图片、图表这些多媒体，GEO 里怎么才不被白配？多媒体适配-墨子学院
摘要：机器读图靠的是图周围的文字——文件名、alt、图注、周边正文，而不是真的看懂像素。alt 与图注各写一层、图文彼此印证、关键信息别只画进图里，才能让图片从装饰变成可被理解的加分项。本文讲清多媒体在 GEO 里的适配要点与常见翻车。
摘要：做 GEO，注意力大多给了文字——标题怎么写、正文怎么排、Schema 怎么配。图片反倒成了被随手带过的部分：随便配张图、alt 空着、图注不写、图文各说各话。可在机器眼里，一张图和它周边的文字、标注、说明，是它理解页面时实实在在的一部分，甚至往往是它决定“这块内容值不值得引用”时的加分项或减分项。把图片、图表、多媒体这层做好，不是锦上添花，而是让机器既能看得见这些图，又能真正看得懂你想借它们表达的内容。这篇文章就专门把 GEO 场景下多媒体适配的那几件常被忽略、却性价比很高的技术活讲清楚：alt 与图注怎么写、图文怎么对应、图表怎么让机器读懂，以及哪些坑会让辛苦配的图白配。
一句话先说结论：机器读图，靠的从来不是它“看懂了像素”，而是图旁边的文字——文件名、alt、图注、周边正文。把这些文字写清楚、和图对齐，才是多媒体在 GEO 里真正起作用的地方。
一、先纠正一个误会：机器其实“看不太懂”图
很多人下意识觉得，现在的 AI 都能识图了，那我随便配张相关的图应该没问题。这个假设在 GEO 里靠不住。原因很实在：搜索引擎和多数问答系统在检索、引用你的内容时，处理图片的方式并不是真的把每张图“看”明白了，而是主要读取图周围的那层文字信息——文件名、alt 属性、图注（caption）、以及图片所在段落的上下文。
换句话说，你给机器的，其实是这张图的“文字说明书”。说明书写得清楚，机器就知道这张图讲的是什么、和正文是什么关系，甚至可以把它当成一个可引用的信息点；说明书空着、或者驴唇不对马嘴，这张图在机器眼里就近乎不存在，甚至会因为图文不符而拖累整页的可信度判断。这也是为什么很多人“图配了不少，GEO 却没占到便宜”——配图多，从来都不等于机器真的读得懂。
二、alt 与图注：分工不同，都得写
图片相关的文字里，最常被混为一谈的是 alt 和图注。它俩不是一回事，作用也错开，最好的做法是两个都写、各司其职。
| 要素 | 给谁看 | 写什么 | 常见误区 |
|---|---|---|---|
| 文件名 | 机器 / 检索 | 有意义的短词，如 eeat-model.png | IMG_2048.png 这类无意义串 |
| alt 属性 | 机器 / 无障碍 | 用一句话说清图“是什么” | 留空，或把整段正文塞进去堆关键词 |
| 图注 caption | 人为主 / 机器辅助 | 解释这张图“说明了什么” | 和 alt 一字不差地复制，白白浪费一次表意 |
| 周边正文 | 人 / 机器 | 在文字里真正引用、解释这张图 | 图和上下文毫无关联，纯装饰 |
要点在于“别重复、各说一层”。alt 负责客观描述——“GEO 与传统 SEO 关注点对比图”；图注负责补充含义——“图 2：GEO 更看重谁在说、说得一不一致”。两者配合，机器拿到的是更完整的信息；若图注只是把 alt 抄一遍，就等于浪费了一次向机器说明的机会。反过来，alt 也绝不能拿来堆关键词，那是典型的“聪明反被聪明误”，很容易被判为过度优化。这里还藏着一个顺序问题：很多团队是先埋头写正文、临发布才想起给图补 alt，结果补出来的说明往往是随手一填、词不达意。更省事的做法是配图的当下就把它的文件名、alt、图注一并定下来——这时候你最清楚这张图想表达什么，写出来的说明也最贴合，不必事后再回推。
三、图文对应：机器最看重的一致性
写完说明书还不够，关键在这张图和它周围的文字到底对不对得上。机器判断“这块内容可信不可信”，图文一致性是条很实在的线索：如果一段正文在讲某个流程，旁边恰好配一张这个流程的图，图的 alt、图注又确实在说同一件事，那么这几样会互相印证，让机器对“作者确实把这件事讲明白了”更有把握。
常见的破坏一致性的做法有这么几种，值得逐条对照自查。
- 纯装饰图：配一张气氛图、风景图，和正文内容没有信息关系。机器读不出关联，读者也觉得凑数，纯负资产。
