Preparación Multimodal: Imágenes, Texto Alternativo y Diagramas que los Modelos Pueden Citar

Preparación Multimodal: Imágenes, Texto Alternativo y Diagramas que los Modelos Pueden Citar

Por Lukas Richter, Estratega Senior de Automatización de Contenido

Un diagrama puede explicar en segundos lo que una página de texto tardaría minutos en describir. Pero si su significado reside únicamente dentro de un archivo de imagen, muchos lectores —y muchos sistemas de búsqueda— pueden perder el punto clave.

Por eso, la preparación multimodal no se trata de añadir más imágenes. Se trata de empaquetar cada elemento visual útil para que su significado sea claro en la imagen, en el texto de la página y en el código que conecta ambos.

Existe un límite importante: un buen texto alternativo puede ayudar a un sistema a comprender una imagen, pero no garantiza que un asistente de IA citará la página. Comprender una imagen y elegir una página web como fuente son pasos diferentes.

Lo que la investigación muestra —y lo que no—

Los subtítulos pueden ayudar con preguntas visuales

Algunas investigaciones encuentran que el texto emparejado con una imagen puede ayudar a un modelo a responder preguntas sobre ella. Un estudio de 2019 encontró que añadir subtítulos estilo párrafo a las imágenes mejoraba el rendimiento en una tarea de respuesta a preguntas visuales. Los subtítulos proporcionaron detalles que eran más fáciles de asociar a una pregunta que las características de la imagen por sí solas. Pero esto fue un experimento de modelo, no una prueba de si añadir texto alternativo a una página web en vivo aumenta las citas de IA. Artículo de ACL Anthology (aclanthology.org)

Los gráficos y diagramas también siguen siendo difíciles de leer con precisión para los modelos. En un punto de referencia de preguntas sobre gráficos, los investigadores encontraron debilidades en tareas como encontrar relaciones entre valores. Sus resultados mejoraron con una indicación de texto especial, lo que apunta al valor del lenguaje claro, pero no prueba que un formato de página en particular obtenga más citas. Referencia de ChartInsights (arxiv.org)

La lección más amplia es práctica: un elemento visual puede contener evidencia útil, pero los modelos aún pueden pasar por alto etiquetas pequeñas, valores exactos o la ruta entre los pasos. La guía de visión de OpenAI, por ejemplo, advierte sobre texto pequeño, gráficos, elementos codificados por colores y razonamiento espacial preciso. Guía de visión de OpenAI (developers.openai.com)

Un mejor texto alternativo no es un interruptor de citación

Los sistemas de búsqueda pueden usar descripciones de imágenes y texto circundante para entender lo que muestra una imagen. Google dice que utiliza texto alternativo, visión por computadora y contenido de la página juntos al entender imágenes para la Búsqueda. También recomienda colocar las imágenes cerca de texto relevante. Esto apoya la escritura de texto alternativo útil, pero no es evidencia de que el texto alternativo por sí mismo haga que un asistente de IA cite una página. Guía de SEO de imágenes de Google (developers.google.com)

La evidencia revisada para este artículo no establece que cambiar el texto alternativo por sí solo aumente las tasas de citación en los asistentes de IA actuales. Muchos sistemas no explican exactamente qué elementos de la página leen o por qué eligen una fuente sobre otra. Google dice que sus funciones de Búsqueda con IA no tienen un requisito de marcado especial y no garantizan que se muestre una página elegible. Guía de funciones de IA de Google (developers.google.com)

Así que trate la mejora del empaquetado visual como una hipótesis razonable y comprobable, no como una promesa. Puede hacer que una página sea más fácil de usar, más fácil de analizar y más propensa a contener texto que responda directamente a una pregunta. Si un asistente la cita después es un resultado aparte a medir.

Empaquete cada elemento visual importante como evidencia

Un paquete visual sólido tiene cuatro partes: la imagen, texto alternativo conciso, un pie de foto y una explicación textual cercana. Cada parte tiene un trabajo diferente.

1. Escriba el texto alternativo como un reemplazo corto

El texto alternativo debe proporcionar a los lectores que no pueden ver una imagen la información que necesitan para seguir la página. Para un diagrama simple, eso puede caber en una oración. Para un gráfico o diagrama de flujo complejo, el texto alternativo debe identificar el elemento visual y su propósito principal, no comprimir cada detalle en una descripción larga.

Por ejemplo:

alt="Flujo de pago con una ruta de reintento después de un error de pago."

Para una imagen decorativa, use texto alternativo vacío (alt="") para que las herramientas de asistencia puedan omitirla. No omita el texto alternativo ni lo llene con términos de búsqueda repetidos. La guía de imágenes complejas del W3C y la guía de imágenes de Google distinguen las alternativas de texto cortas de las descripciones más completas. (w3.org)

2. Use un pie de foto para indicar el punto clave de la figura

Un pie de foto debe ayudar al lector a comprender por qué la imagen es importante. Una etiqueta como “Diagrama de arquitectura” suele ser demasiado vaga.

