Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
Najgorszy błąd generatora obrazów nie jest ten, który widać od razu. Rozmyta krawędź albo dziwny cień wypadają z obiegu na pierwszym przeglądzie. Groźne są te grafiki, które wyglądają idealnie i przedstawiają produkt, którego nie ma na magazynie.
Widziałem wersje, w których zestaw miał cztery elementy zamiast trzech, w których na obudowie pojawił się przycisk, którego producent nigdy nie zrobił, i w których odcień zmienił się o tyle, że po dostawie klient uznał, że dostał inny model. Reklama nie została odrzucona, kampania mierzyła się dobrze, a problem wylądował w obsłudze klienta i w zwrotach.
Poniżej opisuję, jak ustawiam pracę z tymi narzędziami w sklepach, żeby taki obraz nie przeszedł dalej. Mniej o technice promptowania, więcej o kolejności i o tym, kto co zatwierdza.
Model graficzny nie zna produktu. Zna wzorce wyglądu przedmiotów tej kategorii i statystycznie prawdopodobne kształty. Kiedy proszę go o „to samo krzesło, ale w salonie”, nie przenosi krzesła — odtwarza coś, co wygląda jak krzesło z materiału wejściowego.
Z tego wynikają cztery typowe uszkodzenia. Elementy dorysowane tam, gdzie w oryginale było niewyraźnie: dodatkowa nóżka, uchwyt, złącze. Liczba sztuk, która zmienia się w zestawach i opakowaniach wielopakowych. Tekst na produkcie — etykiety, składy, nazwy — który po przetworzeniu jest bełkotem albo zmyśloną treścią. I kolor, przesunięty przy zmianie tła lub oświetlenia.
Osobna kategoria to zniekształcenia proporcji przy kadrowaniu do formatów reklamowych. Tu winny nie jest generator, tylko rozciągnięcie obrazu do wymaganego kształtu. Efekt dla klienta jest identyczny: produkt wygląda inaczej niż w rzeczywistości.
Warto to nazwać wprost, bo diagnoza podpowiada rozwiązanie. Im mniej model musi domyślać się z materiału wejściowego, tym mniej rzeczy wymyśla.
Sklepy, w których generowanie działa sensownie, mają jedną cechę wspólną: porządne zdjęcia bazowe. To nudna odpowiedź, ale prawdziwa.
Do tego dochodzi rzecz organizacyjna. Trzymam zdjęcia wyjściowe osobno od wygenerowanych i nigdy nie nadpisuję oryginału. Kiedy trzeba cofnąć zmianę albo pokazać producentowi, co dokładnie zostało zmienione, mam czym.
W Merchant Center generowanie i obróbka zdjęć siedzą w Product Studio i to jest miejsce, w którym najłatwiej narobić szkody, bo wynik idzie prosto do pliku produktowego, a stamtąd do kampanii i do wizytówek produktów.
Dzielę te funkcje na trzy grupy. Bezpieczne: usunięcie tła, poprawa rozdzielczości, przycięcie. Warunkowo bezpieczne: dodanie tła i scenerii, o ile sam produkt pozostaje nietknięty. Ryzykowne: wszystko, co dotyka wyglądu produktu, oraz animowanie zdjęcia, bo ruch potrafi ujawnić deformację niewidoczną na nieruchomej klatce.
W Google Ads generator działa w kreatorze kampanii i tam pilnuję innej rzeczy: żeby wygenerowanego ujęcia aranżacyjnego nie użyć jako zdjęcia głównego produktu. Do zdjęcia głównego wracam do fotografii.
Jeszcze jedna uwaga o pliku produktowym. Jeśli wygenerowana grafika trafi tam jako obraz podstawowy, przestaje być kwestią kreatywną, a staje się kwestią zgodności danych z ofertą. To zupełnie inny poziom ryzyka niż tło w reklamie displayowej.
Brzmi prosto: tło, światło i otoczenie wolno zmieniać, produktu nie.
Wszystko, co znajduje się poza obrysem przedmiotu, jest scenografią i ma wpływ na to, czy reklama zwraca uwagę. Wszystko, co znajduje się w obrysie, jest informacją handlową i musi zgadzać się z tym, co klient dostanie w paczce.
Ta granica dobrze się sprawdza w rozmowie z klientem, bo nie wymaga wiedzy technicznej. Właściciel sklepu od razu rozumie, dlaczego zgodzę się na przeniesienie fotela do wnętrza, a nie zgodzę na „lekkie poprawienie” faktury tapicerki.
Z reguły wynika też prosty test odbioru: nakładam wygenerowaną grafikę na zdjęcie źródłowe i sprawdzam, czy obrys i detale się pokrywają. Jeśli coś w środku się przesunęło, wersja idzie do kosza, bez dyskusji o tym, jak ładnie wyszła.
Jedna osoba klikająca „zatwierdź” po pięciu sekundach to nie kontrola. Ustawiam prosty przebieg z trzema punktami zatrzymania.
Najpierw sprawdzenie zgodności przez kogoś, kto zna asortyment — najlepiej z magazynu albo z obsługi klienta, nie z marketingu. Pytania są zawsze te same: czy to ten model, czy liczba sztuk się zgadza, czy nie brakuje elementu, czy kolor jest w tolerancji.
