Multimodal beredskap: Bilder, alt-tekst og diagrammer som modeller kan sitere

Multimodal beredskap: Bilder, alt-tekst og diagrammer som modeller kan sitere

Av Lukas Richter, Seniorstrateg for innholdsautomatisering

Et diagram kan forklare på sekunder hva en tekstside ville brukt minutter på å beskrive. Men hvis betydningen kun ligger inne i en bildefil, kan mange lesere – og mange søkesystemer – gå glipp av poenget.

Derfor handler multimodal beredskap ikke om å legge til flere bilder. Det handler om å pakke hvert nyttige visuelle element slik at dets betydning er tydelig i bildet, i sideteksten og i koden som forbinder de to.

Det er én viktig begrensning: god alt-tekst kan hjelpe et system med å forstå et bilde, men det garanterer ikke at en AI-assistent vil sitere siden. Å forstå et bilde og å velge en nettside som kilde er forskjellige trinn.

Hva forskningen viser – og ikke viser

Bildetekster kan hjelpe med visuelle spørsmål

Noe forskning viser at tekst kombinert med et bilde kan hjelpe en modell med å svare på spørsmål om det. En studie fra 2019 fant at å legge til bildetekster i avsnittsformat til bilder forbedret ytelsen på en visuell spørsmål-svar-oppgave. Bildetekstene ga detaljer som var lettere å matche med et spørsmål enn bildeegenskaper alene. Men dette var et modelleksperiment – ikke en test av hvorvidt å legge til alt-tekst til en live nettside øker AI-siteringer. ACL Anthology paper (aclanthology.org)

Diagrammer og grafer er også fortsatt vanskelige for modeller å lese presist. I en referansetest for diagramspørsmål fant forskere svakheter i oppgaver som å finne forhold mellom verdier. Resultatene deres forbedret seg med en spesiell tekstforespørsel, noe som peker på verdien av klart språk – men beviser ikke at et gitt sideformat vil gi flere siteringer. ChartInsights benchmark (arxiv.org)

Den bredere lærdommen er praktisk: et visuelt element kan inneholde nyttige bevis, men modeller kan likevel overse små etiketter, eksakte verdier eller veien mellom trinnene. OpenAIs veiledning for visjon advarer for eksempel mot liten tekst, diagrammer, fargekodede elementer og presis romlig resonnement. OpenAI vision guide (developers.openai.com)

Bedre alt-tekst er ikke en sitatbryter

Søkesystemer kan bruke bildebeskrivelser og omkringliggende tekst for å forstå hva et bilde viser. Google sier at de bruker alt-tekst, maskinsyn og sideinnhold sammen når de forstår bilder for Søk. De anbefaler også å plassere bilder nær relevant tekst. Dette støtter skrivingen av nyttig alt-tekst, men det er ikke bevis for at alt-tekst alene får en AI-assistent til å sitere en side. Google Image SEO guidance (developers.google.com)

Bevisene gjennomgått for denne artikkelen etablerer ikke at endring av alt-tekst alene øker siteringsrater på tvers av nåværende AI-assistenter. Mange systemer forklarer ikke nøyaktig hvilke sideelementer de leser eller hvorfor de velger én kilde fremfor en annen. Google sier at deres AI-søkeegenskaper ikke har noe spesielt markup-krav og garanterer ikke at en kvalifisert side vil bli vist. Google’s AI features guidance (developers.google.com)

Så behandle forbedret visuell pakking som en rimelig, testbar hypotese, ikke et løfte. Det kan gjøre en side enklere å bruke, enklere å tolke og mer sannsynlig å inneholde tekst som direkte svarer på et spørsmål. Hvorvidt en assistent deretter siterer den, er et eget resultat å måle.

Pakk hvert viktig visuelt element som bevis

En sterk visuell pakke har fire deler: bildet, kortfattet alt-tekst, en bildetekst og en tekstforklaring i nærheten. Hver del har en ulik oppgave.

1. Skriv alt-tekst som en kort erstatning

Alt-tekst skal gi lesere som ikke kan se et bilde den informasjonen de trenger for å følge siden. For et enkelt diagram kan det passe i én setning. For en kompleks graf eller flytdiagram skal alt-teksten identifisere det visuelle og dets hovedformål, ikke presse inn hver eneste detalj i en lang beskrivelse.

For eksempel:

alt="Utsjekkingsflyt med en forsøksvei etter betalingssvikt."

For et dekorativt bilde, bruk tom alt-tekst (alt="") slik at hjelpemidler kan hoppe over det. Ikke utelat alt-tekst, og ikke fyll den med gjentatte søketermer. W3Cs veiledning for komplekse bilder og Googles bildeveiledning skiller mellom korte tekstalternativer og fyldigere beskrivelser. (w3.org)

2. Bruk en bildetekst for å angi figurens poeng

En bildetekst skal hjelpe en leser med å forstå hvorfor bildet er viktig. En etikett som «Arkitekturdiagram» er vanligvis for vag.

