De fleste, der arbejder med indholdsredigering og SEO ved at arbejdet med billeder er vigtigt, men kan vi altid tro på det Google siger?
Det er sket før at Google har anbefalet én ting, men gjort modsat. Rel=next/prev casen er nok en af de meste kendte, hvor Google glemte at oplyse at de ikke anbefalede denne praksis længere.
Billedoptimering for SEO er en klassiker og et must for de fleste websites. Derfor har Google netop (20/1-2020) udgivet nedenstående video, som er en spiselig fortolkning af webmaster guidelines for billeder:
I videoen gennemgår John Mueller nogle af de væsentligste elementer i billedoptimering.
Alt Tags, filnavne samt beskrivelser?
I disse moderne tider, hvor AI er ved at blive en commidity finder jeg det pardoksalt at vi stadig behøver at angive Alt Tags, beskrivelser, samt filnavne for at Google kan forstå indholdet på billedet samt belønne med gode placeringer.
Gennem Google Cloud tilbydes servicen Google Vision AI. Google Vision AI er et godt bud på demokratisering af billede AI, hvor servicen tilbyder flere forskellige features, som der kan sættes strøm til. Det er nærmest kun fantasien der sætter grænser. Du kan f.eks. opsætte et overvågningskamera og tage stillbilleder af mennesker der går ud og ind af butikken for opsamle interessant information. Mere om dette nedenfor.
Test: Hvor meget kan Google Vision AI fortælle?
I denne lille test prøver vi at fastsætte hvor meget Google Vision er i stand til at fortælle ud fra et billede, hvor der hverken er alt tags, et godt filnavn, eller fyldestgørende beskrivelse. Testen består af to små eksperimenterer med henholdsvis en person samt en ting i det andet. Ingen af billederne har været online før eller indeholder microdata.
Eksperiment #1 – Person
For at udføre mit lille eksperiment har jeg været i gemmerne for at finde et billede som aldrig har været online på nettet.
Specs: dv1.jpg – 139 KB – 714 x 1160 – 72 DPI
Ingen microdata – testet via metapicz.com
Resultat af eksperiment #1
Efter at have smidt billedet i Cloud Vision kunne fik jeg følgende resultater:
Ganske imponerende. Det eneste sted hvor den rammer lidt ved siden af er under labels, hvor window er angivet – det er vel en billederamme 🙂
Eksperiment #2 – Ting
Til eksperiment 2 er et billede med et skrivebord med flere effekter benyttet. Som et tweak er billedet vendt 90′ grader.
Specs: 21-01-2020.jpg – 573 KB – 2016 x 1512 – 72 DPI
Ingen micro data testet via metapicz.com
Resultat af eksperiment #2
Udførende liste af labels:
- Electronics 83%
- Desk 80%
- Room 78%
- Design 76%
- Technology 71%
- Table 64%
- Interior Design 62%
- Photography 62%
- Audio Equipment 60%
- Furniture 59%
- Space 57%
- Electronic Instrument 53%
- Laptop 52%
- Desktop Computer 50%
Resultatet i test 2 var ikke helt så overbevisende som test 1. Kaffekopperne blev blandet andet ikke identifceret, samt Packaged goods i objects? Der er dog flere skarpe obervationer specielt i labels. Herudover identificeringenn i tekst – hvor logitech keyboardet er identficeret.
Opsummering
Med dette lille eksperiment er det vidst klart at Google har teknologien til at forstå indholdet af billeder ret godt uden hjælp af Alt Tags, filnavne samt beskrivelser.
Det er langt fra sikkert at Google bruger teknologien fra Vision AI i deres bot, men mon ikke de gør, hvert fald i den ene eller anden form.
For et par år siden offentliggjorde Distilled en SEO split test case hvor de havde testet virkningen af at tilføje Alt Tags. Her fandt de frem til at det ingen indvirkning havde.
Take away:
Vil du få bedre placeringer eller flere kliks med Google Image Search, hvis du har beskrivende alt tags, filnavne samt billedettekster på dit website? Sandsynligvis ikke.
Du bør dog følge Google anbefalingerne, da flere teknologiske
hjælpemidler såsom screenreaders bruger disse attributter og det er generelt opfattet som best practice for billeder (hvertfald lidt endnu). Husk også der er mange søgemaskiner, bots og crawlers der ikke er så langt fremme som Google.
Har du et stort site, og er træt af at udfylde alt tags og beskrivelser kan du blot sætte strøm til Cloud Vision og automatisere denne proces. Google Cloud infrastrukturen er lige til at hooke ind i med det rette tekniske kompetencer.