Büyük E-Ticaret Katalogları İçin Yapay Zeka ile Ürün Görseli Otomasyonu

Tipik bir kataloğun büyük bir kısmı için evet — ancak projenin başarısını belirleyen kritik bir koşulla. Yapay zeka; tek bir kaynak fotoğraftan stüdyo çekimlerini, hayalet manken (ghost mannequin) görsellerini, mankenli kıyafet fotoğraflarını ve yaşam tarzı (lifestyle) sahnelerini güvenilir bir şekilde ve stüdyo kiralama maliyetinin çok altında üretir. Yapamadığı şey ise ortaya çıkan sonucun doğru olup olmadığına karar vermektir. Bu muhakeme insana aittir; eğer bunun için bir bütçe ve iş gücü ayırmazsanız, süreç ileride iadeler, pazaryeri listeleme engelleri ve her şeyi baştan yapma maliyeti olarak geri döner.

Dolayısıyla asıl sorulması gereken soru "Yapay zeka bunu yapabilir mi?" değil, "Kataloğumun hangi kısmı müdahalesiz ilerleyebilir ve onay gerektiren kuyruk ne kadar büyük?" olmalıdır. Pratikte ekipler bu ayrımın kabaca şu şekilde gerçekleştiğini görür:

• Sorunsuz otomatikleşenler: Düz arka planda tekrarlanabilir stüdyo çekimleri, standart kıyafet kalıpları için hayalet manken çekimleri, onaylanmış bir çekimin farklı renk varyantları, arka plan ve ortam değişiklikleri, çözünürlük yükseltme (upscaling), ikincil ve detay açıları.
• İnceleme ile otomatikleşenler: Kalıp ve dökümün inandırıcı durması gereken mankenli görseller, ince dokulu veya logo detaylı ürünler, yansıtıcı veya şeffaf unsurları olan takılar, alışılmışın dışında dikime sahip giysiler.
• Otomatikleşmeyenler: Amiral gemisi bir ürünün ana vitrin görseli, yasal veya beden uyumu nedenleriyle birebir fiziksel ürünün gösterilmesi zorunlu olan her şey ve pazaryerinizin gerçek ürünün rötuşsuz fotoğrafını şart koştuğu kategoriler.

Tek bir sağlayıcıyı bile değerlendirmeden önce SKU'larınızı bu üç kategoriye ayırın. Zaman çizelgenizi ve ekip ihtiyacınızı belirleyecek olan şey tedarikçinin demosu değil, bu kategoriler arasındaki orandır.

Bu alana yeni adım atan ekipler, sürekli olarak görsel üretim aşamasını gereğinden fazla, etrafındaki diğer tüm süreçleri ise gereğinden az planlar. Görsel üretimi; ucuz, paralel yürütülebilen ve sınırları belli bir adımdır. Asıl maliyet bu adımın öncesinde ve sonrasında yatar.

Gerçekçi bir görsel iş akışı altı aşamadan oluşur ve bunlardan sadece biri "görseli üretmek"tir:

1. İçeri Alma (Intake): Kaynak fotoğrafları bulundukları yerden (bir DAM sistemi, tedarikçinin Dropbox hesabı veya düzensiz adlandırılmış paylaşımlı bir klasör) çıkarıp bir makinenin işleyebileceği formata getirmek. Özellikle kaynak görseller tedarikçilerden geliyorsa, genellikle en çok hafife alınan aşama budur.
2. Standardizasyon: Tek bir çıktı standardı belirlemek ve bunu uygulamak: boyutlar, kenar boşlukları, arka plan değeri, dosya formatı, renk profili, adlandırma kuralları. Bunu en başta, yazılı olarak tek bir seferde yapın.
3. Yönlendirme: Her SKU'yu doğru işleme yönlendirmek. Bir elbise, bir yüzük ve bir spor ayakkabı aynı iş akışından geçemez; aksini varsayan bir süreç ortaya vasat sonuçlar çıkarır.
4. Üretim: Sağlayıcıların pazarladığı kısım. Paralel çalışır, hızlıdır ve nadiren tıkanıklık yaratır.
5. İnceleme ve Onay: Bir uzmanın yazılı standartlara bakarak çıktıyı kontrol etmesi. Aşağıdaki kalite kontrol bölümüne bakın; teslim tarihlerinin sarktığı yer tam olarak burasıdır.
6. Dağıtım: Onaylanan dosyaları doğru dosya adı ve meta verilerle birlikte PIM sistemine, e-ticaret sitesine ve ilgili pazaryerlerine geri aktarmak.

