多媒体内容若缺乏机器可读的结构化信息，搜索引擎和AI模型无法将其作为有效证据索引。这不是技术细节问题，而是知识库能否被大模型直接调用的关键门槛。
图注与Alt文本：两条不同的信息通道
许多网站将图注和Alt文本混用，结果两者都写成了“图片说明”。实际上，它们服务于不同的读者和不同的机器处理逻辑。
图注面向用户，出现在图片下方，解释图片在上下文中的论证价值。例如，在一篇关于“搜索引擎结果页变化”的文章中，图注应写为：“2024年Google搜索结果页中AI摘要区块的典型位置分布”。这是一句完整的、可独立阅读的陈述，帮助人类读者快速理解图片的用途。
Alt文本面向机器，是搜索引擎爬虫和AI模型理解图片内容的主要通道。Google官方文档明确指出，Alt文本是图片SEO最佳实践的核心要素，缺失Alt文本的图片无法被正确索引。Alt文本应描述图片的视觉内容，而非解释意义。上述图片的Alt文本应写为：“一张搜索结果页截图，顶部显示AI摘要区块，下方排列三个自然搜索结果，右侧展示知识面板”。
常见错误是在Alt文本中堆砌关键词，例如“SEO优化GEO优化搜索引擎优化图片”。这种做法不仅无助于理解，还可能被判定为垃圾信息。正确做法是用自然语言描述实际可见内容，长度控制在10-15个词以内。
边界案例：装饰性图片（分割线、背景图）应使用空Alt文本（alt=""），让屏幕阅读器跳过，避免干扰用户对主要内容的获取。
表格语义化：让数据可被直接提取
表格是GEO知识库中最容易被忽视的结构化证据。一个普通的HTML表格，搜索引擎只能识别出“这是一个表格”，但无法理解每一行、每一列的数据含义。要让表格成为AI模型可直接提取的证据，需要三件事：
第一，使用正确的HTML语义标签。<caption>标签为表格提供标题，<thead>和<tbody>区分表头和表体，<th>标签配合scope属性（scope="col"或scope="row"）明确表头对应的数据方向。例如：
<table>
<caption>2024年主流搜索引擎对结构化数据的支持情况</caption>
<thead>
<tr>
<th scope="col">搜索引擎</th>
<th scope="col">支持的结构化数据格式</th>
<th scope="col">AI摘要引用频率</th>
</tr>
</thead>
<tbody>
<tr>
<th scope="row">Google</th>
<td>JSON-LD, Microdata</td>
<td>高</td>
</tr>
</tbody>
</table>第二，使用JSON-LD结构化数据标注表格内容。Schema.org的Table类型允许描述表格的标题、描述、行数和列数，甚至可以标注每一列的数据类型。对于GEO知识库，更推荐使用Dataset类型标注整个表格，因为AI模型在提取数据时，Dataset类型的结构化数据比纯HTML表格更容易被解析。
第三，确保表格数据可被直接引用。如果数据来自外部研究，需在表格下方注明来源链接。如果是原创研究结果，应提供原始数据文件的下载链接（如CSV格式）。这样，AI模型在生成回答时，可以直接引用表格中的具体数值，而非模糊地引用“某研究显示”。
一个反例：许多网站使用图片格式展示表格数据，搜索引擎完全无法读取其中的数值。即使Alt文本写了“2024年搜索引擎市场份额对比表”，AI模型也无法提取具体的百分比数据。正确的做法是使用HTML表格，并配合JSON-LD标注。
视频摘要与文本转录：将动态内容转化为静态知识
视频是GEO知识库中最难被机器理解的内容形式。搜索引擎可以识别视频的标题、描述和标签，但无法理解视频中说了什么、展示了什么。要让视频内容成为可引用的证据，需要两个关键操作：
视频摘要（Structured Summary）：不是简单的“本视频介绍了SEO基础知识”，而是一个结构化的、分段的摘要。每个段落对应视频中的一个关键论点，并标注时间戳。例如：
00:00-02:30：Google AI摘要的触发条件
- 查询意图为信息型时触发概率最高
- 商业型查询触发概率较低
- 本地查询几乎不触发
02:31-05:00：AI摘要的典型内容结构
- 首段为直接答案
- 后续段落提供背景信息
