قابلیت جدید Multimodal در Google Search Console برای تحلیل جستجوهای مبتنی بر تصویر
فرض کنید قطعهای روی میزتان قرار دارد که دقیقاً نمیدانید اسمش چیست. چند سال پیش احتمالاً باید ظاهر آن را با چند کلمه برای گوگل توصیف میکردید و امیدوار بودید عبارت درستی را برای جستجو انتخاب کرده باشید.
امروز راه سادهتری وجود دارد: گوشی را برمیدارید، از آن عکس میگیرید و تصویر را به گوگل میدهید.
یا شاید هنگام گشتوگذار در اینترنت، کفشی را در یک عکس میبینید و با Google Lens به دنبال مدل آن میگردید. شاید هم در گوشی اندرویدی خود با Circle to Search دور یک محصول خط میکشید و از گوگل میخواهید دربارهاش اطلاعات بیشتری پیدا کند.
در همه این مثالها یک اتفاق مهم افتاده است:
جستجو دیگر لزوماً با یک کلمه شروع نشده؛ با یک تصویر شروع شده است.
گوگل در ۲۴ سپتامبر ۲۰۲۶ یک تغییر مهم در Google Search Console ایجاد کرد که به مدیران سایت اجازه میدهد بخشی از همین رفتار را اندازهگیری کنند. گزارش جدید Web Multimodal Search نشان میدهد صفحات سایت در جستجوهایی که تصویر بخشی از ورودی کاربر بوده، چگونه ظاهر شدهاند.
این قابلیت در گزارش Performance مربوط به Search results و همچنین گزارش Generative AI features اضافه شده و عرضه جهانی آن آغاز شده است.
اما Multimodal دقیقاً چیست؟ چه تفاوتی با Google Images دارد؟ دادههای آن را کجا میتوان دید؟ و مهمتر از همه، آیا باید روش سئو کردن تصاویر سایت را تغییر دهیم؟
در این راهنما همه این موارد را بررسی میکنیم.
خطای SEC_ERROR_REVOKED_CERTIFICATE چیست؟
Multimodal Search چیست؟
Multimodal را میتوان «چندوجهی» ترجمه کرد.
در یک جستجوی سنتی، ورودی کاربر معمولاً متن است:
«این قطعه چیست؟»
اما در جستجوی چندوجهی، سیستم میتواند با انواع دیگری از اطلاعات نیز کار کند. مثلاً کاربر تصویری را در اختیار گوگل قرار میدهد و گوگل با تحلیل آن تلاش میکند منظور کاربر را درک کند.
در سادهترین شکل میتوان تفاوت را اینطور دید:
جستجوی سنتی:
کلمه یا عبارت → Google Search → نتایج
جستجوی Multimodal:
تصویر، عکس یا اسکرینشات → درک محتوای بصری → Google Search → نتایج
البته یک جستجوی چندوجهی میتواند ترکیبی هم باشد. مثلاً از یک گیاه عکس بگیرید و سپس بپرسید:
«چرا برگهایش زرد شده؟»
اینجا برای فهم سؤال، هم تصویر و هم متن اهمیت دارند.
این تفاوت ظاهراً کوچک، یکی از تغییرات مهم در نحوه تعامل انسان با موتورهای جستجو است؛ زیرا کاربر دیگر مجبور نیست همیشه بداند چیزی که به دنبالش میگردد چه نام دارد.
قابلیت Multimodal در Google Search Console چیست؟
تا مدتها یکی از مشکلات مدیران سایت این بود که اطلاعات چندانی درباره عملکرد سایت در جستجوهایی که از طریق تصویر آغاز میشدند نداشتند.
گوگل در ۲۴ سپتامبر ۲۰۲۶ گزارش Web Multimodal Search Performance را به Search Console اضافه کرد.