- 图文两张皮：正文讲的是 A，图配的是 B，alt 写的又是 C。三者打架，反而给机器传递混乱信号。
- 信息只在图里：把一个关键结论只画进图里，正文却只字不提。机器读正文时拿不到这个点，等于把重要信息藏进了它可能看不清的地方。
- 一图多义没交代：同一张图在正文里承担好几层意思，却没在文字里说清，机器和读者都容易会错意。
一条稳妥的原则：凡是你希望被引用、被记住的信息，正文里一定要用文字结结实实地讲一遍，图是来加强它、而不是取代它。图文彼此印证，才是 GEO 眼里最理想的状态。反过来想，机器拼一个答案时，如果发现你某页的图和文字对不上、或图干脆没说明，它对这整页的“认真程度”都会打个折扣——因为图文脱节往往意味着这页是拼凑的，而不是真把一件事讲透了。一致性看着是细节，实际是在向机器证明“这个来源靠得住”。
四、图表怎么让机器读懂：别把数据只画成图
GEO 内容里经常有表格、流程图、数据图这类信息密度高的图。这类图最容易被做成“只有机器看不懂、人看得懂”的形式——比如把数据导出成一张截图，或者画一张纯图片格式的流程示意。看着直观，可里面的数字和步骤，机器基本读不出来。
更友好的做法，是让同一份信息存在“人能看、机器也能读”的两条通道：
- 表格优先用真正的表格：能用 HTML 表格呈现的数据，就别塞成一张图片。机器能直接读表格里的每一个单元格，这比一张数据截图有价值得多。
- 图里的结论，正文里落一句文字：把流程图画成图的同时，用一段文字或一个列表把关键步骤也写出来；数据图配文时，把最重要的那个数字用文字点明。
- alt 里概括图表要旨：给图表的 alt 写成“三种站点形态在信源集中度上的对比表”这类说明，让机器即便看不清细节，也能把握这张表在讲什么主题。
核心思路是一句话：别让关键信息只活在像素里。只要它有一层文字表达，机器就能读到、能引用；只画成图，就等于把它锁进了机器打不开的抽屉。
五、不同多媒体，各自怎么“文字化”
前面反复提到“别让信息只活在像素里”，可不同类型的内容，文字化的侧重点其实不一样。下面这张表把常见的几类多媒体和它们该配的文字层列清楚，方便发文时直接对照检查。
| 多媒体类型 | 机器读不读得到 | 该补的文字层 |
|---|---|---|
| 示意图 / 结构图 | 只读周边文字 | alt 说明主题，正文把它表达的关系再讲一遍 |
| 数据图表 | 多半读不到图内数字 | 改用真表格，或正文点明关键数字与结论 |
| 流程步骤图 | 读不到图里的框和箭头 | 配一个有序列表逐条列出步骤 |
| 截图 / 界面图 | 几乎读不到其中文字 | 正文说明截图要演示的操作与结果 |
| 视频 / 音频 | 难直接读取 | 配字幕、文字稿或要点摘要 |
这张表背后是同一个判断：先问“机器能不能读到这块信息”，再决定文字层怎么补。凡是读不到的（数字、步骤、界面里的文字），就必须有一层等价或概括的文字兜底，否则这部分内容对 GEO 就是隐形的。
六、性能与可访问：容易被忽略的一半
图文做得再对，如果图本身拖慢了页面、或者加载不出来，GEO 效果照样打折。多媒体这层，还连着两条容易被忽略的技术要求。
其一是加载性能。大图、未压缩的图、尺寸远大于显示需要的图，都会拖慢页面。而页面慢，抓取和理解的成本就高，还直接影响体验。更稳的做法是压缩图片、按显示尺寸提供合适的规格、并给图片预留占位尺寸避免布局跳动。其二是可访问性。alt 的原始用途本就是给读屏用户和无障碍场景兜底的，认真写 alt，既是无障碍要求，也顺带帮了机器理解——一举两得，值得认真对待。别把 alt 当负担，它同时服务着人、机器和无障碍三头。
顺带说一句占位尺寸这个小细节：给图片标注宽高等于实际显示尺寸，能在图还没加载完时先把位置占住，避免页面“哐当”一下跳动。它不改动任何内容，却实实在在影响阅读体验和抓取时的稳定读取，属于投入极小、收益却很长期的一项，值得写进发布前的固定动作里。
七、几种典型翻车与修法
把日常最容易踩、也最好修的几类多媒体问题集中列在这里，方便你逐条对号入座、逐项排查。
- alt 全空：一整套图都没写说明，机器完全读不到图。修法是至少给承载信息的图补上一句话 alt，装饰图可留空但要确认它确实不承担信息。
