Pregătire Multimodală: Imagini, Text Alt și Diagrame pe care Modelele le Pot Cita

Pregătire Multimodală: Imagini, Text Alt și Diagrame pe care Modelele le Pot Cita

De Lukas Richter, Strateg Senior în Automatizarea Conținutului

O diagramă poate explica în câteva secunde ceea ce o pagină de text ar lua minute să descrie. Dar dacă înțelesul său există doar într-un fișier imagine, mulți cititori—și multe sisteme de căutare—ar putea rata esențialul.

De aceea, pregătirea multimodală nu înseamnă adăugarea mai multor imagini. Este despre a împacheta fiecare element vizual util astfel încât înțelesul său să fie clar în imagine, în textul paginii și în codul care le conectează pe cele două.

Există o limită importantă: un text alt bun poate ajuta un sistem să înțeleagă o imagine, dar nu garantează că un asistent AI va cita pagina. Înțelegerea unei imagini și alegerea unei pagini web ca sursă sunt pași diferiți.

Ce arată—și ce nu arată—cercetările

Descrierile pot ajuta la întrebările vizuale

Unele cercetări arată că textul asociat cu o imagine poate ajuta un model să răspundă la întrebări despre aceasta. Un studiu din 2019 a constatat că adăugarea de descrieri de tip paragraf la imagini a îmbunătățit performanța într-o sarcină de răspuns la întrebări vizuale. Descrierile au furnizat detalii care erau mai ușor de potrivit cu o întrebare decât caracteristicile imaginii singure. Dar acesta a fost un experiment de model—nu un test dacă adăugarea de text alt la o pagină web live crește citările AI. ACL Anthology paper (aclanthology.org)

Diagramele și graficele rămân, de asemenea, dificil de citit cu precizie de către modele. Într-un benchmark de întrebări despre grafice, cercetătorii au descoperit puncte slabe în sarcini precum găsirea relațiilor dintre valori. Rezultatele lor s-au îmbunătățit cu un prompt text special, ceea ce subliniază valoarea limbajului clar—dar nu dovedește că un anumit format de pagină va obține mai multe citări. ChartInsights benchmark (arxiv.org)

Lecția mai amplă este practică: un vizual poate conține dovezi utile, dar modelele pot rata în continuare etichete mici, valori exacte sau calea dintre pași. Ghidul de viziune al OpenAI, de exemplu, avertizează despre textul mic, grafice, elemente codificate pe culori și raționamentul spațial precis. OpenAI vision guide (developers.openai.com)

Un text alt mai bun nu este un comutator de citare

Sistemele de căutare pot folosi descrierile imaginilor și textul înconjurător pentru a înțelege ce arată o imagine. Google afirmă că utilizează textul alt, viziunea computerizată și conținutul paginii împreună atunci când înțelege imaginile pentru Căutare. De asemenea, recomandă plasarea imaginilor lângă textul relevant. Acest lucru susține scrierea unui text alt util, dar nu este o dovadă că textul alt în sine face ca un asistent AI să citeze o pagină. Google Image SEO guidance (developers.google.com)

Dovezile analizate pentru acest articol nu stabilesc că modificarea textului alt singur crește ratele de citare la asistenții AI actuali. Multe sisteme nu explică exact ce elemente ale paginii citesc sau de ce aleg o sursă în detrimentul alteia. Google afirmă că funcționalitățile sale de Căutare AI nu au cerințe speciale de marcare și nu garantează că o pagină eligibilă va fi afișată. Google’s AI features guidance (developers.google.com)

Așadar, tratați ambalarea vizuală îmbunătățită ca pe o ipoteză rezonabilă, testabilă, nu o promisiune. Aceasta poate face o pagină mai ușor de utilizat, mai ușor de analizat și mai probabil să conțină text care răspunde direct unei întrebări. Faptul că un asistent o citează apoi este un rezultat separat de măsurat.

Ambalați fiecare vizual important ca dovadă

Un pachet vizual puternic are patru părți: imaginea, un text alt concis, o descriere și o explicație textuală în apropiere. Fiecare parte are o sarcină diferită.

1. Scrieți textul alt ca un înlocuitor scurt

Textul alt ar trebui să ofere cititorilor care nu pot vedea o imagine informațiile de care au nevoie pentru a urmări pagina. Pentru o diagramă simplă, aceasta se poate încadra într-o singură propoziție. Pentru un grafic sau o diagramă de flux complexă, textul alt ar trebui să identifice vizualul și scopul său principal, nu să înghesuie fiecare detaliu într-o descriere lungă.

De exemplu:

alt="Flux de checkout cu o cale de reîncercare după eșecul plății."

Pentru o imagine decorativă, utilizați text alt gol (alt="") pentru ca instrumentele de asistență să o poată ignora. Nu lăsați textul alt necompletat și nu-l umpleți cu termeni de căutare repetați. W3C’s complex-image guidance și Google’s image guidance disting alternativele text scurte de descrierile mai complete. (w3.org)

2. Folosiți o descriere pentru a preciza ideea figurii

O descriere ar trebui să ajute cititorul să înțeleagă de ce este importantă imaginea. O etichetă precum „Diagrama de arhitectură” este de obicei prea vagă.

