Visual Search

Die Visual Search ist die Suche mit Bildern. Dass zu Suchbegriffen in Suchmaschinen auch Bilder angezeigt werden, ist schon lange selbstverständlich. Visual Search geht aber noch einen Schritt weiter: Wer ein Bild im Netz findet oder auch selbst eins einstellt (wozu ein simpler Blogbeitrag genügt, in den dann das Bild hochgeladen wird), kann darauf mit der rechten Maustaste klicken und findet dann die Zeile „mit Google nach Bild suchen“. Übrigens kommt diese Zeile auch in der Suchmaschine Bing.

Bei einem Klick auf diese Zeile taucht die Webseite auf, von der das betreffende Bild stammt. Es werden auch ähnliche Bilder und die dazugehörenden Seiten angezeigt. Das hat unter anderem Vorteile bei der Suche nach Produkten. Der Nutzer sieht beispielsweise ein bestimmtes T-Shirt, kann darauf mit der rechten Maustaste klicken und findet dann wahrscheinlich mehrere Shops, die so ein Shirt verkaufen.

Konsequenzen für die Personensuche

Visual Search bedeutet, dass aufgrund des Bildes einer Person diese im Netz zu finden ist, wenn dasselbe oder ein ähnliches Bild auf einer Webseite veröffentlicht wurde, welche Daten zu dieser Person nennt. Dies müssen sich alle User überlegen, die von sich selbst Bilder posten oder diese beispielsweise für Auftrag- oder Arbeitgeber freigeben, bei denen sie beschäftigt sind.

Wenn dasselbe oder auch ein ähnliches Bild zum Beispiel bei einer Partneragentur veröffentlicht wurde, auf welcher die betreffende Person eigentlich anonym bleiben, aber dennoch ihr Bild zeigen will, wäre sie über die Visual Search zu identifizieren.

Visual Search und SEO

Für die SEO ist die Visual Search nur dann bedeutsam, wenn ein Bild in einen Kontext zu stellen ist, der sich am besten durch eine Bildbeschreibung mit einem oder wenigen Worten realisieren lässt. Die Bots von Google und anderen Suchmaschinen analysieren die Umgebung (Webseite) eines Bildes und die textuelle Bildbeschreibung, um die Relevanz dieses Bildes für eine Suchanfrage festzustellen. Den grafischen Inhalt können sie (noch) nicht berücksichtigen.

Wichtig sind für die SEO mit dem Bild verknüpfte Alt-Attribute, nach denen die Bots suchen können. Auch der Dateiname liefert den Crawlern wesentliche Hinweise zum Sortieren und Kategorisieren Bilder. Die Bereitstellung solcher Informationen gehört daher zwingend zur Bilder-SEO. Anders können die Suchmaschinen das Bild nicht genau einordnen. Bilder, die unzulänglich mit Bildunterschrift, Dateiname und/oder Alt-Attribut gekennzeichnet wurden, tauchen häufig zusammenhanglos auf.

Wer nach einem Begriff sucht und dabei auf „Bilder“ klickt, entdeckt dabei oft viele Bilder, die mit dem Begriff (der Person etc.) wenig bis nichts zu tun haben. Zu vermuten ist, dass diese Bilder unzulänglich gekennzeichnet wurden und die Googlealgorithmen daher einen Zusammenhang herstellen, der nicht besteht.

Visual Search und klassische Bildersuche

Bei der klassischen Bildersuche präsentiert die Suchmaschine auf eine textbasierte Abfrage diejenigen Bilder, welche am ehesten mit der Abfrage übereinstimmen. Bei der Visual Search erfolgt quasi der umgekehrte Vorgang: Der User sucht mit einem Bild, nicht nach ihm. Hierfür kommt eine umgekehrte Bildsuchtechnologie zum Einsatz, die das traditionelle Keyword-In-/Bild-Out-Modell umkehrt: Es lautet nun Bild-In-/Keyword-Out.

Arten der Visual Search

Die Visual Search basiert auf der Objekterkennung und dem Vergleich von visuellen Informationen mit bekanntem Bildercontent. Hierfür existieren verschiedene Techniken:

  • Reverse Image Search
  • Filtered Search + Deep Image Search
  • Augmented Reality Search
  • Related Search

Schauen wir sie uns etwas näher an.

