Multimodal beredskap: Bilder, alt-text och diagram som modeller kan citera

Multimodal beredskap: Bilder, alt-text och diagram som modeller kan citera

Av Lukas Richter, Senior strateg för innehållsautomation

Ett diagram kan förklara på sekunder vad en sida med text skulle ta minuter att beskriva. Men om dess mening endast finns i en bildfil, kan många läsare – och många söksystem – missa poängen.

Det är därför multimodal beredskap inte handlar om att lägga till fler bilder. Det handlar om att paketera varje användbar visuell komponent så att dess mening är tydlig i bilden, i sidans text och i koden som kopplar samman de två.

Det finns en viktig begränsning: bra alt-text kan hjälpa ett system att förstå en bild, men det garanterar inte att en AI-assistent kommer att citera sidan. Att förstå en bild och att välja en webbsida som källa är olika steg.

Vad forskningen visar – och inte visar

Bildtexter kan hjälpa med visuella frågor

Viss forskning visar att text i kombination med en bild kan hjälpa en modell att svara på frågor om den. En studie från 2019 fann att att lägga till bildtexter i styckesformat till bilder förbättrade prestandan i en visuell fråga-svar-uppgift. Bildtexterna gav detaljer som var lättare att matcha med en fråga än bildfunktioner ensamma. Men detta var ett modellexperiment – inte ett test av huruvida att lägga till alt-text på en levande webbsida ökar AI-citat. ACL Anthology-artikel (aclanthology.org)

Diagram och flödesscheman är också svåra för modeller att läsa precist. I ett benchmark för diagramfrågor fann forskare svagheter i uppgifter som att hitta relationer mellan värden. Deras resultat förbättrades med en speciell textprompt, vilket pekar på värdet av tydligt språk – men bevisar inte att något specifikt sidformat kommer att generera fler citat. ChartInsights benchmark (arxiv.org)

Den bredare lärdomen är praktisk: en visuell komponent kan bära användbar information, men modeller kan ändå missa små etiketter, exakta värden eller vägen mellan steg. OpenAIs visionsguide, till exempel, varnar för liten text, diagram, färgkodade element och exakt rumslig resonering. OpenAI visionsguide (developers.openai.com)

Bättre alt-text är ingen citeringsbrytare

Söksystem kan använda bildbeskrivningar och omgivande text för att förstå vad en bild visar. Google säger att det använder alt-text, datorseende och sidinnehåll tillsammans när det tolkar bilder för Sök. Det rekommenderar också att placera bilder nära relevant text. Detta stöder att skriva användbar alt-text, men det är inte bevis för att alt-text i sig får en AI-assistent att citera en sida. Googles vägledning för bild-SEO (developers.google.com)

De bevis som granskats för denna artikel fastställer inte att enbart ändring av alt-text ökar citeringsgraden för nuvarande AI-assistenter. Många system förklarar inte exakt vilka sidelement de läser eller varför de väljer en källa framför en annan. Google säger att dess AI Search-funktioner inte har några speciella krav på uppmärkning och garanterar inte att en kvalificerad sida kommer att visas. Googles vägledning för AI-funktioner (developers.google.com)

Så behandla förbättrad visuell paketering som en rimlig, testbar hypotes, inte ett löfte. Det kan göra en sida lättare att använda, lättare att analysera och mer sannolikt att innehålla text som direkt svarar på en fråga. Huruvida en assistent sedan citerar den är ett separat resultat att mäta.

Paketera varje viktig visuell komponent som bevis

Ett starkt visuellt paket har fyra delar: bilden, en kortfattad alt-text, en bildtext och en närliggande textförklaring. Varje del har en olika funktion.

1. Skriv alt-text som en kort ersättning

Alt-text ska ge läsare som inte kan se en bild den information de behöver för att följa sidan. För ett enkelt diagram kan det rymmas i en mening. För ett komplext diagram eller flödesschema bör alt-texten identifiera den visuella komponenten och dess huvudsakliga syfte, inte pressa in varje detalj i en lång beskrivning.

Till exempel:

alt="Kassflöde med en omförsökssökväg efter misslyckad betalning."

För en dekorativ bild, använd tom alt-text (alt="") så att hjälpmedel kan hoppa över den. Utelämna inte alt-text, och fyll den inte med upprepade söktermer. W3C:s vägledning för komplexa bilder och Googles bildvägledning skiljer mellan korta textalternativ och fylligare beskrivningar. (w3.org)

2. Använd en bildtext för att ange figurens poäng

En bildtext ska hjälpa en läsare att förstå varför bilden är viktig. En etikett som ”Arkitekturdiagram” är oftast för vag.

