Blir diagrammene og infografikkene dine sitert av AI? Slik optimaliserte vi vårt visuelle innhold

Optimalisering av visuelt innhold for AI blir stadig viktigere etter hvert som systemene blir multimodale. Dette fungerer:

Beste praksis for alt-tekst:

Ikke beskriv HVA bildet er. Beskriv hvilken INNSIKT det gir.

Dårlig alt-tekst: “Stolpediagram som viser inntekter per kvartal”

God alt-tekst: “Stolpediagram som viser inntektsvekst på 25 % i Q4 sammenlignet med samme kvartal i fjor, og som overgår gjennomsnittet for Q1–Q3 med 12 prosentpoeng”

Den andre versjonen gir AI uttrekkbar informasjon den kan sitere.

Optimal lengde: 80–125 tegn. Lang nok til å formidle innsikten, kort nok til å være nyttig.

Behandlingskjeden:

AI-systemer bruker flere signaler:

1. Alt-tekst (primært for ikke-multimodale forespørsler)
2. Bildetekst
3. Omgivende avsnittstekst
4. Filnavn
5. ImageObject-skjema
6. Visuell analyse (for multimodale systemer)

Optimaliser alle, ikke bare én.

Skjema-markering hjelper absolutt for AI-synlighet.

ImageObject-implementering:

{
  "@type": "ImageObject",
  "contentUrl": "/images/revenue-chart.png",
  "caption": "Inntektsvekst på 25 % i Q4 2025",
  "description": "Stolpediagram som sammenligner kvartalsinntekter med 25 % vekst i Q4",
  "representativeOfPage": true
}

Hvorfor det fungerer:

1. Eksplisitte signaler – Forteller AI nøyaktig hva bildet representerer
2. Fjerner tvetydighet – AI trenger ikke gjette ut fra bare alt-tekst
3. Prioritetsindikasjon – representativeOfPage markerer nøkkelbilder

Testresultater:

Nettsteder med ImageObject-skjema på nøkkelvisuelle ser 35 % høyere AI-siteringsrate for bildeinnhold.

Rask implementering:

De fleste CMS har skjema-plugins. Legg til ImageObject på fremhevede bilder og viktige datavisualiseringer.

Vi endret innholdsprosessen vår for å optimalisere visuelle elementer for AI fra start.

Den nye arbeidsflyten:

1. Planlegging: Definer hvilken innsikt det visuelle skal vise
2. Design: Sørg for at alle etiketter er i bildet, ikke bare underforstått
3. Alt-tekst: Skriv før bildet lages (fokus på innsikt)
4. Bildetekst: 40–80 ord som forklarer hovedbudskapet
5. Kontekst: Omgivende avsnitt henviser eksplisitt til det visuelle

Innsikts-først-tilnærming:

Før vi lager noe visuelt, spør vi: “Hvilket spesifikt utsagn ønsker vi at AI skal kunne sitere fra dette?”

Så designer og optimaliserer vi hele det visuelle oppsettet rundt det siterbare utsagnet.

Resultater:

Visuelle elementer laget med denne prosessen blir sitert 4x mer enn våre gamle visuelle.

På spørsmålet om AI kan lese visuelle elementer direkte – ja, i økende grad.

Nåværende status:

• GPT-4 Vision: Kan tolke diagrammer og hente ut data
• Gemini: Sterk multimodal forståelse
• Claude: Gode visuelle analyseevner
• Perplexity: Fremdeles hovedsakelig tekstbasert gjenfinning

Men her er utfordringen:

Selv med visuell forståelse, er AI-systemer fremdeles svært avhengige av tekstsignaler. Hvorfor?

1. Tekst er raskere å behandle i stor skala
2. Tekstsignaler er mer pålitelige
3. Visuell analyse har høyere feilrate

Praktisk implikasjon:

Ikke stol på AIs visuelle forståelse. Optimaliser tekstsignaler (alt, bildetekst, kontekst) som om AI ikke ser bildene dine i det hele tatt. Visuell forståelse er en bonus, ikke et utgangspunkt.