بر اساس اعلام رسمی Google Search Central، این دادهها در دو بخش در دسترس قرار گرفتهاند:
Performance on Search results
و
Performance for Generative AI features
گوگل میگوید هدف از این تغییر، ارائه اطلاعات بیشتر درباره نحوه نمایش محتوا در جستجوهایی است که کاربران با استفاده از تصویر انجام میدهند. انتشار این قابلیت بهصورت جهانی آغاز شده و سایتهایی که از چنین جستجوهایی داده دریافت کنند، بهتدریج آن را در Performance مشاهده خواهند کرد.
این یعنی برای اولین بار میتوانیم یک سؤال بسیار جالب را با داده واقعی بررسی کنیم:
آیا کاربران از طریق جستجوهای مبتنی بر تصویر به صفحات سایت ما میرسند؟
چه جستجوهایی در Multimodal ثبت میشوند؟
طبق توضیح رسمی گوگل، داده Multimodal فعلاً جستجوهای انجامشده از چند مسیر مهم را شامل میشود.
Google Lens
یکی از واضحترین مثالها Google Lens است.
فرض کنید در یک فروشگاه یا کارخانه با یک تجهیز مواجه شدهاید اما نام یا مدل آن را نمیدانید. میتوانید از آن عکس بگیرید و با Lens جستجو کنید.
گوگل تصویر را تحلیل میکند و میتواند صفحات وب مرتبط را در نتایج نشان دهد.
Circle to Search
در برخی دستگاههای Android میتوانید بدون ترک برنامهای که در آن هستید، دور یک شیء، محصول یا بخشی از تصویر خط بکشید و آن را جستجو کنید.
در این حالت نیز تصویر یا بخشی از آن تبدیل به ورودی Search میشود.
آپلود تصویر در Google Search
کاربر میتواند یک تصویر موجود در گوشی یا کامپیوتر خود را مستقیماً برای جستجو در اختیار گوگل قرار دهد.
Search this image در Chrome
Chrome نیز امکان جستجوی یک تصویر موجود در صفحات وب را فراهم میکند. این نوع جستجو نیز در دادههای Multimodal لحاظ میشود.
پس Multimodal را نباید صرفاً مترادف Google Lens بدانیم. Lens یکی از مهمترین اجزای آن است، اما گزارش جدید مجموعه گستردهتری از جستجوهای مبتنی بر تصویر را پوشش میدهد.
گزارش Multimodal را در Search Console از کجا پیدا کنیم؟
برای بررسی دادهها وارد Google Search Console شوید و Property موردنظر را انتخاب کنید.
سپس به گزارش:
Performance → Search results
بروید.
از بالای گزارش روی فیلتر Search type کلیک کنید.
در ساختار جدید Search Console، جستجوی Web میتواند به دو گروه تفکیک شود:
Text-based
و
Multimodal
با انتخاب Multimodal، اطلاعات مربوط به جستجوهایی را مشاهده میکنید که تصویر بخشی از Search بوده است.
گوگل امکان Export این اطلاعات را نیز فراهم کرده تا بتوانید دادهها را خارج از Search Console تحلیل کنید.
اگر Multimodal را میبینید اما اطلاعات زیادی در آن وجود ندارد، الزاماً مشکلی در سایت شما وجود ندارد. گوگل اعلام کرده است که دادهها زمانی در Performance ظاهر میشوند که سایت واقعاً از این نوع جستجوها ترافیک یا نمایش دریافت کرده باشد.
اطلاعات Multimodal را چگونه تحلیل کنیم؟
اینجا تفاوت مهمی با Keyword Analysis سنتی داریم.
در Search Console معمولاً عادت کردهایم وارد Queries شویم و ببینیم کاربران با جستجوی چه عباراتی به سایت رسیدهاند.
اما وقتی جستجو با یک عکس انجام شده باشد، چه Query متنیای باید نمایش داده شود؟
به همین دلیل در حال حاضر Query data برای Multimodal مانند جستجوی متنی در اختیار ما قرار نمیگیرد. گزارشهای اولیه و مستندات بهروزشده Search Console نشان میدهند که Queries dimension برای این نوع جستجو در دسترس نیست.
