Pinterest镜头和谷歌镜头的出现点燃了视觉搜索引擎霸主地位的争夺战。除了为电子商务商店开辟新的收入来源之外,视觉搜索还可以完全改变消费者的习惯和购买决定。
在一个由即时满足驱动的世界里,视觉搜索可以打开“snap和surf”购买的大门,简化搜索界面。这为电子商务商店提供了一个有前景的前景,他们开发了他们的产品列表广告(PLAs)和在线目录。
尽管还处于起步阶段,优化视觉搜索可以大大提高你网站的用户体验、转化率和在线流量。然而,搜索引擎优化专家通常很少关注图像,他们通常更多地关注于优化速度而不是其他属***和吸引力。
虽然视觉搜索不会取代关键字的使用和基于文本的搜索的重要***,但它可能完全破坏SEO和SEM行业。我想讨论一下视觉搜索的一些基本原理,以及它将如何影响我们的数字营销策略。
视觉搜索是什么?
目前主要的搜索公司有三种不同的视觉搜索过程:
传统的基于文本查询的图像搜索。
反向图像搜索依赖于结构化数据来确定相似的特征。
像素逐像素图像搜索,可以通过图像或图像的某些部分来“捕捉和搜索”。
在这篇文章中,我主要关注的是第三种类型,它允许消费者通过简单的上传或拍照来在线发现信息或产品,并将他们的查询集中在他们想要研究的图像上。它本质上和文本搜索一样,只是用一个表示与它匹配的查询的图像。
TinEye提供了个可视化搜索应用程序,它现在仍在使用中。这种形式的图像搜索与基于相似特征的网络上的其他图像匹配,例如形状和颜。不幸的是,TinEye提供了有限范围的搜索应用程序,因为它未能绘制出图像中不同对象的轮廓。
今天的图像识别技术实际上可以识别单个图像中包含的多个形状和轮廓,以允许用户匹配不同的对象。例如,微软的图像搜索技术允许用户搜索更大图片中的特定条目。
微软甚至还在进行检测,当选定的图像部分有购物意向时,在这些况下显示“相关产品”。不幸的是,微软的视觉搜索相当局限于一些垂直领域,比如家用电器和旅行。
现在,这项技术是有限的。Pinterest、微软(Microsoft)和谷歌等公司正在投资的是一个以机器学习技术和深层神经网络为动力的视觉搜索应用程序。
它的想法是让机器识别不同形状、大小和颜的图像,就像人脑一样。当我们看一些特定的图片时,我们不会看到大量的点和虚线。我们会根据过去的经验来确定模式和形状。不幸的是,我们仍然无法理解我们的大脑如何解释图像,因此将其编程到机器中会出现一些明显的并发症。
视觉搜索引擎已经依赖于利用机器学习技术来改进其过程的神经网络。像谷歌这样的公司得益于其丰富的信息,使得它的镜头应用能够不断地改进其搜索功能。谷歌镜头不仅能够识别图片中的不同对象,而且还能将它们与你附近的位置相匹配,提供客户评论,并按照管理其搜索算法的相同原则进行排序。
影响和未来
那么,这项技术为用户和企业带来了什么呢?想象一下,如果你能拍下餐馆的照片,并让搜索引擎告诉你餐馆的名字,地点,高峰需求时间和菜单特菜。这种技术很可能被用来从杂志或陌生人那里拍下一双鞋的照片,并让你在那里订购。
对于电子商务商店来说,视觉搜索将人们置于一个非常高的漏斗中。有了一些独特的图片,产品评论和良好的产品描述,你可以吸引买家当场做出购买决定。
这也将会打开竞争的领域。Pinterest视觉搜索引擎是目前市场上具颠覆***的搜索引擎之一。然而,Pinterest的搜索引擎只会将pinners重新定向到Pinterest上,这意味着你需要在这个平台上建立一个平台,才能接触到这些听众。
随着语音搜索和自然语言处理(NLP)的兴起,这种技术可以帮助启动无界面搜索引擎优化的趋势。(尽管我怀疑关键字和基于文本的搜索仍将保持其重要***,即使是购物和购买决策。)
潜在的策略
在优化视觉搜索方面,一些基本的SEO实践仍然适用。结构化数据仍然非常重要,特别是对于像微软这样仍然依赖于它来匹配特***的可视化搜索算法。
很重要的一点是,图像必须清晰地显示,并且没有杂乱,这样可视化应用程序就可以更容易地处理它们。除此之外,您应该坚持基于图像的搜索优化的基础:
将描述***的alt-text添加到用于索引的图像中。
提交图像到一个图像站点地图。
用目标关键词优化图像标题和其他属***。
设置图像标记并通过结构化数据测试运行它们。
对理想的图像大小和文件类型进行优化。
为图像和内容页使用适当的模式标记。
优化图像在移动和桌面显示。
总结:视觉搜索将为电子商务商店提供新的收入来源,极大地改善用户的购物体验。这可能会对搜索引擎优化和付费媒体产生重大影响,使人们重新关注图像优化问题,而这一问题长期以来一直被SEO从业者所忽视。这一新的搜索前沿只会加强现有的SEO策略,并使移动搜索和你的视觉网络呈现更加有先见之明。