Visual Search: Unterschied zwischen den Versionen
(→Die Bedeutung der Visual Search für Marketing und SEO) |
(→Bedeutung für Marketing und SEO) |
||
| (15 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt) | |||
| Zeile 10: | Zeile 10: | ||
== Was ist Visual Search und worin besteht der Unterschied zur klassischen Bildersuche? == | == Was ist Visual Search und worin besteht der Unterschied zur klassischen Bildersuche? == | ||
| + | [[File:Visual-Search.png|mini|450px|rechts|alt=Visual Search|'''Abbildung:''' Visual Search - Autor: Seobility - Lizenz: [[Creative Commons Lizenz BY-SA 4.0|CC BY-SA 4.0]]|link=https://www.seobility.net/de/wiki/images/9/9d/Visual-Search.png]] | ||
Die Bildersuche, bei der eine Suchmaschine eine textbasierte Abfrage durchführt und versucht, die beste visuelle Übereinstimmung zu finden, unterscheidet sich stark von der visuellen Suche. Visual Search bedeutet, <strong>Suchmaschinennutzer können mit Bildern suchen</strong>, nicht nur nach ihnen. Bei der visuellen Suche kann also ein Bild anstelle von Text als Abfrage verwendet werden. Der Begriff Visual Search bezieht sich daher auf visuelle Dateneingaben und -abfragen, einschließlich der neuen umgekehrten Bildsuchtechnologie und des traditionellen Keyword-In-/Bild-Out-Modells. | Die Bildersuche, bei der eine Suchmaschine eine textbasierte Abfrage durchführt und versucht, die beste visuelle Übereinstimmung zu finden, unterscheidet sich stark von der visuellen Suche. Visual Search bedeutet, <strong>Suchmaschinennutzer können mit Bildern suchen</strong>, nicht nur nach ihnen. Bei der visuellen Suche kann also ein Bild anstelle von Text als Abfrage verwendet werden. Der Begriff Visual Search bezieht sich daher auf visuelle Dateneingaben und -abfragen, einschließlich der neuen umgekehrten Bildsuchtechnologie und des traditionellen Keyword-In-/Bild-Out-Modells. | ||
| Zeile 15: | Zeile 16: | ||
== Arten der visuellen Suche == | == Arten der visuellen Suche == | ||
| − | Die visuelle Suche beruht auf der <strong>Erkennung von Objekten und dem Vergleich | + | Die visuelle Suche beruht auf der <strong>Erkennung von Objekten und dem Vergleich visueller Informationen</strong> mit bekannten Bildinhalten. Es gibt eine Reihe verschiedener Arten der visuellen Suche, die unterschiedliche Techniken zum Erkennen und Vergleichen von Bildinhalten nutzen. Die Arten der visuellen Suche sind: |
* Reverse Image Search | * Reverse Image Search | ||
| Zeile 28: | Zeile 29: | ||
=== Related Search === | === Related Search === | ||
| − | Die Related Search (Ähnlichkeitssuche) wurde von Pinterest eingeführt. Die auch als inhaltsbasierte Bildsuche bezeichnete Technik beruht auf dem <strong>Vergleich zwischen Bildern oder Bildinhalten | + | Die Related Search (Ähnlichkeitssuche) wurde von Pinterest eingeführt. Die auch als inhaltsbasierte Bildsuche bezeichnete Technik beruht auf dem <strong>Vergleich zwischen Bildern oder Bildinhalten</strong> mithilfe visueller Computertechniken. Diese Techniken ermöglichen es, nach ähnlichen Bildern oder einzelnen Gegenständen in Bildern zu suchen. Related Search nutzt damit eine ähnliche Logik wie die [[Google Suggest|Google Suggest-Funktion]] und liefert als Antwort auf eine Suchanfrage allgemein Ergebnisse, die aus Sicht der Suchmaschinen ähnlich zu dem sind, wonach gesucht wird. Auch das Stockfotoportal Shutterstock verwendet eine vergleichbare Technologie. Zieht man beispielsweise ein Foto einer Gruppe junger Menschen oder eines Meetings in die Suchmaske, liefert die Suche Bilder, auf denen diese Elemente ebenfalls zu sehen sind. |