بنابراین یکی از مهمترین قسمتهایی که باید بررسی کنیم Pages است.
به زبان ساده بهجای اینکه فقط بپرسیم:
«کاربر چه چیزی نوشته بود؟»
باید بیشتر بپرسیم:
«کدام صفحه سایت توانسته پاسخ مناسبی به چیزی باشد که کاربر به گوگل نشان داده است؟»
این تغییر زاویه نگاه برای SEO بسیار مهم است.
Click، Impression و Position در Multimodal چه معنایی دارند؟
معیارهای اصلی Performance همچنان برای تحلیل عملکرد سایت اهمیت دارند.
Impression نشان میدهد نتیجهای از سایت چند بار در Google دیده شده است.
Click نشان میدهد چند بار کاربران از نتیجه Google وارد سایت شدهاند.
Average Position نیز موقعیت نسبی نتیجه سایت را نشان میدهد؛ هرچند نحوه محاسبه Position بسته به نوع Search result میتواند جزئیات متفاوتی داشته باشد.
بنابراین اگر مثلاً صفحه یک محصول دارای Multimodal Impressions باشد، میتوانیم بفهمیم آن صفحه در جستجوهایی که تصویر در آنها نقش داشته نمایش داده شده است؛ حتی اگر ندانیم تصویر اولیه کاربر دقیقاً چه بوده است.
تفاوت Multimodal Search با Google Images چیست؟
این یکی از مهمترین تفاوتهایی است که باید درک کنیم.
Google Images یک محیط برای پیدا کردن تصاویر است.
اما Multimodal Search درباره نوع ورودی و نحوه شروع جستجو است.
فرض کنید عبارت:
«شیر پروانهای صنعتی»
را تایپ کرده و وارد Google Images شوید. شما در حال انجام یک جستجوی متنی برای پیدا کردن تصویر هستید.
اما اگر از شیر صنعتی موجود در یک کارخانه عکس بگیرید و از Google Lens بخواهید آن را پیدا کند، جستجو از یک تصویر شروع شده است.
در حالت اول:
Text → Image Result
در حالت دوم:
Image → Search Result
بنابراین Google Images و Multimodal دو مفهوم متفاوت هستند؛ هرچند طبیعتاً بین دنیای جستجوی تصویری و فناوریهای درک تصویر گوگل ارتباط زیادی وجود دارد.
گوگل نیز Image Result را نتیجهای تعریف میکند که بر اساس تصویری قرارگرفته در یک صفحه وب نمایش داده میشود، درحالیکه Multimodal reporting درباره جستجویی است که تصویر بخشی از ورودی آن بوده است.
چرا Multimodal برای SEO مهم است؟
اینجا وارد بخش جذاب ماجرا میشویم.
SEO سالها حول این سؤال شکل گرفته بود:
مردم چه چیزی تایپ میکنند؟
Keyword Research، Search Intent، عنوان صفحات، هدینگها و بسیاری از ابزارهای SEO نیز حول همین سؤال ساخته شدهاند.
اما کاربری را تصور کنید که یک قطعه صنعتی در دست دارد و نام آن را نمیداند.
او چه Keywordای باید جستجو کند؟
شاید هیچکدام.
کافی است از آن عکس بگیرد.
یا کسی مبلی را در یک کافه میبیند و میخواهد مدل مشابه آن را پیدا کند. یک گیاه ناشناس میبیند. یک کفش را در Instagram مشاهده میکند. با خطایی روی یک دستگاه مواجه میشود. ساختمانی را در سفر میبیند و نام آن را نمیداند.
در تمام این موقعیتها، تصویر میتواند جای بخشی از Keyword را بگیرد.
این به معنای پایان Keyword Research یا SEO متنی نیست. جستجوی متنی همچنان بسیار مهم است.
اما یک مسیر دیگر نیز باید جدیتر گرفته شود:
شیء واقعی → تصویر → درک بصری گوگل → نتیجه جستجو → سایت
اضافهشدن Multimodal به Search Console یک مزیت مهم دارد: بخشی از این مسیر که قبلاً برای مدیر سایت بسیار مبهم بود، اکنون قابل اندازهگیریتر شده است.
