Visuellt & multimodalt innehåll

Content är mer än text. Det har varit sant länge, men det blev en SEO-fråga på allvar när sökmotorerna slutade behandla bilder som dekoration och började läsa dem som innehåll. I dag kan en användare fotografera en produkt och få den identifierad, ställa en fråga om bilden och få ett svar, eller hitta er via en video utan att ha sett er startsida.

Det kallas multimodal sökning: frågan kan ställas i ett format och besvaras i ett annat. För er betyder det att varje bild, video och grafik är en möjlig ingång, och att de behöver samma omsorg som en textsida.

Varför det spelar roll nu

Tre saker har flyttat visuellt innehåll från trevligt till nödvändigt.

Bildsök är en egen kanal. Google Lens och Pinterest Lens används av människor med hög köpvilja: de har sett något de vill ha och söker efter det på samma sätt som de mötte det, med kameran. Möbler, mode, inredning, verktyg och byggmaterial ligger särskilt högt.

Modellerna är multimodala. Googles MUM och de språkmodeller som driver AI-svaren tolkar text och bild i samma fråga. Det höjer värdet av att era bilder är rätt märkta, rätt namngivna och omgivna av text som förklarar vad de visar.

Bing indexerar grafiskt innehåll bredare än Google. Motorn crawlar bilder, video och ljud mer omfattande och kopplar dem till sidans ämne, vilket gör visuellt starkt innehåll extra lönsamt för synlighet i Microsoft Copilot.

Grunden i bild-SEO

Fyra saker gör att en bild kan hittas, och de är samma oavsett bransch:

• Alternativtexten beskriver vad bilden visar, för både skärmläsare och sökmotor. Den är den enskilt viktigaste signalen, och den som oftast saknas.
• Filnamnet ska säga vad bilden är. ekbord-180cm-massiv.jpg fungerar, IMG_4471.jpg gör det inte.
• Sammanhanget avgör tolkningen. En bild omgiven av en förklarande rubrik och en bildtext blir läst rätt.
• Formatet och vikten avgör om bilden alls hinner visas. WebP eller AVIF i rätt dimensioner, komprimerat, med lazy loading på allt som ligger under första skärmvyn. Här möter bildarbetet Core Web Vitals.

Ovanpå det ligger de tekniska stödben som gör underlaget entydigt: en bild-sitemap så att crawlern hittar allt, och strukturerad data för produkt-, recept- och videoinnehåll så maskinerna vet vad de tittar på.

För video gäller samma logik, med ett tillägg. En video är i praktiken osynlig för sökmotorerna om den bara ligger som en spelare på sidan. Det är transkriberingen, undertexterna, titeln, beskrivningen och videoschemat som gör innehållet läsbart, och som avgör om Google kan plocka ut ett nyckelmoment att visa direkt i resultatet. Ljud och video som aldrig transkriberas är den vanligaste outnyttjade tillgången som vi ser hos företag som redan producerar mycket material.

Guiderna i det här avsnittet

• Visuell sökning – hur Google Lens och Pinterest Lens fungerar, vilka branscher som vinner mest, och hur ni optimerar bild-SEO från filformat till sitemap.
• Alt-taggar – vad en alternativtext ska innehålla, hur den skiljer sig från en bildtitel, och varför den hjälper både tillgängligheten och synligheten.
• Videooptimering – val av plattform, titel och beskrivning, thumbnail, transkribering och videoschema.
• Infografik – visuellt innehåll som förklarar komplexa samband, lockar länkar och går att återanvända i flera kanaler.

Så prioriterar ni

Börja där ni redan har material. De flesta webbplatser har hundratals bilder utan alternativtext och dussintals videor utan transkribering, och den luckan går att stänga utan att producera något nytt. Gå därefter vidare till formaten: säljer ni något visuellt är produktbilderna er viktigaste content, och förklarar ni något komplext är en infografik ofta effektivare än ytterligare tusen ord.

Ska hela ytan byggas systematiskt arbetar vi med den i vår multimodala innehållsproduktion. Och de bilder och videor som ni redan har publicerat representerar en synlighet som ni har betalat för men inte hämtat hem. Hur stor den är får ni svart på vitt i en gratis SEO-analys.