal tarafından satın alındı ve 7 kişilik ekibin tamamı kadroya dahil edildi. Forbes raporuna göre 2026’da gelirin 50 milyon dolara ulaşması bekleniyor (kaynak haberde belirtildiği şekliyle, bağımsız olarak doğrulanmamıştır).

7 kişi, tek bir fotoğraf özelliği, 30 milyon dolar.

Bunun arkasında tekrar tekrar kullanılabilecek bir filtreleme kriteri var ve bu kriter sadece bir kez değil, defalarca kanıtlandı. Bugün bu kriteri parçalarına ayıracağız ve “Kod yazamıyorum, o zaman ne yapacağım?” sorusunu da hesaba katarak sana net bir yol haritası çizeceğim.

1. Kullanıcının eksik olduğu şey bilgi değil, düşünme zahmetinden kurtulmaktır

Çoğu insan ürün yaparken acı noktaları bulma yönteminde hata yapar. Kullanıcının eksikliğinin bilgi olduğunu sanar — ona söylerim ve para öder.

Hayır. 2026’da bilginin en değersiz olduğu dönemdeyiz. Bir tabak makarnada kaç kalori olduğunu merak edersen, arama motoru sana üç saniyede yirmi cevap verir, hem de bedava.

Öyleyse Cal AI hangi yüzden para istiyor?

Çünkü yağ yakmaya çalışan biri dışarıda yemeğe çıktığında, menüyü eline alır ve yirmi yemek seçeneğinin her birini okuyup anlasa bile hangisini sipariş edeceğini bilemez. Yağ oranı yüksek mi? Karbonhidratı patlatır mı? Bugün bunu yediysem yarın ekstra spor yapmam gerekir mi? Teorik olarak şu işi yapması gerekir: malzemeleri tanımak, gramajları tahmin etmek, her birinin kalori yoğunluğunu araştırmak, hepsini toplamak ve sonra bugünkü kalan kalori kotasıyla karşılaştırmak. Bu süreç beş dakika sürer, günde üç öğün, ayda doksan öğün.

İşte bu, davranış ekonomisinde karar yorgunluğu dediğimiz şeydir: karar sayısı arttıkça, sonraki kararların kalitesi düşer. Yani kullanıcının asıl ihtiyacı, onu susturup ikna edecek kesin bir cevaptır.

Bunu yapan biri çıktı: menünün fotoğrafını çekersin, AI sana doğrudan hangisini sipariş etmen gerektiğini söyler. On dakikalık kararsızlığı üç saniyelik bir karara sıkıştırır.

Bu tür uygulamalar şu an epey iyi gidiyor. App Store’daki MenuFit’i ele alalım: 1 milyondan fazla indirme, 4.8 yıldız, 53.900 değerlendirme ve temel abonelik ayda 9.99 dolar. Abonelik alanında, milyonlarca indirme sayısına ulaşmış ve aylık on dolar fiyatlandırmaya sahip ürünler, gerçek ve kârlı bir iş modelini temsil eder.

İkinci: Üç eleme koşulu, biri bile eksikse iş yürümüyor

Tüm bu örnekleri üst üste koyup incelediğimizde, üç temel filtreleme kriteri ortaya çıkıyor — bunlar bir ticari formül değil, doğru yönü seçme pusulası:

Yüksek frekanslı senaryo × Karar verememe zorluğu × Fotoğraf ile giriş

Bunun neden 2026’da geçerli hâle geldiğini merak edebilirsiniz. İlk iki koşul zaten çoktan mevcuttu; üçüncüsü ise ancak multimodal modeller olgunlaştığında kilidini açtı. Eskiden kullanıcıya “150 gram tavuk göğsü, 100 gram brokoli” elle yazdırmaya çalışırdınız; bu giriş maliyeti, kullanıcının kendi başına hesap yapmasından daha zordu ve ürünün ölümü kesindi. Artık “telefonu kaldır ve çek” tek operasyona dönüştü; kullanıcı yükü “otuz harf yazmaktan” “tek bir tuşa basmaya” indi. İşte ancak o zaman bu üç koşul nihayet bir araya geldi.

