Kesiapan Multimodal: Gambar, Teks Alternatif, dan Diagram yang Dapat Dikutip oleh Model

Kesiapan Multimodal: Gambar, Teks Alternatif, dan Diagram yang Dapat Dikutip oleh Model

Oleh Lukas Richter, Ahli Strategi Senior Otomatisasi Konten

Sebuah diagram dapat menjelaskan dalam hitungan detik apa yang membutuhkan waktu menit bagi halaman teks untuk menggambarkannya. Namun, jika maknanya hanya ada di dalam file gambar, banyak pembaca—dan banyak sistem pencarian—mungkin melewatkan intinya.

Itulah mengapa kesiapan multimodal bukan tentang menambahkan lebih banyak gambar. Ini tentang mengemas setiap visual yang berguna sehingga maknanya jelas dalam gambar, dalam teks halaman, dan dalam kode yang menghubungkan keduanya.

Ada satu batasan penting: teks alternatif yang baik mungkin membantu sistem memahami gambar, tetapi tidak menjamin bahwa asisten AI akan mengutip halaman tersebut. Memahami gambar dan memilih halaman web sebagai sumber adalah langkah-langkah yang berbeda.

Apa yang ditunjukkan—dan tidak ditunjukkan—oleh penelitian

Keterangan dapat membantu dengan pertanyaan visual

Beberapa penelitian menemukan bahwa teks yang dipasangkan dengan gambar dapat membantu model menjawab pertanyaan tentangnya. Sebuah studi tahun 2019 menemukan bahwa menambahkan keterangan bergaya paragraf ke gambar meningkatkan kinerja pada tugas menjawab pertanyaan visual. Keterangan tersebut memberikan detail yang lebih mudah dicocokkan dengan pertanyaan daripada fitur gambar saja. Namun, ini adalah eksperimen model—bukan uji apakah menambahkan teks alternatif ke halaman web langsung meningkatkan kutipan AI. Makalah Antologi ACL (aclanthology.org)

Bagan dan diagram juga tetap sulit dibaca dengan tepat oleh model. Dalam satu benchmark pertanyaan bagan, para peneliti menemukan kelemahan dalam tugas-tugas seperti mencari hubungan antar nilai. Hasil mereka membaik dengan prompt teks khusus, yang menunjukkan nilai dari bahasa yang jelas—tetapi tidak membuktikan bahwa format halaman tertentu akan menghasilkan lebih banyak kutipan. Benchmark ChartInsights (arxiv.org)

Pelajaran yang lebih luas bersifat praktis: visual dapat membawa bukti yang berguna, tetapi model mungkin masih melewatkan label kecil, nilai tepat, atau jalur antar langkah. Panduan visi OpenAI, misalnya, memperingatkan tentang teks kecil, bagan, elemen berkode warna, dan penalaran spasial yang tepat. Panduan visi OpenAI (developers.openai.com)

Teks alternatif yang lebih baik bukanlah saklar kutipan

Sistem pencarian dapat menggunakan deskripsi gambar dan teks di sekitarnya untuk memahami apa yang ditunjukkan oleh sebuah gambar. Google mengatakan menggunakan teks alternatif, visi komputer, dan konten halaman secara bersamaan saat memahami gambar untuk Penelusuran. Google juga merekomendasikan penempatan gambar di dekat teks yang relevan. Hal ini mendukung penulisan teks alternatif yang berguna, tetapi bukan bukti bahwa teks alternatif itu sendiri membuat asisten AI mengutip suatu halaman. Panduan SEO Gambar Google (developers.google.com)

Bukti yang ditinjau untuk artikel ini tidak menetapkan bahwa mengubah teks alternatif saja meningkatkan tingkat kutipan di seluruh asisten AI saat ini. Banyak sistem tidak menjelaskan secara pasti elemen halaman mana yang mereka baca atau mengapa mereka memilih satu sumber di atas yang lain. Google mengatakan fitur Pencarian AI-nya tidak memiliki persyaratan markup khusus dan tidak menjamin bahwa halaman yang memenuhi syarat akan ditampilkan. Panduan fitur AI Google (developers.google.com)

Jadi, perlakukan pengemasan visual yang ditingkatkan sebagai hipotesis yang masuk akal dan dapat diuji, bukan janji. Ini dapat membuat halaman lebih mudah digunakan, lebih mudah diurai, dan lebih mungkin berisi teks yang secara langsung menjawab pertanyaan. Apakah asisten kemudian mengutipnya adalah hasil terpisah yang perlu diukur.

