Ürün Fotoğrafı Yanıltıcılık Skoru: İadeyi Azaltan Görsel Denetim Ai’ı

E-ticarette iade maliyetinin en “gizli” nedeni çoğu zaman ürünün kendisi değil, ürünü anlatma biçimidir. Özellikle görsel tarafı; kullanıcıda yanlış bir ölçü, renk, doku veya kullanım senaryosu beklentisi oluşturduğunda iade kaçınılmaz olur. Ürün sayfalarında “iyi fotoğraf” genellikle daha çok satış getirir gibi düşünülür; ancak yanlış beklenti yaratan iyi fotoğraf, birkaç gün sonra iade ve olumsuz yorum olarak geri döner. “Ürün Fotoğrafı Yanıltıcılık Skoru” fikri; ürün görsellerini, ürün açıklamasını ve kullanıcı yorumlarını birlikte okuyarak görsellerin beklentiyi ne kadar doğru yönettiğini ölçen bir Ai kalite denetim katmanıdır.

Bu fikir klasik “görsel kalitesi” ölçmekten farklıdır. Fotoğrafın ışığı iyi olabilir ama ürünün gerçeğini doğru temsil etmiyorsa risk yüksektir. Skorun temel yaklaşımı şudur: Ürün sayfasında verilen görsel vaat ile müşterinin teslim sonrası yaşadığı gerçeklik arasındaki mesafeyi ölçmek. Bunu ölçmek için üç sinyal birleştirilir: (1) Görsellerden çıkarılan özellikler (renk tonu, parlaklık, ölçek ipuçları, detay seviyeleri, kadraj), (2) Metinden çıkarılan iddialar (‘yumuşak doku’, ‘büyük hacim’, ‘tam oturur’, ‘kırmızı ton’, ‘mat görünüm’ gibi), (3) Yorumlardan çıkarılan “hayal kırıklığı kalıpları” (‘beklediğimden küçük’, ‘rengi fotoğraftaki gibi değil’, ‘plastik çıktı’, ‘ince geldi’, ‘fotoğrafta daha dolgun duruyordu’).

Sistem her ürün için bir “yanıltıcılık haritası” üretir. Örneğin tekstilde en sık hata “renk ve beden algısıdır”: ışık altında farklı duran renk, model üzerinde büyük görünen ama gerçek ölçüde küçük kalan ürün, kumaş dokusunun fotoğrafta daha premium görünmesi… Elektronikte ise “boyut ve port detayı” öne çıkar: ürünün masa üzerindeki ölçeğinin anlaşılmaması, kutu içeriğinin belirsiz olması, port sayısının net gösterilmemesi. Kozmetikte “kıvam ve ton” risklidir: fondöten tonunun fotoğrafta farklı görünmesi, ürün dokusunun gerçekte daha akışkan olması gibi.

MVP’de yapılacak iş basittir: ürün sayfasındaki 4–8 ana görseli al, açıklama metnini al, son 100 yorumu al. Yorumlarda iade/şikayet kalıplarını ve özellikle “beklenti sapması” cümlelerini yakala. Bu cümleleri kategorilere ayır: boyut, renk, doku/malzeme, kullanım, performans, paket içerik. Ardından görsellerin bu kategorileri ne kadar iyi “kanıtladığını” skorla. Örneğin boyut şikayeti artıyorsa ve sayfada ölçek referansı (elde tutma, cetvel, ürün ölçüsünün görsel üstünde gösterimi, kıyas görseli) yoksa risk yükselir.

En değerli çıktı, sadece “puan” değildir. Skor kartı yanında “düzeltme listesi” verir. Düzeltmeler e-ticarette çok pratiktir:
– Boyut için: 1 adet ölçek referans fotoğrafı, ölçü overlay, paket boyutu görseli.
– Renk için: gün ışığı fotoğrafı, farklı ekranlarda nasıl göründüğünü açıklayan kısa not.
– Doku için: yakın plan makro fotoğraf, video/360 derece kısa loop.
– Paket içerik için: kutu içeriği fotoğrafı (ne çıkar?), ‘şarj adaptörü dahil mi?’ gibi kritik soruların görselde yanıtı.
– Kullanım için: ürünün bir senaryoda kullanıldığı fotoğraf (mutfakta, elde, masada).
Sistem ayrıca “metin düzeltme” de önerir: iddiaları yumuşatmak, teknik netlik eklemek, yanlış anlaşılabilecek kelimeleri düzeltmek.

Bu ürünün e-ticaret tarafında net bir finansal karşılığı vardır. Yanıltıcı görseller; iadeyi artırdığı gibi, olumsuz yorumla ürünün uzun vadeli dönüşümünü de düşürür. Birkaç SKU üzerinde iyileştirme yapıp iade oranını düşürmek, ürünün kârlılığını dramatik şekilde artırabilir. Üstelik sadece iade değil, “müşteri destek ticket” yükü de düşer: “rengi böyle mi?”, “küçük mü büyük mü?” gibi sorular azalır.

Profesyonel seviyede ürün, bir “fotoğraf standartları kütüphanesi”ne dönüşür. Kategori bazlı checklist üretir: ayakkabı için taban, iç astar, bilek yüksekliği; mobilya için ölçü, doku, montaj; elektronik için portlar, kutu içeriği, arayüz ekranı… Ayrıca stüdyo ekibi için “çekim brief” üretir: Bu SKU’da risk yüksek, şu 3 fotoğrafı mutlaka ekle. Böylece işletme, fotoğraf çekimini rastgele değil, veriyle yönetir.

Gelir modeli: SKU sayısına göre abonelik veya analiz kredisi. Ajans/stüdyo planı: müşteri başına paket. Kurumsal plan: çoklu site/ülke, farklı dilde yorum analizi, kategori bazlı raporlama ve otomatik Jira görev açma. Sonuç olarak “Ürün Fotoğrafı Yanıltıcılık Skoru” basit görünen bir problemi sistematik bir kalite metriğine çevirir: beklentiyi doğru yönetmek.

Bu ürün görselleri ve yorumlarına göre beklenti sapması riskini 0–100 puanla. En çok sapma yaratan 3 nedeni söyle ve her biri için 2 görsel iyileştirme öner. Ürün: {title} Görseller: {images} Açıklama: {desc} Yorumlar: {reviews}