Hepsini tek tek netleştireyim — çünkü insanların çoğu bu halkalardan birinde yüzüstü düşer.

Koşul Bir: Yüksek Frekans

Günde en az bir, ideal olarak üç kez tekrarlanmalı. Yemek yemek kusursuz bir senaryodur — günde üç, yılda bin kez. Kullanıcı uygulamanızı günde üç kez açtığında, ödeme psikolojik bariyeri inanılmaz derecede düşer. Tersi durumda, “mortgage için hangi planı seçmelisin” gibi bir ihtiyaç ömürde iki kez ortaya çıkar; siz de yalnızca tek seferlik bir para kazanabilirsiniz. Tek seferlik para ise, sonsuza dek trafik satın almak zorunda kalmanız demektir.

Koşul İki: Karar Verememe Zorluğu

Kullanıcı, hemen bir karar vermek zorunda olduğu ama bir türlü veremediği bir anın tam ortasında olmalı. Menü, market rafı veya şarap listesi önünde kalıp kararsızlığa düşmek, tam bir karar kilitlenme noktasıdır. Buna karşılık “beslenme bilimi öğrenmek istiyorum” bir kilitlenme noktası değildir; bu öğrenmektir, öğrenmek ise acil değildir ve acil olmayan ihtiyaçların ödeme dönüşümü tıkır tıkır düşüktür.

Duygusal baskı altında verilen kararların bir özelliği daha vardır: Kullanıcılar satın aldıkları şey bilgi değil, rahatlama hissidir. Diyet yapan biri, bir yemekte telefonunu kaldırıp fotoğraf çekip “320 kalori” okuduğunda ve sonra içi rahat bir şekilde yemeğine devam ettiğinde—aslında o 320 kalorilik veriyi satın almaz, o anki kararsızlıktan kurtulmanın rahatlığını satın alır. Ödeme isteğinin gerçek kaynağı tam olarak budur.

Koşul Üç: Fotoğrafla Giriş

Çok modlu modeller bu dalganın motorudur. TechCrunch’ın haberinde, Cal AI’nin tanıma doğruluğının yaklaşık %90 olduğu belirtiliyor—%100 değil. Diyet yapan biri için, %90 doğruluğa sahip 3 saniyelik bir cevap, %100 doğruluğa sahip 5 dakikalık bir cevaptan çok daha değerlidir. Diyet yapmak kesin bir bilim değil, istatistiksel bir oyundur; günlük ortalama hata payının <%5 olması yeterlidir.

Üçüncü Bölüm: Beş Adımda Sıfırdan Yayına

Aşağıdaki beş adımı sırasıyla izleyin.

Birinci Adım: Özelliği Değil, Senaryoyu Seçin

Bir kağıt alın ve kendi hayatınızdaki “hemen karar verilmesi ama her seferinde tereddüt edilen” anları yazın. Sadece kendi gerçekten sıkıştığınız anları yazın, başkalarının sıkışabileceğini tahmin ettiğiniz durumları değil. İşte birkaç yön referansı:

• Bar menüsü: Hangi içecekte en az kalori var (spor yapanların temel ihtiyacı ve bu kitlenin harcama gücü yüksektir)
• Market atıştırmalıkları: Paketin arkasını çekin, diyetteyken yenip yenemeyeceğini söyleyin
• Havalimanı / tren garı yemeği: Aktarma için iki saatiniz var, nasıl yiyip batmadan çıkarsınız
• Süpermarket içerik tablosu: İçindekiler listesini çekin, kaçındığım bir madde var mı söyleyin

Son yön artık patlama noktasına ulaştı. Seed Oil Scout, kullanıcıları tohum yağı içeren restoran ve ürünlerden uzak tutmaya odaklanan bir uygulama; açık verilerine göre 1 milyondan fazla indirim aldı ve 14 bin değerlendirmeyle 4.8 yıldız ortalaması yakaladı. Uygulama içine doğrudan bir mağaza entegre etti; kullanıcılar tıklayıp uygun ürünleri satın alabiliyor — abonelik geliri ve komisyon olmak üzere iki gelir yolunu aynı anda kazanıma çeviriyor.

