Benzer Benzeri Çeker (!)

Üretken yapay zekanın gün geçmiyor ki yeni alameti harikası çıkarmasın. Bizde gündemi yakından takip ediyor ve çıkan her yeniliği şirketimizde kullandığımız planlama uygulamalarına nasıl entegre ederiz onu düşünüp bunun üzerine analizler ve yazılım çözümleri üretmeye çalışıyoruz.

Luna Spark da “Ürün ve koleksiyon planlarını geliştirme amacıyla kullanabilecekleri bir yapay zeka asistanı olsa? Ürün yönetimi ekiplerinin koleksiyon geliştirme ve planlama çalışmalarında kullandıkları uygulama (LcwSuit) süreçlerini optimize etmelerine, koleksiyon planı yapma süreçlerinde verimliliklerini arttırmalarına ve veri odaklı kararlar almalarına katkı sağlasa? ihtiyacından yola çıkmış ve bu şahane yapay zeka asistanı yaratmamıza alan açmıştı. Şimdi de plan yaparken kullanıcıları için “Neden ürünleri planlarken birbirinin benzeri olan ürünleri bir birinden bağımsız departmanlar plan yaparken bu bilgiyi ona anında bilgi verelim ve ürün çoklamasının önüne geçsek?” Fikri ile yola çıktık.

Lisedeki Tarih hocam kulakları çınlasın “Her şey ihtiyaçtan doğar” sözü hala kulaklarımda.

Bizde başladık şirketimizin görsel koleksiyon planlama uygulamasına bunu entegre etmeye.

Aklımızdaki akış aşağıdaki gibi olacaktı:

1. Kullanıcı uygulamaya girer.
2. Plana ekleyecek ürün görselini ekler.
3. Eklenen bu görsel planurun.api si yardımı ile procesurunimage.api sine gider. Daha önce burada vektörize edilen ürün görselleri ile yeni gelen görseli benzeyenlerini araştırıp yanlarına benzerlik oranına göre sıralar.
4. En iyi 4 seçeneği çıkartır ve bu seçenekleri planurun.api si ile önyüze gönderir. Kullanıcı buna benzer olan ürünlerden seçim yaparak çalışmasını tamamlar.

Benzer Ürünlerin Önyüzde Gösterimi

Bu çalışmanın bir kaç tane ana hedefi vardır.

1. AI yardımı ile şirket içinde farklı markalarda benzer ürünlerin aynı dönem aynı bölgedeki satışları vurmayacak şekilde alokasyonda doğru dağıtımını sağlamak
2. AI yardımı ile bir birinin benzeri olan ürünlerin farklı dönemlerinde sevkiyatlarında yok satmanın önüne geçmek/ benzer ürünleri muadili olarak sevkiyatını gerçekleştirmek
3. Planlama döneminde benzer ürünleri aynı üreticilere yönlendirmek ve fire oranının azalması ile maliyet avantajı sağlamak.
4. Üretken yapay zeka ile insanın gözünden kaçan detayları AI yardımı ile farketmek ve planlamanın veri doğruluğunu sağlayarak gerçeğe yakın bütçe hedefleri yapmak

Bunları düşünüp çalışmaya başladık fakat python kodunu bir apiye dönüştürüp ayağa kaldırmak üstelik entegre etmek o kadar kolay değildi. Sonrasında görsellerin saklanacağı azur alanını planlamak, birden fazla görseli olan ürün olduğunda hangisini seçeceği ve vektörize etsin bunlarında ayrıca analizi ve sorgusunun yazılması ve servis tiplerini belirleme işi vardı ki bizi en yıpratan ikinci yer burasıydı.

Sonuç olarak kendi ürünlerimizle eğittiğimiz yapay zeka modelinden ürünü temsil eden matematiksel özeti(embedding) karşılaştırıyoruz. Kolay olmayan ama sonucunda şirketin karlılık hedefine dolaylı yoldan da olsa ciddi katkı sağlayacak geliştirmeyi sonunda canlıya alabildik.

Bu ve daha fazlasını sağlayacak şekilde geliştirmeye devam ediyor ve yeni özellikler kattıkça burada paylaşmaya devam ediyor olacağız.

Bu çalışmayı gerçekleştiren proje grubuna da buradan teşekkür etmek istiyorum.

Serap Gür — https://www.linkedin.com/in/serapgur/

Abdul Meral - https://www.linkedin.com/in/abd%C3%BCl-meral/

Ayberk Kemal Gezer — https://www.linkedin.com/in/ayberk-kemal-gezer-62a174180/

Şevin Tavsel — https://www.linkedin.com/in/%C5%9Fevin-tavsel-psm-i-090aa573/

Çetin Oğulcan Yılmaz — https://www.linkedin.com/in/cetin-ogulcan-yilmaz/