Un pie de foto más útil es:

Figura 1. Un pago fallido devuelve al comprador al proceso de pago; el carrito permanece abierto.

Utilice los elementos HTML <figure> y <figcaption> para conectar el pie de foto con su imagen. Un número o nombre de figura claro también facilita la referencia al mismo elemento visual en el texto del artículo. La guía de estilo de documentación de Google ofrece ejemplos de figuras emparejadas con texto alternativo, pies de foto y descripciones más largas. (developers.google.com)

3. Incluya la explicación completa en la página

Un diagrama complejo suele decir más de lo que puede una breve descripción alternativa. Incluya el significado importante también en el texto normal de la página. Para un diagrama de flujo, describa los pasos y lo que sucede en cada bifurcación. Para un gráfico, incluya el período de tiempo, las unidades, los valores clave y la tendencia. Para un diagrama técnico, nombre las partes y explique cómo se conectan.

El W3C recomienda una descripción corta más una descripción textual más completa para imágenes complejas. Esa descripción más completa puede estar en el propio artículo, cerca de la imagen y disponible para todos los lectores. Una tabla de datos puede ayudar cuando los valores exactos son importantes. W3C WAI: Imágenes Complejas (w3.org)

4. Mantenga los nombres y etiquetas consistentes

Si su diagrama llama a algo “activación”, use esa misma palabra en el pie de foto y en el artículo. Si la figura muestra un resultado importante, indíquelo en una oración cercana: “En la Figura 2, la mayoría de los registros se abandonan antes de que se cree el primer proyecto.”

Esto no es un truco mágico de citación. Es una forma de hacer que la evidencia de la página sea más fácil de seguir y citar. Google dice que no existe un esquema especial para las Descripciones Generales de IA o el Modo IA; el trabajo útil es mantener el contenido importante en texto y hacer que los datos estructurados coincidan con lo que la gente puede ver. (developers.google.com)

Aquí hay un patrón simple para un diagrama de flujo:

html

El punto clave en el flujo de pago es que un fallo de pago no vacía el carrito.

Figura 1 en palabras: Carrito → envío → pago → confirmación. Si el pago falla, el comprador regresa al pago y mantiene el carrito.

El texto alternativo corto identifica el diagrama. El pie de foto da su punto principal. La última oración explica la ruta en texto plano. Para un gráfico con valores exactos, añada también una tabla o lista de esos valores.

Asegúrese de que los rastreadores puedan obtener la imagen

Una imagen bien descrita todavía necesita estar disponible. Utilice un elemento HTML <img> normal con una URL src real. Google dice que puede encontrar imágenes en el src de un elemento <img>, pero no indexa las imágenes de fondo CSS de la misma manera. Su guía de imágenes también es compatible con imágenes alojadas en CDN en los sitemaps de imágenes. Guía de SEO de imágenes de Google (developers.google.com)

Para una CDN, verifique lo básico:

• La URL de la imagen funciona sin inicio de sesión ni un token de acceso que expire.
• Los permisos del rastreador de la página y las reglas de seguridad de la CDN permiten el acceso.
• La URL de la imagen en la página renderizada es estable y devuelve el archivo correcto.
• Las imágenes responsivas incluyen un src de respaldo.
• El texto importante no está oculto en una imagen cuando podría ser texto real de la página.
• Las imágenes fuera de la pantalla (below-the-fold) se cargan cuando se hacen visibles, no solo después de que una persona hace clic o se desplaza de una manera que un rastreador no puede reproducir.

La guía de carga diferida de Google dice que las URL de las imágenes deben aparecer en el HTML renderizado y cargarse cuando entran en la vista. También desaconseja la carga diferida de imágenes que ya son visibles cuando se abre la página. Guía de carga diferida de Google (developers.google.com)

Verifique los permisos por plataforma también. OpenAI documenta OAI-SearchBot como su rastreador de búsqueda y dice que está separado de GPTBot, que se relaciona con los datos de entrenamiento. Permitir uno no requiere permitir el otro. Esto importa si desea el descubrimiento en la búsqueda pero tiene una preferencia diferente sobre el uso para entrenamiento. Documentación del rastreador de OpenAI (developers.openai.com)

Compruebe si sus páginas son citadas por preguntas visuales

No dependa de unas pocas indicaciones casuales de chatbot. Realice dos pruebas, porque la comprensión del modelo y la citación web no son lo mismo.

Prueba 1: ¿El modelo comprende el elemento visual?

Elija un conjunto de gráficos y diagramas. Escriba preguntas cuyas respuestas dependan de ellos, como:

• ¿Qué paso sigue al pago?
• ¿Qué sucede cuando falla el pago?
• ¿Qué mes tuvo la tasa de conversión más alta?
• ¿Cuál dice el diagrama que es la razón principal por la que los usuarios abandonan?