Kemaskan setiap visual penting sebagai bukti

Paket visual yang kuat memiliki empat bagian: gambar, teks alternatif yang ringkas, keterangan, dan penjelasan teks di dekatnya. Setiap bagian memiliki tugas yang berbeda.

1. Tulis teks alternatif sebagai pengganti singkat

Teks alternatif harus memberikan informasi yang dibutuhkan pembaca yang tidak dapat melihat gambar untuk mengikuti halaman. Untuk diagram sederhana, itu mungkin cukup dalam satu kalimat. Untuk bagan atau diagram alir yang kompleks, teks alternatif harus mengidentifikasi visual dan tujuan utamanya, bukan memadatkan setiap detail ke dalam satu deskripsi panjang.

Contoh:

alt="Alur checkout dengan jalur percobaan ulang setelah kegagalan pembayaran."

Untuk gambar dekoratif, gunakan teks alternatif kosong (alt="") agar alat bantu dapat melewatinya. Jangan tinggalkan teks alternatif, dan jangan mengisinya dengan istilah pencarian yang berulang. Panduan gambar kompleks W3C dan panduan gambar Google membedakan alternatif teks singkat dari deskripsi yang lebih lengkap. (w3.org)

2. Gunakan keterangan untuk menyatakan maksud gambar

Keterangan harus membantu pembaca memahami mengapa gambar itu penting. Label seperti “Diagram arsitektur” biasanya terlalu samar.

Keterangan yang lebih berguna adalah:

Gambar 1. Pembayaran yang gagal mengembalikan pembeli ke pembayaran; keranjang tetap terbuka.

Gunakan elemen HTML <figure> dan <figcaption> untuk menghubungkan keterangan dengan gambarnya. Nomor atau nama gambar yang jelas juga memudahkan untuk merujuk visual yang sama dalam teks artikel. Panduan gaya dokumentasi Google memberikan contoh gambar yang dipasangkan dengan teks alternatif, keterangan, dan deskripsi yang lebih panjang. (developers.google.com)

3. Cantumkan penjelasan lengkap di halaman

Diagram yang kompleks biasanya mengatakan lebih banyak daripada deskripsi alternatif singkat. Cantumkan makna pentingnya dalam teks halaman biasa juga. Untuk diagram alir, jelaskan langkah-langkahnya dan apa yang terjadi di setiap cabang. Untuk bagan, sertakan periode waktu, unit, nilai kunci, dan tren. Untuk diagram teknis, sebutkan bagian-bagiannya dan jelaskan cara mereka terhubung.

W3C merekomendasikan deskripsi singkat ditambah deskripsi teks yang lebih lengkap untuk gambar kompleks. Deskripsi yang lebih lengkap itu bisa ada dalam artikel itu sendiri, dekat gambar, dan tersedia untuk semua pembaca. Tabel data dapat membantu ketika nilai-nilai pasti penting. W3C WAI: Gambar Kompleks (w3.org)

4. Jaga konsistensi nama dan label

Jika diagram Anda menyebut sesuatu “aktivasi,” gunakan kata yang sama dalam keterangan dan artikel. Jika gambar menunjukkan hasil yang penting, nyatakan dalam kalimat terdekat: “Pada Gambar 2, sebagian besar pendaftaran berhenti sebelum proyek pertama dibuat.”

Ini bukan trik kutipan ajaib. Ini adalah cara untuk membuat bukti halaman lebih mudah diikuti dan dikutip. Google mengatakan tidak ada skema khusus untuk Gambaran Umum AI atau Mode AI; pekerjaan yang berguna adalah menjaga konten penting dalam teks dan membuat data terstruktur sesuai dengan apa yang dapat dilihat orang. (developers.google.com)

Berikut adalah pola sederhana untuk diagram alir:

html

Poin penting dalam alur checkout adalah bahwa kegagalan pembayaran tidak menghapus keranjang.

Gambar 1 dalam kata-kata: Keranjang → pengiriman → pembayaran → konfirmasi. Jika pembayaran gagal, pembeli kembali ke pembayaran dan mempertahankan keranjang.