İkinci adım: Dikey veriyle doğrula, Google Trends’i kullanma

Senaryoyu belirledikten sonra hemen kod yazmaya başlama. Talebin sadece senin zihninde var olup olmadığını doğrulamak için yirmi dakikanı ayır.

Ama önce büyük bir tuzak var: Google Trends ve arama öneri kutularını kullanma taktiği, App trafiği için geçerli değil. App Store’daki arama davranışı Google’dan tamamen farklıdır ve anahtar kelime popülerliğini ölçme kriterleri de aynı değildir. Cal AI de zaten Google üzerinden büyümedi; yükselişini TikTok videolarının dönüşüm oranına ve Product Hunt sıralamasına borçlu.

Doğru doğrulama yöntemi şu:

1. App Store’u aç, VPN ile hedef pazarına (örneğin ABD bölgesi) bağlan, İngilizce temel anahtar kelimelerini ara (örneğin menu calorie) ve ilk 10 sonucun içinde 100.000 indırmayı aşan ve hâlâ güncellenmeye devam eden benzer ürünler olup olmadığına bak.
2. Sensor Tower’a (üçüncü taraf uygulama mağazası veri platformu) git, bu anahtar kelimedeki lider ürünlerin indirme eğrisini incele ve trendin yukarı mı yoksa aşağı mı yönlendiğini gör.
3. Reddit ve Quora’daki ilgili subreddit’lerde “X decision”, “X help” araması yap ve şikayet yoğunluğunu ölç — şikayet ne kadar fazlaysa, acı noktası o kadar gerçektir.

Piyasada benzer ürünler hayatta kalmaya devam ediyor + Reddit’te insanlar benzer sorunları tekrar tekrar soruyorsa = talep gerçekten var, bu senin kafanda uydurduğun bir şey değil.

Üçüncü Adım: Yap, ama sıfırdan kendin yazma

Cal AI’ın teknoloji yığınında hiçbir sır yok: TechCrunch’ın net bir şekilde yazdığı gibi, Anthropic ve OpenAI modellerini çağırıyor, RAG (AI’ın harici bilgi tabanlarını tarayıp cevap vermesini sağlayan teknoloji) ekliyor ve bir dizi açık kaynaklı besin kalorisi görsel veri tabanını besliyor. Kendi özel modeli yok, algoritmik bir atılım yok — bu, mevcut yetenekleri yeniden birleştiren bir ürün.

2026’da senin teknik eşiğin şu olacak:

• Görsel tanıma → Doğrudan GPT / Claude’un çok modlu API’lerini (yani yapay zekânın görsel tanımasına izin veren API’leri) kullan. Kullanım başına öde, başlangıç maliyeti neredeyse sıfır.
• Uygulama arayüzü → 4-8 hafta içinde MVP (Minimum Uygulanabilir Ürün) çıkar. Ardından IAP (uygulama içi satın alma) incelemelerini, gizlilik politikası ve vergi sınıflandırması süreçlerini geçmek için 2-3 hafta daha eklersin.
• Abonelik tahsilatı → App Store / Google Play uygulama içi satın alımları. Platform küresel ödemeleri ve iadeleri senin yerine halleder.

Özelliği sadece bir taneye indirip diğerlerini kesmeye cesaret edebiliyor musun? Asıl zorluk burada. Cal AI’nin sosyal özellikleri yok, yemek tarifi veritabanı yok, antrenman programı yok. Sadece tek bir işi yapar, bunu %90 doğrulukla yapar ve sonra parayı toplar.

Yayınlayacağın ilk sürümde kesinlikle yeni özellikler eklemek isteyeceksin. Sakın ekle. Eklediğin her özellik, o üç saniyelik kesinlik hissini sulandırır.

3.5. Adım: Kod yazmayı bilmeyenler nasıl bir yol izlemeli

Bu, okuyucular tarafından en çok sorulan soru olduğu için ayrı bir başlık altında ele alıyorum.

