Multimodal Parathed: Billeder, Alt-tekst og Diagrammer, som Modeller Kan Citere

Multimodal Parathed: Billeder, Alt-tekst og Diagrammer, som Modeller Kan Citere

Af Lukas Richter, Senior Content Automation Strategist

Et diagram kan på få sekunder forklare, hvad en side med tekst ville tage minutter at beskrive. Men hvis dets betydning kun findes inde i en billedfil, kan mange læsere – og mange søgesystemer – misforstå pointen.

Derfor handler multimodal parathed ikke om at tilføje flere billeder. Det handler om at pakke hvert nyttigt visuelt element, så dets betydning er klar i billedet, i sideteksten og i den kode, der forbinder de to.

Der er én vigtig begrænsning: god alt-tekst kan hjælpe et system med at forstå et billede, men det garanterer ikke, at en AI-assistent vil citere siden. At forstå et billede og vælge en webside som kilde er forskellige trin.

Hvad forskningen viser – og ikke viser

Billedtekster kan hjælpe med visuelle spørgsmål

Noget forskning viser, at tekst parret med et billede kan hjælpe en model med at besvare spørgsmål om det. En undersøgelse fra 2019 fandt, at tilføjelse af billedtekster i paragrafstil til billeder forbedrede ydeevnen på en visuel spørgsmål-svar-opgave. Billedteksterne leverede detaljer, der var lettere at matche med et spørgsmål end billedfunktioner alene. Men dette var et modelekspreiment – ikke en test af, om tilføjelse af alt-tekst til en live webside øger AI-citeringer. ACL Anthology paper (aclanthology.org)

Diagrammer og grafer er også stadig svære for modeller at læse præcist. I en benchmark for spørgsmål til grafer fandt forskere svagheder i opgaver som at finde sammenhænge mellem værdier. Deres resultater blev forbedret med en særlig tekstprompt, hvilket peger på værdien af klart sprog – men beviser ikke, at et bestemt sideformat vil give flere citeringer. ChartInsights benchmark (arxiv.org)

Den bredere lektion er praktisk: et visuelt element kan bære nyttig evidens, men modeller kan stadig overse små etiketter, præcise værdier eller stien mellem trin. OpenAIs visionvejledning advarer for eksempel mod lille tekst, diagrammer, farvekodede elementer og præcis rumlig ræsonnement. OpenAI vision guide (developers.openai.com)

Bedre alt-tekst er ingen garanti for citeringer

Søgesystemer kan bruge billedbeskrivelser og omkringliggende tekst til at forstå, hvad et billede viser. Google siger, at det bruger alt-tekst, computer vision og sideindhold sammen, når det forstår billeder til Søgning. Det anbefaler også at placere billeder nær relevant tekst. Dette understøtter at skrive nyttig alt-tekst, men det er ikke bevis for, at alt-tekst i sig selv får en AI-assistent til at citere en side. Google Image SEO guidance (developers.google.com)

Den gennemgåede evidens for denne artikel påviser ikke, at ændring af alt-tekst alene øger citeringsraterne på tværs af nuværende AI-assistenter. Mange systemer forklarer ikke præcist, hvilke sideelementer de læser, eller hvorfor de vælger én kilde frem for en anden. Google siger, at dets AI-søgefunktioner ikke har et særligt markup-krav og garanterer ikke, at en kvalificeret side vil blive vist. Google’s AI features guidance (developers.google.com)

Betragt derfor forbedret visuel indpakning som en rimelig, testbar hypotese, ikke et løfte. Det kan gøre en side lettere at bruge, lettere at parse og mere sandsynlig til at indeholde tekst, der direkte besvarer et spørgsmål. Om en assistent derefter citerer den, er et separat resultat at måle.

Pak hvert vigtigt visuelt element som evidens

En stærk visuel pakke har fire dele: billedet, kortfattet alt-tekst, en billedtekst og en nærliggende tekstforklaring. Hver del har en forskellig opgave.

1. Skriv alt-tekst som en kort erstatning

Alt-tekst skal give læsere, der ikke kan se et billede, den information, de har brug for, for at følge siden. For et simpelt diagram kan det passe ind i én sætning. For et komplekst diagram eller flowdiagram skal alt-tekst identificere det visuelle og dets hovedformål, ikke presse hver detalje ind i én lang beskrivelse.

For eksempel:

alt="Checkout flow with a retry path after payment failure."

For et dekorativt billede skal du bruge tom alt-tekst (alt=""), så hjælpeværktøjer kan springe det over. Undlad ikke alt-tekst, og fyld det ikke med gentagne søgetermer. W3C’s complex-image guidance og Google’s image guidance skelner mellem korte tekstalternativer og fyldigere beskrivelser. (w3.org)

2. Brug en billedtekst til at angive figurens pointe

En billedtekst skal hjælpe en læser med at forstå, hvorfor billedet er vigtigt. En etiket som ”Arkitekturdiagram” er normalt for vag.