Teks alternatif singkat mengidentifikasi diagram. Keterangan memberikan poin utamanya. Kalimat terakhir menjelaskan jalur dalam teks biasa. Untuk bagan dengan nilai-nilai pasti, tambahkan juga tabel atau daftar nilai-nilai tersebut.

Pastikan crawler dapat mengambil gambar

Gambar yang dijelaskan dengan baik tetap harus tersedia. Gunakan elemen HTML <img> normal dengan URL src yang nyata. Google mengatakan dapat menemukan gambar dalam src elemen <img>, tetapi tidak mengindeks gambar latar belakang CSS dengan cara yang sama. Panduan gambarnya juga mendukung gambar yang di-hosting CDN dalam sitemap gambar. Panduan SEO Gambar Google (developers.google.com)

Untuk CDN, periksa dasar-dasarnya:

• URL gambar berfungsi tanpa login atau token akses yang kedaluwarsa.
• Izin crawler halaman dan aturan keamanan CDN keduanya mengizinkan akses.
• URL gambar di halaman yang dirender stabil dan mengembalikan file yang benar.
• Gambar responsif menyertakan src fallback.
• Teks penting tidak disembunyikan dalam gambar ketika sebenarnya bisa berupa teks halaman sungguhan.
• Gambar below-the-fold dimuat saat menjadi terlihat—bukan hanya setelah seseorang mengklik atau menggulir dengan cara yang tidak dapat direproduksi oleh crawler.

Panduan lazy-loading Google mengatakan URL gambar harus muncul di HTML yang dirender dan dimuat saat terlihat. Google juga menyarankan untuk tidak melakukan lazy-loading gambar yang sudah terlihat saat halaman dibuka. Panduan lazy-loading Google (developers.google.com)

Periksa juga izin berdasarkan platform. OpenAI mendokumentasikan OAI-SearchBot sebagai crawler pencariannya dan mengatakan bahwa itu terpisah dari GPTBot, yang berkaitan dengan data pelatihan. Mengizinkan salah satu tidak mengharuskan mengizinkan yang lain. Ini penting jika Anda menginginkan penemuan pencarian tetapi memiliki preferensi yang berbeda tentang penggunaan pelatihan. Dokumentasi crawler OpenAI (developers.openai.com)

Uji apakah halaman Anda dikutip untuk pertanyaan visual

Jangan bergantung pada beberapa prompt chatbot biasa. Lakukan dua tes, karena pemahaman model dan kutipan web bukanlah hal yang sama.

Tes 1: Apakah model memahami visual?

Pilih satu set bagan dan diagram. Buat pertanyaan yang jawabannya bergantung padanya, seperti:

• Langkah mana yang mengikuti pembayaran?
• Apa yang terjadi jika pembayaran gagal?
• Bulan mana yang memiliki tingkat konversi tertinggi?
• Apa yang dikatakan diagram sebagai alasan utama pengguna berhenti?

Kemudian bandingkan jawaban model di bawah kondisi masukan yang terkontrol:

1. Gambar saja.
2. Gambar ditambah teks alternatif dan keterangannya.
3. Gambar ditambah anotasi tersebut dan ringkasan teks halaman atau tabel data.

Pertahankan model, pertanyaan, dan gambar yang sama. Nilai jawaban untuk kebenaran, termasuk nilai dan hubungan yang tepat. Ini membantu menunjukkan apakah teks tambahan membantu model menjawab pertanyaan Anda. Ini tidak menunjukkan apakah asisten pencarian web akan menemukan atau mengutip halaman tersebut.

Tes 2: Apakah asisten pencarian mengutip halaman tersebut?

Untuk pilot kecil, pasangkan halaman-halaman yang banyak mengandung diagram serupa. Tambahkan paket visual lengkap ke satu grup; biarkan grup perbandingan pada baseline aksesibel saat ini. Jangan hapus teks alternatif penting untuk membuat kelompok kontrol. Siapkan dua set pertanyaan: yang memerlukan pembacaan gambar dan pertanyaan biasa yang sudah dijawab oleh teks halaman.