| − | [[Datei:Related Search bei Shutterstock.PNG|link=|700px|alt=Related Search als Art der Visual Search]] | + | [[Datei:Related Search bei Shutterstock.PNG|link=|border|700px|alt=Related Search als Art der Visual Search|Related Search bei Shutterstock als Beispiel für Visual Search]] |
Screenshot mit Beispiel für Related Search von [https://www.shutterstock.com/de/ shutterstock.com] | Screenshot mit Beispiel für Related Search von [https://www.shutterstock.com/de/ shutterstock.com] | ||
| Zeile 38: | Zeile 39: | ||
Die gefilterte Bildersuche hat ihren Ursprung ebenfalls bei Pinterest. Diese Funktion baut auf der verwandten Suche auf und <strong>schlägt Filter - wie Farbe und Größe</strong> - vor, damit Benutzer ihre Suche fokussieren können. So kann beispielsweise eine Lampe oder ein Tisch auf dem Bild eines stileingerichteten Zimmers markiert werden. Die Suchmaschine liefert dann die dazu passenden Produkte. Der Erfolg dieser visuellen Suche hat dazu geführt, dass die meisten Suchmaschinen diese Suchmethode übernommen haben. | Die gefilterte Bildersuche hat ihren Ursprung ebenfalls bei Pinterest. Diese Funktion baut auf der verwandten Suche auf und <strong>schlägt Filter - wie Farbe und Größe</strong> - vor, damit Benutzer ihre Suche fokussieren können. So kann beispielsweise eine Lampe oder ein Tisch auf dem Bild eines stileingerichteten Zimmers markiert werden. Die Suchmaschine liefert dann die dazu passenden Produkte. Der Erfolg dieser visuellen Suche hat dazu geführt, dass die meisten Suchmaschinen diese Suchmethode übernommen haben. | ||
| − | Die von Bing entwickelte tiefe Bildsuche folgt einem ähnlichen Ansatz. <strong>Sie ermöglicht die Auswahl von Objekten in einem Bild | + | Die von Bing entwickelte tiefe Bildsuche folgt einem ähnlichen Ansatz. <strong>Sie ermöglicht die Auswahl von Objekten in einem Bild</strong> mithilfe eines Freistellungswerkzeugs und die Suche nach zugehörigen Bildern und weiteren Informationen. |
=== Augmented Reality Search === | === Augmented Reality Search === | ||
| − | Im Rahmen der Augmented Reality Search können Benutzer mit der Kamera ihres Smartphones visuelle Eingaben für Suchanfragen nutzen. So können User mit den Lens-Apps von Google und Pinterest | + | Im Rahmen der Augmented Reality Search können Benutzer mit der Kamera ihres Smartphones visuelle Eingaben für Suchanfragen nutzen. So können User mit den Lens-Apps von Google und Pinterest Objekte in der Realität fotografieren und <strong>zugehörige Bilder und weitere Informationen abrufen</strong>. Beispielsweise besteht die Möglichkeit, Sehenswürdigkeiten zu fotografieren und sich Hintergrundinformationen zu diesen zu beschaffen. Im Alltag kann beispielsweise auch ein Restaurant fotografiert werden und Google liefert Informationen wie Öffnungszeiten und Speisekarte. |
| − | Trotz dieser neuen Möglichkeiten ist die Meta-Suche bei der Visual Search immer noch wichtig. | + | Trotz dieser neuen Möglichkeiten ist die Meta-Suche bei der Visual Search immer noch wichtig. Durch die Kombination von kontextbasierten und visuellen Suchmethoden können die Suchergebnisse in der Bildersuche optimiert werden. |
== Wie funktioniert Visual Search? == | == Wie funktioniert Visual Search? == | ||
| Zeile 50: | Zeile 51: | ||
