Google Lens przetwarza blisko 20 miliardów zapytań wizualnych miesięcznie (dane Google, październik 2024). 20% z nich dotyczy zakupów, a użytkownicy w wieku 18-24 lat angażują się w visual search najintensywniej. Google Shopping Graph – baza, z której system czerpie dane o produktach – zawiera ponad 45 miliardów listingów produktowych. Użytkownik może sfotografować produkt na ulicy, w katalogu albo na ekranie – i Google pokaże mu listę miejsc, gdzie ten produkt można kupić. Dla sklepów internetowych to oznacza, że zdjęcia produktowe nie są już „ozdobą” karty produktu – są danymi, które Google przetwarza, rozpoznaje i łączy z zapytaniami zakupowymi.
W tym artykule analizuję trzy rodziny patentów Google dotyczących visual search: mapowanie obrazów na zapytania tekstowe, retrieval oparty na embeddingach oraz „digital supplements” – dodatkowe informacje wyzwalane rozpoznaniem wizualnym. Pokazuję, jak te mechanizmy mogą wpływać na widoczność produktów w Google Lens, Google Images i zakładce Shopping – i co sklep może zrobić, żeby jego zdjęcia produktowe „pracowały” na SEO.
Patent nie jest dowodem, że dany mechanizm działa dokładnie tak w bieżącym algorytmie Google. Patent jest modelem analitycznym – pokazuje problem, który inżynierowie próbowali rozwiązać, i pozwala zbudować praktyczną checklistę dla e-commerce. To zastrzeżenie dotyczy każdego artykułu w tym cyklu.
Jak Google może mapować obraz produktu na zapytanie tekstowe?
Patenty US11734287B2, US10489410B2 i US20170300495A1 (Google LLC, ta sama rodzina patentowa – autorzy Abhanshu Sharma, David Petrou, Matthew Sharifi) opisują system, który zamienia obraz na zapytanie wyszukiwania. Proces wygląda następująco:
- Rozpoznanie wizualne – system analizuje obraz i identyfikuje „non-textual image features” (cechy wizualne niezwiązane z tekstem): kształt, kolor, wzór, teksturę, proporcje obiektu.
- Etykietowanie – cechy wizualne są tłumaczone na „textual image labels” (etykiety tekstowe): „białe sneakersy”, „skórzane”, „niska cholewka”, „logo Nike.”
- Mapowanie na encje – etykiety tekstowe są porównywane z zestawem znanych encji (knowledge graph). System identyfikuje, że to „Nike Air Force 1.”
- Generowanie candidate queries – dla rozpoznanej encji system generuje listę zapytań kandydackich: „nike air force 1 białe”, „buty nike af1 low”, „sneakersy nike białe damskie.”
- Scoring i selekcja – każde zapytanie kandydackie otrzymuje relevance score. System wybiera „representative search query” – zapytanie, które najlepiej opisuje to, czego szuka użytkownik.
Claim 1 patentu US10489410B2 opisuje ten pipeline: „receiving a query image from a user device; performing a visual recognition process on the query image to identify non-textual image features […] obtain textual image labels […] identifying one or more entities […] identifying one or more candidate search queries that are pre-associated with the one or more entities […] selecting, as a representative search query for the query image, a particular candidate search query.”
Co to oznacza dla e-commerce?
Jeśli Google potrafi zamienić zdjęcie produktu na zapytanie tekstowe, to zdjęcia produktowe w Twoim sklepie mogą pełnić rolę „odpowiedzi” na wizualne zapytania innych użytkowników. Ale żeby to działało, system musi poprawnie rozpoznać cechy wizualne na Twoim zdjęciu. Zdjęcie produktu na białym tle z wyraźnie widocznym logo, kolorem i kształtem jest łatwiejsze do rozpoznania niż zdjęcie lifestyle z produktem w tle otoczonym innymi obiektami.
Co więcej, patent opisuje, że system uwzględnia „context associated with the query image” – np. kontekst użytkownika, lokalizację, historię wyszukiwań. To oznacza, że to samo zdjęcie sneakersów może wygenerować inne zapytanie dla użytkownika, który szuka butów do biegania, i inne dla kogoś, kto szuka butów streetwearowych.
Jak embeddingi obrazów mogą umożliwiać wyszukiwanie podobnych produktów?
