ANSWER BOX · 一句话答案
产品图已经变成检索入口，图读不懂就等于没进候选池。
越来越多采购经理是把实物照片、竞品图片、图纸截图直接丢进搜索框，多模态引擎先读图，再回读页面上下文，最后才决定把哪家写进答案。决定一张图能否被读懂的是构图、文件名、周边文字与结构化数据这四层，拍摄设备排在很后面。
主流多模态入口的能力边界
五种图像输入方式的实际差别
做视觉搜索优化之前，先要知道各个入口到底怎么处理一张图。同样是上传图片，有的引擎会回读图片所在页面的文字，有的只看图本身，返回结果的形式也完全不同。
| 入口 | 图像输入方式 | 是否回读页面文字 | 是否给出源链接 | 采购场景可用度 |
|---|---|---|---|---|
| Google 图片搜索与 Lens | 拍照、上传、框选局部 | 回读标题、alt、周边段落 | 给出站点链接 | 高，找同类供应商最快 |
| ChatGPT 视觉 | 上传图片并附文字提问 | 依赖上传时附带的描述 | 联网场景部分给出 | 中高，适合比材质与规格 |
| Perplexity | 上传图并就结果追问 | 强依赖引用源页面 | 逐条列出引用 | 高，适合核供应商资质 |
| Bing 可视化搜索 | 上传、框选、以图找图 | 回读页面元数据 | 给出站点链接 | 中，欧美用户基数稳定 |
| Pinterest 视觉 | 以图找图 | 弱，主要看图特征 | 给出 pin 链接 | 低，偏消费端审美 |
从一张图到一条答案的链路
引擎拿到图之后先做物体识别，判断品类与形态，比如这是一个法兰连接的球阀，还是螺纹连接的闸阀。然后它回读图片所在页面的标题、图注、alt 与首段文字，把视觉判断和文字声明对齐。两者一致时，答案里会出现具体供应商，不一致时，结果退回通用品类，品牌名根本不会出现。
这条链路里有一个容易被忽略的环节。回读上下文时，引擎读的是”这张图周围说了什么”，而不是”这个站是做什么的”。所以一张放在正确页面、旁边写着正确型号的图，得分会高于一张挂在官网首页轮播里的精修大图。
AI Overviews 把图片识别结果放大成整类问题的答案
一次正确识别带来一整类问题的曝光
当引擎确认某张图是不锈钢法兰球阀、DN50、美标，它会把这张图所在的页面归入这一类产品的候选集。之后无论有人问”哪家做 DN50 法兰球阀”还是问”不锈钢球阀怎么选密封材质”，这个页面都有机会被反复调用。
一次识别正确带来的是一整类问题的持续曝光，远远不止一次曝光。图片在 AI 搜索里的作用类似索引标签，它决定页面被归到哪个抽屉，抽屉找对了，后面的问题才有你的份。
认错的代价同样成倍放大
图注写错型号、alt 写了另一条产品线、页面标题又只是品牌口号，这三个信号互相矛盾时，引擎会把它们平均处理，最后把产品归到错误品类。归错之后要纠正，比一开始没有图更难，因为错误归类已经被多个问答轮次重复引用。
我见过最常见的场景是把系列名当型号写。系列名在不同功率、不同接口下对应十几个实物，图上只有一种，文字却说全部，识别结果自然模糊。
图片索引这一层没有历史权重包袱
图片检索的排序依据与文字页不同
文字页的排名受域名年龄、外链结构、历史点击影响，新站几乎没法在这个维度上追赶。图片检索看的东西不一样，图像特征匹配、所在页面的语义一致性、以及被其他页面引用的次数，占比更重。
这意味着一个做电气配件的小厂，只要实拍素材够清楚、文字标注够准确，完全可以在图片检索里和行业头部站在同一屏。新域名和老域名在同一个向量空间里，起步差距比文字搜索小得多。
工厂实拍素材反而是稀缺资源
大量 B2B 站的图片来自供应商目录或素材库，同一张图在几十个站点重复出现，引擎无法判断哪一家才是原始信源。车间实拍、带工装背景、带测量工具的图重复率低，更容易被判定为一手素材。