آیا برای Multimodal باید روش جدیدی از SEO اختراع کنیم؟
فعلاً نه.
حداقل در زمان انتشار این مقاله، گوگل یک مجموعه مستقل با عنوان «Multimodal Ranking Factors» منتشر نکرده است.
بنابراین ادعاهایی مانند:
«این کار را انجام دهید تا در Multimodal رتبه اول بگیرید»
پشتوانه رسمی ندارند.
اتفاقاً بهتر است از اصولی شروع کنیم که خود Google برای تصاویر و صفحات وب توصیه کرده است.
گوگل در راهنمای رسمی Image SEO توصیه میکند تصاویر برای Google قابل کشف و Index باشند، تصاویر باکیفیت استفاده شوند، تصاویر در صفحات مرتبط و نزدیک به متن مرتبط قرار بگیرند و برای آنها اطلاعات توصیفی مناسبی مانند alt text فراهم شود.
پس بهجای اختراع «ترفندهای Multimodal SEO»، منطقیتر است کیفیت محتوای بصری سایت را جدیتر بگیریم.
چگونه سایت را برای دنیای Multimodal آماده کنیم؟
۱. از تصاویر واقعی و مفید استفاده کنید
یک تصویر صرفاً نباید فضای خالی صفحه را پر کند.
در یک صفحه محصول، عکس باید واقعاً محصول را نشان دهد. در یک مقاله آموزشی، تصویر باید چیزی به فهم مطلب اضافه کند. در معرفی پروژه، عکس باید اطلاعات بصری واقعی درباره پروژه ارائه کند.
هرچه موضوعی ماهیت بصری بیشتری داشته باشد، اهمیت این موضوع بیشتر میشود.
برای یک فروشگاه اینترنتی، چند تصویر واضح از محصول میتواند بسیار ارزشمندتر از یک تصویر تزئینی باشد.
۲. کیفیت تصویر را فدای بهینهسازی نکنید
تصویر باید سریع بارگذاری شود، اما این به معنی استفاده از تصویری تار و بیکیفیت نیست.
گوگل نیز در راهنمای Image SEO تأکید میکند که تصاویر باکیفیت برای کاربران جذابترند و همزمان توصیه میکند از روشهای بهینهسازی و Responsive Images برای حفظ سرعت استفاده شود.
هدف باید تعادل میان این دو باشد:
کیفیت بصری + Performance مناسب
۳. تصویر را کنار محتوای مرتبط قرار دهید
گوگل فقط به خود فایل تصویر نگاه نمیکند.
محتوای صفحهای که تصویر در آن قرار گرفته نیز به فهم موضوع کمک میکند. Google توصیه میکند تصاویر در نزدیکی متن مرتبط و در صفحاتی مرتبط با موضوع تصویر قرار بگیرند.
مثلاً اگر تصویری از یک تجهیز صنعتی داریم، بهتر است همان اطراف درباره نام تجهیز، مدل، کاربرد، مشخصات و ویژگیهای آن صحبت کنیم.
۴. Alt Text را برای انسان و موتور جستجو بنویسید
Alt نباید محل تکرار دهها Keyword باشد.
هدف اصلی آن ارائه توضیح مفید درباره تصویر است و از نظر Accessibility نیز اهمیت دارد.
گوگل اعلام میکند برای فهم موضوع تصویر از Alt Text در کنار الگوریتمهای Computer Vision و محتوای صفحه استفاده میکند.
مثلاً:
بد:
محصول، خرید محصول، قیمت محصول، بهترین محصول
بهتر:
شیر پروانهای صنعتی فلنجدار نصبشده روی خط لوله
Alt خوب قبل از اینکه برای SEO نوشته شود، باید واقعاً تصویر را توصیف کند.
۵. نام فایل تصویر را فراموش نکنید
نامهایی مثل:
IMG_4587.jpg
یا:
image-12.webp
اطلاعات چندانی درباره فایل ارائه نمیکنند.