Die unbewussten Entscheidungen, die uns erlauben, Muster in Bildern zu verstehen, können bislang nur unvollkommen in Maschinen integriert werden. Um eine genaue visuelle Suche durchzuführen, benötigen Suchmaschinen allerdings viel <strong>ausgeklügeltere Prozesse als bei der herkömmlichen Bildersuche</strong>. Aus diesem Grund werden künstliche Intelligenz und neuronale Netzwerke bei der visuellen Suche genutzt, um die Funktionsweise des menschlichen Gehirns bei der Identifizierung von Bildinhalten nachzuahmen. | Die unbewussten Entscheidungen, die uns erlauben, Muster in Bildern zu verstehen, können bislang nur unvollkommen in Maschinen integriert werden. Um eine genaue visuelle Suche durchzuführen, benötigen Suchmaschinen allerdings viel <strong>ausgeklügeltere Prozesse als bei der herkömmlichen Bildersuche</strong>. Aus diesem Grund werden künstliche Intelligenz und neuronale Netzwerke bei der visuellen Suche genutzt, um die Funktionsweise des menschlichen Gehirns bei der Identifizierung von Bildinhalten nachzuahmen. | ||
| − | Der typische menschliche Prozess, bei dem wir die Bestandteile eines Bildes entschlüsseln, relevante Informationen herausfiltern und unwichtige Informationen, die sogenannten Distraktoren, verwerfen, wird bei der Visual Search von komplexen Bilderkennungsalgorithmen übernommen. Mithilfe dieser <strong> | + | Der typische menschliche Prozess, bei dem wir die Bestandteile eines Bildes entschlüsseln, relevante Informationen herausfiltern und unwichtige Informationen, die sogenannten Distraktoren, verwerfen, wird bei der Visual Search von komplexen Bilderkennungsalgorithmen übernommen. Mithilfe dieser Algorithmen werden <strong>Farb- und Helligkeitswerte der Bildpunkte, Formen und Texturen</strong> sowie weitere visuelle Informationen aus einem Bild extrahiert, ausgewertet und mit anderen Bildinhalten verglichen. Anhand dieser Informationen entscheiden die Suchmaschinen, worum es auf einem Bild geht, um dann verwandte Elemente zu konzeptualisieren und zu kategorisieren. |
Diese Aufgabe wird bei der Visual Search von neuronalen Netzen durchgeführt. Diese Netzwerke arbeiten ohne menschlichen Eingriff und ändern ihre Funktionsweise basierend auf Rückkopplungssignalen wie dem Nutzerverhalten, um die gewünschte Ausgabe zu liefern. Die visuelle Bildersuche wäre, wie die Sprachsuche, ohne künstliche Intelligenz und Machine Learning Algorithmen nicht möglich. | Diese Aufgabe wird bei der Visual Search von neuronalen Netzen durchgeführt. Diese Netzwerke arbeiten ohne menschlichen Eingriff und ändern ihre Funktionsweise basierend auf Rückkopplungssignalen wie dem Nutzerverhalten, um die gewünschte Ausgabe zu liefern. Die visuelle Bildersuche wäre, wie die Sprachsuche, ohne künstliche Intelligenz und Machine Learning Algorithmen nicht möglich. | ||
| Zeile 56: | Zeile 57: | ||
== Bedeutung für Marketing und SEO == | == Bedeutung für Marketing und SEO == | ||
| − | Für das Marketing bietet die Visual Search viele neue Chancen. 93% der Verbraucher geben an, dass sie bei einem Produktkauf vor allem visuelle Faktoren berücksichtigen. Mithilfe von bildbasierten Suchanfragen können sie schneller genau das finden, wonach sie suchen, denn <strong> | + | Für das Marketing bietet die Visual Search viele neue Chancen. 93% der Verbraucher geben an, dass sie bei einem Produktkauf vor allem visuelle Faktoren berücksichtigen. Mithilfe von bildbasierten Suchanfragen können sie schneller genau das finden, wonach sie suchen, denn visuelle Suchfunktionen ermöglichen <strong> das Suchen und Einkaufen anhand eines einzigen Bildes</strong>. Käufer, die mit Bildern suchen, werden daher ein gewünschtes Produkt schneller finden und es ist weniger wahrscheinlich, dass sie den Kauf nicht abschließen. |
