Az AI-rendszerek nem úgy olvasnak, mint az emberek. Egyszerre több formátumban dolgozzák fel az információt, ezért jutalmazzák azt a tartalmat, amely több használható anyagot ad nekik.
A csak szöveget tartalmazó oldalt másképp nyerik ki, mint a szöveget, képeket, videót és strukturált adatot tartalmazó oldalt. Az olyan AI-motorok, mint a ChatGPT, a Claude és a Google AI Overview, multimodális rendszerek. Az AI-hivatkozásokat uraló platformok ezt bizonyítják: egy videóplatform, egy online enciklopédia és egy üzleti közösségi hálózat az iparágakon átívelő legjobb AI-válaszok 47%-ában megjelenik, részben azért, mert több tartalomformátumot kombinálnak.
A hatás mérhető: a szöveget képekkel, videóval és sémajelöléssel kombináló tartalmat 317%-kal gyakrabban idézik, mint a csak szöveget. Ez a fejezet elmagyarázza, miért számítanak a multimodális jelek, mi számít jelnek, és hogyan strukturáld a tartalmadat úgy, hogy az AI-rendszerek felismerjék és idézzék az általad létrehozott teljes képet.
Mi a multimodális tartalom?
A multimodális tartalom minden olyan oldal, amely a szöveget képekkel, videóval, hanggal és strukturált adatokkal kombinálja. A puszta szavakra támaszkodás helyett a multimodális oldalak több módot adnak az AI-rendszereknek az információd megértésére és ellenőrzésére.
Gondolj a hagyományos SEO-ra. A képeket díszítésnek tekintették: jó, ha van, de nem lényeges ahhoz, ahogyan a keresők értékelték az oldaladat. Az AI-rangsorolás más. A multimodális tartalom a képeket, a videót és a strukturált adatokat aktív rangsorolási jelekként kezeli, amelyek közvetlenül befolyásolják, hogy egy AI-rendszer idéz-e téged.
Amikor egy AI-rendszer feldolgozza az oldaladat, nem választja szét a szöveget a képektől, és nem kérdezi meg, melyik számít jobban. Egységes megértést épít azáltal, hogy egyszerre húz információt az összes formátumból. Ha a szöveged leír egy fogalmat, és a képed illusztrálja, az AI-rendszer egy helyett két megerősítő jelet lát. Ha a videód mozgásban mutatja be a fogalmat, az harmadik jel. Ha a strukturált adat mindent világosan címkéz, az negyedik. Több jel nagyobb magabiztosságot jelent a válaszodban, ami nagyobb idézési valószínűséget.
Miért idézik az AI-rendszerek gyakrabban a képeket és videót tartalmazó oldalakat?
Három ok hajtja az AI preferenciáját a multimodális tartalom iránt:
Első: a képek és a videó csökkentik a hallucináció kockázatát
Hallucináció akkor történik, amikor egy AI-rendszer hihetően hangzó, de tényalapot nélkülöző információt generál. Az egyik mód, ahogyan az AI-rendszerek ezt megelőzik, hogy ellenőrzik, összhangban vannak-e a különböző formátumok. Ha a szöveged elmagyaráz egy folyamatot, és az ábrád pontosan ezeket a lépéseket mutatja, az AI-rendszer megerősítést lát. Ha a videód bemutatja, amit szavakkal leírsz, az egyezés növeli a válasz iránti bizalmat.
Amikor csak szöveg van, az AI-rendszernek csak egyféle jelet kell értékelnie. A képek és a videó második és harmadik ellenőrzési utat adnak, ami csökkenti az esélyt, hogy az AI-rendszer helytelenül nyeri ki a tartalmadat, vagy megtagadja az idézést, mert nem tudja ellenőrizni az állítást.
Második: a multimodális tartalom jobban rangsorol az AI tanításában és lekérésében
Azok az oldalak, amelyeket az AI-rendszerek a leggyakrabban idéznek, olyan oldalak, amelyek már magas elköteleződési és tekintélyjeleket kaptak. A hagyományos első 10 találat között rangsoroló oldalak továbbra is uralják az AI-hivatkozásokat, részben azért, mert idővel linkeket, forgalmat és relevanciajeleket halmoztak fel. De ezeken az oldalakon belül az AI-rendszerek előnyben részesítik azokat a szakaszokat, amelyek több formátumban léteznek.