Luego compare las respuestas del modelo bajo condiciones de entrada controladas:

1. La imagen sola.
2. La imagen más su texto alternativo y pie de foto.
3. La imagen más esas anotaciones y el resumen de texto o la tabla de datos de la página.

Mantenga el modelo, la pregunta y la imagen iguales. Califique las respuestas por su corrección, incluyendo valores exactos y relaciones. Esto ayuda a mostrar si el texto añadido ayuda al modelo a responder sus preguntas. No muestra si un asistente de búsqueda web encontrará o citará la página.

Prueba 2: ¿Un asistente de búsqueda cita la página?

Para un pequeño piloto, empareje páginas similares con muchos diagramas. Añada el paquete visual completo a un grupo; deje el grupo de comparación en su línea base accesible actual. No elimine el texto alternativo esencial para crear un grupo de control. Prepare dos conjuntos de preguntas: unas que requieran leer una figura y preguntas ordinarias que el texto de la página ya responde.

Ejecute las mismas indicaciones en los asistentes de búsqueda que le interesan. Registre la fecha, el producto, la pregunta, la respuesta y la página citada. Repita las verificaciones con el tiempo, porque los resultados pueden cambiar. Espere hasta que su rastreador o herramientas de búsqueda muestren que las páginas actualizadas han sido rastreadas de nuevo. Google señala que el nuevo rastreo puede tardar días o más. (developers.google.com)

Realice un seguimiento de cuatro resultados:

• Tasa de citación: ¿Con qué frecuencia la respuesta cita la página?
• Precisión de la respuesta: ¿El asistente acertó el hecho visual?
• Soporte de la citación: ¿La página citada realmente respalda la respuesta?
• Resultado de negocio: ¿La visita, referencia o lead ayudó al negocio?

Compare los resultados de las preguntas visuales con el conjunto de control de preguntas ordinarias. Una simple comparación de antes y después puede ser engañosa: el asistente, su índice de búsqueda y la web en general pueden cambiar a la vez. Las páginas coincidentes y las verificaciones repetidas ayudan, pero una pequeña prueba debe seguir siendo reportada como un piloto, no como una regla universal.

También sea preciso sobre lo que significa el resultado. Si una página es citada con más frecuencia después de añadir un resumen de texto, la prueba demuestra que el paquete completo ayudó. No prueba que el asistente leyera la imagen en sí. Los paneles de citación pueden mostrar qué URL aparecen en las respuestas de IA, pero no necesariamente qué parte de una página fue leída. El informe de rendimiento de IA de Bing, por ejemplo, informa las páginas citadas y la información de la consulta. Herramientas para webmasters de Bing: Rendimiento de IA (blogs.bing.com)

Integre el trabajo en su sistema de contenido

Los fundadores no deberían tener que reescribir un diagrama a mano cada vez que publican un artículo. Pero la automatización no debería inventar lo que significa la imagen.

Un flujo de trabajo simple es:

1. El creador proporciona los datos o el diagrama de origen, además del punto principal que desea que el lector entienda.
2. Un flujo de trabajo de contenido redacta el texto alternativo, el pie de foto y el resumen en texto plano a partir de esos materiales de origen.
3. Una persona verifica que la descripción sea precisa y que las etiquetas, valores y rutas coincidan con el elemento visual.
4. La página publica la imagen y su texto juntos.
5. Una verificación repetible confirma que lectores y rastreadores pueden acceder a ambos.

El punto del creador es la parte que no debe automatizarse. Por ejemplo, un fundador puede querer mostrar no solo que los registros disminuyen, sino que el equipo decidió arreglar la configuración del primer proyecto antes de comprar más tráfico. Eso es una opinión y una lección de producto, no una tarea de subtitulado.

En un motor de contenido automatizado, las entradas de Creador, Audiencia y Tono pueden preservar ese punto en todos los artículos. AutoPod utiliza esas entradas para guiar cada artículo, mientras que el flujo de trabajo maneja tareas repetibles como la redacción de pies de foto y la verificación de la estructura de la página. El modelo puede empaquetar la información. No debería inventarla.

Conclusión

El argumento más sólido para el texto alternativo descriptivo, los pies de foto, las etiquetas de figuras y los resúmenes cercanos no es una promesa de mejora del SEO. Es que hacen un elemento visual más fácil de entender, más accesible y más fácil de conectar con el argumento de la página.

Eso también puede ayudar a un asistente a responder una pregunta visual y citar la página—pero la mejora no está garantizada. Empaquete los diagramas como evidencia, haga que la imagen sea accesible para su recuperación y mida las citas por separado de la comprensión. Ese es un sistema simple con valor para los lectores primero y una ventaja comprobable para el descubrimiento por IA.