En mere nyttig billedtekst er:

Figur 1. En mislykket betaling sender kunden tilbage til betaling; indkøbskurven forbliver åben.

Brug HTML-elementerne <figure> og <figcaption> til at forbinde billedteksten med dens billede. Et klart figurnummer eller -navn gør det også lettere at henvise til det samme visuelle element i artikelteksten. Google’s documentation style guide giver eksempler på figurer parret med alt-tekst, billedtekster og længere beskrivelser. (developers.google.com)

3. Placer hele forklaringen på siden

Et komplekst diagram siger normalt mere, end en kort alt-beskrivelse kan. Placer den vigtige betydning i almindelig sidetekst også. For et flowdiagram skal du beskrive trinene, og hvad der sker ved hver forgrening. For et diagram skal du inkludere tidsperioden, enheder, nøgleværdier og trenden. For et teknisk diagram skal du navngive delene og forklare, hvordan de er forbundet.

W3C anbefaler en kort beskrivelse plus en fyldigere tekstbeskrivelse for komplekse billeder. Denne fyldigere beskrivelse kan være i selve artiklen, nær billedet, og tilgængelig for alle læsere. En datatabel kan hjælpe, når præcise værdier er vigtige. W3C WAI: Complex Images (w3.org)

4. Hold navne og etiketter konsistente

Hvis dit diagram kalder noget “aktivering”, skal du bruge det samme ord i billedteksten og artiklen. Hvis figuren viser et resultat, der er vigtigt, skal du angive det i en sætning i nærheden: “I Figur 2 falder de fleste tilmeldinger fra, før det første projekt er oprettet.”

Dette er ikke et magisk citerings-trick. Det er en måde at gøre sidens evidens lettere at følge og citere. Google siger, at der ikke er noget specielt skema for AI Overviews eller AI Mode; det nyttige arbejde er at holde vigtigt indhold i tekst og få de strukturerede data til at matche, hvad folk kan se. (developers.google.com)

Her er et simpelt mønster for et flowdiagram:

html

The key point in the checkout flow is that a payment failure does not clear the cart.

Figure 1 in words: Cart → shipping → payment → confirmation. If payment fails, the shopper returns to payment and keeps the cart.

Den korte alt-tekst identificerer diagrammet. Billedteksten angiver dets hovedpointe. Den sidste sætning forklarer stien i almindelig tekst. For et diagram med præcise værdier skal du også tilføje en tabel eller liste over disse værdier.

Sørg for, at crawlere kan hente billedet

Et velbeskrevet billede skal stadig være tilgængeligt. Brug et normalt HTML <img>-element med en ægte src-URL. Google siger, at det kan finde billeder i et <img>-elements src, men det indekserer ikke CSS-baggrundsbilleder på samme måde. Dets billedvejledning understøtter også CDN-hostede billeder i billedsitemaps. Google Image SEO guidance (developers.google.com)

For et CDN skal du kontrollere grundlæggende ting:

• Billedets URL fungerer uden login eller et udløbende adgangstoken.
• Sidens crawler-tilladelser og CDN'ets sikkerhedsregler tillader begge adgang.
• Billedets URL på den renderede side er stabil og returnerer den korrekte fil.
• Responsive billeder inkluderer en fallback src.
• Vigtig tekst er ikke skjult i et billede, når det kunne være rigtig sidetekst.
• Billeder under folden indlæses, når de bliver synlige – ikke kun efter en person klikker eller scroller på en måde, som en crawler ikke kan gengive.

Googles vejledning om lazy-loading siger, at billed-URL'er skal vises i den renderede HTML og indlæses, når de kommer til syne. Den fraråder også lazy-loading af billeder, der allerede er synlige, når siden åbnes. Google’s lazy-loading guidance (developers.google.com)

Kontroller også tilladelser efter platform. OpenAI dokumenterer OAI-SearchBot som sin søgecrawler og siger, at den er adskilt fra GPTBot, som vedrører træningsdata. At tillade den ene kræver ikke at tillade den anden. Dette er vigtigt, hvis du ønsker søgeopdagelse, men har en anden præference for træningsbrug. OpenAI crawler documentation (developers.openai.com)

Test om dine sider citeres for visuelle spørgsmål

Stol ikke på et par afslappede chatbot-prompter. Kør to tests, fordi model-forståelse og web-citering ikke er det samme.

Test 1: Forstår modellen det visuelle?

Vælg et sæt diagrammer og grafer. Skriv spørgsmål, hvis svar afhænger af dem, såsom:

• Hvilket trin følger efter betaling?
• Hvad sker der, når betaling mislykkes?
• Hvilken måned havde den højeste konverteringsrate?
• Hvad angiver diagrammet som hovedårsagen til, at brugere falder fra?