Az egy bekezdésnyi magyarázatot tartalmazó blogbejegyzést ritkábban nyerik ki, mint azt, amelyik egy bekezdést, egy ábrát és egy videót is tartalmaz. A multimodális szakaszokat gyakrabban húzzák be a tanítás során, ami azt jelenti, hogy ismertebbé válnak az AI-rendszer számára. Az ismertség növeli az idézés valószínűségét a generálás során.
Harmadik: a képek és a videó növelik a felhasználói bizalmat a hivatkozásban
Ez közvetett rangsorolási jel, de erős. A felhasználók nagyobb eséllyel kattintanak az idézett forrásokra, ha az AI-rendszerben látott választ vizuális bizonyíték támasztja alá. Amikor egy AI-rendszer olyan választ generál, amelynek az idézett forrásához kép is tartozik, a felhasználók tekintélyesebbnek érzékelik azt a forrást. Ez a megnövekedett elköteleződés visszajelzi az AI-rendszernek, hogy ez a forrás megbízható.
Azok a platformok, amelyek értik ezt az előnyt, uralják az AI-hivatkozásokat. Egy videóplatform, egy online enciklopédia és egy üzleti közösségi hálózat az iparágakon átívelő legjobb AI-válaszok 47%-ában megjelenik, részben azért, mert eleve multimodálisak, vagy erős multimédiát tartalmaznak. A videókat átiratokkal és leíró adatokkal idézik. Az enciklopédiás cikkek tele vannak strukturált képekkel és metaadatokkal. Az üzleti hálózat cikkei szöveget, szerzői profilokat és olyan vizuális formázást kombinálnak, amely kitűnik az AI-válaszokban.
Milyen típusú média számít multimodális jelnek az AI számára?
Nem minden kép vagy videó segít. Az AI-rendszerek a médiát a relevancia, a minőség és az alapján értékelik, mennyire kapcsolódik a szövegedhez. Ez számít:
Képek, amelyeket az AI-rendszerek idéznek
Ábrák, képernyőképek, infografikák, diagramok és folyamatábrák, amelyek közvetlenül illusztrálják a fogalmakat. Ezek akkor működnek a legjobban, ha eredetiek vagy kifejezetten a tartalmadhoz készültek, nem általános sztokfotók. Az AI-rendszerek könnyen megjelölik az ismétlődő képeket, és leértékelik őket, így a kifejezetten a módszertanod bemutatására készített ábrát gyakrabban idézik, mint a bárhol megjelenhető sztokfotót.
A képeknek jó minőségűeknek kell lenniük, és releváns alt-szöveg kell hozzájuk. A rossz felbontású vagy tömörítési műtermékes kép zajossá válik, amikor az AI látásmodellek feldolgozzák, ami félreértelmezést okozhat. Az alt-szöveg nélküli vagy általános alt-szövegű kép elveszít egy rangsorolási jelet: a kép körüli és a képen belüli szöveg segít az AI-rendszereknek megérteni, mit mutat, és illeszkedik-e a cikk témájához.
Videótartalom
A beágyazott videó átirattal, világos címekkel és leírásokkal erős multimodális jel. Az AI-válaszokban a legtöbb videóhivatkozás a YouTube-ról jön, mert az átiratok be vannak építve, és könnyen kinyerhetők. Ha videót ágyazol be az oldaladra, tegyél a közelébe szöveges átiratot. Az átirat szöveget ad az AI-rendszernek a videótartalomból való kinyeréshez, ami növeli az idézés valószínűségét.
A videónak nem kell hosszúnak lennie. Egy fogalom 30 másodperces bemutatása akkor is kap hivatkozást, ha releváns és világos. A 10 perces oktatóvideó a fő témádhoz csak érintőlegesen kapcsolódó dologról nem segít, és felhígíthatja a multimodális jelet azzal, hogy versengő tartalmat visz ugyanarra az oldalra.
Strukturált adatok
A sémajelölés nem média a hagyományos értelemben, de alapvető multimodális jel. A JSON-LD séma pontosan megmondja az AI-rendszereknek, milyen információ van az oldaladon, hogyan viszonyulnak egymáshoz a különböző fogalmak, és mely szakaszok a válaszok, illetve a háttérinformációk. Az Article, FAQ, HowTo és Product tartalomtípusok sémajelölése közvetlenül növeli az AI-hivatkozási arányt.