Bir katalog projesini bütçelendirirken birinci, beşinci ve altıncı aşamaları dürüstçe hesaplarsanız hedefinize çok yaklaşırsınız. Sadece dördüncü aşamayı hesaplarsanız fena halde yanılırsınız.

Tarih taahhüdünde bulunmadan önce şu hesabı yapın; zira uygulanabilirlik tartışmalarının çoğu bu hesapla beş dakikada çözülür.

Araca göre değil, teslim tarihinize göre plan yapın. Toplam görsel sayınızı elinizdeki toplam saniyeye bölün; sisteminizin kesintisiz sürdürmesi gereken hız ortaya çıkar. Ardından bu rakamı üç ayrı sınırla karşılaştırın: API istek limitleri, görsel başına üretim süresi ve manuel inceleme kapasiteniz. Çünkü bu üçünün en düşüğü sizin gerçek kapasitenizdir ve bu da neredeyse hiçbir zaman pazarlama sunumlarında vadedilen rakam değildir.

Bu sıkça yapılan gerçek bir arama, bu yüzden satış odaklı bir söylem yerine dürüst bir yanıtı hak ediyor: Üretken yapay zeka ile değil ve Photta ile değil.

48 saatte 50 milyon görsel, iki gün boyunca hiç durmadan saniyede yaklaşık 290 görsel işlemek demektir. Kıyaslamak gerekirse, Photta'nın API'si hesap başına dakikada 600 istek (saniyede 10 istek) kabul eder ve tek bir üretim işleminin tamamlanması ortalama 1 ila 4 dakika sürer. Bu iki metrik, talep edilen hızın üç büyüklük mertebesi (1000 kat) gerisindedir ve hiçbir paket yükseltmesi bu farkı kapatamaz.

Eğer gerçekten 48 saatlik bir sürede 50 milyon görseliniz varsa, sizin ihtiyacınız olan şey görsel üretimi değil, deterministik dönüştürme işidir (yeniden boyutlandırma, format dönüştürme, kırpma, sıkıştırma). Bu işlem, bunun için özel olarak tasarlanmış ve standart bulut altyapısında devasa paralellikte çalışan bir medya işleme servisinde yapılmalıdır; bu ölçekte bu sorun zaten teknik olarak çözülmüştür. Üretken yapay zeka bunun için yanlış araçtır ve aksini iddia eden her sağlayıcı tutamayacağı bir söz veriyordur.

Üretken yapay zekanın asıl yeri, henüz var olmayan bir görsele ihtiyaç duyduğunuz çok daha küçük segmentlerdir: Çekimini yapmadığınız bir mankenin üzerindeki bir kıyafet, düz serimden üretilen içi boş bir manken çekimi veya hiç kurmadığınız bir konsept sahnesi. Bu hacim genellikle on milyonlarca değil, binler ila on binlercedir ve süreler saatlerle değil haftalarla ölçülür.

Gerçek bir projeye benzeyen somut bir örnek üzerinden gidelim: Dört haftalık bir teslim süresinde, her biri için hayalet manken görseli gereken 5.000 giyim SKU'nuz olduğunu varsayalım.

• Üretim yükü: 5.000 işlem. Photta'nın 2K hayalet manken görseli için sunduğu görsel başına 4 kredi maliyetiyle, yeniden denemeler hariç bu 20.000 kredi eder.
• Yeniden denemeler (Retry): Çıktıların belirli bir yüzdesinin ikinci bir düzenleme gerektireceğini baştan kabul edin. Yeniden deneme sabit 3 kredi olarak ücretlendirilir, bu nedenle bunu sürpriz olarak yaşamak yerine baştan bütçeleyin. Bu projede %15'lik bir yeniden deneme oranı 2.250 kredi ekler.
• İstek limitleri: Dakikada 600 istek tavanına karşı 5.000 gönderim oldukça önemsiz bir yüktür; saf gönderim süresi 9 dakikanın altındadır. Bu ölçekte API sınırları darboğazınız değildir.
• Süre: Hayalet manken görseli başına 1 ila 3 dakikalık işlem süresi ve eşzamanlı çalışan birkaç toplu işlem grubuyla, makine süresi haftalarla değil günlerle ölçülür.
• İnceleme ve Onay: Eğitimli bir editör için görsel başına yaklaşık 20 saniye hesaplandığında, 5.000 görsel — reddedilenlerin yeniden işlenmesi hariç — yaklaşık 28 saatlik kesintisiz insan dikkati gerektirir.