Vi publiserer original forskning med mange datavisualiseringer. Her er det vi har lært:

Hva som blir mest sitert:

1. Sammenligningsdiagrammer – “[A] mot [B]” visualiseringer
2. Trenddiagrammer – Viser endringer over tid
3. Statistikk-høydepunkter – Store tall med kontekst
4. Tabeller – AI elsker strukturert data

Hva som ikke fungerer:

1. Komplekse multivariable diagrammer – For vanskelig å tolke
2. Kunstneriske infografikker – Stil over substans
3. Diagrammer uten akseetiketter – Ufullstendig informasjon
4. Bilder med tekst brent inn – AI kan ikke lese overlagt tekst pålitelig

Den gyldne regel:

Hvert visuelt element bør kunne siteres som et enkelt, spesifikt utsagn. Hvis du ikke kan uttrykke det i én setning, er det for komplekst for AI å sitere.

Tilrettelegging og AI-optimalisering overlapper i stor grad.

Sammenhengen:

Begge krever at visuelle elementer er forståelige uten å se dem:

• Tilrettelegging: For skjermlesere og brukere som ikke kan se
• AI: For systemer som håndterer tekstsignaler først

Dette lærte vi av tilrettelegging:

1. Alt-tekst bør formidle FORMÅLET, ikke bare utseendet
2. Komplekse visuelle elementer trenger utvidede beskrivelser
3. Data bør være tilgjengelig i tekstform (tabellalternativer)
4. Farge bør ikke være eneste skille

Dobbel fordel:

Riktig tilrettelagte visuelle elementer er automatisk mer AI-vennlige. Du optimaliserer for begge samtidig.

Rask sjekk:

Hvis en skjermleserbruker kan forstå ditt visuelle ut fra tekstsignalene, kan sannsynligvis AI det også.

Videoperspektiv: lignende prinsipper gjelder for videominiatyrbilder og -rammer.

Dette har vi lært:

1. YouTube-videobeskrivelser blir sitert, ikke selve videoen
2. Miniatyrbilder med tydelig tekst får flere AI-omtaler
3. Videotranskripter er gullgruver for AI-siteringer
4. Kapitler/tidsstempler hjelper AI å finne spesifikke øyeblikk

For statiske visualiseringer:

Vurder å lage videoforklaringer for viktige data. Transkriptet gir deg et ekstra lag med tekstsignaler, og YouTube indekseres tungt av AI-systemer.

Eksempel:

En 2-minutters video som forklarer våre årlige undersøkelsesdata får flere AI-siteringer enn den statiske infografikken, fordi transkriptet gir rik tekstkontekst.

Denne diskusjonen har gitt meg en komplett optimaliseringsramme.

Viktige læringspunkter:

1. Alt-tekst bør beskrive INNSIKTEN, ikke bare det visuelle
2. ImageObject-skjema øker siteringsraten med ca. 35 %
3. Bildetekster og omgivende tekst er kritiske signaler
4. Enkle, siterbare visuelle elementer overgår komplekse
5. Tilrettelegging = AI-optimalisering

Vår nye sjekkliste for visuelt innhold:

Før vi publiserer noe visuelt:

• Alt-tekst (80–125 tegn, innsiktsfokusert)
• Bildetekst (40–80 ord, hovedbudskap)
• ImageObject-skjema-markering
• Omgivende avsnitt som henviser til det visuelle
• Alle akseetiketter og datapunkter synlige
• Én siterbar påstand identifiserbar

Prosessendring:

Vi skriver nå alt-teksten FØR vi lager visuelle elementer. Definer innsikten, og design deretter for å støtte den.

Sporing:

Vi bruker Am I Cited for å overvåke siteringer av visuelt innhold og iterere på det som fungerer.

Takk til alle for praktiske råd – dette vil endre hvordan vi jobber med datavisualisering betydelig.