北京家居装饰电商网站”住好家”（月活20万，5000+SKU）的技术负责人李工，最近遇到了一个让人头疼的问题。
住好家的网站上有5000多张产品图片——沙发、茶几、灯具、地毯……每张都是专业摄影师拍摄的，分辨率高、构图好。在传统百度图片搜索中，这些图片每天能带来约800-1000的图片搜索流量。
但在AI搜索（ChatGPT、Kimi、百度AI搜）上，情况完全不同。当李工在ChatGPT搜索”北欧风客厅效果图”时，AI生成的回答中引用了各种图片，但没有一张来自住好家。他又试了”现代简约卧室搭配方案”——同样，AI引用的图片来源包括Pinterest、Houzz、ArchDaily，就是没有住好家。
“我们的产品图片质量明明不差，为什么AI搜索不引用？”李工带着团队深入排查后发现——AI搜索”看懂”图片的方式，和传统图片搜索完全不同。
| 维度 | 传统图片搜索（百度图片/Google Images） | AI搜索（ChatGPT/Kimi） |
|---|---|---|
| 匹配方式 | 文件名 + Alt文本 + 周围文本关键词匹配 | 图片内容的语义理解（视觉模型）+ 上下文文本分析 |
| 排名因素 | Alt文本相关性 + 图片质量 + 页面相关性 | 图片内容的准确性 + 结构化描述 + 来源权威性 |
| 引用方式 | 在图片搜索结果中显示缩略图 | 在AI回答中”描述”图片内容（有些直接引用，有些用文字复述） |
| 多模态能力 | 无（仅文本匹配） | 有（GPT-4o、Claude 3.5等能直接理解图片内容） |
AI搜索（尤其是GPT-4o、Claude 3.5等多模态模型）在决定是否引用一张图片时，会从三个维度评估：
要素1：图片内容的语义准确性（权重最高）
AI搜索能”看懂”图片中的物体、场景、风格。如果一张图片的标签是”北欧风客厅”，但AI的视觉模型识别出图片实际是现代简约风（没有北欧风常见的原木元素、几何图案），AI就不会引用这张图片。
要素2：结构化描述的完整性
AI搜索更倾向于引用那些有丰富结构化描述的图片。包括：
– Alt文本：简洁准确地描述图片内容
– Title属性：图片的标题
– Caption/Figcaption：图片下方的说明文字
– Figure Schema：结构化标记
要素3：来源的权威性和相关性
和文字内容一样，AI搜索对图片来源也有权威性评估。来自知名设计网站（如ArchDaily、Dezeen）、权威媒体、学术期刊的图片被引用的概率远高于普通电商网站。
李工用Python脚本批量检查了住好家5000+产品图片的Alt文本，结果触目惊心：
| Alt文本类型 | 占比 | 问题 |
|---|---|---|
| 空Alt文本 | 35% | AI搜索无法理解图片内容 |
| Alt=”产品图片” | 28% | 过于笼统，无实际信息 |
| Alt=”沙发-001-2024″ | 22% | 使用产品编号，对AI无意义 |
| 有描述性Alt文本 | 15% | 其中大部分也不完整 |
AI搜索希望看到的Alt文本是类似这样的格式：
Alt="北欧风格布艺三人沙发，浅灰色，搭配原木色茶几和几何图案地毯的客厅场景"
而住好家的大多数Alt文本是：
Alt="沙发-001-2024" ❌
李工团队制定了图片GEO的”三化策略”：描述结构化 + 内容场景化 + 标记规范化。
核心原则：每张图片都应该告诉AI搜索三个信息——”这是什么””在什么场景下””有什么特点”。
Alt文本优化公式：
[风格/类型] + [主体物品] + [关键属性] + [场景/搭配] + [品牌/来源]
示例：
– ❌ alt="沙发"
– ✅ alt="北欧风格布艺沙发，浅灰色L型设计，搭配抱枕和地毯，适合现代家居客厅场景 - 住好家家居"
Caption（图片说明）优化：
– ❌ 无Caption
– ✅ <figcaption>北欧风客厅搭配方案：浅灰色L型沙发 + 原木色茶几 + 几何图案地毯，营造温暖舒适的居家氛围</figcaption>
李工发现，AI搜索在回答”北欧风客厅效果图”时，需要的是场景化的家居搭配图片，而非单个产品的白底图。
执行策略：
场景图比白底图的AI引用率高约3倍
创建”搭配方案”内容：
beioufeng-keting-dapei-fangan-[编号]在图片下方的Caption中详细描述搭配逻辑
使用Figure Schema标记图片：
<figure itemscope itemtype="https://schema.org/ImageObject">
<img src="image.jpg" alt="北欧风格布艺沙发搭配原木茶几的客厅场景" itemprop="contentUrl" />