En büyük payın hangisinde olduğuna dikkat edin. Bu yapıdaki bir projede makineler işini insanlardan çok önce bitirir; bu yüzden planlamayı sağlayıcının hızına göre değil, onay ekibinizin kapasitesine göre yapmalısınız.

Pratik bir sonuç: Standart abonelik paketleri ayda en fazla 5.000 kredi sunar, bu nedenle bu büyüklükteki bir iş self-servis planların üzerindedir. Bu durum, lansman tarihi kesinleşmeden önce görüşülmesi gereken bir konudur.

Kullanışsız veya kısıtlayıcı olan yönleri de dahil olmak üzere her şeyi açıkça belirtiyoruz; çünkü bunları nasılsa pilot çalışma sırasında fark edeceksiniz ve şimdiden bilmeniz her iki taraf için de zaman kazandırır.

Hayalet manken, toplu iş akışına uygundur. Hem panelde hem de API üzerinden, gruptaki tüm giysilere uygulanan tek bir ortak ayar kümesiyle toplu işlem olarak çalışır. Toplu işlem boyutu plana göre sınırlandırılmıştır: Seller planında işlem başına 2 giysi, Brand planında 5, Studio planında 10 giysi. Aynı anda eşzamanlı olarak yürütebileceğiniz grup sayısı da sırasıyla 3, 4 ve 6 ile sınırlandırılmıştır.

Diğer her şey görsel bazlı bir işlemdir. Kıyafet deneme, takı deneme, gözlük, ayakkabı, detay fotoğrafları ve yapay zeka manken üretimi tek seferde tek görsel olarak gönderilir. Bunları kendi kodunuz aracılığıyla yine paralel olarak çalıştırabilirsiniz; burada kısıtınız özellik başına toplu işlem sınırı değil, hesap genelindeki hız limitidir.

Arka plan temizleme tek görselle sınırlıdır ve yalnızca panelde mevcuttur. Toplu arka plan kaldırma kuyruğu ve arka plan kaldırma API uç noktası bulunmamaktadır. Mevcut binlerce fotoğrafı dekupe etmek temel bir gereksinimse, bu aşamayı bu alana özel bir servisle planlayın; doğru servisi nasıl seçeceğinizi görmek için arka plan temizleme rehberimize göz atın.

Halka açık API asenkron ve yoklama (poll) tabanlıdır. Bir işlem gönderirsiniz, anında bir ID alırsınız ve sonuç hazır olana kadar durum uç noktasına düzenli sorgu (polling) atarsınız — bu işlem türüne bağlı olarak genellikle 1 ila 4 dakika sürer. Entegrasyonunuzu baştan bu sorgulama döngüsüne göre kurgulayın.

Mimariyi tasarlamadan önce bilinmesi gereken iki önemli detay:

• Şu anda webhook desteği yoktur. Dokümantasyonda bir webhook akışı açıklanmaktadır ancak callback iletimi henüz aktif değildir; bir işlem tamamlandığında anlık bildirim (push notification) gönderilmez. Gelmeyecek bir callback'i beklemek yerine durumu sorgulayın.
• Hız limiti anahtar başına değil, hesap başınadır. Dakikada 600 istek sınırı sabit bir zaman aralığında sayılır ve tüm planlarda aynıdır. İkinci bir API anahtarı oluşturmak kapasiteyi artırmaz, sadece ayrı yetki iptali esnekliği sağlar. Ekibinizin oturum açmış durumdayken kontrol panelinden yaptığı istekler de aynı limite dahildir.