Eğer kod yazmayı hiç bilmiyorsan, 2026’da izleyebileceğin net bir yol var:

1. İlk sürümü Glide / Bubble / Softr / Adalo (arayüz bileşenlerini sürükleyip bırakarak uygulama oluşturabileceğiniz no-code platformlar) ile yapın — bu araçlar artık GPT-4o vision API’sini çağırabiliyor; görsel tanıyıp metin döndüren bir uygulama yapmak teknik olarak tamamen mümkün.

2. Aynı anda Upwork üzerinden Swift (iOS geliştirme dili) bilen bir freelancer bulun; saatlik ücreti 30-50 USD ve no-code prototipinizi App Store’a koyulabilecek yerel (native) bir uygulamaya dönüştürsün.

3. Sonraki yinelemeler için kendiniz Cursor + Claude Code (AI kodlama araçları) öğrenip kullanın.

Bu yol biraz daha yavaş, ama sıfırdan programlama öğrenmenizi gerektirmiyor. İlk sürüm 8-12 hafta, 10.000-30.000 USD bütçeyle (no-code aboneliği + freelancer + yıllık 99 USD Apple Developer hesabı dahil) App Store’a koyulabilecek bir versiyon çıkarabilirsiniz.

Dördüncü adım: Uygulama mağazasına “AI” harflerini yazın

Sensor Tower’ın bir raporundaki veri çok kritik: Cal AI, uygulama mağazası açıklamasına ortalama her çeyrekte 35 adet AI ile ilgili anahtar kelime yığmış; sonuçta AI ile ilgili arama terimleri, arama kaynaklı indirmelerinin %25’ini getirmiş.

Organik trafiğin dörtte biri, “başlığa ve açıklamaya AI yazmaktan” geliyor.

Uygulama mağazaları “AI” ifadesini bir kategori etiketi olarak indeksliyor; başlığında bu kelime geçen ürünler doğrudan AI arama havuzuna giriyor. Bu durum, ASO (App Store Optimization) anahtar kelife ağırlık mekanizmasıyla doğrudan bağlantılı. Şu anda App Store’da “AI food”, “AI scanner”, “AI menu” araması yapan devasa bir kullanıcı kitlesi var. Aradıkları şey senin markan değil, bu kategori. Uygulamanın adında, alt başlığında veya açıklamasında bu kelimeler geçmiyorsa, bu trafikten tek bir ziyaretçi bile kapamıyorsun.

Bu, yapabileceğin en ucuz tek seferlik iş; bir kez yaparsın ve uzun süre ekmek yersin.

Beşinci Adım: Fiyatlandırmaya abonelikle başla, tek seferlik satış yapma

Aylık 9.99 dolar, bu nişte kanıtlanmış fiyat çapasıdır.

Neden tek seferlik satış yapmıyorsun? Yüksek kullanım sıklığına sahip senaryolarda değer sürekli olarak ortaya çıkar; kullanıcı bugün kullanıyorsa yarın da kullanacak. Tek seferlik satış modeli gelirini anlık bir rakama hapsettiği için sürekli trafik satın almaya mahkum olursun. Oysa abonelik modeli, bugün kazandığın kullanıcıların önümüzdeki yıl sana ödeme yapmaya devam etmesini sağlar.

Kaba ama gerçekçi bir hesap: 10.000 ödeme yapan kullanıcı × 9.99 dolar × 12 ay ≈ 1.2 milyon dolar yıllık gelir. Ama bu bir tavan gelir rakamıdır, cebine girecek para değildir. Şunlar düşülür:

• App Store %30’lik komisyon → Elinde 840.000 dolar kalır
• Model API maliyeti (GPT-4o vision başına $0.01-0.03, 10.000 kişinin günde 3 fotoğraf çekmesi = günde 90.000 kullanım ≈ aylık 27.000-80.000 dolar) → Elinde 760.000-810.000 dolar kalır
• Kullanıcı edinme maliyeti (ABD iOS sağlık kategorisi eCPI kabaca 2-4 dolar, 10.000 ücretli kullanıcı 200.000-500.000 indirme demek) → 300.000-2.000.000 dolarlık reklam bütçesi
• Aboneliklerde sıkça görülen %8-25 iade oranı → Üstüne bir de %20 kesinti

Gerçek net kâr muhtemelen 300.000-600.000 dolar civarında olur; bu rakamları bile ancak Cal AI ölçeğinde bir iş götürebilir. Bu, 1-2 kişiyi geçindirebilecek küçük bir iş modelidir; yani cebine giren net para 1.200.000 dolar olmaz.

