一位买家拍下一双跑鞋，问 ChatGPT：「这双适合跑马拉松吗？」一名开发者贴出报错截图，问 Claude：「这个怎么修？」这些都是搜索，而且跑在你的图片上，而不是你的关键词上。本指南教你把视觉内容做成 GPT-4o、Gemini、Claude 这类多模态模型读得懂的样子，让你的产品和图表被引用，而不是竞品的。
现在的模型能看像素，但对含义仍靠猜。它认得「一双蓝色的鞋」，却不知道这是专为中性足弓设计的 Nike Pegasus 40。你的任务，是用模型信得过的文字，把「像素」和「实体」之间的缺口补上。
核心要点
- 多模态模型既读像素也读周边文字；alt 文本如今承担的是实体锚定，而不只是无障碍。 - 每张重要图片都需要一句具体的说明文字，用大白话点明产品、型号、版本和使用场景。 - `ImageObject` 与 `VideoObject` 结构化数据给每个素材一个机器可读的标签。 - 视频和音频只有在页面上存在完整的可抓取文字转录时，才会被引用。 - 文件名、尺寸、页面上下文，共同决定模型有多相信「这张图能回答问题」。
步骤 1：把 alt 文本改写成实体锚定
旧 SEO 的 alt 文本描述长相：「蓝色跑鞋」。这对模型毫无价值，因为它自己就看得到。GEO 的 alt 文本点名实体和上下文，让模型能把图片挂到真实事实上。
写能回答「谁、是什么、哪个版本」的 alt 文本。对比一下：
- 旧写法：`alt="蓝色跑鞋"` - GEO 写法：`alt="Nike Pegasus 40 跑鞋，蓝色，2025 款，中性足弓支撑，适合公路跑"`
控制在 125 字符左右，开头就放具体名称，别堆关键词。如果是图表，就描述这张图证明了什么：`alt="柱状图：Shopify 商店的 AI 引荐流量同比增长 7 倍"`。这句话可以被原样摘进答案里。
步骤 2：加上可见的说明文字和邻近上下文
alt 文本有用，但模型对图片周围的可见文字权重更高。图片正下方的一句说明，加上正文里引用它的一句话，就是在告诉模型：这张图和这个论断是一伙的。
说明文字要写成完整陈述句：「Pegasus 40 的中底采用 ReactX 泡棉，回弹比上一代高 13%。」把参数放进图片旁边的短列表，而不是印进图里——图里的文字更难被可靠地提取。只要某个参数重要，它就应该以真实的 HTML 文字存在于页面上。
步骤 3：用结构化数据标注图片与视频
结构化数据给爬虫一个毫不含糊的标签。产品图用 `Product` schema 里的 `ImageObject`；独立图片用单独的 `ImageObject`。
```json { "@context": "https://schema.org", "@type": "ImageObject", "contentUrl": "https://yourdomain.com/img/pegasus-40-blue.jpg", "caption": "Nike Pegasus 40，蓝色，2025 款，中性足弓支撑", "creditText": "Your Brand", "creator": {"@type": "Organization", "name": "Your Brand"} } ```
视频用 `VideoObject`，填 `name`、`description`、`thumbnailUrl`、`uploadDate`，以及最关键的 `transcript`。上线前用 Google Rich Results Test 全部校验一遍。
步骤 4：为视频和音频发布文字转录
模型引用不了它读不到的东西。嵌一个 YouTube 视频，对文本爬虫来说是隐形的，除非文字出现在页面上。把完整转录以 HTML 形式发在播放器下方，需要时带上时间戳和发言人标注。
对一段产品演示来说，这份转录就变成了可搜索、可引用的答案来源。在顶部加一段摘要（「这段 4 分钟演示覆盖了初始设置、第一次审计，以及如何读你的 AIGVR 分数」），模型就能不解析全文也抓到要点。字幕文件（`.vtt`）有助无障碍，但真正赢得引用的是页面上的文字。
步骤 5：修好文件名、尺寸和分发
小信号会累加。文件名要有描述性：`pegasus-40-blue-marathon.jpg`，而不是 `IMG_4821.jpg`。用现代格式（WebP 或 AVIF），保证图片加载快，并确认没在 `robots.txt` 里把它们挡掉。确认 `GPTBot`、`OAI-SearchBot`、`Google-Extended` 这些 AI 爬虫能访问你的图片目录。爬虫抓不到的图，无论 alt 文本写得多好，都无法被理解。
如何验证
像用户那样测。把一张产品图上传到 ChatGPT 或 Gemini，问：「这是什么，谁做的？」如果模型说出了你的品牌、型号和使用场景，说明锚定生效了。如果它只说「一双蓝鞋」，那你的说明文字和结构化数据还得再打磨。
要成规模地衡量而不是一张张测，GEOly 提供 29 项 GEO 审计，检查图片结构化数据、爬虫可达性和页面级 AI 就绪度，并追踪你的商品卡是否真的出现在 AI 购物答案里。GEOly 是一个 GEO 数据平台，能看任意品牌乃至整条赛道在 ChatGPT、Gemini、Google AI 里的格局；完整介绍见[什么是 GEOly AI](/zh/blog/what-is-geoly-ai)。可在 app.geoly.ai 免费试用 3 天。
常见坑
- 把关键参数只印在图片里，而图内文字的提取并不可靠。 - 几十个产品变体共用一句通用 alt 文本。 - 嵌了视频却没有页面转录，然后纳闷它为什么从不被引用。 - 不小心在爬虫层面挡掉了 `/images/` 或某个 CDN 子域名。
常见问题
AI 模型是真的「看」我的图，还是只读 alt 文本？
两者都做。多模态模型直接分析像素，也读 alt 文本、说明文字和邻近文案。像素告诉它形状，你的文字告诉它身份。要被准确引用，两样都得有。
模型都能看图了，alt 文本还值得写吗？
值得。alt 文本正是你补充「像素推不出来的事实」的地方——确切型号、发布年份、用途。它对无障碍也依然必不可少。
图片 alt 文本该写多长？
一句具体的话，大约 125 字符。开头放确切实体名，接上关键差异点，就此打住。堆关键词只会帮倒忙。
GEO 里视频真的需要转录吗？
需要。文本爬虫看不了视频。一份完整的页面转录，能把你的演示或直播变成模型可引用的来源，这是通往引用最可靠的路。
我怎么知道 AI 到底在展示我哪些产品图？
几个查询靠手动抽查就行。要覆盖整个商品目录和赛道，用 GEOly 这类监控平台，它会报告商品卡激活率和 Share of Card，让你看到哪些 SKU 出现在 AI 购物答案里。
本文由 GEOly AI 团队撰写。查看 [GEOly AI](/zh/blog/author/geoly-ai) 的更多指南，或阅读我们关于[优化内容提取率](/zh/blog/optimize-content-extraction-rate)的深度文章。