En mer nyttig bildetekst er:

Figur 1. En mislykket betaling sender kunden tilbake til betaling; handlekurven forblir åpen.

Bruk HTML-elementene <figure> og <figcaption> for å koble bildeteksten til bildet. Et tydelig figurnummer eller navn gjør det også enklere å referere til det samme visuelle elementet i artikkelteksten. Googles stilguide for dokumentasjon gir eksempler på figurer paret med alt-tekst, bildetekster og lengre beskrivelser. (developers.google.com)

3. Plasser den fullstendige forklaringen på siden

Et komplekst diagram sier vanligvis mer enn en kort alt-beskrivelse kan. Plasser den viktige betydningen i vanlig sidetekst også. For et flytdiagram, beskriv trinnene og hva som skjer ved hver forgrening. For en graf, inkluder tidsperioden, enheter, nøkkelverdier og trenden. For et teknisk diagram, navngi delene og forklar hvordan de er koblet sammen.

W3C anbefaler en kort beskrivelse pluss en fyldigere tekstbeskrivelse for komplekse bilder. Den fyldigere beskrivelsen kan være i selve artikkelen, nær bildet, og tilgjengelig for alle lesere. En datatabell kan hjelpe når eksakte verdier er viktige. W3C WAI: Komplekse bilder (w3.org)

4. Hold navn og etiketter konsekvente

Hvis diagrammet ditt kaller noe «aktivering», bruk det samme ordet i bildeteksten og artikkelen. Hvis figuren viser et viktig resultat, oppgi det i en setning i nærheten: «I figur 2 faller de fleste registreringene bort før det første prosjektet blir opprettet.»

Dette er ikke et magisk siteringstriks. Det er en måte å gjøre sidens bevis enklere å følge og sitere. Google sier det ikke finnes noe spesielt skjema for AI Overviews eller AI Mode; det nyttige arbeidet er å holde viktig innhold i tekst og sørge for at de strukturerte dataene samsvarer med det folk kan se. (developers.google.com)

Her er et enkelt mønster for et flytdiagram:

html

Hovedpoenget i utsjekkingsflyten er at en betalingssvikt ikke tømmer handlekurven.

Figur 1 med ord: Handlekurv → frakt → betaling → bekreftelse. Hvis betaling mislykkes, sender den kunden tilbake til betaling og beholder handlekurven.

Den korte alt-teksten identifiserer diagrammet. Bildeteksten gir hovedpoenget. Den siste setningen forklarer veien i ren tekst. For en graf med eksakte verdier, legg også til en tabell eller liste over disse verdiene.

Sørg for at søkeroboter kan hente bildet

Et godt beskrevet bilde må fortsatt være tilgjengelig. Bruk et vanlig HTML <img>-element med en ekte src-URL. Google sier at de kan finne bilder i et <img>-elements src, men de indekserer ikke CSS-bakgrunnsbilder på samme måte. Deres bildeveiledning støtter også CDN-hostede bilder i bildesitemaps. Googles veiledning for bilde-SEO (developers.google.com)

For et CDN, sjekk grunnleggende ting:

• Bilde-URL-en fungerer uten innlogging eller et utløpende tilgangstoken.
• Sidens søkerobottillatelser og CDN-ets sikkerhetsregler tillater begge tilgang.
• Bilde-URL-en på den gjengitte siden er stabil og returnerer riktig fil.
• Responsive bilder inkluderer en fallback src.
• Viktig tekst er ikke skjult i et bilde når det kunne vært ekte sidetekst.
• Bilder under folden lastes når de blir synlige – ikke bare etter at en person klikker eller ruller på en måte en søkerobot ikke kan gjengi.

Googles veiledning for lazy-loading sier at bilde-URL-er skal vises i den gjengitte HTML-koden og lastes når de kommer inn i syne. Den fraråder også lazy-loading av bilder som allerede er synlige når siden åpnes. Googles veiledning for lazy-loading (developers.google.com)

Sjekk også tillatelser etter plattform. OpenAI dokumenterer OAI-SearchBot som sin søkerobot og sier at den er atskilt fra GPTBot, som er relatert til treningsdata. Å tillate den ene krever ikke å tillate den andre. Dette er viktig hvis du ønsker søkedetektering, men har en annen preferanse angående treningsbruk. OpenAIs dokumentasjon for søkeroboter (developers.openai.com)

Test om sidene dine blir sitert for visuelle spørsmål

Ikke stol på noen få uformelle chatbot-forespørsler. Kjør to tester, fordi modellforståelse og nettsitering ikke er det samme.

Test 1: Forstår modellen det visuelle?

Velg et sett med grafer og diagrammer. Skriv spørsmål hvis svar avhenger av dem, for eksempel:

• Hvilket trinn følger etter betaling?
• Hva skjer når betaling mislykkes?
• Hvilken måned hadde den høyeste konverteringsraten?
• Hva sier diagrammet er hovedårsaken til at brukere faller fra?