Google میگوید Filename میتواند سرنخ کوچکی درباره موضوع تصویر ارائه کند و استفاده از نامهای کوتاه و توصیفی را توصیه میکند.
مثلاً:
industrial-butterfly-valve.webp
انتخاب منطقیتری است.
۶. مطمئن شوید Google واقعاً میتواند تصویر را ببیند
بهترین تصویر دنیا اگر برای Google قابل Crawl نباشد، کمک چندانی به Search نمیکند.
Google استفاده از عناصر استاندارد HTML برای تصاویر را توصیه میکند و توضیح میدهد که تصاویر CSS Background مانند تصاویر قرارگرفته در img src ایندکس نمیشوند. همچنین Image Sitemap میتواند به کشف تصاویر کمک کند.
در سایتهای بزرگ، فروشگاهها و سایتهایی که تصاویر بخش مهمی از محتوا هستند، این موضوع ارزش بررسی فنی دارد.
۷. Structured Data مناسب را استفاده کنید
Structured Data به Google کمک میکند اطلاعات ساختاریافتهتری درباره محتوای صفحه داشته باشد و در برخی موارد امکان نمایش Rich Result را فراهم میکند.
برای مثال بسته به نوع صفحه ممکن است Product، Article، Recipe یا انواع مناسب دیگر Schema کاربرد داشته باشند.
اما یک نکته مهم:
Schema تضمین نمیکند که صفحه شما در Multimodal رتبه بگیرد.
حتی برای Rich Results نیز Google صراحتاً تضمینی برای نمایش ارائه نمیکند.
پس Structured Data را برای توصیف دقیقتر محتوای واقعی صفحه استفاده کنید، نه بهعنوان یک ترفند رتبهگیری.
چه سایتهایی باید Multimodal را جدیتر بگیرند؟
تقریباً هر سایتی که محتوای بصری مهمی دارد میتواند از این تحول تأثیر بگیرد، اما برای بعضی کسبوکارها موضوع جدیتر است.
فروشگاههای اینترنتی
کاربر ممکن است محصولی را ببیند ولی نام یا مدلش را نداند.
عکس گرفتن در چنین موقعیتی بسیار طبیعیتر از تلاش برای توصیف محصول است.
تجهیزات و محصولات صنعتی
این حوزه مثال بسیار خوبی است.
بسیاری از کاربران شکل یک قطعه، شیر، اتصال، ابزار یا دستگاه را میشناسند، اما نام فنی یا مدل دقیق آن را نمیدانند.
Multimodal Search میتواند فاصله میان «این چیست؟» و «صفحه محصول مناسب» را کوتاهتر کند.
مد، پوشاک و دکوراسیون
دیدن یک لباس، کفش، مبلمان، چراغ یا وسیله تزئینی و جستجوی نمونه مشابه، یکی از طبیعیترین کاربردهای Visual Search است.
گردشگری
کاربر ممکن است یک بنا، اثر تاریخی، منظره یا مکان را ببیند و بدون دانستن نام آن جستجو را آغاز کند.
آموزش و محتوای How-to
تصاویر قطعات، تجهیزات، خطاها، رابطهای نرمافزاری و مراحل انجام کار میتوانند اطلاعات بصری ارزشمندی داشته باشند.
در چنین سایتهایی تصویر نباید صرفاً «تزئین مقاله» باشد؛ میتواند خودش بخشی از محتوای اصلی باشد.
یک مثال عملی: فروشگاه مبلمان
فرض کنید فروشگاهی صفحهای برای یک صندلی اداری دارد.
صفحه اول فقط یک عکس کوچک با نام:
IMG-8391.jpg
دارد و Alt آن خالی است. توضیح محصول هم دو خط بیشتر نیست.