Séma nélkül az oldalad az AI-rendszernek strukturálatlan szövegnek tűnik. Sémával minden szakasz címkézett, ami megbízhatóbbá teszi a kinyerést és az idézést. Az azonos szövegű, de séma nélküli oldalt ritkábban idézik, mert az AI-rendszer nem tudja ellenőrizni, mi a válasz, mi a kontextus, és mi a példa.
Táblázatok és formázott listák
A táblázatokat az AI-rendszerek külön adatstruktúraként dolgozzák fel. Az összehasonlító táblázatot másképp nyerik ki, mint a felsorolást. Mindkettő segít, de a táblázatok azt jelzik, hogy az információt összehasonlításra vagy meghatározott módon strukturálva szánták. Az AI-rendszerek a táblázatokat részesítik előnyben a specifikációkhoz, összehasonlításokhoz és adatokhoz, mert a táblázatok géppel olvashatók.
Hogyan optimalizáld a képeket és a videót AI-hivatkozásokra?
A média belefoglalása csak az első lépés. Az optimalizálás dönti el, hogy az AI-rendszerek ténylegesen használják-e.
Képoptimalizálás
Mentsd a képeket modern formátumokban, például WebP-ben vagy AVIF-ben, amelyek minőségromlás nélkül jobban tömörítenek. A műtermékekkel tömörített kép zajos tokenekké válik, amikor látásmodellek dolgozzák fel, ami az AI-rendszer általi félreértelmezéshez vezethet. Használj képtömörítő eszközt a minőség megőrzésével történő optimalizáláshoz.
Nevezd el leíróan a képeket. Az „abra-1.png” nevű fájl semmit sem mond az AI-nak. A „vasarloi-ut-erintkezesi-pontjai.png” nevű fájl kontextust ad. A fájlnevek metaadatok, amelyeket az AI-rendszerek a képtartalom megértéséhez használnak.
Írj részletes alt-szöveget, amely leírja, mit mutat a kép, és miért számít. A hozzáférhetőségen túl az alt-szöveg közvetlen rangsorolási jel az AI-rendszereknek. A jó alt-szöveg 15-50 szó, és természetesen tartalmazza a releváns kulcsszavakat. ROSSZ: „Egy diagram képe.” HELYES: „Az ügyfélszerzési költség csatornánként: a fizetett keresés 47 dollár, a fizetett közösségi média 31 dollár, az organikus pedig ügyfelenként nulla költségű.”
Vedd körül a képeket releváns szöveggel. A képtémáról szóló bekezdés mellé helyezett kép jelzi, hogy a kép közvetlenül releváns az adott szakaszhoz. A nem összefüggő szöveggel körülvett kép hígítja a jelet.
Videóoptimalizálás
Ágyazz be olyan videót, amely közvetlenül releváns a cikked témájához. A beágyazott YouTube-videó megkapja a videó rangsorolási előnyének egy részét, de csak akkor, ha a YouTube ugyanarra a témára idézné a videót. Ha a cikked a konverziós arány optimalizálásáról szól, és a konverziós arány optimalizálásáról szóló YouTube-videót ágyazol be, az AI-rendszer egyezést lát. Ha érintőleges videót ágyazol be csak az elköteleződésért, hígítja a multimodális jelet.
Add meg a videóátiratokat az oldalon. Sok weboldal beágyaz videót, és azt feltételezi, hogy az átiratot külsőleg kezelik. Az AI-hivatkozás szempontjából az átiratnak elérhetőnek kell lennie az oldaladon. Helyezd az átiratot a videó alá vagy kibontható szakaszba, hogy az AI-rendszer ki tudja nyerni és ellenőrizni tudja a tartalmat.
Használj olyan videócímeket és leírásokat, amelyek megfelelnek a cikked fókuszának. A cím és a leírás metaadatai a kinyerési jel részévé válnak. A „Hogyan javítsd a konverziókat” című, a cikked témájához illő leírású videót gyakrabban idézik, mint a homályos metaadatú videót.
