Den mänskliga hjärnan har utvecklats för att känna igen bilder direkt.
Visuell identifiering är en naturlig förmåga som möjliggörs av ett under av nerver, neuroner och synapser. Vi kan titta på en bild och på 13 millisekunder eller mindre veta exakt vad vi tittar på.
Men att skapa teknik som kan förstå bilder lika snabbt och effektivt som det mänskliga sinnet är ett enormt åtagande.
Visuell sökning kräver därför maskininlärningsverktyg som kan bearbeta bilder snabbt, men dessa verktyg måste också kunna identifiera specifika objekt. inom bilden och generera sedan visuellt liknande resultat.
Men tack vare de stora resurser som står till företag som Googles förfogande, blir visuell sökning äntligen lönsam. Så hur kommer SEO att utvecklas när visuell sökning utvecklas?
Här är en mer intressant fråga: hur snart måste SEO-företag bemästra visuell sökoptimering?
Visuell sökning kommer sannolikt inte att helt ersätta textbaserade sökmotorer. För närvarande är visuell sökning mest användbar inom försäljnings- och detaljhandelsvärlden. Framtiden för visuell sökning kan dock fortfarande störa SEO-branschen som vi känner den.
Vad är visuell sökning?
Om du har mer än delvis syn kan du se över ett rum och identifiera föremål som du ser dem. På ditt skrivbord kan du till exempel identifiera din bildskärm, ditt tangentbord, dina pennor och smörgåsen du glömde att lägga i kylskåpet.
Ditt sinne kan identifiera dessa objekt baserat enbart på visuella signaler. Visuell sökning gör samma sak, men med en given bild på en dator. Det är dock viktigt att notera att visuell sökning inte är detsamma som bildsökning.
Bildsökning är när en användare skriver in ett ord i en sökmotor och sökmotorn spottar ut relaterade bilder. Inte ens då känner sökmotorn igen bilder, bara de strukturerade data som är kopplade till bildfilerna.
Visuell sökning använder en bild som en fråga istället för text (omvänd bildsökning är en form av visuell sökning). Identifiera objekt i bilden och sök sedan efter bilder relaterade till dessa objekt. Till exempel, baserat på bilden av ett skrivbord, kan du använda visuell sökning för att köpa ett skrivbord som är identiskt eller liknar det på bilden.
Även om detta låter otroligt, är tekniken kring visuell sökning fortfarande begränsad i bästa fall. Detta beror på att maskininlärning måste återskapa sinnets bildbehandling innan det effektivt kan producera en gångbar visuell sökapplikation. Det räcker inte att maskinen identifierar en bild. Den måste också kunna känna igen en mängd olika färger, former, storlekar och mönster som det mänskliga sinnet gör.
Tekniken kring visuell sökning förblir i bästa fall begränsad.
Det är dock svårt att återskapa bildbehandling på en maskin när vi knappt förstår vår egen bildbehandlingssystem. Det är av denna anledning som programmering av visuell sökning går så långsamt.
Visuellt sökande som det är: var vi är
Ingenjörer idag har använt maskininlärningsteknik för att driva de neurala nätverken hos visuella sökmotorer för att förbättra bildbehandlingen. Ett av de senaste exemplen på denna utveckling är Google Lens.
Google Lens är en app som låter din smartphone fungera som en visuell sökmotor. Tillkännagiven på Googles I/O 2017-konferens fungerar appen genom att analysera bilderna du tar och ge dig information om den bilden.
Till exempel, genom att ta ett foto av ett Abbey Road-album kan din telefon berätta mer om Beatles och när albumet kom ut. Genom att ta ett foto av en glassbutik kan din telefon berätta dess namn, skicka kommentarer och berätta om dina vänner har varit där.
All denna information kommer från Googles stora reserver av data, algoritmer och kunskapsgrafer, som sedan matas in i Lens-produktens neurala nätverk. Komplexiteten i visuell sökning innebär dock mer än en enkel förståelse av neurala nätverk.
Sinnebildbehandling berör mer än bara identifiering. Han drar också otroligt komplexa slutsatser. Och det är denna komplexitet, känd som “svarta lådans problem”, som ingenjörer kämpar för att återskapa i visuella sökmotorer.
Istället för att explicit vänta på att forskare ska förstå det mänskliga sinnet har DeepMind, ett företag som ägs av Google, vidtagit åtgärder för att programmera den visuella sökmotorn baserad på kognitiv psykologi istället för att enbart förlita sig på neurala nätverk.
Google är dock inte det enda företaget som utvecklar visuell sökteknik. Pinterest lanserade sin egen Lens-produkt i mars 2017 för att erbjuda funktioner som Shop the Look och Pincodes. De som använder Pinterest kan ta ett foto av en person eller plats genom appen och sedan analysera bilden för att se om det finns kläder eller hushållsartiklar att köpa.
Det som skiljer Pinterest Lens och Google Lens är att Pinterest erbjuder fler mångsidiga alternativ för användarna. Google är en sökmotor för användare att samla in information. Pinterest är en webbplats och app för shopping, recept, designidéer och rekreationssökningar.
Till skillnad från Google, som måste verka på flera fronter, kan Pinterest fokusera enbart på utvecklingen av sin visuella sökmotor. Som ett resultat kan Pinterest mycket väl bli den ledande konkurrenten inom visuell sökteknik.
Andra återförsäljare börjar dock komma ikapp och ta fart med sin egen teknik. Modeåterförsäljaren ASOS lanserade också ett visuellt sökverktyg på sin webbplats i augusti 2017.