Reverse Image Search

Dies ist die umkehrte Bildersuche. Das Bild ist hierbei die Basis für die Suchanfrage. Der erste Einsatz dieser Technologie erfolgte durch Unternehmen, die von ihnen nicht genehmigte Verwendungen von Produktbildern zu identifizieren wollten. Inzwischen ist das Reverse Image Search für das Onlinemarketing bedeutsam, weil man damit unter anderem oft verwendete Stockfotos auffinden kann. Die Ergebnisliste zeigt diejenigen Webseiten an, die dieses Bild verwenden.

Related Search

Die Ähnlichkeitssuche ist eine zuerst von Pinterest (inzwischen aber auch von Google und anderen Suchmaschinen sowie vom Stockfotoportal Shutterstock) genutzte Technologie. Es handelt sich um eine inhaltsbasierte Bildsuche, die visuelle Merkmale von Bildern vergleichen kann. Die Technik liefert mehr oder weniger befriedigende Ergebnisse.

Filtered Search + Deep Image Search

Die gefilterte Bildersuche wurde ebenfalls zuerst bei Pinterest eingeführt. Sie baut auf verwandten Bildmerkmalen auf und schlägt dem User Filter wie Größe und Farbe vor, um die Suche zu fokussieren. Damit lassen sich beispielsweise ein Tisch oder eine Lampe in einem stileingerichteten Zimmer markieren.

Die Suchmaschine liefert dazu die passenden Produkte. Diese Visual Search ist sehr erfolgreich, die meisten Suchmaschinen haben sie übernommen. Deep Image Search wurde von Bing entwickelt und folgt einem sehr ähnlichen Ansatz. Diese Art der Visual Search ermöglicht mithilfe von Freistellungswerkzeugen die Auswahl eines Objekts im Bild. Anschließend suchen die Algorithmen nach zugehörigen Informationen und Bildern.

Augmented Reality Search

Mit dieser Visual Search können User mit der Smartphonekamera visuelle Eingaben für ihre Suchanfrage nutzen. Dazu dienen beispielsweise Lens-Apps. Die Objekte werden fotografiert, anschließend suchen die Algorithmen zugehörige Bilder und Informationen. Das ist nützlich unter anderem für Hintergrundinformationen zu Sehenswürdigkeiten oder auch zu einem Restaurant, zu welchem die Suchmaschine dann die Öffnungszeiten und die Speisekarte ausgibt.

Wie funktioniert die Visual Search?

Sie setzt ausgeklügelte Algorithmen und Künstliche Intelligenz ein, um Muster in Bildern zu erkennen und zuzuordnen. Das menschliche Gehirn entschlüsselt diese Muster, indem es relevante Informationen herausfiltert und unwichtige Informationen (sogenannte Distraktoren) verwirft. Diesen Prozess ahmen die komplexen Bilderkennungsalgorithmen der Visual Search nach. Wichtige Daten sind dabei zum Beispiel Farb- und Helligkeitswerte, Formen, Texturen und wiederkehrende Muster.

Mit diesen Informationen können die Algorithmen feststellen, was das Bild zeigt. Die Algorithmen bedienen sich neuronaler Netze, die ihre Funktionsweise durch Rückkopplungssignale (vorwiegend basierend auf dem Nutzerverhalten) auch ändern. Das ist eine klassische Anwendung von Künstlicher Intelligenz.

Bedeutung für das Marketing

Im Marketing ist die Visual Search allein deshalb bedeutsam, weil 93 % aller Konsumenten ihre Kaufentscheidungen aufgrund visueller Informationen treffen. Mit bildbasierten Suchanfragen finden sie schneller gesuchte Produkte. Ein wichtiges Anwendungsfeld im Marketing ist Cross-Selling, also der Verkauf „über Kreuz“ von ähnlichen oder auch zugehörigen Produkten.

So lassen sich im Bereich Fashion komplette Outfits präsentieren. Der User kann einzelne Produkte über Related oder Deep Search ausfindig machen. Das funktioniert nicht nur online, sondern auch offline – IKEA praktiziert es seit Jahren mit seinen abgestimmten Wohnwelten. Allerdings beginnt das Marketing gerade erst, die Visual Search für sich zu entdecken.

Experten sagen ihr ein großes Potenzial voraus. Gerade die visuelle Suche über das Smartphone dürfte vor einem großen Aufschwung stehen. Sie könnte in naher Zukunft genauso wichtig wie die Voice Search werden.

zurück zur Übersichtsseite