Berapa Tingkat Kelulusan Adobe Stock? Kriteria dan Alasan Penolakan

Panduan moderasi resmi Adobe Stock yang tersedia untuk umum tidak mencantumkan rata-rata tingkat kelulusan seluruh platform. Daripada menganggap ada persentase kelulusan yang berlaku umum, hitung hasil Anda dengan aturan yang konsisten dan gunakan alasan penolakan untuk memperbaiki pengajuan berikutnya.

Berapa tingkat kelulusan Adobe Stock?

Tingkat kelulusan adalah proporsi pengajuan yang disetujui di antara pengajuan yang sudah memperoleh keputusan. Adobe menilai setiap berkas berdasarkan mutu teknis, hak, nilai komersial, metadata, dan keunikan. Metadata berarti informasi deskriptif seperti judul dan kata kunci, bukan gambar itu sendiri. Penjelasan moderasi resmi menguraikan kriteria tersebut, tetapi tidak memberikan rata-rata untuk seluruh kontributor, pemula, atau gambar AI.

Angka yang dibagikan seseorang di internet tetap merupakan kasus pribadi. Ada kontributor yang hanya mengirim foto pilihan ketat, sementara yang lain mencoba banyak konsep AI eksperimental. Jumlah sampel, tema, waktu, dan cara menghitung pengajuan ulang dapat membuat dua angka 60% memiliki makna berbeda. Persentase tinggi saja tidak membuktikan keterampilan maupun pendapatan.

Pisahkan foto, ilustrasi, vektor, dan video dalam catatan, serta tandai karya buatan AI. Memperbaiki fokus foto berbeda dengan membenahi bentuk tangan yang mustahil pada gambar generatif. Catatan yang menghubungkan perubahan proses dengan hasil berikutnya lebih berguna daripada perkiraan rata-rata platform tanpa dasar.

Cara menghitung tingkat kelulusan Anda

Tingkat kelulusan = pengajuan disetujui ÷ (disetujui + ditolak) × 100. Keluarkan berkas yang masih menunggu pemeriksaan dan yang baru diunggah tanpa diajukan. Menghitung keputusan yang belum ada sebagai penolakan akan membuat persentase tampak lebih rendah.

Berikut contoh hipotetis dari 50 berkas: 24 disetujui, 16 ditolak, dan 10 masih menunggu. Pemeriksaan selesai berjumlah 40, sehingga tingkat kelulusan adalah 60%. Hasil 24÷50, yaitu 48%, menunjukkan proporsi persetujuan dari seluruh kelompok berkas, bukan tingkat kelulusan pemeriksaan yang sudah selesai.

Tentukan juga cara menghitung pengajuan ulang. Jika satu karya ditolak, diperbaiki, lalu disetujui, tingkat per percobaan adalah 50%: satu persetujuan dan satu penolakan. Berdasarkan hasil akhir per karya unik, satu dari satu karya akhirnya disetujui, yaitu 100%. Jangan mencampur kedua ukuran. Simpan identitas karya asli, tanggal pengajuan dan keputusan, nomor percobaan, hasil, serta perubahan yang dilakukan.

Perhatikan kelompok terbaru selain angka kumulatif. Jika riwayat 90 persetujuan dan 10 penolakan ditambah 10 persetujuan dan 10 penolakan baru, tingkat kumulatif menjadi sekitar 83,3%, sedangkan kelompok baru hanya 50%. Tandai kelompok yang belum selesai diperiksa sebagai sementara. Pertahankan hasil lama dalam catatan pribadi meskipun berkas kemudian dihapus agar perbandingan tetap konsisten.

Apa yang dinilai Adobe Stock?

Pertanyaan dasarnya adalah apakah pembeli dapat benar-benar memakai berkas tersebut. Standar mutu dan teknis membahas ketajaman, derau, bekas penyuntingan, dan pencahayaan yang seimbang. Pratinjau kecil yang menarik dapat menyembunyikan halo di tepi atau noda latar yang baru terlihat pada ukuran penuh.

Nilai komersial bukan sekadar tampilan spektakuler. Foto cangkir dengan subjek jelas dan ruang untuk teks iklan mungkin lebih berguna bagi pelanggan tertentu daripada bingkai penuh benda. Ini contoh untuk memikirkan penggunaan, bukan aturan bahwa ruang kosong menjamin persetujuan.