Die Visual Search eröffnet darüber hinaus <strong>neue Möglichkeiten für das Cross-Selling</strong>. Wenn Nutzer nach einem bestimmten Produkt suchen, ist die Wahrscheinlichkeit hoch, dass sie weitere Produkte kaufen, die sie auf dem gleichen Bild sehen. Beispielsweise können im Bereich Fashion und Mode komplette Outfits präsentiert werden, wobei die einzelnen Produkte über die Deep oder Related Search gesucht werden können. IKEA praktiziert dies seit Jahren sehr erfolgreich offline mit den sorgfältig abgestimmten Wohnwelten in seinen Möbelhäusern. | Die Visual Search eröffnet darüber hinaus <strong>neue Möglichkeiten für das Cross-Selling</strong>. Wenn Nutzer nach einem bestimmten Produkt suchen, ist die Wahrscheinlichkeit hoch, dass sie weitere Produkte kaufen, die sie auf dem gleichen Bild sehen. Beispielsweise können im Bereich Fashion und Mode komplette Outfits präsentiert werden, wobei die einzelnen Produkte über die Deep oder Related Search gesucht werden können. IKEA praktiziert dies seit Jahren sehr erfolgreich offline mit den sorgfältig abgestimmten Wohnwelten in seinen Möbelhäusern. | ||
| Zeile 62: | Zeile 63: | ||
Aktuell und in der näheren Zukunft haben Marketer nur wenig Konkurrenz bei der visuellen Suche. Relativ gesehen steckt die visuelle Suche noch in den Kinderschuhen und ist bisher nur selten Bestandteil von Marketingstrategien. Dies bietet eine große Chance für Unternehmen, die bereit sind, in visuelle Suchergebnisse (VSERPs) zu investieren. | Aktuell und in der näheren Zukunft haben Marketer nur wenig Konkurrenz bei der visuellen Suche. Relativ gesehen steckt die visuelle Suche noch in den Kinderschuhen und ist bisher nur selten Bestandteil von Marketingstrategien. Dies bietet eine große Chance für Unternehmen, die bereit sind, in visuelle Suchergebnisse (VSERPs) zu investieren. | ||
| − | Für die Suchmaschinenoptimierung bringt die Visual Search ebenfalls Veränderungen mit sich. Während die klassische Bilder-SEO nach wie vor wichtig ist und bleiben wird, haben die durch Amazon populär gewordenen Produktbilder vor einem weißen Hintergrund in Zukunft mehr und mehr ausgedient. Für <strong>Visual Search optimierte Bilder sind hochauflösend und zeigen das Produkt in einer natürlichen Umgebung | + | Für die Suchmaschinenoptimierung bringt die Visual Search ebenfalls Veränderungen mit sich. Während die klassische Bilder-SEO nach wie vor wichtig ist und bleiben wird, haben die durch Amazon populär gewordenen Produktbilder vor einem weißen Hintergrund in Zukunft mehr und mehr ausgedient. Für <strong>Visual Search optimierte Bilder sind hochauflösend</strong> und zeigen das Produkt in einer natürlichen Umgebung. Der Nutzer und potentielle Kunde erhält so einen Eindruck vom Nutzen des Produkts im Alltag. Die Bildoptimierung für die neue Bildersuche beginnt daher bereits bei der Aufnahme der Bilder. |
| − | Google, Bing und SEOs gehen davon aus, dass <strong>Smartphones und andere mobile Geräte in Zukunft immer mehr als visuelle Suchmaschinen genutzt werden | + | Google, Bing und SEOs gehen davon aus, dass <strong>Smartphones und andere mobile Geräte</strong> in Zukunft immer mehr als visuelle Suchmaschinen genutzt werden. Nutzer fotografieren beispielsweise ein Restaurant von außen und erhalten als Suchergebnis ausführliche Informationen über dessen Angebot und erfahren, welche Freunde das Restaurant bereits besucht haben. Sicher scheint, dass die Visual Search neben der [[Voice Search]] in naher Zukunft den mit Abstand größten Teil der Suchanfragen ausmachen wird. Aktuell ist jedoch noch nicht entschieden, welche der Suchmaschinen das Rennen um die beste visuelle Suche für sich entscheiden wird. |
{| class="wikitable" style="text-align:left" | {| class="wikitable" style="text-align:left" | ||
| Zeile 80: | Zeile 81: | ||
[[Kategorie:Suchmaschinenoptimierung]] | [[Kategorie:Suchmaschinenoptimierung]] | ||