Desteklenen uç noktalar arasında kıyafet deneme, takı deneme, hayalet manken (tekli ve toplu), gözlük stüdyosu, ayakkabı, detay fotoğrafları, yapay zeka manken üretimi, pozlar, marka etiketleri ve hesap kullanımı yer alır. Krediler işlem başladığında düşülür ve işlem başarısız olursa otomatik olarak iade edilir; bu sayede hatalı bir üretim sizden habersiz maliyet yaratmaz.

Ekipleri genellikle şaşırtan dört konu:

• Çıktı kalitesi girdi kalitesine bağlıdır. Kötü aydınlatılmış, düşük çözünürlüklü veya aşırı sıkıştırılmış bir kaynak fotoğraf, aynı oranda zayıf bir sonuç üretir. Kaynak görsel kalitesini düzeltmek, genellikle bir katalog ekibinin yapabileceği en etkili iyileştirmedir ve yazılım maliyeti sıfırdır.
• Model yönlendirmesi tek bir işlem içindeki görseller arasında değişiklik gösterebilir. Üretim süreci, bir yedekleme zinciriyle birden fazla yapay zeka modeli üzerinde çalışır; bir sağlayıcı işlem ortasında hata verir veya sınır aşımına uğrarsa, o görsel zincirdeki bir sonraki modelde tamamlanır. Bunun pratik etkisi, aynı oturumda üretilen görseller arasında doku ve aydınlatmanın biraz farklılık gösterebilmesidir; görselleri kategori sayfasında yan yana sergileyecekseniz bunu bilmenizde fayda var.
• Yüklemeler dosya başına 10 MB ile sınırlıdır. JPG, PNG ve WebP doğrudan kabul edilir; HEIC, AVIF ve TIFF yükleme sırasında dönüştürülür. Kaynak arşiviniz tam çözünürlüklü TIFF dosyalarından oluşuyorsa, içeri alma aşamasına bir çözünürlük düşürme adımı ekleyin.
• Yayınlanmış bir SLA veya çalışma süresi garantisi yoktur. Aşağıdaki satın alma ve tedarik bölümüne bakın.

İnceleme, otomatik bir iş akışının bir avantaja mı yoksa bir yüke mi dönüşeceğini belirleyen aşamadır ve çoğu planlamada göz ardı edilir. İki kural bu süreci yönetilebilir kılar.

Herhangi bir şey üretmeden önce standardınızı yazılı hale getirin. "Güzel görünüyor" kriteri, üç farklı kontrolör ve dört bin görselle karşılaştığında işe yaramaz. Kullanışlı bir standart; kısa ve net bir kontrol listesidir: Ürünün silüeti bozulmamış mı, renk fiziksel numuneye göre tolerans sınırları içinde mi, logo okunaklı ve doğru konumda mı, %100 yakınlaştırmada kenarlarda bozulmalar var mı, kadraj kategori standartlarına uyuyor mu? Beş somut kontrol maddesi, sayfalarca niyet beyanından daha etkilidir.

Her şeyi tek tek değil, istisnalara göre inceleyin. Her bir görseli tek tek incelemek birkaç binden sonra ölçeklenemez. Kolay gruptan belirli bir oranda rastgele örnekleme yapın ve zor grubu eksiksiz kontrol edin. Kolay gruptaki örnekleme hata oranı belirlediğiniz eşiği aşarsa, süreci zorla devam ettirmek yerine durdurun ve neyin değiştiğini tespit edin.

Yapay zeka kaynaklı hatalar birkaç belirgin grupta toplanır. Kontrol ekibinizi bunlara göre eğittiğinizde işleme hızınız hemen artar:

• Silüet kayması: Giysinin kesiminin fark edilmeden değişmesi (etek boyu, kol genişliği, yaka formu). Ürünü yanlış tanıttığı için ticari açıdan en tehlikeli hata budur.
• Detay uydurma: Gerçek üründe olmayan bir düğme, dikiş hattı veya desen tekrarı eklenmesi.
• Logo ve metin bozulması: Marka logolarının bulanık, eğrilmiş veya harfleri yanlış çıkması. Her zaman tam yakınlaştırmada kontrol edin.
• Renk sapması: Çıktının, özellikle canlı ve metalik yüzeylerde, artık fiziksel numuneyle uyuşmaması.
• Mankenli çekimlerde anatomik hatalar: Eller ve parmaklar en yaygın hata noktası olmaya devam etmektedir.