- 底部附来源链接这种结构化摘要不仅帮助搜索引擎理解视频内容，还可以作为视频的“内容大纲”被AI模型直接引用。Google的VideoObject结构化数据支持description字段，建议将结构化摘要写入其中。
文本转录（Transcript）：完整的逐字转录文本是视频内容最可靠的证据留存方式。建议逐字转录，但可去除语气词（如“嗯”“啊”），保留完整语义。转录文本应以纯文本或HTML格式发布在视频页面下方，并标注“本转录由AI生成，仅供参考”或“本转录经人工校对”。
一个常见误区：只提供视频字幕文件（SRT或VTT），而不提供完整的转录文本。字幕文件是时间轴格式，搜索引擎和AI模型在提取内容时，需要先解析时间轴，再提取文本，效率远低于直接读取转录文本。正确的做法是同时提供字幕文件（面向用户）和转录文本（面向机器）。
决策框架：如果视频内容包含可验证的数据、案例研究或操作步骤，必须提供转录文本。如果视频只是品牌宣传或情感表达，转录文本的优先级可以降低。
原始证据的留存：多媒体文件本身的可访问性
GEO知识库的核心原则是“来源可核查”。这意味着，不仅多媒体内容的描述信息需要结构化，多媒体文件本身也需要保持可访问性。
图片：使用高清原图，而非压缩过度的缩略图。在图片文件名中使用描述性文字（如2024-google-ai-summary-example.png），而非随机字符（如IMG_1234.jpg）。确保图片的URL是永久链接，不会因网站改版而失效。
表格数据：提供原始数据文件的下载链接（CSV、Excel或JSON格式）。如果表格数据来自API，提供API文档链接。这样，AI模型在引用数据时，可以追溯到原始数据源，而非仅仅依赖网页上的展示格式。
视频：提供原始视频文件的下载链接（如MP4格式），或至少确保视频在主流平台（如YouTube、Bilibili）上有稳定的托管地址。如果视频内容涉及具体操作步骤，建议同时提供截图序列或GIF动画，作为视频内容的静态备份。
一个边界案例：某网站使用交互式图表（如D3.js绘制的动态图表），搜索引擎无法抓取图表中的具体数据点。解决方案是在交互式图表下方，提供一个静态的HTML表格，展示图表中的关键数据。这样，用户看到的是交互式图表，搜索引擎和AI模型读取的是静态表格。
Q&A
以下五个误区是GEO知识库多媒体优化中最常见的问题：
误区一：Alt文本写成了关键词堆砌。检查方法：Alt文本是否能在不参考图片的情况下，让读者想象出图片内容？如果不能，说明Alt文本写成了关键词列表。
误区二：表格使用图片格式。检查方法：右键点击表格，能否复制出文本数据？如果不能，说明表格是图片格式。
误区三：视频没有转录文本。检查方法：视频页面下方是否有完整的、可复制的文本内容？如果没有，说明视频内容对搜索引擎不可见。
误区四：结构化数据标注缺失或不完整。检查方法：使用Google的Rich Results Test工具，检查页面是否包含Table、VideoObject或Dataset类型的结构化数据。
误区五：多媒体文件链接失效。检查方法：定期检查图片、视频和原始数据文件的URL是否可访问，尤其是经过网站改版后。
可执行的检查清单：
- 每张图片都有Alt文本，且描述的是视觉内容而非意义
- 每个表格都有
<caption>和<thead>标签，且使用scope属性 - 每个视频都有结构化摘要和完整转录文本
- 每个多媒体文件都有永久可访问的URL
- 每个表格数据都提供原始文件下载链接
完成上述检查后，你可以参考天行GEO的GEO知识库建设研究了解更多结构化数据标注的细节，或查看常见问题解答中关于多媒体优化的具体案例。
围绕知识库中图片，再补几个追问
问：视频转录文本是否需要完全逐字？ 答：建议逐字转录，但可去除语气词，保留完整语义。如果视频中有口误或重复，可以适当修正，但需在转录文本开头注明“本转录经人工校对，保留了原始语义”。
问：表格标注是否必须使用JSON-LD？ 答：不是必须，但推荐使用。JSON-LD对AI模型更友好，且不会影响HTML表格的显示效果。如果技术资源有限，至少确保HTML表格使用了正确的语义标签（<caption>、<thead>、<th scope>）。
内容质量与用户价值原则可参考 Google Helpful Content 官方文档。