[[Kategorie:Online Marketing]] | [[Kategorie:Online Marketing]] | ||
| + | |||
| + | <html><script type="application/ld+json"> | ||
| + | { | ||
| + | "@context": "https://schema.org/", | ||
| + | "@type": "ImageObject", | ||
| + | "contentUrl": "https://www.seobility.net/de/wiki/images/9/9d/Visual-Search.png", | ||
| + | "license": "https://creativecommons.org/licenses/by-sa/4.0/deed.de", | ||
| + | "acquireLicensePage": "https://www.seobility.net/de/wiki/Creative_Commons_Lizenz_BY-SA_4.0" | ||
| + | } | ||
| + | </script></html> | ||
Aktuelle Version vom 3. Juni 2021, 13:33 Uhr
Autor: Florian Kolbe
Inhaltsverzeichnis
Die Entwicklung der klassischen Google Bildersuche
Die Entwicklung der klassischen Bildersuche von Google wurde im Jahr 2001 durch ein Foto von Jennifer Lopez in einem grünen Chiffon-Kleid bei den Grammy Awards angestoßen. Kurz nach der Veröffentlichung dieses Fotos wurde über Google millionenfach nach dem Kleid gesucht. Die Suche zählt noch heute zu den beliebtesten Suchanfragen aller Zeiten und war der Startschuss für die Entwicklung von Googles Bildersuche.
Die Google Bildersuche ist eine kontextbasierte Bildersuche. Das bedeutet, dass die Google-Bots den Kontext und die Umgebung eines Bildes analysieren, um dessen Relevanz für eine Suchanfrage zu ermitteln. Der grafische Inhalt des Bildes selbst wird dabei nicht berücksichtigt. Stattdessen liefern der Text der Webseite, der das Bild umgibt, der Inhalt des Alt-Attributs, das mit dem Bild verknüpft ist, die Bildunterschrift und auch der Dateiname die wesentlichen Hinweise, die Google zum Kategorisieren und Sortieren von Bildern verwendet. Die Bereitstellung dieser Informationen ist daher ein wichtiger Teil der Bilder-SEO. Die Informationen sind für Google und andere Suchmaschinen unverzichtbar, um mit einer hohen Genauigkeit nachvollziehen zu können, was ein Bild darstellt.
Was ist Visual Search und worin besteht der Unterschied zur klassischen Bildersuche?
Die Bildersuche, bei der eine Suchmaschine eine textbasierte Abfrage durchführt und versucht, die beste visuelle Übereinstimmung zu finden, unterscheidet sich stark von der visuellen Suche. Visual Search bedeutet, Suchmaschinennutzer können mit Bildern suchen, nicht nur nach ihnen. Bei der visuellen Suche kann also ein Bild anstelle von Text als Abfrage verwendet werden. Der Begriff Visual Search bezieht sich daher auf visuelle Dateneingaben und -abfragen, einschließlich der neuen umgekehrten Bildsuchtechnologie und des traditionellen Keyword-In-/Bild-Out-Modells.
Arten der visuellen Suche
Die visuelle Suche beruht auf der Erkennung von Objekten und dem Vergleich visueller Informationen mit bekannten Bildinhalten. Es gibt eine Reihe verschiedener Arten der visuellen Suche, die unterschiedliche Techniken zum Erkennen und Vergleichen von Bildinhalten nutzen. Die Arten der visuellen Suche sind:
- Reverse Image Search
- Related Search
- Filtered Search & Deep Image Search
- Augmented Reality Search
Reverse Image Search
Mit der von Google entwickelten umgekehrten Bildersuche ist es möglich, das Internet nach einem bestimmten Bild zu durchsuchen. Das Bild wird hierbei als Suchanfrage genutzt. Die umgekehrte Bildersuche wurde zuerst von Unternehmen genutzt, die versuchten, nicht genehmigte Verwendungen ihrer Produktbilder zu identifizieren. Reverse Image Search spielt heute aber auch im Marketing eine wichtige Rolle. So lassen sich beispielsweise oft verwendete Stockfotos mittels der umgekehrten Bildersuche auffinden. Die Liste der Ergebnisse zeigt die Websites an, die dieses Bild ebenfalls verwenden.