Sammenlign derefter modelsvar under kontrollerede inputbetingelser:

1. Billedet alene.
2. Billedet plus dets alt-tekst og billedtekst.
3. Billedet plus disse annoteringer og sidens tekstresumé eller datatabel.

Hold model, spørgsmål og billede ens. Bedøm svar for korrekthed, herunder præcise værdier og relationer. Dette hjælper med at vise, om tilføjet tekst hjælper modellen med at besvare dine spørgsmål. Det viser ikke, om en websøgningsassistent vil finde eller citere siden.

Test 2: Citerer en søgeassistent siden?

For et lille pilotprojekt skal du parre lignende diagramtunge sider. Tilføj den fulde visuelle pakke til den ene gruppe; lad sammenligningsgruppen være på dens nuværende tilgængelige baseline. Fjern ikke essentiel alt-tekst for at skabe en kontrolgruppe. Forbered to sæt spørgsmål: dem, der kræver læsning af en figur, og almindelige spørgsmål, som sidens tekst allerede besvarer.

Kør de samme prompter i de søgeassistenter, du bekymrer dig om. Registrer dato, produkt, spørgsmål, svar og citeret side. Gentag kontrol over tid, da resultater kan ændre sig. Vent, indtil din crawler eller søgeværktøjer viser, at de opdaterede sider er blevet gen-crawlet. Google bemærker, at gen-crawling kan tage dage eller længere. (developers.google.com)

Spor fire resultater:

• Citeringsrate: Hvor ofte citerer svaret siden?
• Svarnøjagtighed: Fik assistenten den visuelle kendsgerning korrekt?
• Citeringsunderstøttelse: Understøtter den citerede side faktisk svaret?
• Forretningsresultat: Hjalp besøget, henvisningen eller leadet virksomheden?

Sammenlign resultater for visuelle spørgsmål med kontrolsættet for almindelige spørgsmål. En simpel før-og-efter sammenligning kan være misvisende: assistenten, dens søgeindeks og det bredere web kan alle ændre sig på én gang. Matchede sider og gentagne kontroller hjælper, men en lille test bør stadig rapporteres som et pilotprojekt, ikke en universel regel.

Vær også præcis med hensyn til, hvad resultatet betyder. Hvis en side citeres oftere, efter du har tilføjet en tekstresumé, viser testen, at hele pakken hjalp. Det beviser ikke, at assistenten læste selve billedet. Citeringsdashboards kan vise, hvilke URL'er der vises i AI-svar, men ikke nødvendigvis hvilken del af en side der blev læst. Bings AI Performance-rapport rapporterer for eksempel citerede sider og forespørgselsinformation. Bing Webmaster Tools: AI Performance (blogs.bing.com)

Indbyg arbejdet i dit indholdssystem

Stiftere bør ikke skulle omskrive et diagram i hånden, hver gang de udgiver en artikel. Men automatisering bør ikke opfinde, hvad billedet betyder.

Et simpelt workflow er:

1. Skaberen leverer kildedata eller diagrammet samt hovedpointen, de ønsker, at læseren skal tage med sig.
2. Et indholdsworkflow udarbejder alt-tekst, billedtekst og resumé i klar tekst ud fra disse kildematerialer.
3. En person kontrollerer, at beskrivelsen er nøjagtig, og at etiketter, værdier og stier matcher det visuelle.
4. Siden publicerer billedet og dets tekst sammen.
5. En gentagelig kontrol bekræfter, at læsere og crawlere kan få adgang til begge dele.

Skaberens pointe er den del, der ikke bør automatiseres væk. For eksempel ønsker en stifter måske ikke kun at vise, at tilmeldinger falder, men at teamet valgte at rette op på den første projektopsætning, før de købte mere trafik. Det er en mening og en produktionserfaring, ikke en billedtekstopgave.

I en automatiseret indholdsmotor kan input fra Skaber, Målgruppe og Smag bevare den pointe på tværs af artikler. AutoPod bruger disse input til at styre hver artikel, mens workflowet håndterer gentagelige opgaver som udarbejdelse af billedtekster og kontrol af sidestruktur. Modellen kan pakke indsigt. Den bør ikke opfinde indsigt.

Konklusion

Det stærkeste argument for beskrivende alt-tekst, billedtekster, figurmærkater og nærliggende resuméer er ikke et lovet SEO-løft. Det er, at de gør et visuelt element lettere at forstå, lettere at få adgang til og lettere at forbinde med sidens argumentation.

Det kan også hjælpe en assistent med at besvare et visuelt spørgsmål og citere siden – men løftet er ikke garanteret. Pak diagrammer som evidens, gør billedet hentbart, og mål citeringer adskilt fra forståelse. Det er et simpelt system med værdi for læserne først og en testbar fordel for AI-opdagelse.