![Оптимизация картинок: как с помощью Google’s Vision AI разобраться в принципах ранжирования изображений](https://habrastorage.org/webt/mc/un/os/mcunosqzjtoirewzomnrowcgm5k.png)
Казалось бы, прописать Alt и Title для изображений на сайте — и ты уже опередил ленивых конкурентов. Но нет, этого может оказаться недостаточно. Помимо текстового сопровождения роль играет сама картинка — вернее, сущности, которые умный Google на ней обнаружит. И как выяснилось, обнаруживается много интересного.
Перевели интересное исследование: как Google анализирует изображения и как понять, что должно присутствовать на картинке для более высокого ранжирования.
В 2013 году в результатах поиска по картинкам Google появилась опция View Image (Смотреть изображение). Пользователи могли открыть картинку, не переходя на сайт, на котором она размещалась. Нововведение привело к снижению органического трафика из результатов поиска по изображениям на 63%.
В феврале 2018 года в Google приняли решение убрать кнопку View Image. Теперь чтобы открыть картинку в полном размере, пользователь должен зайти на сайт. Так «Картинки» снова стали важным источником поискового трафика.
Недавнее исследование показало, как после этих изменений органический трафик на сайт по картинкам вырос на 37%.
Потенциал поиска по картинкам вернулся, но как его использовать наиболее эффективно? Как оптимизировать изображения для лучшего ранжирования? Можно ли с помощью Google’s Vision AI разобраться в принципах ранжирования изображений?
В частности, исследователей интересовало, что именно тематическое моделирование Google может рассказать об изображениях, которые ранжируются по определенным поисковым запросам и группам тематически связанных ключевых слов.
Прим.ред.: Это перевод исследования в англоязычном Google. Все ключевые слова даны в оригинальном написании (плюс перевод в скобках).
Анализируем тему «hunting gear» (охотничье снаряжение)
Сперва было отобрано 10-15 топ-запросов в тематике. Для этой статьи была выбрана тематическая категория «hunting gear» (охотничье снаряжение). Для нее мы отобрали ключевые запросы трех типов: high-intent (запросы с высоким намерением), high-value (запросы с высокой конверсией), high-volume (высокочастотные).
Вот эти запросы:
- Bow hunting gear (охотничье снаряжение для стрельбы из лука)
- Cheap hunting gear (дешевое охотничье снаряжение)
- Coyote hunting gear (снаряжение для охоты на койота)
- Dans hunting gear (снаряжение для охоты dans — прим.: Dan's — название бренда)
- Deer hunting gear (снаряжение для охоты на оленя)
- Discount hunting gear (снаряжение для охоты скидки)
- Duck hunting gear (снаряжение для охоты на утку)
- Hunting gear (снаряжение для охоты)
- Hunting rain gear (снаряжение для охоты в дождь)
- Sitka hunting gear (снаряжение для охоты sitka — прим.: Sitka — название бренда)
- Turkey hunting gear (снаряжение для охоты на индюка)
- Upland hunting gear (снаряжение для охоты в горах)
- Womens hunting gear (охотничье снаряжение для женщин)
Затем по каждому запросу были отобраны топ-50 картинок в выдаче Google. Итого с помощью Google Vision API было проанализировано 650 изображений.
Для каждого изображения была зафиксирована позиция в выдаче (это важно для дальнейшего анализа).
Что можно узнать из лейблов
Первое и, возможно, главное, для чего стоит использовать API — лейблинг изображений. Современные модели распознавания изображений парсят каждую картинку и выдают метки (лейблы) для объектов, которые можно идентифицировать на изображении.
Важно. Далее мы показываем фрагменты графиков с переводом. По ссылке можно перейти к оригинальному интерактивному графику, который существенно больше по объему, и смотреть уже там тренды и отдельные моменты. Переводить целиком огромные полотна мы сочли нецелесообразным.
С графиками можно работать — клики по отдельным лейблам, категориям и словам выделяют фрагменты графика. И там много вкладок. (Нам понравился инструмент, а вам?)
На большинстве изображений можно распознать от 4 до 10 объектов. Например, для ключевых слов, связанных с «hunting gear», мы получили следующее распределение лейблов:
![Оптимизация картинок: как с помощью Google’s Vision AI разобраться в принципах ранжирования изображений](https://habrastorage.org/webt/gw/qa/t5/gwqat5od7fpdebzhncixx-xjiso.png)
Топ лейблов для «hunting gear» (интерактивный график)
Из этих данных можно многое понять о том, что с точки зрения Google должно присутствовать на релевантном изображении.
Некоторые выводы:
- Для топовых изображений по всем 13 ключевым словам отмечается достаточно равномерное распределение по лейблам.
- Примерно на 5% изображений присутствовала одежда, чаще всего камуфляжная. Если в блог-посте об обмундировании для охоты будут размещены изображения с камуфляжным снаряжением, шансы на появление картинки в топе повысятся.
- Часто встречаются лейблы, связанные с природой: дикая природа, деревья, растения, животные и т.д. Фотографии охотников в камуфляже на природе рядом с животными активно представлены в выдаче по рассматриваемым ключам.
