La IA multimodal cambia el SEO porque los sistemas de búsqueda ahora pueden interpretar imágenes, vídeos, audio y texto juntos en lugar de depender principalmente de las palabras que los rodean. Google Lens, circle-to-search, los resúmenes de IA y asistentes como Gemini y ChatGPT pueden describir una foto, leer el texto que contiene y conectarlo con una consulta. Para los propietarios de sitios, eso significa que los recursos visuales ya no son decoración; son contenido que puede ser encontrado, entendido y citado.
¿Qué es la IA multimodal?
Un modelo multimodal acepta más de un tipo de entrada. Gemini, GPT-4o y los modelos posteriores de OpenAI, y Claude pueden tomar imágenes junto con texto, y algunos manejan audio y vídeo. Pueden responder a una pregunta sobre un gráfico, identificar un producto en una foto o resumir lo que sucede en un clip.
Los motores de búsqueda han utilizado la visión por ordenador durante años, pero los grandes modelos multimodales los hicieron conversacionales. Un usuario puede fotografiar una chaqueta y preguntar dónde comprar algo similar en un color más oscuro. El sistema debe entender la imagen, la solicitud y los resultados de compra a la vez.
¿Qué cambia para la visibilidad orgánica?
El cambio principal es que más consultas comienzan con una cámara o una captura de pantalla. Google ha informado de un fuerte crecimiento en las búsquedas visuales a través de Lens, y funciones como circle-to-search en teléfonos Android lo convierten en una acción de un solo gesto. Estas búsquedas conducen a listados de productos, resultados de imágenes y resúmenes de IA en lugar de diez enlaces azules.
Un segundo cambio es que las respuestas de la IA pueden basarse en información dentro de imágenes y vídeos. Si su infografía establece un hecho claramente, un modelo puede leerlo. Si su foto de producto muestra la etiqueta con nitidez, la marca y el tamaño pueden extraerse. Los visuales pobres, genéricos o diminutos dan al sistema poco con lo que trabajar.
¿Qué prácticas de imagen importan más ahora?
Los conceptos básicos siguen aplicándose, y son más importantes cuando un modelo está mirando los píxeles así como el marcado.
- Utilice fotos originales de sus productos reales, equipo y trabajo en lugar de imágenes de stock compartidas por muchos sitios.
- Escriba texto alternativo descriptivo que indique lo que hay en la imagen, no una lista de palabras clave.
- Nombre los archivos con palabras simples, como navy-wool-overcoat-front.jpg, en lugar de IMG_4021.jpg.
- Sirva imágenes lo suficientemente grandes como para mostrar detalles, comprimidas con formatos modernos como WebP o AVIF.
- Coloque las imágenes cerca del texto que las explica, para que el contexto y lo visual se refuercen mutuamente.
- Añada datos estructurados de producto con imagen, precio y disponibilidad para páginas de compra.
Las imágenes originales también ayudan con la confianza. Un modelo que compara diez sitios que muestran la misma foto de stock no tiene ninguna razón para preferir el suyo. Una foto clara del artículo real, tomada desde varios ángulos, es información distinta.
¿Cómo debería adaptarse el contenido de vídeo?
El vídeo es más difícil de analizar para los sistemas que las imágenes, por lo que la estructura ayuda. Suba con un título descriptivo, una descripción escrita y capítulos con marcas de tiempo en YouTube. Proporcione subtítulos o transcripciones; las palabras habladas se convierten en texto buscable, y los resúmenes de IA a menudo los citan.
En su propio sitio, utilice datos estructurados VideoObject con una miniatura, fecha de carga y descripción, y dé a cada vídeo importante su propia página con texto de apoyo. Google ha documentado que necesita una página de visualización donde el vídeo sea el contenido principal para mostrar funciones de vídeo para él.
Clips de formato corto
Los clips verticales cortos en YouTube Shorts, TikTok e Instagram Reels ahora aparecen en los resultados de Google para algunas consultas. Trate sus subtítulos y el texto en pantalla como contenido buscable. Un clip que muestra un proceso claramente y lo nombra en el pie de foto tiene una mejor oportunidad que uno que depende de la música y las tendencias.
¿Afecta la búsqueda multimodal al SEO local y de comercio electrónico?
Sí, fuertemente. Para las empresas locales, las fotos en el Perfil de Negocio de Google son parte de cómo se juzga y muestra el listado. Las fotos reales del escaparate, el interior y los productos ayudan a los usuarios a reconocer el lugar, y la búsqueda visual puede hacer coincidir una foto que alguien toma en la calle con su listado.
Para el comercio electrónico, las imágenes de productos de Google Merchant Center alimentan los resultados de compra y las coincidencias de Lens. Las imágenes limpias sobre fondos neutros para la toma principal, además de imágenes de estilo de vida para espacios secundarios, siguen las directrices de imagen de Merchant Center y dan a los sistemas visuales señales claras sobre el artículo.
¿Qué permanece igual?
La IA multimodal no elimina la necesidad de páginas rastreables, carga rápida y texto útil. Un modelo todavía tiene que encontrar la página, y los Core Web Vitals como Largest Contentful Paint por debajo de 2.5 segundos todavía describen una buena experiencia. Las imágenes pesadas y sin comprimir pueden dañar esa métrica, por lo que la calidad y la velocidad deben equilibrarse.
Las reglas de contenido útil también permanecen. Una imagen no rescata una página pobre. La página que gana es aquella donde el texto, los visuales y los datos responden bien a la misma pregunta.
Cómo aplica Alien Road la IA multimodal
En un compromiso típico, Alien Road comienza auditando los activos visuales de un sitio: cuántas imágenes son originales, a cuántas les falta texto alternativo útil, qué vídeos no tienen transcripción y a qué páginas de producto les faltan datos estructurados. Rastreamos el sitio y exportamos los datos de imagen y vídeo a una hoja para esto.
Luego usamos modelos multimodales para acelerar las correcciones. Por ejemplo, un modelo puede redactar texto alternativo a partir de la propia imagen, que un editor verifica contra los datos del producto antes de que se publique. Probamos fotos clave de productos en Google Lens para ver qué reconoce el sistema, y preparamos sesiones de fotos en torno a los ángulos y detalles que salieron mal.
La medición cubre los clics de búsqueda de imágenes en Search Console, el rendimiento de Merchant Center, las impresiones de vídeo y si las páginas aparecen como fuentes en los resúmenes de IA para las consultas rastreadas. Los informes muestran cambios por grupo de páginas para que el cliente vea dónde valió la pena el trabajo visual.
Por dónde empezar esta semana
Elija sus diez páginas más importantes y abra cada imagen en ellas. Reemplace cualquier foto de stock que pueda, reescriba el texto alternativo en lenguaje sencillo y verifique los tamaños de archivo. Luego tome una foto de producto, ejecútela a través de Google Lens y vea si los resultados apuntan de vuelta a usted. Esa prueba única muestra cómo un sistema visual lee su contenido hoy. Repítalo cada trimestre en la misma foto, anote lo que cambió y tendrá un registro simple de cómo se mueve su visibilidad visual con el tiempo.
Siga leyendo: Optimización con IA · Optimización con IA