İlk üç madde, görsel aksi takdirde ne kadar iyi görünürse görünsün, herhangi bir ürün listeleme görselinde doğrudan ret sebebidir. Satmadığınız bir ürünün harika görünen bir fotoğrafı size kazanç değil, sadece iade getirir.

Müşteriler ürün görsellerinizi tek tek incelemez; kategori sayfasında yirmi tanesini birden görürler. Görsel tutarsızlık, tek bir görseldeki kusurdan çok daha belirgin bir şekilde kalitesizlik hissi verir. Üç temel alışkanlık bu tutarlılığı büyük oranda sağlar.

• Standardı bir kez belirleyin ve asla SKU bazında esnetmeyin. Kategori başına tek bir arka plan tonu, tek bir kenar boşluğu, tek bir en-boy oranı ve tek bir çözünürlük. Yazıya dökülmüş, herkese aynı şekilde uygulanan ve kimsenin "özel" gördüğü ürünler için esnetilmeyen kurallar.
• Bir ürün ailesinde aynı sanal mankeni kullanın. Mankenli görseller üretiyorsanız, bir mankeni bir kez oluşturup tüm varyantlarda kullanmak vücut oranlarını ve cilt tonunu sabit tutar. Her SKU için sıfırdan model üretmek bu tutarlılığı asla sağlayamaz.
• Mümkünse bir kategoriyi tek oturumda üretin. Aynı ayarlar altında birlikte üretilen görseller, haftalar arayla üretilenlere kıyasla birbirleriyle çok daha iyi eşleşir ve bu farkın en çok göze battığı yer kategori sayfalarıdır.

Ayrıca gerçekte hangi çözünürlüğe ihtiyacınız olduğuna erkenden karar vermelisiniz. Yüksek çözünürlükler görsel başına daha maliyetlidir (4K hayalet manken görseli 5 kredi iken 2K görsel 4 kredidir) ve çoğu e-ticaret sitesi ve pazaryeri alanı için 2K zaten görüntülenen sınırın üzerindedir. 4K'yı yalnızca detaylı yakınlaştırma (zoom) ve baskı için saklayın.

Bu süreci değerlendirirken "entegrasyon" ifadesinin ne anlama geldiği konusunda net olun; çünkü bu ifade iki çok farklı durumu tanımlar.

Photta'nın katalog görseli araçları yerel bir Shopify veya Amazon uygulaması olarak sunulmaz. Üretilen görselleri e-ticaret sitenizin ürün kayıtlarına tek tıkla aktaran bir eklenti yoktur. Entegrasyon yöntemi, API ile kendi PIM veya DAM sisteminizi birbirine bağlamaktır: Kaynak görselleri çeker, işlemleri gönderir, sonuçları kontrol eder ve onaylanan dosyaları ürün verilerinizi yöneten ana sisteme geri yazarsınız. Hali hazırda bir PIM sistemi kullanan ekipler için tek bir ana veri kaynağı sağladığından en doğru yöntem zaten budur. Böyle bir sistemi olmayan ekipler ise dağıtım aşaması için yazılım iş gücü bütçelemelidir; bu aşama ciddi emek gerektirir.

Ayrıca Photta; Shopify, WooCommerce, BigCommerce, Wix ve Squarespace altyapılarına kurulabilen gömülü bir sanal deneme (virtual try-on) eklentisi sunar. Bu tamamen farklı bir amaca hizmet eden ayrı bir üründür; katalog görseli üretmek yerine mağaza ziyaretçilerinizin ürünleri üzerlerinde denemelerini sağlar ve burada anlatılan katalog üretim süreçleriyle karıştırılmamalıdır.

Pazaryerlerinin kendi görsel kurallarına gelince; gereksinimler platforma göre değişir ve önceden haber verilmeksizin güncellenebilir. Ana görsel kuralları genellikle arka planlar ve görselin gerçek ürünü yansıtması konusunda oldukça katıdır; ikincil ve lifestyle görseller ise çok daha esnektir. Birkaç ay içinde eskiyecek kural metinlerini buraya kopyalamak yerine, lansman öncesinde her pazaryerinin güncel görsel kılavuzunu inceleyin ve doğruluk ile yasal bildirim gereklilikleri için yapay zeka ürün fotoğraflarına izin verilip verilmediği başlıklı yazımıza göz atın.