Patenty US11782998B2, US12086198B2, US12499151B2 i US20260072980A1 (Google LLC, ta sama rodzina patentowa) opisują system „embedding based retrieval for image search.” Embeddingi to wielowymiarowe reprezentacje wektorowe – każdy obraz jest zamieniany na wektor liczbowy, który koduje cechy wizualne.
Mechanizm działa jak kompas w przestrzeni wizualnej:
- Indeksowanie – każdy obraz w indeksie Google (w tym zdjęcia produktowe z Twojego sklepu) jest przetwarzany na embedding – wektor w wielowymiarowej przestrzeni.
- Porównanie – gdy użytkownik przesyła zdjęcie jako query, system zamienia je na embedding i szuka w indeksie wektorów najbliższych (najwyższe cosine similarity).
- Retrieval – system zwraca obrazy, których embeddingi są najbliższe embeddingowi zapytania. To nie jest porównywanie pikseli – to porównywanie semantycznych cech: kształtu, proporcji, kolorystyki, stylu.
Dla e-commerce to oznacza, że użytkownik może sfotografować fotel w kawiarni – i Google znajdzie podobne fotele w sklepach internetowych. Nie identyczny fotel (to robi mapowanie na encje z poprzedniego patentu), ale wizualnie podobne produkty. To jest mechanizm stojący za „Similar products” w Google Lens.
Jak embeddingi łączą się z danymi strukturalnymi?
Embedding koduje cechy wizualne, ale nie wie, ile produkt kosztuje, czy jest dostępny, ani z jakiego materiału jest wykonany. Te informacje pochodzą z Product schema i feedu produktowego. System łączy visual embedding (rozpoznanie obiektu) z danymi strukturalnymi (informacje o produkcie), tworząc kompletny wynik zakupowy: „oto podobny fotel, kosztuje 2 400 zł, jest dostępny, darmowa dostawa.”
Im bogatsze dane strukturalne ma produkt – marka, materiał, kolor, wymiary, cena, dostępność – tym więcej informacji system może wyświetlić przy wyniku visual search. Produkt z samym zdjęciem i ceną wygląda gorzej niż produkt z pełną schema, ceną, oceną i informacją o dostawie.
Czym są „digital supplements” i jak mogą rozszerzać visual search?
Patenty US10579230B2, US10878037B2, US11023106B2, US11640431B2, US12032633B2 i US12579194B2 (Google LLC, ta sama rodzina patentowa) opisują system „digital supplement association and retrieval for visual search.” „Digital supplement” to dodatkowa warstwa informacji lub funkcjonalności, która jest wyzwalana, gdy użytkownik rozpozna obiekt wizualnie.
System działa w trzech krokach:
- Rozpoznanie anchora – system rozpoznaje w obrazie „supplement anchor” – punkt zaczepu, którym może być logo marki, kształt produktu, kod kreskowy, tekst na opakowaniu.
- Dopasowanie supplementu – na podstawie anchora system przeszukuje bazę danych digital supplements i generuje „ordered list of digital supplements” – posortowaną listę dodatkowych informacji.
- Wyświetlenie – supplement jest prezentowany użytkownikowi: opis produktu, cena, link do zakupu, recenzje, instrukcja obsługi, porównanie z alternatywami.
Patent używa pojęcia „augmented reality (AR) content or experiences” – co sugeruje, że digital supplements to nie tylko informacje tekstowe, ale potencjalnie nakładki AR: „to jest [produkt X], kosztuje [Y], możesz go kupić [tutaj].”
Co to oznacza dla właściciela sklepu?
Digital supplements to mechanizm, przez który Google Lens może wyświetlać informacje zakupowe nad rozpoznanym produktem. Jeśli Twój sklep ma produkt w Google Merchant Center z pełnymi danymi (zdjęcie, cena, dostępność, link), ten produkt może pojawiać się jako digital supplement, gdy ktoś sfotografuje podobny lub identyczny produkt w świecie rzeczywistym.
Sklep, który nie ma produktów w Merchant Center lub ma słabe zdjęcia (niskiej rozdzielczości, bez kontekstu, bez wyraźnie widocznego produktu), jest niewidoczny w tym kanale. Google Lens nie pokaże produktu, którego nie potrafi rozpoznać i do którego nie ma danych zakupowych.
Co visual search oznacza dla SEO e-commerce?