Judul dan kata kunci harus menggambarkan isi sebenarnya. Jangan menambahkan istilah populer yang tidak terkait pada foto tanaman. Ikuti panduan metadata resmi, jelaskan subjek dan situasi dengan jelas, dan gunakan bahasa metadata yang dipilih dalam akun. Saran kata kunci otomatis juga perlu ditinjau.

Mutu teknis yang baik tidak menghapus masalah hak atau kemiripan. Model release adalah izin untuk penggunaan terkait atas rupa seseorang; property release berkaitan dengan hak yang relevan atas properti atau karya. Periksa kapan izin tersebut diperlukan dan apakah desain produk khas atau karya pihak lain menjadi subjek utama. Foto, video, dan vektor juga memiliki persyaratan teknis berbeda.

Alasan penolakan umum dan arah perbaikan

• Mutu: periksa fokus, detail area terang dan gelap, derau, penajaman berlebihan, serta bekas kompresi. Bandingkan perbaikan dengan berkas asli. Memperbesar ukuran saja tidak mengembalikan detail yang hilang.
• Konten serupa: hindari pengiriman massal versi yang hanya berbeda warna, sedikit pembesaran, atau sudut kecil. Setiap versi sebaiknya memberi informasi atau melayani kebutuhan pembeli yang benar-benar berbeda.
• Hak: menghapus logo belum tentu menyelesaikan semuanya. Bentuk produk yang mudah dikenali, kemasan, karya seni, dan lokasi terbatas juga perlu diperiksa. Tunda pengajuan jika izin yang diperlukan tidak bisa diperoleh.
• Metadata dan kepatuhan: cocokkan judul, kata kunci, jenis konten, dan label AI dengan berkas. Hapus istilah tidak relevan atau keterangan yang menyesatkan seolah gambar merekam kejadian berita nyata.

Gunakan alasan penolakan resmi untuk mengelompokkan masalah. Alasan umum tidak selalu menunjuk piksel atau objek penyebabnya secara tepat. Mulailah dari alasan yang diberikan, kemudian periksa juga seluruh berkas.

Panduan konten yang berbeda memperingatkan tentang variasi kecil dari konsep yang sama. Mengubah judul lalu mengirim ulang gambar identik tidak mengatasi pengulangan visual.

Apa pemeriksaan tambahan untuk gambar AI?

Mulailah dari struktur. Selain jumlah jari, lihat cara tangan memegang benda, sambungan kacamata, gagang cangkir, kaki kursi, dan bentuk tulisan. Pastikan bayangan dan pantulan sesuai objek serta perspektif dan latar tersambung secara masuk akal. Setelah memperbaiki sebagian gambar, perbesar lagi untuk memeriksa tepian dan teksturnya.

Panduan AI generatif mensyaratkan hak yang memadai dari penyedia alat untuk pelisensian stok. Pembuatan dengan AI tidak meniadakan hak pihak ketiga. Tinjau prompt, judul, dan kata kunci agar tidak memuat rujukan terlarang kepada orang, seniman, karakter, karya berhak cipta, atau kekayaan intelektual lain.

Pilih berkas dalam portal Contributor, lalu periksa Created using generative AI tools di panel metadata. Bila sesuai, pilih juga People and Property are fictional untuk orang atau properti fiktif yang tidak didasarkan pada subjek nyata. Menggambarkan atau menjadikan orang nyata yang dapat dikenali sebagai dasar memerlukan pemeriksaan persyaratan model release; properti nyata yang dikenali juga memiliki persyaratan terkait. Menyatakan subjek fiktif tidak menggantikan izin untuk subjek nyata.

Setiap penyuntingan dengan alat AI tidak otomatis memiliki kewajiban label yang sama. Adobe membedakan pembuatan atau perubahan besar pada subjek utama dari beberapa penyesuaian, seperti memperluas latar atau menghilangkan pengganggu. Bandingkan tindakan Anda dengan contoh resmi. Prosedur pengajuan AI menjelaskan label, izin, dan langkah pengajuan akhir.

Langkah praktis sebelum mengajukan

Simpan berkas asli yang bisa disunting dan buat ekspor akhir terpisah. Langkah berikut mengurangi kesalahan yang dapat dicegah, tanpa menjamin kelulusan.