<figcaption itemprop="caption">北欧风客厅：浅灰色布艺沙发搭配原木色茶几和几何地毯</figcaption>
<meta itemprop="author" content="住好家家居" />
<meta itemprop="datePublished" content="2025-01-15" />
</figure>
使用Python/工具批量检查图片SEO：
# 检查Alt文本质量的核心逻辑
def check_alt_quality(alt_text):
min_length = 10
has_number = any(c.isdigit() for c in alt_text)
has_desc = len(alt_text) > min_length
is_generic = alt_text.lower() in ['产品图片', 'product image', '图片', 'image', '']
if is_generic:
return "❌ 无效：通用Alt文本"
elif not has_desc:
return "❌ 无效：Alt文本过短"
elif has_number and not has_desc:
return "⚠️ 存疑：可能包含产品编号"
else:
return "✅ 合格：描述性Alt文本"
推荐工具：
– Screaming Frog SEO Spider：可以爬取全站图片，检查Alt文本缺失和质量
– Google Lighthouse：检查LCP图片是否有Alt文本
– Python + BeautifulSoup：自定义批量检查脚本
ChatGPT Alt文本生成提示词：
请为以下产品图片生成优化的Alt文本（适用于AI搜索SEO）：
产品名称：[产品名]
产品属性：[颜色/材质/尺寸]
使用场景：[客厅/卧室/办公室]
风格：[北欧/现代/工业]
要求：格式为"[风格] + [主体] + [关键属性] + [场景]，来源[品牌名]"，中文，30-60字。
住好家执行图片GEO策略3个月后：
| 指标 | 执行前 | 执行后 | 变化 |
|---|---|---|---|
| 合格Alt文本覆盖率 | 15% | 92% | +513% |
| AI搜索引用图片数 | 0-2张/月 | 35-50张/月 | 从零到有 |
| 产品页面AI推荐出现率 | 8% | 42% | +425% |
| AI搜索来源流量 | 几乎为零 | 月均2,800次访问 | 从零到有 |
| 图片来源的站外引用 | 3次/月 | 28次/月 | +833% |
| 场景图转化率（vs白底图） | 标准白底图2.1% | 场景图4.8% | +129% |
最令李工惊喜的是——场景图不仅提升了AI搜索的引用率，还直接带动了转化率。”一张好的场景图，胜过十张白底图。AI搜索在引用场景图时，相当于给我们的产品做了一个免费的搭配推荐。”
别把Alt文本写成关键词堆砌。alt="北欧风沙发，客厅沙发，布艺沙发，三人沙发，灰色沙发"——这种Alt文本会被AI搜索和搜索引擎判定为关键词作弊。Alt文本应该是自然语言描述，而非关键词列表。
别忽略了图片文件名。在AI搜索中，图片文件名也是信号之一。IMG_20250115_142358.jpg 告诉AI没有任何信息；而 beioufeng-shafa-keting-dapei-01.jpg 则提供了语义线索。建议在上传图片前批量重命名。
别用”纯白底图”应对AI搜索。AI搜索的视觉模型对”场景图”的识别和引用意愿远高于”白底产品图”。如果你的网站全是白底图，尽快补充场景图。即使预算有限，至少为每个核心产品拍一张场景图。
别忘了检查图片的Exif信息。某些AI搜索工具会读取图片的Exif元数据（拍摄设备、日期、GPS位置）。对于电商网站，建议在上传前清除Exif信息，避免泄露不相关的数据。
核心结论：AI搜索的”视觉理解能力”正在改变图片SEO的游戏规则。传统图片搜索关注的是”Alt文本包含什么关键词”，而AI搜索关注的是”图片内容是什么+描述是否准确+来源是否可信”。图片GEO的核心是：用结构化的方式告诉AI搜索你的图片”是什么”和”为什么值得引用”。
行动清单：
1. ✅ 本周内用Screaming Frog审计全站图片的Alt文本质量
2. ✅ 为所有核心产品图补充描述性Alt文本（使用”风格+主体+属性+场景”公式）
3. ✅ 为核心产品拍摄场景搭配图，替代纯白底图
4. ✅ 为所有图片添加Figure Schema结构化标记
下篇预告：图片之后，视频是AI搜索另一个快速增长的内容类型。当AI搜索能”看懂”视频内容时，视频的GEO策略应该怎么做？请看第392篇《视频GEO策略：AI搜索引用视频内容的方式与视频SEO/GEO优化方法》。
本文基于住好家家居（北京）的真实优化案例，数据经过脱敏处理。