Att använda visuell sökning i detaljhandeln hjälper till att minska det som har kallats upptäcktsproblemet. Upptäcktsproblemet är när shoppare har så många alternativ att välja mellan på en återförsäljares webbplats att de helt enkelt slutar handla. Visuell sökning minskar antalet alternativ och hjälper kunder att hitta det de letar efter mer effektivt.
Framtiden för visuellt sökande: vart går vi härifrån
Det är säkert att anta att framtiden för visuella sökmotorer kommer att domineras av detaljhandeln. För närvarande är det lättare att söka information med ord.
Användare behöver inte ta ett foto av ett Abbey Road-album för att lära sig mer om Beatles när de kan använda samma antal tangenttryckningar för att skriva “Abbey Road” i en sökmotor. Däremot användare do De måste ta ett foto av ett specifikt par sneakers för att förmedla till en sökmotor exakt vad de vill köpa.
Letar efter ett par röda skor med Pinterest Lens
Som ett resultat är visuella sökmotorer bekväma, men i slutändan inte nödvändiga för att alla branscher ska bli framgångsrika. Till exempel är det mer sannolikt att tjänster förlitar sig på textsökmotorer, medan försäljning kan förlita sig mer på visuella sökmotorer.
Som sagt, med 69 % av unga konsumenter som visar intresse för att göra inköp baserade enbart på visuellt orienterade sökningar, är det mer sannolikt att framtiden för visuella sökmotorer kommer att bli ett paradis för shoppare i händerna på rätt återförsäljare. .
Vad visuell sökning betyder för SEO
Sökmotorer kan redan indexera bilder och videor och rangordna dem därefter. Video-SEO och bild-SEO har funnits i flera år, ända sedan video- och bildinnehåll blev populärt på webbplatser som YouTube och Facebook.
Men trots denna ökning av video- och bildinnehåll uppfyller SEO fortfarande behoven hos dem som vill rankas högre i sökmotorerna. Faktorer som att skapa SEO-vänlig alt-text, bildwebbplatskartor, SEO-vänliga bildtitlar och originalbildinnehåll kan sätta dina webbplatsbilder ett steg över konkurrenterna.
Visuell sökning kan dock göra bild-SEO mer av en utmaning. Det beror på att användaren inte längre behöver skriva, utan kan ta ett foto av en produkt och sedan söka efter produkten på en återförsäljares hemsida.
Idag fungerar SEO tillsammans med visuell sökning genom alt-taggning, bildoptimering, schemamarkering och metadata. Schemamarkering och metadata är särskilt viktiga för SEO vid visuell sökning. Detta beror på att, med så minimal text som används i framtiden för visuell sökning, kan denna data vara en av de enda källorna till textinformation som sökmotorer kan genomsöka.
Att noggrant katalogisera bilder med mikrodata kan vara tråkigt, men den förbättrade beskrivningen som mikrodata ger i kombination med en optimerad bild bör hjälpa bilden att rankas högre i visuell sökning.
Metadata är lika viktigt. I både textbaserade sökningar och visuella sökningar stärker metadata en marknadsförares förmåga att driva onlinetrafik till sin webbplats och sina produkter. Metadata är gömd i HTML på både webbsidor och bilder, men det är vad sökmotorer använder för att hitta relevant information.
Att markera dina bilder med relevant metadata är viktigt för bild-SEO
Av denna anledning, för att optimera bildsökningen, är det viktigt att använda metadata för bilderna på din webbplats och inte bara själva webbplatsen.
Både mikrodata och metadata kommer att fortsätta att spela en viktig roll i SEO-branschen även när visuella sökmotorer utvecklar och revolutionerar onlineupplevelsen. Ytterligare befintliga SEO-tekniker kommer dock att behöva utvecklas och förbättras för att anpassa sig till framtiden för visuell sökning.
Framtiden för SEO och visuell sökning
Att anta att visuella sökmotorer sannolikt inte kommer att förändra SEO-branschens framtid är kortsiktigt. Det är dock lika osannolikt att textbaserad sökning kommer att bli inaktuell och ersättas av en värld av bildbaserad teknik.
Men bara för att textbaserade sökmotorer inte kommer någonstans betyder det inte att de inte kommer att tvingas dela rampljuset. När visuella sökmotorer utvecklas och förbättras är det troligt att de kommer att bli lika populära och använda som textbaserade motorer. Det är av denna anledning som befintliga SEO-tekniker kommer att behöva anpassas för att branschen ska hålla sig uppdaterad och relevant.
Men hur kan SEO förbli relevant om omedelbart tittande-köpbeteende inte bara blir något som används på återförsäljarwebbplatser, utan de flesta platser online? Som nämnts ovan kan SEO-företag fortfarande använda bildbaserade SEO-tekniker för att hålla jämna steg med visuella sökmotorer.
Liksom textbaserade sökmotorer förlitar sig visuell sökning på algoritmer för att matcha användarnas innehåll online. SEO-branschen kan använda detta till sin fördel och fokusera på strukturerad data och optimering för att göra bilder lättare att bearbeta för visuella applikationer.
Ytterligare tekniker kan hjälpa till att förbättra bildindexering av visuella sökmotorer. Några av dessa tekniker inkluderar:
- Konfigurera bildmärken för att köra strukturerade datatester
- Skapa alternativa attribut för bilder med målsökord
- Skicka in bilder till bildwebbplatskartor
- Optimera bilder för mobil användning
Visuella sökmotorer kommer att revolutionera detaljhandeln och hur vi använder teknik. Textbaserade sökmotorer kommer dock även fortsättningsvis att ha en etablerad plats i de branscher som passar dem bäst.
Utan tvekan är SEOs framtid redo för snabba förändringar. Frågan är bara vilka befintliga strategier som kommer att stärkas i den visuella sökrevolutionen och vilka som kommer att bli inaktuella.