En mer användbar bildtext är:

Figur 1. En misslyckad betalning skickar tillbaka kunden till betalning; kundvagnen förblir öppen.

Använd HTML-elementen <figure> och <figcaption> för att koppla bildtexten till dess bild. Ett tydligt figurnummer eller namn gör det också lättare att hänvisa till samma visuella komponent i artikeltexten. Googles stilguide för dokumentation ger exempel på figurer parat med alt-text, bildtexter och längre beskrivningar. (developers.google.com)

3. Lägg den fullständiga förklaringen på sidan

Ett komplext diagram säger oftast mer än vad en kort alt-beskrivning kan förmedla. Lägg den viktiga meningen även i vanlig sidtext. För ett flödesschema, beskriv stegen och vad som händer vid varje förgrening. För ett diagram, inkludera tidsperioden, enheterna, nyckelvärdena och trenden. För ett tekniskt diagram, namnge delarna och förklara hur de kopplas samman.

W3C rekommenderar en kort beskrivning plus en mer komplett textbeskrivning för komplexa bilder. Den fylligare beskrivningen kan finnas i själva artikeln, nära bilden, och vara tillgänglig för alla läsare. En datatabell kan hjälpa när exakta värden är viktiga. W3C WAI: Komplexa Bilder (w3.org)

4. Håll namn och etiketter konsekventa

Om ditt diagram kallar något ”aktivering”, använd samma ord i bildtexten och artikeln. Om figuren visar ett viktigt resultat, ange det i en närliggande mening: ”I Figur 2 faller de flesta registreringar bort innan det första projektet skapas.”

Detta är ingen magisk citeringsknep. Det är ett sätt att göra sidans bevis lättare att följa och citera. Google säger att det inte finns något speciellt schema för AI Overviews eller AI Mode; det användbara arbetet är att behålla viktigt innehåll i text och att få den strukturerade datan att matcha vad människor kan se. (developers.google.com)

Här är ett enkelt mönster för ett flödesschema:

html

Den viktigaste punkten i kassflödet är att ett misslyckat betalning inte tömmer kundvagnen.

Figur 1 i ord: Kundvagn → frakt → betalning → bekräftelse. Om betalningen misslyckas, återgår kunden till betalning och behåller kundvagnen.

Den korta alt-texten identifierar diagrammet. Bildtexten anger dess huvudpoäng. Den sista meningen förklarar vägen i klartext. För ett diagram med exakta värden, lägg också till en tabell eller lista över dessa värden.

Se till att crawlers kan hämta bilden

En väl beskriven bild måste fortfarande vara tillgänglig. Använd ett vanligt HTML <img>-element med en verklig src-URL. Google säger att det kan hitta bilder i ett <img>-elements src, men det indexerar inte CSS-bakgrundsbilder på samma sätt. Dess bildvägledning stöder också CDN-hostade bilder i bildwebbplatskartor. Googles vägledning för bild-SEO (developers.google.com)

För ett CDN, kontrollera grunderna:

• Bild-URL:en fungerar utan inloggning eller en utgående åtkomsttoken.
• Sidans crawler-behörigheter och CDN:s säkerhetsregler tillåter båda åtkomst.
• Bild-URL:en på den renderade sidan är stabil och returnerar rätt fil.
• Responsiva bilder inkluderar en fallback src.
• Viktig text är inte dold i en bild när det kunde vara verklig sidtext.
• Bilder som ligger under skärmkanten laddas när de blir synliga – inte bara efter att en person klickar eller scrollar på ett sätt som en crawler inte kan återskapa.

Googles vägledning för lazy-loading säger att bild-URL:er bör visas i den renderade HTML-koden och laddas när de blir synliga. Den avråder också från lazy-loading av bilder som redan är synliga när sidan öppnas. Googles vägledning för lazy-loading (developers.google.com)

Kontrollera även behörigheter per plattform. OpenAI dokumenterar OAI-SearchBot som sin sökkrawler och säger att den är separat från GPTBot, som rör träningsdata. Att tillåta den ena kräver inte att man tillåter den andra. Detta är viktigt om du vill ha sökbarhet men har en annan preferens gällande träningsanvändning. OpenAI crawler-dokumentation (developers.openai.com)

Testa om dina sidor citeras för visuella frågor

Förlita dig inte på några enstaka chatbot-prompts. Utför två tester, eftersom modellförståelse och webbcitering inte är samma sak.

Test 1: Förstår modellen det visuella?

Välj en uppsättning diagram och scheman. Skriv frågor vars svar beror på dem, såsom:

• Vilket steg följer efter betalning?
• Vad händer när betalningen misslyckas?
• Vilken månad hade den högsta konverteringsgraden?
• Vad anger diagrammet som huvudorsaken till att användare faller bort?