Potem sprawdzenie tekstu i oznaczeń. Każdy napis na produkcie i opakowaniu musi być czytelny i prawdziwy albo w ogóle nieobecny. Bełkot literowy na etykiecie to najczęstszy powód, dla którego odrzucam gotową grafikę.
Na końcu sprawdzenie w docelowych formatach. Grafika, która jest poprawna w kwadracie, po kadrowaniu do pionu potrafi obciąć produkt w najgłupszym miejscu. Oglądam podglądy, a nie plik źródłowy.
Prowadzę do tego jedną kolumnę w arkuszu z zasobami: kto zatwierdził i kiedy. Wygląda to biurokratycznie, ale kiedy po dwóch miesiącach ktoś pyta, skąd wzięło się to zdjęcie w reklamie, odpowiedź zajmuje minutę.
Regulaminy reklamowe Google zabraniają wprowadzania w błąd co do cechy oferty i to jest podstawa, na której odrzucam wątpliwe grafiki, jeszcze przed jakąkolwiek dyskusją o skuteczności.
Drugi porządek to przepisy konsumenckie. Prezentacja towaru niezgodna z rzeczywistością to nie kwestia estetyki, tylko potencjalny problem z opisem towaru i podstawa reklamacji. Nie jestem prawnikiem i przy poważniejszych wątpliwościach mówię klientowi wprost, że to pytanie do jego działu prawnego.
Trzeci to unijne regulacje dotyczące sztucznej inteligencji, które wchodzą etapami i obejmą także przejrzystość wobec odbiorcy. Terminy warto śledzić na bieżąco; kierunek jest jednak jasny i już dziś wolę wiedzieć, które materiały w kampaniach klienta powstały maszynowo.
I argument, który przekonuje właścicieli sklepów najszybciej — zwroty. Rozbieżność między zdjęciem a przesyłką generuje koszt obsługi, zwrot pieniędzy i opinię, której nikt nie usunie. Kilka złotych zaoszczędzone na sesji zdjęciowej znika przy pierwszej takiej paczce.
Nie używam tych narzędzi przy produktach, w których detal jest istotą oferty: biżuterii, kosmetykach z widocznym składem, częściach z numerami katalogowymi, tekstyliach, gdzie liczy się splot i faktura.
Odpuszczam też, gdy produkt jest nowy i nie mam jeszcze porządnych zdjęć. Odruch bywa odwrotny — brak materiału popycha do generowania — ale wtedy nie mam z czym porównać wyniku, więc kontrola jest pozorna.
Zostaje przy tym duży obszar, w którym te narzędzia po prostu oszczędzają czas: warianty tła, formaty pod różne umieszczenia, ujęcia sytuacyjne przy meblach i sprzęcie. Z mojego doświadczenia różnica między sklepem, w którym to działa, a takim, w którym generuje kłopoty, nie leży w narzędziu ani w promptach. Leży w tym, czy ktoś na końcu porównuje obrazek z produktem.
Używamy plików cookies, aby ułatwić Ci nawigację oraz wykonywanie określonych funkcji. Szczegółowe informacje o wszystkich plikach cookies znajdziesz w każdej kategorii zgody poniżej.
Pliki cookies oznaczone jako "Niezbędne" są przechowywane w Twojej przeglądarce, ponieważ są one kluczowe dla zapewnienia podstawowych funkcji strony.
Używamy również plików cookies firm trzecich, które pomagają nam analizować, w jaki sposób korzystasz z tej strony, zapamiętują Twoje preferencje oraz dostarczają treści i reklamy odpowiednie dla Ciebie. Te pliki cookies będą przechowywane w Twojej przeglądarce tylko za Twoją uprzednią zgodą.
Możesz zdecydować, czy chcesz włączyć lub wyłączyć niektóre bądź wszystkie te pliki cookies, jednak wyłączenie niektórych z nich może wpłynąć na Twoje doświadczenia podczas przeglądania strony.
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| __cf_bm | 13 minutes | Cloudflare bot management — distinguishes humans from bots. |
| rc::* | Persistent | Google reCAPTCHA — localStorage holding anti-bot challenge state. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| wpEmojiSettingsSupports | Session | WordPress — sessionStorage flag caching whether the browser can render emoji (feature detection). |
| ytidb* | Persistent | YouTube — IndexedDB storing playback/search state for embedded videos. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| _ga_* | 400 days | Google Analytics 4 — persists session state per property. |
| _ga | 400 days | Google Analytics — distinguishes unique users via a client id. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| NID | 183 days | Google — stores preferences for personalized ads. |
| fr | 90 days | Meta — encrypted Facebook id and browser id for ads. |
| _gcl_au | 90 days | Google AdSense/Ads — experiments with advertising efficiency (conversion linker). |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| __Secure-YNID | 180 days | |
| YSC | Session | |
| __Secure-ROLLOUT_TOKEN | 180 days | |
| VISITOR_INFO1_LIVE | 180 days | |
| VISITOR_PRIVACY_METADATA | 180 days | |
| datr | 400 days | |
| sb | 400 days | |
| wd | 7 days |