​Буквальные описания товаров перевешивают промо-тексты в...

​Буквальные описания товаров перевешивают промо-тексты в мультимодальном поиске Google — алгоритм матчит текст с картинкой

AI-поиск все чаще ранжирует товар, сравнивая смысл его изображения со смыслом его текста внутри единого общего пространства эмбеддингов.

Мультимодальная модель эмбеддингов Google помещает их в одно векторное пространство и оценивает, насколько близко они лежат — чем ближе две точки, тем сильнее совпадение при извлечении.

Когда тайтлы, альты и описания отклоняются от того, что фактически показывает фото, эта оценка согласованности падает, а согласованность — это сигнал для извлечения.

Конкретика бьет креатив.

Буквальные, визуальные формулировки, называющие ровно то, что находится в кадре — "Emerald green athletic shoe with three white stripes, white heel tab, mesh panels, and a brown gum sole" — набрали намного более высокий балл, чем любая абстракция или промо.

Списки ключей через запятую сработали хуже, чем простые предложения.

Маркетинговые прилагательные, которые картинка не может подтвердить, тянут оценку вниз, а не поднимают ее.

Данные тестов прямолинейны.

Стартовая подпись "Green shoe" набрала 47%.

Указание резиновой подошвы, полосок, сетки и язычка на пятке в простом предложении подняло результат до 94%, а затем до 100%, как только описание жестко совпало с фото.

Каждый прирост происходил от добавления конкретного визуального атрибута, фактически присутствующего на изображении, а не от более богатого продающего текста.

Один товар на ровном фоне, описанный с высокой точностью, выдал самую сильную зафиксированную согласованность — идеальный кейс продуктового снимка для eCommerce, с которым модель справляется лучше всего.

Сильные совпадения выходят на плато, но резкое фото плюс буквальная подпись пробили верхнюю границу шкалы.

Тайтлы товаров, альты, подписи к картинкам и атрибуты фидов — это теперь текстовая половина мультимодального сравнения, которое AI-поиск прогоняет по вашим изображениям, а не просто поля для совпадения по ключам для людей.

Текст, описывающий то, что реально находится в кадре, извлекается лучше, чем текст, который пытается использовать прилагательные, не поддерживаемые самим изображением.

https://dejan.ai/blog/ecommerce-optimization-engine/

@MikeBlazerX

⚠️ Закрытый канал: @MikeBlazerPRO

Источник новости https://t.me/mikeblazerx/6591...