1. Tentukan kegunaan dalam satu kalimat. Misalnya, “gambar tanaman untuk panduan hidup ramah lingkungan”. Pastikan subjek dan komposisinya benar-benar mendukung tujuan tersebut.
2. Bandingkan variasi berdampingan. Pilih versi yang paling matang dan bermakna berbeda. Pisahkan perubahan warna atau pembesaran semata, lalu nilai apakah memberikan manfaat tambahan.
3. Periksa ekspor pada tampilan 100%. Telusuri dari tengah ke semua sudut untuk melihat fokus, derau, tepian, tulisan, dan kesalahan struktur AI. Kecilkan kembali untuk menilai komposisi keseluruhan.
4. Periksa persyaratan berkas dan hak. Cocokkan ukuran dan format dengan dokumen terbaru, pastikan izin yang diperlukan, dan tinjau ketentuan alat. Hentikan sementara pengajuan jika masih ada ketidakjelasan.
5. Tinjau metadata setiap berkas di portal. Pastikan judul, kata kunci, jenis, status AI, status fiktif, dan izin terkait sudah benar. Setelah pengisian otomatis atau perubahan massal, periksa secara individual.
6. Catat pengajuan dan hasil. Simpan nama berkas, identitas karya, tanggal, serta nomor percobaan. Pastikan berkas benar-benar masuk antrean pemeriksaan, lalu tambahkan keputusan, alasan, dan rencana koreksi.

Mengunggah tidak sama dengan mengajukan ke moderasi. Jika Submit tidak membuat berkas maju, penyebabnya mungkin batas atau kolom yang belum lengkap, bukan tingkat kelulusan. Panduan batas unggah dan pengajuan Adobe Stock membantu membedakan antrean pemeriksaan dengan izin mengajukan berkas tambahan.

Bolehkah gambar yang ditolak diajukan ulang?

Pertimbangkan pengajuan ulang bila ada masalah konkret yang bisa diperbaiki. Misalnya, koreksi derau yang ditemukan atau lengkapi izin yang hilang, lalu periksa ekspor serta metadata dari awal. Perbaikan tidak menjamin persetujuan karena masalah lain mungkin masih tersisa.

Hindari mengirim berkas yang sama berulang kali tanpa perubahan atau hanya mengganti judul dan namanya. Penolakan karena kemiripan mungkin membutuhkan konsep atau kegunaan yang benar-benar baru, bukan sedikit perubahan warna. Jika perbedaan itu tidak dapat dibuat, berhenti mengajukan ulang merupakan pilihan yang masuk akal.

Jika Anda menduga ada kekeliruan yang jelas, siapkan ID berkas, teks penolakan, berkas asli atau bukti pembuatan, dan perubahan nyata sebelum menghubungi dukungan Contributor. Pertanyaan kepada dukungan tidak menjamin keputusan akan dibalik. Kelompokkan alasan yang berulang untuk menentukan pemeriksaan prioritas pada produksi berikutnya.

Apa bedanya kelulusan dan kinerja penjualan?

Persetujuan berarti berkas masuk koleksi yang bisa dilisensikan, bukan bahwa seseorang sudah membelinya. Tingkat kelulusan menggambarkan persiapan dan hasil pemeriksaan; unduhan serta pendapatan menggambarkan permintaan dan penjualan. Persentase tinggi dapat bersamaan dengan pendapatan rendah jika sedikit pembeli mencari topiknya atau gambar tidak sesuai kebutuhan.

Catat persetujuan, unduhan, pendapatan, serta waktu pembuatan dan koreksi per tema. Bandingkan pendapatan per gambar disetujui dalam jangka pengamatan yang sama. Membandingkan unduhan kumulatif gambar berumur sebulan dengan gambar yang baru terbit kemarin menguntungkan berkas yang lebih lama.

Jika dua tema sama-sama sering lolos tetapi hanya satu mendapat unduhan berulang, pelajari kegunaannya sebelum sekadar meningkatkan jumlah. Jika penolakan terkumpul pada kesalahan struktur, perbaiki produksi dan pemeriksaan terlebih dahulu. Tujuannya adalah konten yang sesuai standar sekaligus memberi pembeli alasan untuk melisensikannya.