صفحه دوم چند عکس واضح از محصول، نمای روبهرو، جانبی و جزئیات پایه و پشتی دارد. تصاویر در صفحه محصولی قرار گرفتهاند که مدل، نوع صندلی، جنس، ویژگیها و کاربرد آن را دقیق توضیح میدهد و اطلاعات ساختاریافته مناسب نیز دارد.
نمیتوانیم بگوییم صفحه دوم حتماً در Multimodal رتبه بالاتری خواهد گرفت؛ Google چنین تضمینی نداده است.
اما صفحه دوم تقریباً تمام اصولی را که Google برای قابلفهم و قابلکشف شدن تصاویر و محتوای صفحه توصیه میکند، بهتر رعایت کرده است.
و مهمتر از موتور جستجو، برای انسان نیز صفحه مفیدتری است.
این همان نقطهای است که SEO خوب و تجربه کاربری خوب به یکدیگر میرسند.
چگونه Multimodal را در Search Console تحلیل کنیم؟
اگر داده Multimodal برای سایت شما ظاهر شده، صرفاً دیدن عدد Impressions کافی نیست.
اول به Pages بروید و ببینید کدام URLها بیشتر دیده شدهاند.
بعد از خودتان بپرسید:
چرا این صفحات؟
آیا صفحات محصول هستند؟
مقالات تصویریاند؟
آیا دسته خاصی از محصولات بیشتر ظاهر میشود؟
آیا تصاویر این صفحات ویژگی مشترکی دارند؟
سپس عملکرد دورههای مختلف را مقایسه کنید.
اگر تعداد صفحات Multimodal افزایش پیدا کرد، بررسی کنید چه تغییراتی در سایت انجام شده است. اگر یک گروه از صفحات عملکرد بهتری دارند، ساختار تصاویر و محتوای آنها را با صفحات ضعیفتر مقایسه کنید.
اما مراقب یک دام باشید:
Correlation با Causation یکی نیست.
اگر صفحات دارای تصاویر بیشتر Multimodal Impression بیشتری دارند، نمیتوان فوراً نتیجه گرفت که «تعداد تصاویر عامل رتبهبندی Multimodal است».
از داده برای ساختن فرضیه استفاده کنید، سپس فرضیه را آزمایش کنید.
نبودن Query Data چه مشکلی ایجاد میکند؟
این شاید مهمترین محدودیت فعلی گزارش باشد.
در SEO متنی میتوانیم ببینیم صفحه با عبارتهایی مثل:
بهترین صندلی اداری
یا:
قیمت صندلی مدیریتی
Impression گرفته است.
اما در Multimodal ممکن است ورودی کاربر یک عکس از صندلی بوده باشد.
ما آن عکس را در Search Console نمیبینیم.
در نتیجه Search Intent تا حدی پنهان باقی میماند.
به همین دلیل تحلیل Multimodal در شرایط فعلی بیشتر Page-centric است تا Keyword-centric.
این محدودیت بدی نیست؛ بلکه ماهیت این نوع Search متفاوت است.
شاید لازم باشد در کنار سؤال همیشگی SEO:
«با چه کلمهای پیدا شدیم؟»
به سؤال جدیدی هم عادت کنیم:
«چه چیزی در دنیای واقعی باعث شد این صفحه پیدا شود؟»
Multimodal و هوش مصنوعی گوگل
یکی از نکات مهم اعلام Google این است که Multimodal reporting فقط به گزارش معمول Search results محدود نشده و در گزارش Generative AI features نیز اضافه شده است.
این موضوع اهمیت بیشتری پیدا میکند، زیرا مرز میان Search، Computer Vision و Generative AI روزبهروز کمتر میشود.
کاربر ممکن است بهجای اینکه صرفاً یک Keyword وارد کند، تصویری ارائه دهد و انتظار داشته باشد سیستم آن را بفهمد، دربارهاش توضیح دهد و منابع مرتبط را پیدا کند.
بنابراین آینده Search احتمالاً فقط درباره «بهترین پاسخ متنی به یک عبارت» نیست.
محتوا باید بتواند در محیطی معنا داشته باشد که ورودی کاربر میتواند متن، تصویر یا ترکیبی از آنها باشد.
