多模态搜索
定义: 指搜索引擎能够理解和处理多种类型的信息（文本、图片、视频、音频），并将其融合在搜索结果中。
多模态搜索意味着搜索的边界正在被打破。用户不再仅仅通过输入文字来搜索，他们可以用手机摄像头拍摄一张图片进行搜索（如Google Lens），或者未来可能用一段语音来提问。搜索引擎也同样在进化，它不仅能读懂文章，还能“看懂”图片的内容，“听懂”视频的讲解。
GEO中的多模态优化策略
- 图片SEO：为所有图片提供描述性、包含关键词的文件名和`alt`文本。使用如`.webp`等现代图片格式以优化加载速度。
- 视频SEO：将视频上传到YouTube等平台，并优化标题、描述和标签。在你的网站上嵌入视频，并提供文字记录或摘要。
- 内容整合：在同一篇文章中，自然地结合使用文本、高质量图片、信息图表和嵌入视频，为用户提供最丰富、最易于消费的内容体验。
常见问题 (FAQ)
为什么多模态内容对SGE很重要？
因为SGE本身就是一个多模态的输出。它生成的AI快照经常会主动嵌入图片和视频来丰富答案。如果你的网站能够提供这些高质量的多模态素材，并且这些素材与文本内容高度相关，那么你的内容（包括图片和视频）被SGE选中并展示的几率就会大大增加。
知识连接图谱
下图展示了"多模态搜索"与其他核心概念的直接关联，点击节点即可跳转。