Multimodális AI
Miért fontos ez a marketingben?
Amíg az AI csak szöveget olvasott, addig egy weboldalon minden, ami képen volt, láthatatlan maradt számára. Az árlista egy grafikán, a szolgáltatásaid egy infografikán, a termék jellemzői egy csomagolásfotón — ezek nem léteztek a gép szempontjából.
A multimodális modellek ezt megváltoztatják: a kép tartalma is bekerül abba, amit az AI tud rólad. Ennek két, ellentétes irányú következménye van.
A jó hír, hogy a vizuális tartalom végre számít. A rossz, hogy ami eddig észrevétlenül maradt egy képen — egy elavult ár, egy régi telefonszám, egy már nem érvényes akció —, az mostantól idézhetővé válik.
Mit jelent ez a saját weboldaladon?
Négy gyakorlati következmény, ami már ma is érvényes:
- A képre írt információ már nem rejtőzik. Ha az árat csak grafikán tünteted fel, az AI ki tudja olvasni. Ezért a képen lévő adatnak ugyanúgy naprakésznek kell lennie, mint a szövegesnek.
- Az alt szöveg szerepe nem szűnt meg, de átalakult. Korábban ez volt az egyetlen fogódzó a képhez; ma inkább megerősítés. Attól még kötelező — az akadálymentesség miatt önmagában is.
- A videó tartalma is elemezhetővé válik. Az elhangzott szöveg, a képen látható felirat, sőt a jelenetek is. Emiatt lesz egyre fontosabb, hogy a videóhoz legyen pontos, valódi felirat — nem csak a nézőnek, hanem a gépnek is.
- A képernyőfotó bizonyíték lesz. Ha eredményt mutatsz be képen, annak valósnak kell lennie — a kép ugyanolyan ellenőrizhető állítás, mint egy leírt mondat.
A vizuális tartalom és az AI-láthatóság
Az AI-láthatóság eddig javarészt szöveges kérdés volt: strukturált adat, tiszta szerkezet, idézhető bekezdések. A multimodalitás ezt kiterjeszti a képekre és videókra is.
A gyakorlati teendő ugyanaz, mint szövegnél, csak más felületen: legyen egyértelmű, legyen naprakész, és ne állítson olyat, amit nem tudsz alátámasztani. Egy kép, amin egy kétéves ár szerepel, ma már ugyanolyan kockázat, mint egy elavult szövegrész.
Mit érdemes most csinálni?
Nem kell mindent átalakítani. Négy lépés, ami már ma is megtérül, és nem igényel új eszközt.
Nézd át a képeidet elavult adat szempontjából. Árak, telefonszámok, akciók, nyitvatartás — bármi, ami képen szerepel és már nem érvényes. Ezek eddig ártalmatlanul lapultak, mostantól idézhetők.
A fontos információt tedd szövegbe is. Ne csak grafikán legyen ott az árlista vagy a folyamat. Ez egyszerre segít az AI-nak, a keresőnek és a képernyőolvasót használó látogatónak.
A videóhoz adj valódi feliratot. Az automatikus felirat magyarul még gyakran pontatlan; egy átnézett, javított változat többet ér, mint amennyi munka.
Az alt szövegek maradjanak leíróak. Ne kulcsszóhalmaz legyen bennük, hanem az, ami tényleg látszik a képen.
Gyakori félreértés
A multimodalitás nem azt jelenti, hogy a modell „lát", ahogy az ember. Mintázatokat ismer fel, és azokat kapcsolja szöveges leíráshoz. Ezért téveszt olyan eseteknél, ahol a jelentés a kontextusból jön: egy iróniát tartalmazó képet vagy egy szándékosan félrevezető grafikát félreérthet — magabiztosan.