Sémajelölés multimodális tartalomhoz
Használj Article-sémát kép- és videótulajdonságokkal. Az Article-séma mezőket tartalmaz a képhez, videóhoz, szerzőhöz, közzététel dátumához és másokhoz. E mezők kitöltése pontosan megmondja az AI-rendszernek, mely médiaelemek részei a cikkednek.
Használj konkrét sématípusokat a tartalmadhoz. A hogyan-cikknek HowTo-sémát kell használnia, amely lépésenkénti kép- és videómezőket tartalmaz. A GYIK-oldalak FAQPage-sémát használjanak videótulajdonságokkal. A termékoldalak Product-sémát használjanak kép- és videótömbökkel. A konkrétság növeli az AI-hivatkozás valószínűségét.
Add hozzá a VideoObject-sémát a beágyazott videóhoz. A VideoObject-séma átiratot, időtartamot, miniatűr képet és feltöltés dátumát tartalmazza. A megfelelően strukturált, VideoObject-jelölésű videót megbízhatóbban nyerik ki és idézik, mint a séma nélküli beágyazott videót.
Mi történik a kép vagy videó nélküli oldalakkal?
A csak szöveges oldalak nem akadályozzák meg, hogy az AI-rendszerek idézzenek, de hátrányból indulnak. A nagy tekintélyű szöveges oldalt még mindig idézik. A gyenge tekintélyjelű, média nélküli oldalt ritkán.
Gondolj a multimodális jelekre döntő tényezőként. Két hasonló minőségű, hasonló témalefedettségű és hasonló tekintélyű oldal egyformának tűnhet pusztán szövegben. A képeket, videót, strukturált adatot és világos formázást tartalmazó oldal nyeri a hivatkozásokat, mert az AI-rendszernek több információ áll rendelkezésére, és nagyobb a bizalma a pontosságban.
Ha a meglévő oldalaid csak szövegesek, a képek és a strukturált adatok hozzáadása nagy hatású optimalizálás. Az AI-hivatkozásokra rangsorolt oldal 40%-kal magasabb hivatkozási arányt érhet el egy releváns ábra és sémajelölés hozzáadásával.
Hogyan kapcsolódnak a multimodális jelek más AI-rangsorolási tényezőkhöz?
A multimodális tartalom nem elszigetelten működik. Azért működik, mert támogat más rangsorolási tényezőket:
A multimodális tartalom javítja a szemantikai teljességet. A szövegben elmagyarázott, képpel illusztrált és videóban bemutatott fogalom teljesebb, mint a csak szöveg. Az AI-rendszerek a teljességet azzal értékelik, hogy ellenőrzik, összhangban vannak-e a formátumok, és teljesen lefedik-e a témát.
A multimodális tartalom növeli a ténysűrűséget. Az az oldal, amelyen a statisztikák szövegben szerepelnek, egy diagram vizuálisan mutatja őket, és egy videó elmagyarázza, mit jelentenek, magasabb ténysűrűségű, mint a csak szövegesen felsorolt statisztikák.
A multimodális tartalom építi az E-E-A-T-jeleket. A kifejezetten a tartalmadhoz készült eredeti képek és videó jelzik, hogy mély tudásod van a témáról. A sztokfotók és az általános videók az ellenkezőjét jelzik. Az AI-rendszerek jobban bíznak az eredeti médiában, mert jelzi, hogy a szerzőnek gyakorlati tapasztalata van.
A multimodális jelek más rangsorolási tényezők mellett működnek a legjobban. A ténysűrűség erősebb, ha vizuális elemek támogatják. Az entitássűrűség javul, ha az entitásokat azonosítják a képeken és címkézik a sémában. A tartalom frissessége jelei megerősödnek, ha a szöveggel együtt a képeket is frissíted. Teljes áttekintésért lásd az AI-hivatkozásokat meghatározó fő rangsorolási tényezőkről szóló útmutatónkat.
Hogyan illeszkedik a multimodális tartalom az AI-optimalizálási stratégiába?
A WEMASY weboldalépítője beépített képszerkesztőt és médiatárat tartalmaz, amely egyszerűvé teszi a képek optimalizálását és a videó beágyazását az oldalaidra. Képeket adhatsz hozzá és optimalizálhatsz, reszponzív kialakítást használhatsz, amely minden eszközön helyesen jelenik meg, és strukturált adatot ágyazhatsz be közvetlenül az oldalszerkesztőben kódolás nélkül.