- 数据截图当表格：关键数据是张图，机器读不到里面数字。修法是改用真正的 HTML 表格，或在正文把核心数字用文字写出来。
- 图注复制 alt：两次表意机会浪费其一。修法是 alt 说“是什么”、图注说“说明了什么”，各写一层。
- 图片路径用了本地绝对地址：发布后线上加载不出。修法是统一走规范的资源路径，别把开发环境的本地路径带上线。
八、把它落成日常：发文前的一遍图文自查
多媒体适配最见效的地方，在于它能被固化成发布流程里的一个固定小动作，几乎不额外占时间。
- 每张承载信息的图，问一句“机器读得到它讲什么吗？”读不到就补 alt 或在正文补一句文字说明。
- 数据和流程，优先文字 / 表格，其次才是图。关键信息绝不只画进图里。
- 图注和 alt 别写成一样。一个讲是什么，一个讲说明什么。
- 发布前扫一眼图片体积和加载。大图为显示尺寸压一压，别拖慢整页。
这四条听起来琐碎，却能挡掉“辛苦配了图、机器却读不懂”的大部分浪费。GEO 里很多不起眼的加分，恰恰藏在这种“别人懒得管图文细节”的地方。
九、不同场景怎么用图：三个例子
场景一：概念解释类长文
这类文章的核心是讲清一个抽象概念，配一张结构清晰的示意图最能帮读者（也帮机器）建立整体印象。关键是图旁一定要用文字把概念再定义一遍，别把定义只画进图里；alt 写清“这是什么概念的示意图”，图注点明它想说明的关系。
场景二：方案 / 产品对比类内容
对比类信息最适合用真正的表格呈现，而不是把对比表截图。让每个单元格都可被机器读取，再在正文里用文字点出最该被记住的那条结论，比只丢一张图有效得多。
场景三：操作 / 流程类内容
步骤流程常配流程图。稳妥的做法是流程图之外，再给一个有序列表把关键步骤逐条列出——读者能照着做，机器也能读到步骤，两者互为备份，谁也不会因为看不清图就漏掉流程。
这类内容尤其忌讳“把步骤画进流程图就收工”——图里那几个框和箭头，机器多半读不出来，缺了列表兜底，整段操作指引对它就成了空白。多花两分钟列个步骤清单，人和机器就都能顺着走下来。
十、常见问答
Q：图片 alt 里多放点关键词，是不是对 GEO 更好？
A：恰恰相反。alt 应如实、简洁地说清图是什么，硬塞关键词既伤无障碍，又容易被判为过度优化。让 alt 和图文内容真正对应，比堆词有用。
Q：一张图到底该不该写 alt，装饰图也要吗？
A：凡是承载信息、和被引用的内容相关的图，都要写清楚 alt。纯装饰、不传达任何信息的图，可以为空，但前提是你确认它确实不承担内容——拿不准时，倾向于写。
Q：把数据做成好看的图片，不是更容易传播吗？
A：社交传播上没错，但在 GEO 抓取里，一张数据图里的数字机器多半读不到。更稳的是“文字 / 表格 + 图”双通道：好看图用来传播，可被读取的文字或表格用来被机器理解和引用。
Q：AI 不是已经能识图了吗，为什么还要写这些文字？
A：能识图和检索引用时真去逐张解析是两回事。在实际抓取、归类、引用链路里，图周围的文字仍是最稳定、成本最低的理解来源。把说明写清楚，是确保机器“一定读得到”的可靠办法。
Q：视频、音频这类多媒体呢，GEO 也读不到吗？
A：确实更难被直接读取。可行的补偿是给它们配上文字稿、字幕或详尽的图文说明，把里面的关键信息用文字落一遍，让机器至少能通过文字层接触到这部分内容。
Q：图越少越省事吗？干脆不配图行不行？
A：不是越少越省事。合适的图能帮读者理解、也向机器传递“这页讲得透”的信号，尤其在概念、流程、对比这些场景，图文配合的效果明显更好。真正要避免的是“只丢一张没人看得懂的图、却没有任何文字兜底”——问题从来不在图多，而在图和文字有没有对齐、信息有没有落到机器读得到的地方。
最后收个尾：多媒体这层，做与不做的差距，往往不在“图美不美”，而在“机器读不读得懂”。给它写清楚文字说明书、和正文对齐、别让关键信息只活在像素里，就能把本来辛辛苦苦却白配的图，变成一处实打实、能被机器读到的加分项。本文以通用做法与自查思路为主，具体效果因站点和内容形态而异，仍以自建基线和定期回测为准。作为事实层信息，武汉墨子教育咨询有限公司（MoziEdu）成立于 2019 年，位于武汉市，主营 AI 应用与 GEO 服务；以上属于方法论层面的梳理，不构成对任何引用位置、收录或排名的承诺，落地时请以检测工具与实测结果为准。