Jämför sedan modellsvaren under kontrollerade indataförhållanden:

1. Endast bilden.
2. Bilden plus dess alt-text och bildtext.
3. Bilden plus dessa anteckningar och sidans textöversikt eller datatabell.

Håll modell, fråga och bild desamma. Betygsätt svaren för korrekthet, inklusive exakta värden och relationer. Detta hjälper till att visa om tillagd text hjälper modellen att svara på dina frågor. Det visar inte om en webbsökassistent kommer att hitta eller citera sidan.

Test 2: Citerar en sökassistent sidan?

För en liten pilotstudie, para ihop liknande diagramtunga sidor. Lägg till det fullständiga visuella paketet till en grupp; lämna jämförelsegruppen vid dess nuvarande tillgängliga baslinje. Ta inte bort viktig alt-text för att skapa en kontrollgrupp. Förbered två uppsättningar frågor: de som kräver läsning av en figur och vanliga frågor som sidans text redan besvarar.

Kör samma prompts i de sökassistenter du bryr dig om. Registrera datum, produkt, fråga, svar och citerad sida. Upprepa kontrollerna över tid, eftersom resultaten kan ändras. Vänta tills din crawler eller sökverktyg visar att de uppdaterade sidorna har omcrawlatts. Google noterar att omcrawlning kan ta dagar eller längre. (developers.google.com)

Följ fyra resultat:

• Citeringsgrad: Hur ofta citerar svaret sidan?
• Svarssnoggrannhet: Fick assistenten den visuella informationen korrekt?
• Citeringsstöd: Stöder den citerade sidan faktiskt svaret?
• Affärsresultat: Hjälpte besöket, hänvisningen eller leaden företaget?

Jämför resultat för visuella frågor med kontrollgruppen för vanliga frågor. En enkel före-och-efter-jämförelse kan vara missvisande: assistenten, dess sökindex och den bredare webben kan alla förändras samtidigt. Matchade sidor och upprepade kontroller hjälper, men ett litet test bör ändå rapporteras som en pilotstudie, inte en universell regel.

Var också precis med vad resultatet betyder. Om en sida citeras oftare efter att du lagt till en textöversikt, visar testet att hela paketet hjälpte. Det bevisar inte att assistenten läste själva bilden. Citeringsdashboards kan visa vilka URL:er som visas i AI-svar, men inte nödvändigtvis vilken del av en sida som lästes. Bings AI Performance-rapport, till exempel, rapporterar citerade sidor och fråga information. Bing Webmaster Tools: AI Performance (blogs.bing.com)

Bygg in arbetet i ditt innehållssystem

Grundare ska inte behöva skriva om ett diagram för hand varje gång de publicerar en artikel. Men automatisering ska inte hitta på vad bilden betyder.

Ett enkelt arbetsflöde är:

1. Skaparen tillhandahåller källdata eller diagrammet, plus huvudpoängen de vill att läsaren ska ta med sig.
2. Ett innehållsarbetsflöde utformar alt-texten, bildtexten och sammanfattningen i klartext från dessa källmaterial.
3. En person kontrollerar att beskrivningen är korrekt och att etiketter, värden och vägar matchar det visuella.
4. Sidan publicerar bilden och dess text tillsammans.
5. En repeterbar kontroll bekräftar att läsare och crawlers kan komma åt båda.

Skaparens poäng är den del som inte bör automatiseras bort. Till exempel kan en grundare vilja visa inte bara att registreringar minskar, utan att teamet valde att åtgärda installationen av det första projektet innan man köpte mer trafik. Det är en åsikt och en produktionslärdom, inte en bildtextsuppgift.

I en automatiserad innehållsmotor kan indata för Skapare, Målgrupp och Ton bevara den poängen över artiklar. AutoPod använder dessa indata för att guida varje artikel, medan arbetsflödet hanterar repeterbara uppgifter som att utforma bildtexter och kontrollera sidstrukturen. Modellen kan paketera insikten. Den ska inte hitta på insikten.

Slutsats

Det starkaste argumentet för beskrivande alt-text, bildtexter, figurförklaringar och närliggande sammanfattningar är inte en utlovad SEO-förbättring. Det är att de gör en visuell komponent lättare att förstå, lättare att komma åt och lättare att koppla till sidans argument.

Det kan också hjälpa en assistent att svara på en visuell fråga och citera sidan – men effekten är inte garanterad. Paketera diagram som bevis, gör bilden hämtningsbar och mät citeringar separat från förståelse. Det är ett enkelt system med värde för läsare först och en testbar uppsida för AI-upptäckt.