Sammenlign deretter modellens svar under kontrollerte inndatabetingelser:

1. Bildet alene.
2. Bildet pluss dets alt-tekst og bildetekst.
3. Bildet pluss disse annotasjonene og sidens tekstoppsummering eller datatabell.

Hold modell, spørsmål og bilde de samme. Poengsett svarene for korrekthet, inkludert eksakte verdier og forhold. Dette hjelper til med å vise om lagt til tekst hjelper modellen med å svare på dine spørsmål. Det viser ikke om en nettsøkeassistent vil finne eller sitere siden.

Test 2: Siterer en søkeassistent siden?

For et lite pilotprosjekt, par lignende diagramtunge sider. Legg til den fullstendige visuelle pakken til én gruppe; la sammenligningsgruppen være på sin nåværende tilgjengelige grunnlinje. Ikke fjern essensiell alt-tekst for å opprette en kontrollgruppe. Forbered to sett med spørsmål: de som krever lesing av en figur, og vanlige spørsmål som sidens tekst allerede besvarer.

Kjør de samme spørsmålene i søkeassistentene du bryr deg om. Registrer dato, produkt, spørsmål, svar og sitert side. Gjenta kontrollene over tid, fordi resultatene kan endres. Vent til søkeroboten eller søkeverktøyene dine viser at de oppdaterte sidene er gjennomgått på nytt. Google bemerker at ny gjennomsøking kan ta dager eller lenger. (developers.google.com)

Spor fire utfall:

• Siteringsrate: Hvor ofte siterer svaret siden?
• Svarnøyaktighet: Fikk assistenten det visuelle faktumet riktig?
• Siteringsstøtte: Støtter den siterte siden faktisk svaret?
• Forretningsresultat: Hjalp besøket, henvisningen eller leadet virksomheten?

Sammenlign resultater fra visuelle spørsmål med kontrollsettet for vanlige spørsmål. En enkel før-og-etter-sammenligning kan være misvisende: assistenten, dens søkeindeks og det bredere nettet kan alle endre seg samtidig. Matchede sider og gjentatte kontroller hjelper, men en liten test bør likevel rapporteres som et pilotprosjekt, ikke en universell regel.

Vær også presis med hensyn til hva resultatet betyr. Hvis en side blir sitert oftere etter at du legger til en tekstoppsummering, viser testen at hele pakken hjalp. Det beviser ikke at assistenten leste selve bildet. Siteringsdashbord kan vise hvilke URL-er som vises i AI-svar, men ikke nødvendigvis hvilken del av en side som ble lest. Bings AI Performance-rapport rapporterer for eksempel siterte sider og spørringsinformasjon. Bing Webmaster Tools: AI Performance (blogs.bing.com)

Bygg arbeidet inn i innholdssystemet ditt

Grunnleggere skal ikke måtte omskrive et diagram for hånd hver gang de publiserer en artikkel. Men automatisering skal ikke finne opp hva bildet betyr.

En enkel arbeidsflyt er:

1. Skaperen leverer kildedata eller diagram, pluss hovedpoenget de ønsker at leseren skal ta med seg.
2. En innholdsarbeidsflyt utarbeider alt-tekst, bildetekst og ren tekstoppsummering fra disse kildematerialene.
3. En person sjekker at beskrivelsen er nøyaktig og at etiketter, verdier og ruter samsvarer med det visuelle.
4. Siden publiserer bildet og dets tekst sammen.
5. En repeterbar sjekk bekrefter at lesere og søkeroboter har tilgang til begge deler.

Skaperens poeng er den delen som ikke skal automatiseres bort. For eksempel kan en grunnlegger ønske å vise ikke bare at registreringene faller, men at teamet valgte å fikse oppsettet av det første prosjektet før de kjøpte mer trafikk. Det er en mening og en produktlære, ikke en bildetekstoppgave.

I en automatisert innholdsmotor kan inndataene for Skaper, Målgruppe og Smak bevare dette poenget på tvers av artikler. AutoPod bruker disse inndataene til å veilede hver artikkel, mens arbeidsflyten håndterer repeterbare oppgaver som utarbeidelse av bildetekster og kontroll av sidestruktur. Modellen kan pakke innsikten. Den skal ikke finne på innsikten.

Konklusjon

Det sterkeste argumentet for deskriptiv alt-tekst, bildetekster, figuretiketter og nærliggende oppsummeringer er ikke en lovet SEO-økning. Det er at de gjør et visuelt element lettere å forstå, lettere å få tilgang til og lettere å koble til sidens argument.

Dette kan også hjelpe en assistent med å svare på et visuelt spørsmål og sitere siden – men økningen er ikke garantert. Pakk diagrammer som bevis, gjør bildet hentbart, og mål siteringer separat fra forståelse. Det er et enkelt system med verdi for leserne først, og en testbar oppside for AI-oppdagelse.