آیا دوران Keyword Search تمام شده است؟
خیر.
اضافهشدن Multimodal به Search Console به معنی بیاهمیتشدن Keyword Research نیست.
جستجوی متنی همچنان بخش بسیار بزرگی از رفتار کاربران را تشکیل میدهد و Google نیز در Search Console آن را بهصورت Web: text-based گزارش میکند.
بهتر است Multimodal را یک مسیر جدید کشف محتوا بدانیم، نه جایگزین Search سنتی.
تا دیروز یکی از سؤالهای اصلی SEO این بود:
کاربر برای پیدا کردن این صفحه چه چیزی تایپ میکند؟
حالا برای بعضی کسبوکارها باید سؤال دیگری هم اضافه شود:
کاربر ممکن است چه چیزی را به دوربینش نشان دهد تا به این صفحه برسد؟
همین سؤال ساده میتواند نحوه عکاسی محصولات، طراحی صفحات، تولید محتوای آموزشی و حتی استراتژی SEO بعضی سایتها را تغییر دهد.
چکلیست آمادهسازی سایت برای Multimodal Search
اگر میخواهید از همین امروز سایتتان را بررسی کنید، این موارد نقطه شروع مناسبی هستند:
- صفحات مهم سایت تصاویر واقعی، واضح و مرتبط داشته باشند.
- تصاویر محصول فقط تزئینی نباشند و خود محصول را بهخوبی نشان دهند.
- Alt Text تصاویر توصیفی، طبیعی و مفید باشد.
- Filename تصاویر کوتاه و معنیدار انتخاب شود.
- تصاویر نزدیک به متن مرتبط قرار بگیرند.
- Googlebot امکان دسترسی به تصاویر را داشته باشد.
- تصاویر مهم با روشهایی که مانع کشف آنها میشوند پیادهسازی نشده باشند.
- کیفیت تصویر و سرعت بارگذاری همزمان در نظر گرفته شوند.
- Structured Data متناسب با نوع صفحه استفاده شود.
- داده Multimodal در Search Console بهصورت دورهای بررسی شود.
- صفحات دارای Multimodal Impression شناسایی و با صفحات مشابه مقایسه شوند.
بخش زیادی از این موارد همان توصیههای قدیمی و معتبر Image SEO هستند. تفاوت اینجاست که حالا Search Console پنجره تازهای برای دیدن نتیجه بخشی از این اکوسیستم بصری در اختیار ما قرار داده است.
Multimodal Search؛ یک تغییر کوچک در Search Console یا نشانه یک تغییر بزرگتر؟
اگر فقط رابط Search Console را نگاه کنیم، تغییر چندان بزرگی به نظر نمیرسد.
یک Filter جدید اضافه شده است.
اما پشت این فیلتر کوچک، تغییر بزرگتری در رفتار Search دیده میشود.
انسان همیشه دنیا را با کلمات توصیف نمیکند.
گاهی چیزی را میبینیم ولی نامش را نمیدانیم.
گاهی توضیح دادن ظاهر یک شیء سختتر از نشان دادن آن است.
و گاهی سادهترین سؤال ما این است:
«این چیه؟»
در چنین شرایطی دوربین میتواند جای کیبورد را بگیرد.
اضافهشدن Web Multimodal Search به Google Search Console به مدیران سایت اجازه میدهد بخشی از این رفتار را برای اولین بار بهتر اندازهگیری کنند.
برای متخصصان SEO نیز پیام مهمی دارد:
محتوای بصری دیگر فقط مکمل متن نیست.
تصاویر باید برای انسان مفید باشند، برای موتور جستجو قابل دسترسی باشند و در زمینهای قرار بگیرند که Google بتواند ارتباط آنها با موضوع صفحه را درک کند.
شاید چند سال دیگر وقتی درباره SEO صحبت میکنیم، سؤال «روی چه کلمهای رتبه داریم؟» تنها سؤال مهم نباشد.