Resmi bir tedarikçi değerlendirmesi yapıyorsanız, sağlayıcıları birbirinden ayıran sorular bunlardır. Bunların yanıtlarını üçüncü ayda keşfetmeniz yerine baştan dürüstçe açıklamayı tercih ederiz.

• "Yazılı olarak toplu işlem tavanınız ve eşzamanlılık sınırınız nedir?" Bu konuda net bir rakam vermekten kaçınan bir sağlayıcı size bir şeyler anlatmaya çalışıyordur. Photta'nın limitleri yukarıda açıkça paylaşılmıştır.
• "SLA veya çalışma süresi garantisi sunuyor musunuz?" Photta resmi bir taahhüt sunmaz. Sözleşmeye bağlı çalışma süresi şirketiniz için zorunlu bir satın alma şartıysa, bunu pilot çalışmadan sonra değil önce gündeme getirin; bu durum geçerli bir eleme sebebi olabilir ve bunu erkenden bilmek en iyisidir.
• "Hangi güvenlik ve veri işleme belgelerine sahipsiniz?" Photta web sitesinde şu anda bir güvenlik teknik dokümanı, SOC 2 raporu veya standart bir DPA (Veri İşleme Sözleşmesi) yayınlamamaktadır. Kurumsal süreçleriniz bu belgeleri gerektiriyorsa baştan sorun; bir sayfada "enterprise" yazıyor diye bu belgelerin var olduğunu varsaymayın.
• "Başarısız bir üretim işleminde ne olur?" Harcanan krediler iade edilmelidir. Photta'da bir işlem başarısız olduğunda krediler otomatik olarak hesabınıza geri yüklenir.
• "Taahhüt vermeden önce sistemi kendi en kötü fotoğraflarımla test edebilir miyim?" Dürüst her sağlayıcı buna evet der. Demo galerileri tanımı gereği en iyi örneklerden seçilir; kataloğunuzun en zorlu %10'luk kısmı tek anlamlı test alanıdır.

Kendi sınırlarını baştan söyleyen bir sağlayıcı yetersiz bir sağlayıcı demek değildir. Aksine, paylaştığı rakamlar üzerinden güvenle plan yapabileceğiniz sağlayıcıdır.

Bir pilot çalışma gösteri yapmak için değil, bir karar vermek için yürütülür. Süreci buna hizmet edecek şekilde kurgulayın:

1. En iyi fotoğraflarınızı değil, gerçek ürün dağılımınızı yansıtan 50 SKU seçin. Zor dikimli modelleri, yansıtıcı ürünleri ve kaynak fotoğrafından biraz çekindiğiniz ürünleri mutlaka dahil edin.
2. Çıktı standartlarını ve inceleme kontrol listesini en başta yazın. Bunları sonuçları gördükten sonra yazarsanız, bilinçaltınız kuralları aldığınız sonuçlara uyacak şekilde esnetir.
3. Yalnızca iki metriği takip edin: İnsan müdahalesi olmadan onaylanan çıktıların oranı ve onaylanan görsel başına harcanan ortalama insan emeği süresi (dakika). Karar vermek için ihtiyacınız olan her şey bu iki veride saklıdır.
4. Dürüst bir projeksiyon yapın. Çıkan sonuçları tüm kataloğunuza oranlayın, pilotta test etmediğiniz içeri alma ve dağıtım aşamalarını ekleyin ve çıkan tabloyu sıfır maliyetle değil, kullanılabilir görsel başına mevcut maliyetinizle karşılaştırın.
5. Genel bir ortalamayla değil, ürün grupları bazında karar verin. Gerçekçi senaryoda otomasyon kataloğunuzun bir kısmında açık ara kazanırken, başka bir kısmında yetersiz kalacaktır. Bu bir başarısızlıktır değil, bir başarıdır; zaten büyük katalogların çoğu hibrit bir iş akışıyla yönetilir.

Bu süreci kendi kataloğunuza (SKU sayısı, kategori dağılımı, teslim tarihi) göre boyutlandırmak için desteğe ihtiyaç duyarsanız, bize e-posta ile ulaşın ve projenizi anlatın. Uygun olup olmadığını, uymayan yönleriyle birlikte dürüstçe paylaşalım.