Face Age AI

Proje Hakkında

Face Age AI, derin öğrenme tabanlı yüz yaşlandırma ve gençleştirme teknolojisini mobil platforma taşıyan viral bir uygulama olarak tasarlandı. Kullanıcılar tek bir selfie ile gelecekteki veya geçmişteki görünümlerini keşfedebiliyor. Uygulama, özel olarak eğitilmiş GAN (Generative Adversarial Network) modeli kullanarak yüz özelliklerini analiz ediyor ve fotorealistik yaşlandırma-gençleştirme sonuçları üretiyor. StyleGAN2 mimarisine dayanan model, 50.000'den fazla yüz görüntüsüyle eğitildi ve yaş aralığı 5-85 yaş arası dönüşümleri destekliyor. Sosyal medya paylaşım entegrasyonu, uygulamanın viral büyüme stratejisinin temel taşını oluşturuyor. Kullanıcılar dönüştürülmüş fotoğraflarını Instagram Stories, TikTok, Twitter ve WhatsApp üzerinden tek dokunuşla paylaşabiliyor. Her paylaşılan görsel üzerinde subtle bir watermark ve uygulama linki yer alıyor. Gizlilik odaklı tasarım prensibi gereği, tüm yüz işleme on-device Core ML ile gerçekleştiriliyor. Kullanıcı fotoğrafları sunucuya gönderilmiyor, cihaz üzerinde işleniyor ve sonuçlar yalnızca kullanıcının tercihine bağlı olarak galeriye kaydediliyor veya paylaşılıyor. Freemium iş modeli ile günlük 3 ücretsiz dönüşüm sunuluyor. Premium abonelik ile sınırsız dönüşüm, HD çözünürlük, video yaşlandırma ve özel filtreler açılıyor. İlk hafta ücretsiz deneme süresi, dönüşüm oranını %340 artırdı.

Özellikler

Süreç

Zorluklar & Çözümler

Teknik Detaylar

Face Age AI'ın teknik altyapısı üç katmanlı bir mimari üzerine inşa edildi. Presentation katmanı SwiftUI ile reactive UI pattern'i kullanıyor. Domain katmanı yüz algılama, yaşlandırma ve post-processing pipeline'larını barındırıyor. Data katmanı ise Core ML model yönetimi, CloudKit senkronizasyonu ve StoreKit abonelik yönetimini kapsıyor. Yüz algılama için Vision Framework'ün VNDetectFaceRectanglesRequest API'si kullanılıyor. Algılanan yüz bölgesi 512x512 piksel çözünürlüğe normalize ediliyor ve Core ML modeline besleniyor. Model çıktısı CIImage olarak alınıp Core Image filter chain'inden geçirilerek renk düzeltmesi ve keskinlik ayarı yapılıyor. Video yaşlandırma modu, AVAssetReader ile frame-by-frame okuma yapıyor. Her frame'e yaşlandırma modeli uygulanıyor ve AVAssetWriter ile yeni video dosyası oluşturuluyor. Metal compute shader'ları ile GPU hızlandırmalı post-processing, 30fps video işlemeyi mümkün kılıyor. CloudKit entegrasyonu ile kullanıcı tercihleri, favori dönüşümler ve abonelik durumu cihazlar arası senkronize ediliyor. CKSubscription ile push notification tabanlı gerçek zamanlı güncelleme sağlanıyor. Performans metrikleri: Cold start 1.2s, tek yüz işleme 0.6s (A15+), grup fotoğraf (5 yüz) 3.8s, video frame işleme 33ms/frame. Memory peak: tek yüz 180MB, grup 320MB. Crash-free rate: %99.4.

Araştırma Notları

AI fotoğraf düzenleme pazarı 2024'te $1.8 milyar büyüklüğe ulaştı ve %25 CAGR ile büyümeye devam ediyor. FaceApp 500M+ indirme ile pazar lideri konumunda, ancak gizlilik skandalları (Rusya sunucu endişesi) kullanıcı güvenini sarsmış durumda. Türkiye'de selfie düzenleme uygulamaları arasında yüz yaşlandırma segmenti henüz doygunluğa ulaşmadı. Rakip analizi: FaceApp (genel amaçlı, gizlilik sorunlu), Aging Booth (eski teknoloji, düşük kalite), FaceLab (sınırlı özellik). On-device işleme ile gizlilik avantajı açık bir farklılaşma noktası. Hedef kitle araştırması: 18-35 yaş arası sosyal medya aktif kullanıcıları birincil segment. İkincil segment: 35-50 yaş arası nostalji meraklıları. TikTok ve Instagram Reels kullanıcıları en yüksek viral potansiyele sahip grup. Monetizasyon benchmarkları: Benzer uygulamalarda premium dönüşüm oranı %5-12, ARPU $1.50-$4.00. Haftalık abonelik modeli gen-Z segmentinde aylık modelden %60 daha yüksek dönüşüm sağlıyor. Teknoloji trendleri: Apple Neural Engine yıllık %40 performans artışı, Core ML model boyut limiti pratik olarak kalkıyor. Vision Pro için spatial yaşlandırma deneyimi gelecek potansiyeli taşıyor.

