Nie tylko tekst: jak optymalizować wideo i infografiki, by wyświetlały się w multimodalnych odpowiedziach AI

Wyszukiwarki przestały odpowiadać samym tekstem. Google AI Overviews, ChatGPT, Perplexity i Gemini wplatają w odpowiedzi zdjęcia, wykresy i klipy, a o tym, które pokażą, decyduje model. Sam materiał wizualny jest tu osobnym sygnałem, nie tylko ozdobą tekstu.

Modele coraz lepiej rozpoznają obrazy, ale w wyszukiwaniu rzadko analizują każdy piksel na stronie, bo na skalę całego internetu jest to strasznie kosztowne i wolne. Najczęściej docierają do grafiki przez warstwę tekstu i metadanych: alt, podpis, transkrypcję, dane strukturalne oraz tekst wokół niej, i to ona decyduje, czy materiał w ogóle trafi do rozważań.

Pełne „widzenie” maszynowe natomiast zachodzi zwłaszcza wtedy, gdy obraz trafia wprost do modelu, na przykład wgrany w zapytaniu albo przez Google Lens. Dlatego dziś, na ten moment, solidne atrybuty i warstwa tekstowa to pewniejsza droga, a klasyczne SEO obrazów, nastawione na szybkość i miniaturę, przestało być wystarczające.

Optymalizacja treści wizualnych pod AI ma dwa cele: żeby model pokazał Twój obraz lub klip w odpowiedzi i żeby zacytował to, co z nich wynika. Do obu prowadzi ta sama warstwa tekstu i danych, która opisuje materiał wizualny.

Wideo bez tekstu jest dla modelu prawie niewidoczne, więc transkrypcja to najlepszy przyjaciel w optymalizacji wideo pod kątem AI.

Kolejność działań:

1. Udostępnij transkrypcję w kodzie swojej strony: widocznie, w rozwijanym bloku „Pokaż transkrypcję”, albo w danych strukturalnych VideoObject. Do samego nagrania dodaj napisy, najlepiej redagowane, nie tylko automatyczne.
2. Podziel materiał na rozdziały z timestampami, a tytuły rozdziałów formułuj jak pytania.
3. Uzupełnij VideoObject: name, description, thumbnailUrl, uploadDate, duration i transcript.
4. Użyj hasPart ze startOffset i endOffset, żeby model mógł odesłać do konkretnego momentu.
5. Przygotuj własną miniaturę z czytelnym tekstem, a nie przypadkową klatkę.
6. Hostuj nagranie na YouTube i umieść embed na swojej stronie.

Różnica sprowadza się do celu: SEO walczyło o miniaturę w wynikach, AISO walczy o cytat w odpowiedzi asystenta. Ten sam plik przygotujesz inaczej pod wyszukiwarkę, a inaczej pod model.

Optymalizacja treści wizualnych działa najlepiej na dobrze ułożonej stronie, gdzie cała treść jest pisana pod cytowanie przez AI. Model cytuje to, co potrafi wyciągnąć z całości i przypisać do pytania. Osiem uniwersalnych tipów:

1. Zacznij od odpowiedzi. Umieść zwięzłą, samodzielną odpowiedź od 30 do 50 słów na starcie strony oraz w każdej sekcji.
2. Formułuj nagłówki jak pytania, tak jakby użytkownik pytał asystenta.
3. Używaj tabel i list, bo z nich model najłatwiej wyciąga fakty.
4. Podawaj statystyki wraz z linkiem do źródła. Dodanie statystyk, cytatów i odwołań podnosi widoczność w silnikach generatywnych nawet o 40%, jak pokazało badanie GEO zespołu z Princeton i IIT Delhi (1)(2).
5. Pisz samodzielne akapity; każdy z nich ma nieść pełną myśl i być kompletny.
6. Dodaj sekcję FAQ i oznacz ją danymi FAQPage, a artykuł danymi Article z datePublished i dateModified.
7. Aktualizuj treść co od 3 do 6 miesięcy. Aktualność informacji jest tutaj kluczowa.
8. Pilnuj E-E-A-T: podpisany autor, spójna terminologia i semantyczny kod.