O descriere mai utilă este:

Figura 1. O plată eșuată îl trimite pe cumpărător înapoi la plată; coșul rămâne deschis.

Utilizați elementele HTML <figure> și <figcaption> pentru a conecta descrierea la imaginea sa. Un număr sau nume clar al figurii facilitează, de asemenea, referirea la același element vizual în textul articolului. Google’s documentation style guide oferă exemple de figuri asociate cu text alt, descrieri și descrieri mai lungi. (developers.google.com)

3. Puneți explicația completă în pagină

O diagramă complexă spune de obicei mai mult decât poate oferi o scurtă descriere alt. Puneți înțelesul important și în textul obișnuit al paginii. Pentru o diagramă de flux, descrieți pașii și ce se întâmplă la fiecare ramură. Pentru un grafic, includeți perioada de timp, unitățile, valorile cheie și tendința. Pentru o diagramă tehnică, denumiți părțile și explicați cum se conectează.

W3C recomandă o descriere scurtă plus o descriere textuală mai completă pentru imaginile complexe. Acea descriere mai completă poate fi în articolul în sine, lângă imagine, și disponibilă tuturor cititorilor. Un tabel de date poate ajuta atunci când valorile exacte contează. W3C WAI: Complex Images (w3.org)

4. Mențineți consecvența denumirilor și etichetelor

Dacă diagrama dumneavoastră numește ceva „activare”, folosiți același cuvânt în descriere și în articol. Dacă figura arată un rezultat important, precizați-l într-o propoziție în apropiere: „În Figura 2, majoritatea înscrierilor se pierd înainte de crearea primului proiect.”

Acesta nu este un truc magic de citare. Este o modalitate de a face dovezile paginii mai ușor de urmărit și de citat. Google afirmă că nu există o schemă specială pentru AI Overviews sau AI Mode; munca utilă este menținerea conținutului important în text și asigurarea că datele structurate corespund cu ceea ce oamenii pot vedea. (developers.google.com)

Iată un model simplu pentru o diagramă de flux:

html

Punctul cheie în fluxul de checkout este că o plată eșuată nu golește coșul.

Figura 1 în cuvinte: Coș → livrare → plată → confirmare. Dacă plata eșuează, cumpărătorul se întoarce la plată și păstrează coșul.

Textul alt scurt identifică diagrama. Descrierea îi oferă punctul principal. Ultima propoziție explică calea în text simplu. Pentru un grafic cu valori exacte, adăugați și un tabel sau o listă cu acele valori.

Asigurați-vă că motoarele de căutare pot prelua imaginea

O imagine bine descrisă trebuie să fie în continuare disponibilă. Utilizați un element HTML <img> normal cu o adresă URL src reală. Google afirmă că poate găsi imagini în src-ul unui element <img>, dar nu indexează imaginile de fundal CSS în același mod. Ghidul său pentru imagini susține, de asemenea, imaginile găzduite pe CDN-uri în sitemap-urile de imagini. Google Image SEO guidance (developers.google.com)

Pentru un CDN, verificați elementele de bază:

• URL-ul imaginii funcționează fără autentificare sau un token de acces care expiră.
• Permisiunile crawler-ului paginii și regulile de securitate ale CDN-ului permit ambele accesul.
• URL-ul imaginii în pagina redată este stabil și returnează fișierul corect.
• Imaginile responsive includ un src de rezervă.
• Textul important nu este ascuns într-o imagine atunci când ar putea fi text real al paginii.
• Imaginile sub „fold” se încarcă atunci când devin vizibile—nu doar după ce o persoană face clic sau derulează într-un mod pe care un crawler nu-l poate reproduce.

Ghidul Google pentru lazy-loading spune că URL-urile imaginilor ar trebui să apară în HTML-ul redat și să se încarce atunci când devin vizibile. De asemenea, recomandă să nu se aplice lazy-loading imaginilor care sunt deja vizibile la deschiderea paginii. Google’s lazy-loading guidance (developers.google.com)

Verificați permisiunile și în funcție de platformă. OpenAI documentează OAI-SearchBot ca fiind crawler-ul său de căutare și afirmă că este separat de GPTBot, care este legat de datele de antrenament. Permiterea unuia nu necesită permiterea celuilalt. Acest lucru contează dacă doriți descoperire prin căutare, dar aveți o preferință diferită privind utilizarea pentru antrenament. OpenAI crawler documentation (developers.openai.com)

Testați dacă paginile dumneavoastră sunt citate pentru întrebări vizuale

Nu vă bazați pe câteva prompturi ocazionale de chatbot. Rulați două teste, deoarece înțelegerea modelului și citarea web nu sunt același lucru.

Testul 1: Modelul înțelege vizualul?

Alegeți un set de grafice și diagrame. Scrieți întrebări ale căror răspunsuri depind de acestea, cum ar fi:

• Ce pas urmează plății?
• Ce se întâmplă când plata eșuează?
• Care lună a avut cea mai mare rată de conversie?
• Ce spune diagrama că este motivul principal pentru care utilizatorii renunță?