Tasarım Süreci

Tasarım süreci, kullanıcı araştırması ile başladı. 200 potansiyel kullanıcıyla anket ve 15 derinlemesine görüşme yapıldı. Temel bulgular: kullanıcılar hızlı sonuç istiyor (3 saniye altı), sonuçların gerçekçi olmasını bekliyor ve gizlilik konusunda hassaslar. Keşif fazında, 5 farklı UI konsepti hazırlandı ve A/B testine tabi tutuldu. Kazanan konsept: tek ekran kamera arayüzü, alt kısımda yaş slider'ı ve anında önizleme. Karmaşık menüler yerine gesture-based navigasyon tercih edildi. Prototipleme fazında Figma ile yüksek sadakatli prototipler oluşturuldu. 3 iterasyon sonunda final tasarıma ulaşıldı. Temel tasarım kararları: koyu tema (fotoğraf odaklı deneyim), minimal UI (dikkat dağıtmayan), büyük önizleme alanı (%80 ekran), floating action button paylaşım. Geliştirme fazında 2 haftalık sprint döngüleri kullanıldı. Her sprint sonunda 10 beta kullanıcıyla usability testi yapıldı. En kritik UX iyileştirmesi: yaşlandırma sonucunu doğrudan göstermek yerine, dramatik bir "reveal" animasyonu eklemek paylaşım oranını %85 artırdı. Lansman sonrası iterasyonda, kullanıcı geri bildirimleri ile 3 major güncelleme yapıldı: grup fotoğraf desteği (en çok istenen), video modu (TikTok uyumu), zaman çizelgesi animasyonu (viral potansiyel). Her güncelleme A/B testleriyle doğrulandı ve metriklere etkisi ölçüldü.

Sonuçlar & Etki

Face Age AI, App Store Fotoğraf & Video kategorisinde Türkiye'de 1 numaraya ulaştı ve 12 ülkede Top 10'a girdi. Lansman haftasında 45.000 indirme gerçekleşti ve organik büyüme ile 6 ayda 350.000+ toplam indirmeye ulaşıldı. Viral paylaşım mekanizması olağanüstü sonuçlar üretti. Kullanıcı başına ortalama 2.3 paylaşım yapılıyor ve her paylaşım ortalama 0.4 yeni kullanıcı getiriyor. K-faktörü 0.92 ile neredeyse organik viral büyüme eşiğine ulaşıldı. Gelir metrikleri: Premium abonelik dönüşüm oranı %8.2, ARPU (Average Revenue Per User) $2.40, LTV (Lifetime Value) $7.80. İlk 6 ayda toplam gelir $180.000+ olarak gerçekleşti. Haftalık abonelik modeli, aylık modele göre %45 daha yüksek toplam gelir sağladı. Retention oranları: D1 %52, D7 %28, D30 %14. TikTok challenge kampanyası sonrası D1 retention %58'e yükseldi. Kullanıcı memnuniyeti NPS skoru 62 olarak ölçüldü. App Store rating ortalaması 4.7 (2.800+ değerlendirme). En sık övülen özellikler: sonuçların gerçekçiliği, hızlı işleme süresi ve gizlilik odaklı yaklaşım.

Öğrenilen Dersler

Face Age AI projesi, on-device ML ve viral büyüme stratejileri konusunda değerli dersler sundu. En önemli öğrenim, model kalitesi ile boyut arasındaki dengenin kullanıcı deneyimini doğrudan etkilediğiydi. İlk versiyonda kaliteye öncelik verip büyük model kullanmak, düşük-uçlu cihazlarda kötü deneyime yol açtı. Küçük ama optimize model + post-processing pipeline yaklaşımı daha iyi sonuç verdi. Viral büyüme mekanizmasında en etkili kanalın kullanıcı tarafından oluşturulan içerik (UGC) olduğu kanıtlandı. Watermark yerine estetik paylaşım şablonları sunmak, kullanıcıların gönüllü olarak markayı taşımasını sağladı. Zorla marka görünürlüğü, kullanıcı kaybına yol açıyordu. Gizlilik mesajının pazarlama değeri beklenenden çok daha yüksek çıktı. "Fotoğraflarınız cihazınızdan çıkmaz" mesajı, App Store açıklamasında en çok tıklanan özellik oldu ve rakiplerden farklılaşma sağladı. Freemium modelde günlük limit sayısı kritik bir denge noktası. 1 ücretsiz dönüşüm çok kısıtlayıcı (kötü review), 5 dönüşüm çok cömert (düşük conversion). A/B testleriyle 3 günlük limitin optimal olduğu belirlendi. Etnik çeşitlilik konusunda erken yatırım yapmak hem etik hem ticari açıdan doğru karardı. Çeşitli veri seti ile eğitilen model, global pazarlarda %40 daha yüksek retention sağladı.