Dört: Bu Yoldaki Gerçek Zorluklar

Zorlukları seni ne kadar tıkayacağına göre sıraladım, gerçekleşme olasılığına göre değil.

Zorluk 1: Pazarlama Bir Duvar, Teknoloji Değil

Bunu ayrı bir paragrafa yazmam gerekiyor, çünkü önceki adımlarda teknoloji eşiğini bu kadar aşağı çekmek sana “pazarlamayı da hallederim” yanılgısını veriyor — ama bu tamamen yanlış.

Uygulama mağazası anahtar kelimeleri sana bir miktar organik trafik sağlayabilir; ancak 1 milyon indirmeye ulaşmak için neredeyse kesinlikle ücretli reklam vermen gerekir. ABD bölgesi iOS sağlık kategorisi uygulamalarında CPI (tekil kurulum maliyeti) genellikle 4-8 dolar, organik trafikle harmanlandıktan sonra eCPI yaklaşık 2-4 dolar civarındadır. 1 milyon indirme, en az 2-4 milyon dolarlık bir reklam bütçesi anlamına gelir. Bu bir lise öğrencisinin bütçesi değil; bir startupın A turu yatırım alması gereken bütçedir.

Cal AI ekibinin pazarlamaya harcadığı çaba, kod yazmaya harcadığından çok daha fazlaydı. Ürünü bitirmek sadece bir başlangıçtır, son değildir; bu klişe bir laf değil, gerçeğin ta kendisidir.

Daha önce e-ticaret yaptıysan bu haber senin için çok iyi: Meta ve TikTok’ta trafik satın alma becerin, Amazon ASO’su (Listing optimizasyonu) için anahtar kelime deneyimin doğrudan App Store ASA’ya (Apple Search Ads) taşıyabilir. Bu senin giriş biletin; kod yazamıyor olman hiç sorun değil.

Eğer daha önce hiç trafik satın almadıysan, bu yola girmeden önce bu dersi tamamlaman gerekir.

Zorluk #2: Formül gerekli bir koşuldur, yeterli bir koşul değil

Bu üç eleme kriteri yalnızca “neden biri ödeme yapmaya razı olur” sorusunu açıklıyor; “neden bu parayı senin alacağın” sorusunu açıklamıyor.

Cal AI’nin hendeği “az özellik” değil; 15 milyon fotoğraf çekiminin ürettiği veri çarkıdır. Her fotoğraf model veya insan eliyle düzeltilmiş durumda ve yemek tanıma kütüphanesi yeni gelenlerden çok daha isabetli. Yeni gelenler 1 milyon kez çekse yetmez. Bu bir veri varlığıdır, zamanla birikir; hiçbir formül sana bunu veremez.

Okur “Ben de Cal AI’yi kopyalayabilirim” sanabilir, ama 0’dan 10 bin ücretli kullanıcıya geçişin zorluğunu formüller küçümsüyor. Üç koşul seni en bariz çukurlardan korur; ama patlayıp patlamayacağın ürün deneyimi + pazarlama + takım icrasının bileşkesine bağlı.

Zorluk üç: Hendek sığdır, ama derinleşen bir yüzü vardır

Yaptığın ürün “tek cümleyle anlatılır” cinstendir; bu, başkasının da tek cümleyle kopyalayabileceği anlamına gelir. Sıradan reçete “hız ve dikey derinlik”tir. Yeterince dar bir sahnede kullanıcıların aklındaki varsayılan seçenek olmayı ilk başaran, o terimin arama trafiğini kapar. Ama bu yolda gümüş kurşun yok: ilk 1000 yorum, anahtar kelime konumlanması, marka terimi arama hacmi — bunların hepsi zamanla biriken varlıklardır.