Apoi comparați răspunsurile modelului în condiții de intrare controlate:

1. Doar imaginea.
2. Imaginea plus textul alt și descrierea sa.
3. Imaginea plus acele adnotări și rezumatul textual al paginii sau tabelul de date.

Păstrați modelul, întrebarea și imaginea la fel. Evaluați răspunsurile pentru corectitudine, inclusiv valorile exacte și relațiile. Acest lucru ajută la a arăta dacă textul adăugat ajută modelul să răspundă la întrebările dumneavoastră. Nu arată dacă un asistent de căutare web va găsi sau va cita pagina.

Testul 2: Un asistent de căutare citează pagina?

Pentru un pilot la scară mică, asociați pagini similare cu multe diagrame. Adăugați pachetul vizual complet unui grup; lăsați grupul de comparație la linia sa de bază accesibilă actuală. Nu eliminați textul alt esențial pentru a crea un grup de control. Pregătiți două seturi de întrebări: unele care necesită citirea unei figuri și întrebări obișnuite la care textul paginii răspunde deja.

Rulați aceleași prompturi în asistenții de căutare care vă interesează. Înregistrați data, produsul, întrebarea, răspunsul și pagina citată. Repetați verificările în timp, deoarece rezultatele se pot schimba. Așteptați până când crawler-ul sau instrumentele dumneavoastră de căutare arată că paginile actualizate au fost re-indexate. Google menționează că re-indexarea poate dura zile sau mai mult. (developers.google.com)

Urmăriți patru rezultate:

• Rata de citare: Cât de des citează răspunsul pagina?
• Acuratețea răspunsului: Asistentul a înțeles corect faptul vizual?
• Suportul citării: Pagina citată susține de fapt răspunsul?
• Rezultat de afaceri: Vizita, trimiterea sau lead-ul a ajutat afacerea?

Comparați rezultatele întrebărilor vizuale cu setul de control al întrebărilor obișnuite. O comparație simplă înainte și după poate fi înșelătoare: asistentul, indicele său de căutare și web-ul în ansamblu se pot schimba simultan. Paginile potrivite și verificările repetate ajută, dar un test mic ar trebui raportat în continuare ca un pilot, nu o regulă universală.

De asemenea, fiți precis în privința semnificației rezultatului. Dacă o pagină este citată mai des după ce ați adăugat un rezumat textual, testul arată că întregul pachet a ajutat. Nu demonstrează că asistentul a citit imaginea în sine. Tablourile de bord de citare pot arăta ce URL-uri apar în răspunsurile AI, dar nu neapărat ce parte a unei pagini a fost citită. Raportul de performanță AI de la Bing, de exemplu, raportează paginile citate și informațiile despre interogări. Bing Webmaster Tools: AI Performance (blogs.bing.com)

Integrați munca în sistemul dumneavoastră de conținut

Fondatorii nu ar trebui să fie nevoiți să rescrie o diagramă manual de fiecare dată când publică un articol. Dar automatizarea nu ar trebui să inventeze ce înseamnă imaginea.

Un flux de lucru simplu este:

1. Creatorul furnizează datele sursă sau diagrama, plus ideea principală pe care dorește ca cititorul să o rețină.
2. Un flux de lucru de conținut redactează textul alt, descrierea și rezumatul în text simplu din acele materiale sursă.
3. O persoană verifică dacă descrierea este exactă și că etichetele, valorile și rutele corespund vizualului.
4. Pagina publică imaginea și textul său împreună.
5. O verificare repetabilă confirmă că cititorii și crawlerele pot accesa ambele.

Punctul de vedere al creatorului este partea care nu ar trebui automatizată. De exemplu, un fondator ar putea dori să arate nu doar că înscrierile scad, ci că echipa a ales să remedieze configurarea primului proiect înainte de a cumpăra mai mult trafic. Aceasta este o opinie și o lecție de produs, nu o sarcină de descriere.

Într-un motor de conținut automatizat, intrările de Creator, Audiență și Gust pot păstra acel punct de vedere în toate articolele. AutoPod utilizează aceste intrări pentru a ghida fiecare articol, în timp ce fluxul de lucru gestionează sarcini repetabile precum redactarea descrierilor și verificarea structurii paginii. Modelul poate ambala informația. Nu ar trebui să inventeze informația.

Concluzie

Cel mai puternic argument pentru textul alt descriptiv, descrieri, etichete de figuri și rezumate în apropiere nu este o creștere promisă a SEO-ului. Este că acestea fac un vizual mai ușor de înțeles, mai ușor de accesat și mai ușor de conectat la argumentul paginii.

Acest lucru poate ajuta, de asemenea, un asistent să răspundă la o întrebare vizuală și să citeze pagina—dar creșterea nu este garantată. Ambalați diagramele ca dovezi, faceți imaginea preluabilă și măsurați citările separat de înțelegere. Acesta este un sistem simplu cu valoare în primul rând pentru cititori și un avantaj testabil pentru descoperirea AI.