Bliver dine diagrammer og infografikker citeret af AI? Sådan optimerede vi vores visuelle indhold

Optimering af visuelt indhold til AI er stadig vigtigere, efterhånden som systemerne bliver multimodale. Her er hvad der virker:

Best practice for alt-tekst:

Beskriv ikke HVAD billedet er. Beskriv hvilken INDSIGT det giver.

Dårlig alt-tekst: “Søjlediagram der viser omsætning pr. kvartal”

God alt-tekst: “Søjlediagram der viser omsætningsvækst på 25% i Q4 år-til-år, hvilket overgår Q1-Q3-gennemsnittene med 12 procentpoint”

Den anden version giver AI udtrækkelig information, den kan citere.

Optimal længde: 80-125 tegn. Lang nok til at formidle indsigt, kort nok til at være nyttig.

Processen:

AI-systemer bruger flere signaler:

1. Alt-tekst (primært for ikke-multimodale forespørgsler)
2. Billedtekst
3. Omgivende afsnitstekst
4. Filnavn
5. ImageObject-schema
6. Visuel analyse (for multimodale systemer)

Optimer dem alle, ikke kun én.

Schema markup hjælper absolut med AI-synlighed.

ImageObject-implementering:

{
  "@type": "ImageObject",
  "contentUrl": "/images/revenue-chart.png",
  "caption": "Q4 2025 omsætningsvækst på 25% YoY",
  "description": "Søjlediagram der sammenligner kvartalsvis omsætning med 25% vækst i Q4",
  "representativeOfPage": true
}

Hvorfor det virker:

1. Tydelige signaler - Fortæller AI præcis, hvad billedet viser
2. Fjerner tvetydighed - AI behøver ikke gætte ud fra alt-tekst alene
3. Prioriteringsmarkering - representativeOfPage markerer vigtige billeder

Testresultater:

Websites med ImageObject-schema på nøglevisuelle elementer ser 35% højere AI-citeringsrate for billedrelateret indhold.

Hurtig implementering:

De fleste CMS-platforme har schema-plugins. Tilføj ImageObject til fremhævede billeder og vigtige datavisualiseringer.

Vi ændrede vores indholdsproces for at optimere visuelle elementer til AI allerede fra oprettelsen.

Den nye arbejdsgang:

1. Planlægning: Definer den vigtigste indsigt visualet skal vise
2. Design: Sørg for at alle mærkater er i billedet, ikke kun underforstået
3. Alt-tekst: Skriv inden billedet laves (fokus på indsigt)
4. Billedtekst: 40-80 ord der forklarer hovedpointe
5. Kontekst: Omgivende afsnit refererer eksplicit til visualet

Indsigt-først tilgang:

Før vi laver noget visuelt, spørger vi: “Hvilket konkret udsagn vil vi have, at AI kan citere fra dette?”

Så designer og optimerer vi hele det visuelle oplæg omkring det citerbare udsagn.

Resultater:

Visuelle elementer lavet med denne proces bliver citeret 4x mere end vores gamle.

Angående om AI kan læse visuelle elementer direkte - ja, i stigende grad.

Nuværende status:

• GPT-4 Vision: Kan fortolke diagrammer og udtrække data
• Gemini: Stærk multimodal forståelse
• Claude: God visuel analyse
• Perplexity: Primært tekstbaseret søgning stadig

Men her er udfordringen:

Selv med visuel forståelse, er AI-systemer stadig meget afhængige af tekstsignaler. Hvorfor?

1. Tekst er hurtigere at behandle i stor skala
2. Tekstsignaler er mere pålidelige
3. Visuel analyse har højere fejlrate

Praktisk betydning:

Stol ikke på AIs visuelle forståelse. Optimer tekstsignaler (alt, billedtekst, kontekst) som om AI slet ikke kan se dine billeder. Visuel forståelse er et plus, ikke standarden.

Vi udgiver original forskning med mange datavisualiseringer. Her er hvad vi har lært:

Det mest citerede:

1. Sammenligningsdiagrammer - “[A] vs [B]” visualiseringer
2. Trenddiagrammer - Viser ændringer over tid
3. Statistikfremhævninger - Store tal med kontekst
4. Tabeller - AI elsker strukturerede data

Hvad der ikke virker:

1. Komplekse multivariable diagrammer - For svære at afkode
2. Kunstneriske infografikker - Stil over substans
3. Diagrammer uden aksemærkater - Mangelfuld information
4. Billeder med indbrændt tekst - AI kan ikke læse overlejret tekst pålideligt

Den gyldne regel:

Hvert visuelt element bør kunne citeres som et enkelt, konkret udsagn. Hvis du ikke kan udtrykke det i én sætning, er visualet for komplekst til AI-citering.

Tilgængelighedsoptimering og AI-optimering overlapper i høj grad.

Sammenhængen:

Begge kræver, at visuelle elementer kan forstås uden at se dem:

• Tilgængelighed: For skærmlæsere og brugere, der ikke kan se
• AI: For systemer der først behandler tekstsignaler

Hvad tilgængelighed har lært os:

1. Alt-tekst skal formidle FORMÅL, ikke kun udseende
2. Komplekse visualer kræver udvidede beskrivelser
3. Data bør være tilgængelige i tekstform (tabel-alternativer)
4. Farve må ikke være den eneste forskel

Dobbelt gevinst:

Korrekt tilgængelige visuelle elementer er automatisk mere AI-venlige. Du optimerer for begge på én gang.

Hurtig audit:

Hvis en skærmlæserbruger kan forstå dit visuelle element ud fra tekstsignalerne, kan AI sandsynligvis også.

Video-perspektiv: lignende principper gælder for videominiaturer og frames.

Vores erfaringer:

1. YouTube-videobeskrivelser bliver citeret, ikke selve videoen
2. Miniaturer med tydelig tekst får flere AI-omtaler
3. Videotransskriberinger er guldminer for AI-citater
4. Kapitelinddelinger/tidsstempler hjælper AI med at finde specifikke øjeblikke

For statiske visualiseringer:

Overvej at lave video-forklaringer til nøgletal. Transskriptionen giver dig endnu et lag tekstsignal, og YouTube bliver i høj grad indekseret af AI-systemer.

Eksempel:

En 2-minutters video der forklarer vores årlige undersøgelsesdata får flere AI-citater end den statiske infografik, fordi transskriptionen giver rig tekstkontekst.

Denne diskussion har givet mig en fuld optimeringsramme.

Vigtigste pointer:

1. Alt-tekst skal beskrive INDSIGTEN, ikke kun det visuelle
2. ImageObject-schema øger citeringsraten med ~35%
3. Billedtekster og omgivende tekst er afgørende signaler
4. Enkle, citerbare visualer overgår komplekse
5. Tilgængelighedsoptimering = AI-optimering

Vores nye tjekliste for visuelt indhold:

Før udgivelse af noget visuelt:

• Alt-tekst (80-125 tegn, indsigt-fokuseret)
• Billedtekst (40-80 ord, hovedpointe)
• ImageObject-schema markup
• Omgivende afsnit der refererer til visualet
• Alle aksemærkater og datapunkter synlige
• Én citerbar pointe kan identificeres

Procesændring:

Vi skriver nu alt-tekst FØR vi laver visualer. Definer indsigt, og design derefter for at understøtte den.

Sporing:

Bruger Am I Cited til at overvåge citater af visuelt indhold og iterere på det, der virker.

Tak til alle for de praktiske råd - det vil markant ændre vores tilgang til datavisualisering.