这一点对制造企业是好消息。你手里最不缺的就是车间和产线，而这些恰恰是贸易商和素材站最缺的东西。把随手拍的车间图整理成可用素材，比花钱拍精修图见效快。
三个可以自己验证的优化杠杆
构图决定能不能被认出品类
孤立白底图缺少尺度参照，引擎只能读外形轮廓，读不出规格。加一把卡尺、加一个标准件、加一只手，等于给引擎一个尺寸基准，识别从”阀门”精确到”DN50 球阀”。
同一个产品拍三张就够用，正面全景交代整体形态，局部特写交代接口与密封结构，使用场景交代安装位置。三张有效图胜过十张不同角度的白底图，因为后者在引擎眼里是同一类特征重复了十次。
文件名与周边文字要指向同一个事实
文件名 IMG_2381.jpg 对引擎是零信息，dn50-stainless-flange-ball-valve.jpg 一次给出品类、材质、规格三层。页面标题、图注、正文首段如果都指向同一型号，识别置信度会明显上升。
这里容易出问题的是多语言站。中文页面的 alt 写中文，英文页面的 alt 写英文，如果两边的型号写法不一致，两边都会被降权。型号、材质、规格这类事实性字段，在所有语言版本里必须完全一致。
结构化数据把图片属性钉死
ImageObject 里的 name、description、caption，配合 Product 里的 material、sku 与尺寸参数，能把”这张图是什么”从推测变成声明。声明比推测可靠，引擎对可靠声明的处理优先级更高。
图片本身的物理属性也参与判断。长边低于 1200 像素的图，在高分屏展示和视觉检索里都容易被降级处理。这里要做的是别把手机压缩过的聊天图直接传上站，拍超高清并不是门槛。
隽永东方处理图片资产的方式
先盘点再补拍，不从零开始
我们接手一个 B2B 站时，先按产品线拉出图片清单，标出重复素材、低分辨率素材、以及完全没有实拍的型号。补拍只针对询盘量大和客单价高的型号，其余先用现有素材完成命名与结构化数据的补齐。
这样一轮下来，成本通常只有整站重拍的零头，而覆盖率能到八成以上。剩下两成低频型号等有订单再补，不必为展示率很低的长尾先花预算。
图片与页面文字按同一节奏更新
型号停产、参数改版、认证更新的时候，如果图和文字只改一边，引擎收到的是半新半旧的信号。我们把图片更新挂进产品页的更新流程，同一个改动单里同时处理图片、alt、图注与结构化数据，避免出现图上是老款、文字写新款的错位。
跨境站的难点在于确认哪个版本是准的。旧款图留在英文站、新款图换到中文站，两个语言版本互相矛盾，AI 答案里就会出现两种说法。统一版本这件事，比补图更要紧。
从这一周开始可以做的事
本周能自己完成的三件事
挑十个主力型号，把文件名改成英文品类加规格；给每个型号补一句能说清材质与用途的图注；在产品页的结构化数据里补上 ImageObject 的 name 与 caption。三件事都不需要技术团队介入。
做完之后用 Google 图片搜索反查自己的产品，看能不能搜到自己。搜不到，说明识别链路在某一层断了；搜到的是竞品或贸易商，说明你的素材重复率偏高；搜到的图对不上型号，说明文字和图没对齐。
判断是否需要外部支持的标准
产品线超过两百个型号，或者站内图片重复率超过三成，靠人工逐个改会拖很久，这时候值得做一次系统性的素材盘点与批量结构化。判断标准看改完之后有没有人按季度复核，如果没人复核，再完整的整改也会在半年内退回原样。
视觉搜索这一层现在的竞争密度比文字搜索低很多，多数同行还没开始整理素材。这个窗口不会一直开着。
方便的话加我微信：15821651082，把你们的产品图发我一张，我可以直接看出现在的问题卡在哪一层。
