Granska genererade bilder

Genererade bilder misslyckas sällan – men grovt. Att granska dem en bild i taget är precis så de dåliga slinker igenom, för en felaktig bild ser helt okej ut ända fram till att den ligger intill en korrekt.

Granska i rutnät

Lägg upp tjugo resultat från samma kategori på skärmen samtidigt. Skillnader i ljus, beskärning, skugga och skala blir uppenbara direkt och är närmast osynliga när du granskar en bild i taget. Den här enda förändringen fångar fler problem än någon checklista.

Ordningen du ska titta i

1. Är det rätt produkt? Inte en liknande. Exakt samma, med samma egenskaper, i samma variant.
2. Är något påhittat? Text på förpackningen, en logotyp, en port, en knapp, en söm som inte finns.
3. Skulle den godkännas i Merchant Center? Inga pålägg, inga vattenstämplar, ingen text, produkten fyller bildrutan.
4. Passar den in i serien? Ljus, bakgrund, beskärning, skugga, skala.
5. Är den bättre än den bild den ersätter? Ibland var originalfotot faktiskt bra.

Underkänn direkt

• All påhittad text och alla påhittade logotyper, hur små de än är.
• Fel variant, till exempel att den blå renderas i rött.
• Anatomiskt felaktiga händer eller ansikten, om människor alls syns i bilden.
• Produkter som har ändrat proportioner eller tappat ett utmärkande drag.
• Allt du inte skulle kunna försvara för en kund som fått varan och inte håller med.

Ta stickprov, granska inte allt

Med fyra tusen produkter är det ingen plan att granska varje bild. Granska ett stratifierat urval per kategori, mät felfrekvensen i varje kategori och gå bara igenom allt där frekvensen är hög. En kategori med två procents felfrekvens behöver ett stickprov, en med tjugo procent behöver en annan mall – inte mer granskning.

Spara det du underkänner

De underkända resultaten är de mest användbara data du har om var mallen är svag. En kategori där felen samlas kring samma detalj berättar vad du ska ändra i prompten, och det är en fix som förhindrar de nästa fyrahundra felen i stället för att rätta fyra.