Если внимательнее присмотреться к распределению лейблов по категориям ключевых слов, можно глубже понять, как отличаются принципы ранжирования для разных запросов:
![Оптимизация картинок: как с помощью Google’s Vision AI разобраться в принципах ранжирования изображений](https://habrastorage.org/webt/et/ze/pf/etzepfhz3yxet5qcfyzevufuzq4.png)
Распределение лейблов изображений в категории «hunting gear» (интерактивный график)
Здесь можно отметить:
- Для запросов «turkey hunting gear» и «duck hunting gear» на изображениях должны присутствовать птицы, в то время как по другим запросам, связанным с охотой, фото с птицами редко попадают в топ поиска по картинкам.
- На интерактивном дашборде можно увидеть, как распределяются изображения по конкретному ключевому слову и сравнить с распределением по другим словам. Ниже выбрана отдельная категория — «duck hunting gear», и можно увидеть распределение самых популярных лейблов в разрезе ключевых слов. Чрезвычайно широко представлены лейблы «water bird» «duck» «bird» «waders» «hunting dog» «hunting decoy» и т.д. Такая информация — отличная подсказка для подбора изображений для страницы.
![Оптимизация картинок: как с помощью Google’s Vision AI разобраться в принципах ранжирования изображений](https://habrastorage.org/webt/9m/ic/n3/9micn3u0pz4nmw-03emfdys7_na.png)
Распределение лейблов изображений в категории «duck hunting gear» (интерактивный график)
Система PromoPult — рекламный комплекс для привлечения клиентов из интернета. SEO, PPC, SMM в одном аккаунте. Полная автоматизация, готовые чек-листы, точные настройки. Отчеты для клиентов в один клик, гарантии результата, отраслевые решения. Создана для тех, кто хочет высвободить время на действительно серьезную работу.
Сравнение: высоко и низко ранжируемые картинки
Для более глубокого понимания алгоритмов стоит обратить внимание на различия между высоко ранжируемыми (топ-10 в поиске по изображениями) и низко ранжируемыми (от 41 до 50 позиции) картинкам.
![Оптимизация картинок: как с помощью Google’s Vision AI разобраться в принципах ранжирования изображений](https://habrastorage.org/webt/w2/ca/z7/w2caz7xedpeenmz93jiok3p5tjq.png)
Лейблы изображений в топ-10 и топ 41-50 для «hunting gear» (интерактивный график)
Можно заметить, что одни лейблы ранжируются лучше, чем другие. Например:
- Лейблы, связанные с одеждой, гораздо чаще попадают в топ выдачи.
- Лейблы с животными реже попадают в топ, но их много в последней десятке (41-50).
- Оружие часто появляется в топе изображений.
Исследуя популярные лейблы изображений по вашим ключевым словам, можно обнаружить множество закономерностей, связанных с ранжированием изображений в вашей тематике. Результаты будут различаться в зависимости от ключевых слов, однако тщательный анализ позволит сделать очень полезные выводы.
С помощью других API искусственного интеллекта можно еще глубже погрузиться в анализ ранжирования изображений.
Еще более углубленный анализ
У Deepai.org есть отличный набор API, с помощью которых можно получить дополнительную информацию по изображениям в вашей тематике.
Один из таких API — «Image Captioning», который похож на лейблинг изображений в Google, однако здесь вместо отдельных лейблов используются метки-описания, например «the man is holding a gun» (мужчина держит оружие).
Мы прогнали через этот API изображения, с которыми работали через API Google, и собрали дополнительную информацию по каждой картинке.
![Оптимизация картинок: как с помощью Google’s Vision AI разобраться в принципах ранжирования изображений](https://habrastorage.org/webt/xk/l3/_z/xkl3_zmezmb1bjcfvxleg1y8f7c.png)
Распределение описаний изображений в категории «hunting gear» (интерактивный график)
Как и в случае с лейблами, мы проанализировали распределение описаний по ключевому слову и общую частотность по всем ключевым словам. Затем мы сравнили описания изображений из топ-10 и топ 41-50 (см. сравнительные таблицы в интерактивном графике).
Еще одна интересная находка
Иногда в выдаче Google по картинкам можно найти превью видео на YouTube. Вот пример выдачи по тематике охотничьего снаряжения:
![Оптимизация картинок: как с помощью Google’s Vision AI разобраться в принципах ранжирования изображений](https://habrastorage.org/webt/6b/fj/ps/6bfjpsrlayldeyeggmyqh6veley.jpeg)
Можно предположить, что при ранжировании превью видео Google частично опирается на распознавание лейблов изображения. Несмотря на то, что в этом случае присутствуют и другие важные факторы (ключ «hunting gear» в названии видео и источник — популярный в тематике канал), наличие тех же элементов-лейблов, что и на топовых изображениях, похоже, играет определенную роль.
Правильный выбор превью для видео может способствовать хорошему ранжированию, так что информацию, которую вы получите из анализа картинок, стоит использовать и для продвижения видео.
Очевидные (и неочевидные) выводы
Мы увидели, насколько глубоко Google анализирует изображения. При этом оптимизация изображений в SEO до сих пор находится в зачаточном состоянии. Можно предположить, что это связано еще и с отсутствием ресурсов для производства качественных релевантных изображений.
Поэтому говорить, что подобные исследования нужно проводить и немедленно внедрять полученные результаты, будет несколько преждевременно. Однако в высококонкурентной сфере понимание, почему практически схожие иллюстрации ранжируются по-разному, может оказаться решающим. И если от ранжирования в поиске по картинкам зависит весь успех продвижения — надо бы разобраться глубже. Примерно так, как это сделали выше.