A WEMASY analitikája megmutatja, mely oldalak kapnak AI-forgalmat, és melyek nem. Ha az oldalaidat idézik az AI-rendszerek, de alacsony a forgalmuk, lehet, hogy több multimodális tartalomra van szükséged. Ha a képeket és videót tartalmazó oldalak jelentősen több AI-forgalmat kapnak, világos adatod van arról, mely oldalakon kell frissíteni a médiát.
Nézd meg, mit tartalmaz a WEMASY-csomagod: /pricing.
Gyakori kérdések
Kellenek eredeti képek, vagy használhatok sztokfotókat?
Az eredeti képeket gyakrabban idézik az AI-rendszerek, mert gyakorlati tapasztalatot jeleznek. A kifejezetten a módszertanod magyarázatára készített ábrát gyakrabban idézik, mint a sztokfotót, amely tucatnyi weboldalon megjelenhet. A sztokfotók elfogadhatók kiegészítő vizuális elemként, de a fő ábráknak, képernyőképeknek és folyamatábráknak eredetieknek kell lenniük. A WEMASY weboldalépítőjével ezt közvetlenül a weboldaladon beállíthatod.
Hány képet tartalmazzon egy oldal?
A minőség fontosabb a mennyiségnél. Az oldalnak kell egy kép, amely a fő fogalmadat illusztrálja, plusz további képek a fő altémákhoz, ha relevánsak. A három, a tartalmat közvetlenül támogató képet tartalmazó oldal jobb, mint a tíz díszítő képet tartalmazó. Egy 2000 szavas blogbejegyzéshez három-öt releváns kép tipikus. Egy 500 szavas tudásbázis-cikkhez egy-két kép elég lehet.
Olyan jó a beágyazott YouTube-videó, mint a saját domainen tárolt videó?
A beágyazott YouTube-videó erős AI-hivatkozási előnyökkel jár, mert a YouTube-videókhoz be van építve az átirat, és a YouTube-ban az AI-rendszerek eleve nagyon megbíznak. A videó saját domainen való tárolása teljes kontrollt ad, de megköveteli, hogy kézzel add hozzá az átiratokat, leírásokat és a sémajelölést. A legtöbb márkának a beágyazott YouTube gyorsabb út a multimodális előnyök eléréséhez. Ha magad szeretnéd tárolni a videót, gondoskodj átiratokról és megfelelő sémáról.
Befolyásolja a képméret vagy a felbontás az AI-hivatkozási arányt?
Igen. A túl kicsi vagy túl tömörített képek elveszítik a részleteket az AI-feldolgozás során. A nagy felbontású (weben legalább 600 pixel széles), világos részletekkel rendelkező képet pontosabban dolgozzák fel, mint a kicsi, tömörített képet. Használj modern képformátumokat, például WebP-t, hogy kicsi maradjon a fájlméret, miközben megmarad a minőség. A cél a sebességre optimalizálás a részletek feláldozása nélkül.
Adjak sémajelölést minden képhez és videóhoz?
Használj sémajelölést a cikked megértéséhez nélkülözhetetlen médiához. A fő nyitóképednek ImageObject-sémával kell rendelkeznie. A beágyazott videónak VideoObject-sémával. A díszítő képeknek nincs szükségük egyedi sémajelölésre. Használj Article-sémát a kép- és videótulajdonságokkal, hogy jelezd, mely médiaelemek részei a tartalmadnak, majd használj konkrét sémát a kritikus képekhez és videókhoz.
Versenyezhetnek az infografikák az írott magyarázatokkal az AI-hivatkozásokért?
Az infografikák az írott magyarázat mellett működnek a legjobban, nem helyettesítőként. A körülvevő szöveg nélküli infografikát ritkábban nyerik ki, mert az AI-rendszer nehezen tudja kinyerni és ellenőrizni a vizuális elemekben lévő szöveget. Az infografikát, amelyhez írott magyarázat tartozik arról, mit mutat, gyakrabban idézik, mert az AI-rendszernek vizuális és szöveges megerősítése is van. Az infografikákat a szöveged által magyarázott fogalmak illusztrálására használd, ne a magyarázat helyettesítésére.