Related Search
Die Related Search (Ähnlichkeitssuche) wurde von Pinterest eingeführt. Die auch als inhaltsbasierte Bildsuche bezeichnete Technik beruht auf dem Vergleich zwischen Bildern oder Bildinhalten mithilfe visueller Computertechniken. Diese Techniken ermöglichen es, nach ähnlichen Bildern oder einzelnen Gegenständen in Bildern zu suchen. Related Search nutzt damit eine ähnliche Logik wie die Google Suggest-Funktion und liefert als Antwort auf eine Suchanfrage allgemein Ergebnisse, die aus Sicht der Suchmaschinen ähnlich zu dem sind, wonach gesucht wird. Auch das Stockfotoportal Shutterstock verwendet eine vergleichbare Technologie. Zieht man beispielsweise ein Foto einer Gruppe junger Menschen oder eines Meetings in die Suchmaske, liefert die Suche Bilder, auf denen diese Elemente ebenfalls zu sehen sind.
Screenshot mit Beispiel für Related Search von shutterstock.com
Filtered Search & Deep Image Search
Die gefilterte Bildersuche hat ihren Ursprung ebenfalls bei Pinterest. Diese Funktion baut auf der verwandten Suche auf und schlägt Filter - wie Farbe und Größe - vor, damit Benutzer ihre Suche fokussieren können. So kann beispielsweise eine Lampe oder ein Tisch auf dem Bild eines stileingerichteten Zimmers markiert werden. Die Suchmaschine liefert dann die dazu passenden Produkte. Der Erfolg dieser visuellen Suche hat dazu geführt, dass die meisten Suchmaschinen diese Suchmethode übernommen haben.
Die von Bing entwickelte tiefe Bildsuche folgt einem ähnlichen Ansatz. Sie ermöglicht die Auswahl von Objekten in einem Bild mithilfe eines Freistellungswerkzeugs und die Suche nach zugehörigen Bildern und weiteren Informationen.
Augmented Reality Search
Im Rahmen der Augmented Reality Search können Benutzer mit der Kamera ihres Smartphones visuelle Eingaben für Suchanfragen nutzen. So können User mit den Lens-Apps von Google und Pinterest Objekte in der Realität fotografieren und zugehörige Bilder und weitere Informationen abrufen. Beispielsweise besteht die Möglichkeit, Sehenswürdigkeiten zu fotografieren und sich Hintergrundinformationen zu diesen zu beschaffen. Im Alltag kann beispielsweise auch ein Restaurant fotografiert werden und Google liefert Informationen wie Öffnungszeiten und Speisekarte.
Trotz dieser neuen Möglichkeiten ist die Meta-Suche bei der Visual Search immer noch wichtig. Durch die Kombination von kontextbasierten und visuellen Suchmethoden können die Suchergebnisse in der Bildersuche optimiert werden.
Wie funktioniert Visual Search?
Die unbewussten Entscheidungen, die uns erlauben, Muster in Bildern zu verstehen, können bislang nur unvollkommen in Maschinen integriert werden. Um eine genaue visuelle Suche durchzuführen, benötigen Suchmaschinen allerdings viel ausgeklügeltere Prozesse als bei der herkömmlichen Bildersuche. Aus diesem Grund werden künstliche Intelligenz und neuronale Netzwerke bei der visuellen Suche genutzt, um die Funktionsweise des menschlichen Gehirns bei der Identifizierung von Bildinhalten nachzuahmen.