ممکن است بپرسیم:
«وقتی کاربر این محصول را به Google نشان میدهد، آیا ما را پیدا میکند؟»
و حالا Search Console اولین ابزارهای لازم برای پاسخ دادن به این سؤال را در اختیارمان قرار داده است.
Multimodal در Google Search Console چیست؟
Web Multimodal Search گزارشی در Google Search Console است که عملکرد سایت را در جستجوهای وبی نشان میدهد که تصویر، عکس یا اسکرینشات بخشی از ورودی Search بوده است. Google این قابلیت را در ۲۴ سپتامبر ۲۰۲۶ معرفی کرد.
چه جستجوهایی در Multimodal Search قرار میگیرند؟
طبق اعلام Google، دادهها شامل جستجو از طریق Google Lens، Circle to Search در Android، آپلود تصویر در Google Search و گزینه Search this image در Chrome میشوند.
آیا Multimodal همان Google Images است؟
خیر. Google Images یک نوع نتیجه یا محیط جستجوی تصاویر است، اما Multimodal به جستجوهایی اشاره دارد که تصویر بخشی از ورودی Search است. ممکن است کاربر تصویری را به Google بدهد و در پاسخ یک صفحه وب مرتبط دریافت کند.
آیا میتوان Queryهای Multimodal را در Search Console دید؟
در حال حاضر Query dimension مانند Search متنی برای Multimodal در دسترس نیست، زیرا بسیاری از این جستجوها بر اساس تصویر انجام میشوند. بنابراین تحلیل Pages در این گزارش اهمیت زیادی پیدا میکند.
آیا Alt Text باعث رتبه گرفتن در Multimodal میشود؟
Google چنین تضمینی اعلام نکرده است. بااینحال Google از Alt Text در کنار Computer Vision و محتوای صفحه برای فهم موضوع تصاویر استفاده میکند و نوشتن Alt توصیفی یکی از توصیههای رسمی Image SEO است.
اگر Multimodal Data در Search Console نداریم، سایت مشکلی دارد؟
لزوماً خیر. Google اعلام کرده است که این Metrics زمانی در Performance ظاهر میشوند که سایت از چنین جستجوهایی داده دریافت کند و rollout قابلیت نیز از ۲۴ سپتامبر ۲۰۲۶ بهصورت جهانی آغاز شده است.
آیا برای Multimodal به Schema جدیدی نیاز داریم؟
در زمان انتشار این مقاله Google Schema اختصاصی جدیدی برای Multimodal Search معرفی نکرده است. بهتر است از Structured Data مناسب با محتوای واقعی صفحه، مانند Product یا Article، مطابق مستندات Google استفاده شود.
آیا Multimodal SEO جای SEO سنتی را میگیرد؟
خیر. بهتر است Multimodal را مسیر دیگری برای کشف محتوا در کنار جستجوی متنی بدانیم. اصولی مانند محتوای مفید، ساختار صحیح صفحات، Crawlability، کیفیت تصاویر و ارتباط محتوایی همچنان اهمیت دارند.
جمعبندی
Google Search در حال حرکت به سمتی است که برای پیدا کردن اطلاعات الزاماً مجبور نباشیم همهچیز را با کلمات توضیح دهیم.
معرفی Web Multimodal Search Performance در Search Console به ما امکان میدهد ببینیم سایت در بخشی از این جستجوهای جدید چگونه عمل میکند.
فعلاً بهترین واکنش، دنبالکردن «ترفندهای Multimodal SEO» نیست.
بهتر است از اصول مطمئن شروع کنیم:
تصاویر بهتر، محتوای بصری واقعی، صفحات کاملتر، توضیحات دقیقتر و دسترسی صحیح Google به تصاویر.
و از این به بعد هنگام بررسی Search Console، فقط Queries را نبینیم.
گاهی یک صفحه بدون آنکه کاربر نام محصول یا موضوعش را بداند، میتواند پیدا شود.
چون این بار کاربر چیزی برای Google ننوشته است؛
آن را به Google نشان داده است.
