Поиск по изображениям решает, кого покажет ИИ: как проверить, что видит алгоритм

Визуальный поиск по изображениям давно вышел за рамки «найти похожую картинку». В Китае сервис Alibaba пропускает больше 10 млн визуальных запросов в день, превращая камеру телефона в кассу. Google в патенте, поданном в 2023 году и опубликованном в апреле 2026-го, описал механизм, при котором источник для ответа выбирается сначала по совпадению изображения, и лишь потом подтягивается окружающий текст. Энди Чедвик, обнаруживший патент, оговаривается: это заявка, а не подтверждённое поведение поисковика, Google подаёт тысячи подобных патентов, и многие не доходят до продакшена. Но направление очевидно: картинка становится входной точкой в ответ, а не иллюстрацией к тексту.

Для российских компаний это прямой сигнал. Если ваши фотографии товаров и услуг «молчат» для машины, поиск по изображениям обойдёт вас стороной, даже если снимки выглядят идеально для человека.

Что понадобится

• Google Cloud Vision API (есть бесплатный уровень до 1 000 запросов в месяц). Сервис доступен из РФ через VPN или прокси, но проще использовать его через облачный аккаунт с биллингом на зарубежную карту. Альтернатива для быстрой проверки: Яндекс.Облако Vision или бесплатный сервис Google Lens через браузер.
• Набор фотографий вашего продукта: главное фото карточки товара, лайфстайл-фото с сайта, стоковые изображения, которые вы используете.
• Текст страницы, на которой размещено фото: заголовок, описание, alt-тег картинки.
• Время: первый аудит одной страницы занимает 15 минут, дальше быстрее.

Как проверить, что ИИ видит на вашем фото?

Аудит строится вокруг двух вопросов, и оба критичны для поиска по изображениям.

Первый вопрос: что фактически изображено на снимке?

Это буквальный слой. На фото стоит кофеварка из нержавеющей стали с термокувшином. Видит ли это машина? Совпадает ли описание на странице с тем, что распознал алгоритм? Большинство сайтов проваливают уже здесь: текст писали «под настроение», а фото подбирали «под атмосферу», и между ними нет смысловой связи.

Второй вопрос: что фото подразумевает?

«Профессиональное рабочее пространство для команды» нельзя показать пальцем на снимке. Это смысл, который композиция несёт или не несёт. Человек считывает его интуитивно, машина раскладывает изображение на семантический остаток (набор значений, которые остаются после «разборки» картинки на объекты и связи между ними). Если задуманный вами посыл не совпадает с тем, что детектирует алгоритм, ответ ИИ-поисковика уйдёт к конкуренту.

Пример из источника: на фото были браслет, часы и кольцо. Алгоритм распознал браслет и часы, но кольцо пропустил. Если вы продаёте кольца, ваш товар для машины не существует.

Пошаговая инструкция: аудит изображений для ИИ-поиска

1. Загрузите фото в Google Cloud Vision API (раздел Web Detection). Сервис вернёт четыре типа результатов:
2. fullMatchingImages (полные совпадения: кто ещё использует это же фото)
3. partialMatchingImages (частичные совпадения: обрезанные версии)
4. visuallySimilarImages (визуально похожие изображения)

5. pagesWithMatchingImages (страницы с этим фото)

6. Оцените уникальность. Если ваше «фирменное» фото нашлось на десятках чужих сайтов, это стоковый дубликат. ИИ-поисковику незачем выбирать именно вашу страницу. Замените на собственный снимок.

7. Запустите распознавание объектов (OBJECT_LOCALIZATION). API вернёт список обнаруженных предметов с координатами и уровнем уверенности. Сравните этот список с тем, что вы продаёте. Товар отсутствует в списке? Машина его не видит.

8. Проверьте «соседей» в кадре. Какие объекты оказались рядом с вашим продуктом? Если вы продаёте детскую мебель, а рядом стоит бутылка вина, алгоритм считает контекст, который вы не планировали.

9. Запустите анализ эмоций (FACE_DETECTION, поле faceAnnotations). Если в лайфстайл-фото есть люди, проверьте, какую эмоцию считывает модель. «Радость» в карточке стоматологии и «грусть» в карточке свадебного фотографа создают конфликт с задуманным посылом.

10. Сопоставьте результат с текстом страницы. Alt-тег, заголовок и описание должны называть ровно то, что машина нашла на фото. Если API видит «thermal carafe», а alt-тег говорит «стильный аксессуар для кухни», связь разорвана.

Что делать прямо сейчас, по ролям

Автору на Дзене. Проверьте обложки своих статей через Google Lens или Яндекс.Картинки обратным поиском. Если обложка стоковая и встречается на десятках страниц, замените на свою. Для ИИ-выдачи уникальность изображения начинает весить не меньше, чем уникальность текста.

Маркетологу. Внесите в бриф для фотографа и дизайнера новый пункт: «что должен распознать алгоритм». Не «настроение бренда», а конкретный список объектов, которые обязаны попасть в кадр и совпасть с текстом карточки. Один прогон через Vision API покажет, видит ли машина ваш продукт.

Предпринимателю в РФ. Google Cloud Vision API работает, но требует обходных путей для оплаты. Для быстрого старта: Яндекс Vision (входит в Яндекс.Облако, оплата в рублях) умеет распознавать объекты и текст на изображениях. Полноценного аналога Web Detection (кто ещё использует ваше фото) в российских сервисах пока нет, здесь выручает обратный поиск по картинкам в Яндексе.

Визуальный поиск по изображениям забрал у текста монополию на попадание в ответ ИИ. Сделайте одно действие сегодня: возьмите главное фото своего продукта, загрузите в Google Lens или Яндекс.Картинки и посмотрите, что вернётся. Если машина не узнала ваш товар, покупатель его тоже не увидит.