Sektör Vakası: Perakende Görsel Arama + Ürün Etiketleme
E-ticaret için: kullanıcı fotoğrafından ürün arama, otomatik ürün etiketleme, görsel-metin eşleştirme.
Şükrü Yusuf KAYA
10 min read
AdvancedVaka: Görsel Arama + Ürün Etiketleme
Senaryo: Türk fashion e-ticaret. Müşteri Instagram'da gördüğü ürünü "fotoğraf yükle, benzerini bul" istiyor.
Pipeline#
text
# Attribute Extraction Prompt Bu görseldeki giysiyi analiz et. Çıktı: { "category": "elbise | gömlek | pantolon | ...", "color": ["primary_color", "secondary_color"], "pattern": "düz | çiçekli | çizgili | ...", "material_guess": "pamuklu | jersey | ...", "style": "casual | formal | sporty | bohem | ...", "season": "yaz | kış | tüm mevsim", "details": ["yakalı", "kollu", "fermuarlı", ...], "color_hex_primary": "#XXXXXX"}Visual attribute extraction
Otomatik Ürün Etiketleme#
text
# Ürün ekleme akışı:# Tedarikçi sadece foto + temel bilgi gönderir# Pipeline tüm metadata otomatik üretir INPUT: ürün fotoğrafı + ham açıklamaOUTPUT:- SEO başlık (60 char, anahtar kelime)- 3 cümlelik açıklama- 12 attribute (renk, malzeme, stil, vb.)- 8 etiket (kategori filtreleri için)- Alt-text (accessibility)- 3 alternatif başlık (A/B test için) Süre: ürün başına 8 dk → 12 sn (manuel vs otomatik)Auto-tagging pipeline
Production sonuç: Trendyol benzeri bir Türk e-ticaret platformu, 200K ürün için bu pattern ile annotation maliyetini %85 azalttı, listeleme süresini 8 saatten 30 dakikaya indirdi.
Yorumlar & Soru-Cevap
(0)Yorum yazmak için giriş yap.
Yorumlar yükleniyor...
Related Content
1. Temeller — Yapay Zekâ ve LLM'lere Giriş
Bu Eğitim Hakkında ve Verimli Çalışma Yöntemi
Start Learning1. Temeller — Yapay Zekâ ve LLM'lere Giriş
Yapay Zekâ → Üretken AI → LLM: Bağlamsal Harita
Start Learning1. Temeller — Yapay Zekâ ve LLM'lere Giriş
LLM'ler Aslında Nasıl Düşünür? (Token, Embedding, Attention)
Start LearningConnected pillar topics