一、AI搜索的多模态能力扩展
主流AI搜索产品正在快速扩展多模态能力。ChatGPT已经支持图片输入和输出,Google AI Mode支持图片搜索,Perplexity支持图片附件,文心一言和豆包也都具备多模态理解能力。
多模态意味着用户的提问不再局限于文字,可以是图片、视频、音频;AI的答案也不再局限于文字,可以包含图表、可视化、视频片段等。这意味着GEO优化需要扩展到文字之外。
二、图片在GEO优化中的具体作用
图片在GEO优化中扮演多重角色:其一,作为内容附件提升AI的多模态理解;其二,作为独立可检索资源被图片搜索AI收录;其三,丰富答案展示形式,提升品牌在AI答案中的曝光度。
优化图片GEO的具体做法包括:使用描述性的文件名(包含关键词)、为图片添加alt文本(描述图片内容)、添加图片Schema(ImageObject)、使用高分辨率原始图片、为图片添加周围文字说明。
三、视频内容的AI搜索价值
视频在AI搜索中的价值正在快速增长。YouTube已成为AI搜索的主要视频来源之一,Google AI Overviews已经开始在部分答案中嵌入YouTube视频。视频能够传递的信息密度远超文字,且更易被AI「理解」。
建议企业将核心内容制作成短视频或长视频,发布在YouTube、Bilibili、抖音等主流视频平台。每个视频应配备完整的文字描述、章节标记、字幕文件,这些元数据帮助AI理解视频内容。
四、多模态内容矩阵的构建
多模态GEO优化的核心是「同一信息多种载体」:一篇核心文章可以制作成:图文版(网页文章)、图表版(信息图)、讲解视频(5-15分钟)、短视频(60秒精华)、播客(30分钟深度讨论)。每种载体面向不同的AI搜索场景,协同覆盖。
多模态内容矩阵的投资回报率通常高于单一文字内容,因为同一主题的内容可以在不同AI搜索场景中被多次引用,扩展品牌的可见性。