Daha derin hendek kullanıcı verisinde yatar. 1 milyon çekim yaptıktan sonra tanıma kütüphanen yeni gelenlerden %5 daha isabetli olur. Bu %5, arama sonuçlarında birinci sıraya çıkıp çıkmayacağını belirler.

Zorluk dört: Ağızdan ağıza bölünme normdur

MenuFit, App Store’da 4.8 yıldız alıyor ama metin yorumlarındaki puanı yalnızca 2.7’de kalıyor — devasa negatif yorumların neredeyse tamamı abonelik ve ödeme kesintisi deneyimine odaklanıyor. 4.8 yıldız global ortalama, 2.7 puan ise kullanıcıların gerçekten metin yorumu yazma deneyimini yansıtıyor; kötü abonelik ve ödeme deneyimi, bu nişte endüstri standardı haline gelmiş bir kangren.

Abonelik modeliyle para kazanmakta hiçbir sorun yok; ama kullanıcıyı abonelikten çıkamayacak şekilde tuzağa düşürerek kazanç sağlamanın sonu kesinlikle fiyaskodur — o yolun çıkışı toplu negatif yorumlar ve platformlardan kaldırılmadır.

Beşinci Adım: 30 Günlük Test Çerçevesi

Eğer yukarıdaki tespitleri mantıklı bulduysan, bu 30 günlük test çerçevesiyle hemen aksiyona geç —

1.-3. Gün: Beş senaryo listele, kendini en çok tıkayan tek bir tanesini seç ve ikinci adımdaki yöntemle App Store ve Reddit üzerinden doğrula.

4.-7. Gün: Glide / Bubble / Softr ile no-code prototipi çıkar + bir kez fotoğrafla tanıma akışını çalıştır (sadece tek bir yemeği tanısa bile yeter). Maliyet: 0-50 dolar. Karar noktası: Tanıma doğruluk oranı %70’in üzerine çıkabiliyor mu? Çıkmıyorsa senaryoyu değiştir.

8.-14. Gün: 20 hedef kullanıcı bul (Reddit / Discord / Pinterest ve Reddit üzerinden araştır) ve ücretsiz deneme sunarak “para öder mi?” sorusunun gerçek cevabını topla. Karar noktası: 20 kişiden en az 3’ü “Ayda 9.99 dolar ödemeye hazırım” derse — yola devam et; aksi halde senaryoyu değiştir.

15-30. Gün: Yerel sürümü yeniden yazması için yarı zamanlı bir Swift geliştiricisi bul + App Store materyallerini hazırla + Uygulama İçi Satın Alım (IAP) ile listelemeye hazırlan. Bütçe: 3000-8000 dolar. Karar noktası: 30. günün sonunda, 60 gün içinde 100 gerçek ücretli kullanıcıya ulaşacağına dair güvenin var mı? Yoksa durdur.

E-ticaretteki eski kurtların içgüdüsü şudur: “Reklam harcaması kâra geçiyorsa ölçeklendir, geçmiyorsa anında dur.” Bu kural uygulamalar için de birebir geçerlidir. 30 günde yönü doğrulayabiliyorsan doğrula; doğrulayamıyorsan rotayı değiştir. Inatla bir şeye tutunup kalmak bu sektörün en büyük maliyetidir.

Üzerinde beş senaryonun yazılı olduğu o kâğıdı almanı tavsiye ederim. Şimdi, hemen.

Sıradan birinin ürün yaparken karşılaştığı en büyük maliyet para değil; “daha büyük bir fikir” beklemek — ve sonra hiçbir şey yapmamak. 17 yaşındaki iki lise öğrencisi beklemedi. Bir fotoğraf özelliği geliştirdiler ve 18 ay sonra MyFitnessPal tarafından satın alındılar. Onlardan daha kötü olmazsın ama onlardan daha yavaş olursun — bugün ilk fotoğrafını çekmeye başlamazsan.

Telefonu kaldır.