Jalankan prompt yang sama di asisten pencarian yang Anda pedulikan. Catat tanggal, produk, pertanyaan, jawaban, dan halaman yang dikutip. Ulangi pemeriksaan seiring waktu, karena hasilnya dapat berubah. Tunggu hingga crawler atau alat pencarian Anda menunjukkan bahwa halaman yang diperbarui telah di-recrawl. Google mencatat bahwa recrawling bisa memakan waktu berhari-hari atau lebih lama. (developers.google.com)

Lacak empat hasil:

• Tingkat kutipan: Seberapa sering jawaban mengutip halaman tersebut?
• Akurasi jawaban: Apakah asisten mendapatkan fakta visual dengan benar?
• Dukungan kutipan: Apakah halaman yang dikutip benar-benar mendukung jawaban?
• Hasil bisnis: Apakah kunjungan, rujukan, atau lead membantu bisnis?

Bandingkan hasil pertanyaan visual dengan set kontrol pertanyaan biasa. Perbandingan sederhana sebelum dan sesudah bisa menyesatkan: asisten, indeks pencariannya, dan web yang lebih luas semuanya dapat berubah sekaligus. Halaman yang cocok dan pemeriksaan berulang membantu, tetapi tes kecil tetap harus dilaporkan sebagai pilot, bukan aturan universal.

Juga, tepatlah tentang arti hasil tersebut. Jika sebuah halaman lebih sering dikutip setelah Anda menambahkan ringkasan teks, tes tersebut menunjukkan bahwa seluruh paket membantu. Ini tidak membuktikan bahwa asisten membaca gambar itu sendiri. Dasbor kutipan dapat menunjukkan URL mana yang muncul dalam jawaban AI, tetapi belum tentu bagian mana dari halaman yang dibaca. Laporan Kinerja AI Bing, misalnya, melaporkan halaman yang dikutip dan informasi query. Bing Webmaster Tools: Kinerja AI (blogs.bing.com)

Sematkan pekerjaan ini ke dalam sistem konten Anda

Para founder tidak seharusnya harus menulis ulang diagram secara manual setiap kali mereka menerbitkan artikel. Namun, otomatisasi seharusnya tidak mengarang apa arti gambar tersebut.

Alur kerja sederhana adalah:

1. Pembuat menyediakan data sumber atau diagram, ditambah poin utama yang ingin mereka sampaikan kepada pembaca.
2. Alur kerja konten membuat draf teks alternatif, keterangan, dan ringkasan teks biasa dari materi sumber tersebut.
3. Seseorang memeriksa bahwa deskripsi akurat dan bahwa label, nilai, dan rute sesuai dengan visual.
4. Halaman menerbitkan gambar dan teksnya secara bersamaan.
5. Pemeriksaan yang dapat diulang mengonfirmasi bahwa pembaca dan crawler dapat mengakses keduanya.

Poin dari pembuat adalah bagian yang seharusnya tidak diotomatisasi. Misalnya, seorang founder mungkin ingin menunjukkan tidak hanya bahwa pendaftaran menurun, tetapi bahwa tim memilih untuk memperbaiki penyiapan proyek pertama sebelum membeli lebih banyak trafik. Itu adalah pendapat dan pelajaran produk, bukan tugas memberi keterangan.

Dalam mesin konten otomatis, masukan Pembuat, Audiens, dan Selera dapat mempertahankan poin tersebut di seluruh artikel. AutoPod menggunakan masukan tersebut untuk memandu setiap artikel, sementara alur kerja menangani tugas-tugas yang dapat diulang seperti membuat draf keterangan dan memeriksa struktur halaman. Model dapat mengemas insight. Model seharusnya tidak mengarang insight tersebut.

Kesimpulan

Alasan terkuat untuk teks alternatif deskriptif, keterangan, label gambar, dan ringkasan di dekatnya bukanlah peningkatan SEO yang dijanjikan. Ini adalah bahwa mereka membuat visual lebih mudah dipahami, lebih mudah diakses, dan lebih mudah dihubungkan dengan argumen halaman.

Itu mungkin juga membantu asisten menjawab pertanyaan visual dan mengutip halaman—tetapi peningkatannya tidak dijamin. Kemaskan diagram sebagai bukti, buat gambar dapat diambil, dan ukur kutipan secara terpisah dari pemahaman. Itu adalah sistem sederhana dengan nilai untuk pembaca terlebih dahulu dan potensi yang dapat diuji untuk penemuan AI.