Der typische menschliche Prozess, bei dem wir die Bestandteile eines Bildes entschlüsseln, relevante Informationen herausfiltern und unwichtige Informationen, die sogenannten Distraktoren, verwerfen, wird bei der Visual Search von komplexen Bilderkennungsalgorithmen übernommen. Mithilfe dieser Algorithmen werden Farb- und Helligkeitswerte der Bildpunkte, Formen und Texturen sowie weitere visuelle Informationen aus einem Bild extrahiert, ausgewertet und mit anderen Bildinhalten verglichen. Anhand dieser Informationen entscheiden die Suchmaschinen, worum es auf einem Bild geht, um dann verwandte Elemente zu konzeptualisieren und zu kategorisieren.
Diese Aufgabe wird bei der Visual Search von neuronalen Netzen durchgeführt. Diese Netzwerke arbeiten ohne menschlichen Eingriff und ändern ihre Funktionsweise basierend auf Rückkopplungssignalen wie dem Nutzerverhalten, um die gewünschte Ausgabe zu liefern. Die visuelle Bildersuche wäre, wie die Sprachsuche, ohne künstliche Intelligenz und Machine Learning Algorithmen nicht möglich.
Bedeutung für Marketing und SEO
Für das Marketing bietet die Visual Search viele neue Chancen. 93% der Verbraucher geben an, dass sie bei einem Produktkauf vor allem visuelle Faktoren berücksichtigen. Mithilfe von bildbasierten Suchanfragen können sie schneller genau das finden, wonach sie suchen, denn visuelle Suchfunktionen ermöglichen das Suchen und Einkaufen anhand eines einzigen Bildes. Käufer, die mit Bildern suchen, werden daher ein gewünschtes Produkt schneller finden und es ist weniger wahrscheinlich, dass sie den Kauf nicht abschließen.
Die Visual Search eröffnet darüber hinaus neue Möglichkeiten für das Cross-Selling. Wenn Nutzer nach einem bestimmten Produkt suchen, ist die Wahrscheinlichkeit hoch, dass sie weitere Produkte kaufen, die sie auf dem gleichen Bild sehen. Beispielsweise können im Bereich Fashion und Mode komplette Outfits präsentiert werden, wobei die einzelnen Produkte über die Deep oder Related Search gesucht werden können. IKEA praktiziert dies seit Jahren sehr erfolgreich offline mit den sorgfältig abgestimmten Wohnwelten in seinen Möbelhäusern.
Aktuell und in der näheren Zukunft haben Marketer nur wenig Konkurrenz bei der visuellen Suche. Relativ gesehen steckt die visuelle Suche noch in den Kinderschuhen und ist bisher nur selten Bestandteil von Marketingstrategien. Dies bietet eine große Chance für Unternehmen, die bereit sind, in visuelle Suchergebnisse (VSERPs) zu investieren.
Für die Suchmaschinenoptimierung bringt die Visual Search ebenfalls Veränderungen mit sich. Während die klassische Bilder-SEO nach wie vor wichtig ist und bleiben wird, haben die durch Amazon populär gewordenen Produktbilder vor einem weißen Hintergrund in Zukunft mehr und mehr ausgedient. Für Visual Search optimierte Bilder sind hochauflösend und zeigen das Produkt in einer natürlichen Umgebung. Der Nutzer und potentielle Kunde erhält so einen Eindruck vom Nutzen des Produkts im Alltag. Die Bildoptimierung für die neue Bildersuche beginnt daher bereits bei der Aufnahme der Bilder.
Google, Bing und SEOs gehen davon aus, dass Smartphones und andere mobile Geräte in Zukunft immer mehr als visuelle Suchmaschinen genutzt werden. Nutzer fotografieren beispielsweise ein Restaurant von außen und erhalten als Suchergebnis ausführliche Informationen über dessen Angebot und erfahren, welche Freunde das Restaurant bereits besucht haben. Sicher scheint, dass die Visual Search neben der Voice Search in naher Zukunft den mit Abstand größten Teil der Suchanfragen ausmachen wird. Aktuell ist jedoch noch nicht entschieden, welche der Suchmaschinen das Rennen um die beste visuelle Suche für sich entscheiden wird.
| Über den Autor |
 |
Ähnliche Artikel