Makine öğrenmesi (machine learning), bilgisayar sistemlerinin açık programlama kuralları yerine veriden örüntü çıkararak kendi kendine öğrenmesini sağlayan yapay zeka alt dalıdır. Sistem, büyük miktarda örnek veriyle eğitilir; ardından daha önce görmediği girdileri sınıflandırabilir, tahmin üretebilir ya da anomali tespit edebilir. Sahte ürün tespitinde makine öğrenmesi, ilan görselleri, fiyat verileri ve satıcı geçmişini analiz ederek risk skoru üretmek için kullanılır.
Terimin tanımı net görünse de marka koruma ve pazaryeri bağlamında sık karıştırıldığı kavramlar vardır. Bu sayfa terimin net sınırlarını, pratik kullanım alanlarını ve benzer terimlerden farkını aktarır.
Makine öğrenmesi, bir kural kümesi yazmak yerine modele örnekler göstererek onu "eğitmek" demektir. Klasik yazılımda geliştirici "fiyat orijinalin yüzde ellisinin altındaysa şüpheli say" diye açıkça yazar. Makine öğrenmesinde ise model, binlerce gerçek ve sahte ürün ilanını inceleyerek bu sınırı kendisi belirler.
Pazaryeri güvenliği alanında bu yaklaşım iki temel sorunu çözer. Birincisi: taklitçiler kuralları öğrendikçe fiyatı yükseltir ya da görseli değiştirir. Kural tabanlı sistem bu uyarlamayı kaçırır. İkincisi: bir ilana ait yüzlerce sinyal – satıcı yaşı, kargo süresi, yorum dil kalıpları, görsel sıkıştırma artefaktları – bir insanın eş anlı işleyemeyeceği kadar fazladır. Model bunları birlikte değerlendirir.
SahteAvcı'nın temel analizi bu mantıkla çalışır. Trendyol, Hepsiburada, n11, Amazon Türkiye, Dolap ve Çiçeksepeti'ndeki ilan sayfalarında görsel hash karşılaştırması ve metin benzerlik modeli devreye girer. Sonuç bir risk skorudur – sahtelik kanıtı değil, kontrol edilmesi gereken bir sinyaldir.
Bir QR kodu okuyucunun doğrulanmış üretici verisiyle ilişkilendirmesi de makine öğrenmesinin bir parçasıdır. QR kodun sahte ürün tespitinde nasıl çalıştığını anlatan sözlük sayfasında bu ilişki daha ayrıntılı ele alınmaktadır.
Makine öğrenmesi, yapay zeka ailesinin bir üyesidir; ama her yapay zeka çözümü makine öğrenmesi değildir. Aşağıdaki tablo temel ayrımları gösterir.
| Kavram | Ne yapar? | Makine öğrenmesinden farkı |
|---|---|---|
| Kural tabanlı sistem | Önceden yazılmış koşullara göre karar verir | Veri görmeden çalışır; öğrenmez |
| Derin öğrenme | Çok katmanlı sinir ağlarıyla örüntü öğrenir | Makine öğrenmesinin bir alt kümesidir |
| Yapay zeka (genel) | İnsan benzeri görevleri otomasyonla yapar | Makine öğrenmesini kapsar; onu aşan yöntemleri de içerir |
| Perceptual hash (görsel parmak izi) | Görsellerin algısal benzerliğini hesaplar | Sabit bir algoritma; modelin kendisi "öğrenmez" |
| Orijinal ürün doğrulama | Üretici verisine bakarak ürünü onaylar | Makine öğrenmesi bu süreçte araç olabilir; doğrulama sonucu farklı bir kavramdır |
Marka koruma sözlüğünde "taklit ürün" ve "replika" da makine öğrenmesiyle karıştırılabiliyor. Makine öğrenmesi bir yöntemdir; taklit ürün ise bu yöntemle tespit edilmeye çalışılan nesnedir. Sahte ürün terimleri arasındaki bu ayrımı gözden kaçırmak, özellikle kaldırma taleplerini hazırlarken hatalı ifadelere yol açabilir.
Bir kozmetik markasının ürünleri n11'de birden fazla satıcı tarafından listelenmekte. Satıcılardan biri son iki haftada açılmış, ürün görseli orijinal marka kataloğundaki fotoğrafla piksel düzeyinde aynı, ancak fiyat diğer satıcılara göre belirgin biçimde düşük. Bir ithalatçı bilgisi de eksik.
Makine öğrenmesi modeli bu üç sinyali – satıcı yaşı, görsel benzerlik skoru ve fiyat anomalisi – birlikte değerlendirir ve ilana yüksek risk skoru atar. Model "bu ürün sahtedir" demez. Ancak skoru gören kullanıcı, ilanı daha yakından incelemeye ya da markayı uyarmaya karar verebilir. İthalatçı bilgisinin neden bu sinyaller arasında yer aldığını açıklayan sözlük sayfasında konuya ilişkin daha fazla ayrıntı bulunmaktadır.
Aynı yöntemin sahada fiziksel denetimle nasıl birleştirildiği de önemli bir noktadır. Sahada denetimin makine öğrenmesiyle ilişkisini anlayan markalar, dijital ve fiziksel korumayı daha tutarlı biçimde planlayabilir.
Makine öğrenmesinin pratikte nasıl çalıştığını kendi ilanlarınızda görmek ister misiniz? SahteAvcı'yı takip etmek istediğiniz konularda haberdar olmak için bültene kaydolun – yeni sözlük içerikleri ve platform güncellemeleri doğrudan gelen kutunuza gelir.
Evet. Makine öğrenmesi bir teknolojidir; kullanımının yasallığı uygulandığı alana bağlıdır. Pazaryerinde ilan analizi amacıyla kullanılması, Türkiye'deki elektronik ticaret mevzuatı ve kişisel verilerin korunmasına ilişkin düzenlemeler çerçevesinde yasaldır. Kişisel verinin işlenmesi söz konusuysa KVKK gerekliliklerine uyulması gerekir.
Hayır, bunlar farklı kavramlardır. Taklit ürün, tescilli bir markayı izinsiz taklit eden fiziksel veya dijital nesnedir. Makine öğrenmesi ise bu tür ürünleri tespit etmek için kullanılan bir analiz yöntemidir. Araç ile tespit etmeye çalıştığı nesneyi birbirine karıştırmamak gerekir.
"Makine öğrenmesi tespit edilir" ifadesi doğru bir kullanım değildir; bu yöntem bir nesne değil, bir süreçtir. Doğru soru şudur: makine öğrenmesi bir ürün veya ilanı nasıl değerlendirir? Model, eğitim verilerinden öğrendiği örüntülere göre risk sinyali üretir; çıktısı olasılıksal bir skorudur, kesin bir yargı değildir.