Zdjęcia stają się czynnikiem widoczności
W tradycyjnym SEO zdjęcie produktowe wpływało na doświadczenie użytkownika na stronie. W visual search zdjęcie wpływa na to, czy produkt w ogóle pojawi się w wynikach. Jeśli Google Lens nie potrafi rozpoznać produktu na Twoim zdjęciu (bo jest za ciemne, za małe, za mocno przetworzone lub pokazuje produkt z nieczytelnej perspektywy), ten produkt jest niewidoczny w kanale visual search.
Merchant listing odblokuje visual search
Dokumentacja Google mówi wprost: produkty z pełnymi danymi strukturalnymi typu merchant listing mogą pojawiać się w Google Images, Google Lens i Popular Products. Bez schema z danymi o cenie, dostępności, dostawie i zwrotach – produkt nie kwalifikuje się do tych doświadczeń, nawet jeśli zdjęcie jest doskonałe.
Zdjęcia kontekstowe vs packshot
Patent o mapowaniu obrazów opisuje rozpoznawanie „non-textual image features” i łączenie ich z encjami. Zdjęcie produktu na białym tle (packshot) jest łatwiejsze do rozpoznania, bo obiekt jest wyizolowany. Ale zdjęcia kontekstowe (lifestyle) mogą generować inne zapytania – bo kontekst wpływa na to, jak system interpretuje obraz. Optymalne wdrożenie to oba typy: packshot do rozpoznania produktu + lifestyle do kontekstu użytkowania.
Co visual search oznacza dla właściciela sklepu?
Nowy kanał pozyskiwania klientów
Visual search to kanał, w którym użytkownik nie musi znać nazwy produktu ani marki. Widzi fotel w magazynie wnętrzarskim, fotografuje go Google Lens i trafia na listę sklepów sprzedających podobne produkty. Sklep, który ma dobre zdjęcia i pełne dane w Merchant Center, może pozyskiwać klientów, którzy nigdy nie wpisaliby nazwy tego sklepu w Google.
Wymóg jakości zdjęć rośnie
Zdjęcia od producenta (stock photos) są identyczne w dziesiątkach sklepów. System embedding based retrieval (patent US11782998B2) może traktować je jako ten sam obraz – i wybrać jeden sklep jako reprezentanta. Unikalne zdjęcia produktowe (własne studio, dodatkowe perspektywy, zdjęcia kontekstowe) mogą zwiększać szansę, że system potraktuje Twoją ofertę jako osobny wynik.
Spójność zdjęć z danymi
Jeśli zdjęcie pokazuje produkt w kolorze czerwonym, ale w Product schema kolor to „niebieski”, a w feedzie – „burgundowy”, to system ma trzy sprzeczne sygnały. W artykule o feedzie i danych strukturalnych opisywaliśmy, jak Google weryfikuje spójność między warstwami danych. Visual search dodaje czwartą warstwę: obraz. Niespójność między zdjęciem a danymi tekstowymi to dodatkowe ryzyko.
Jak polskie sklepy optymalizują zdjęcia pod visual search? Analiza wzorców
W ramach audytów e-commerce analizujemy optymalizację zdjęć produktowych pod kątem visual search. Poniżej wzorce, które obserwujemy najczęściej w polskich sklepach (dane zanonimizowane):
Sklep A – elektronika (2 000+ produktów)
| Element | Stan | Ocena |
|---|---|---|
| Zdjęcia w Product schema | 5 zdjęć na kartę | Dobrze |
| Rozdzielczość głównego zdjęcia | 1064 px | OK (powyżej 800px) |
| Nazwy plików | 13174345_0_i1064.jpg (ID numeryczne) | Źle – brak opisu produktu |
| Alt text | „[Nazwa produktu] 1”, „[Nazwa produktu] 2” | Średnio – brak perspektywy, koloru, typu |
| Zdjęcia unikalne vs stock | Zdjęcia od producenta (identyczne u konkurencji) | Źle – brak wyróżnienia |
| Zdjęcia lifestyle / kontekstowe | Brak | Źle – tylko packshoty |
Ten sklep robi dobrze podstawy (5 zdjęć, odpowiednia rozdzielczość, schema z wieloma obrazami), ale przegrywa na detalu: nazwy plików nie mówią nic o produkcie, alt texty nie opisują perspektywy ani cech, a zdjęcia są identyczne jak u dziesiątek konkurentów. W kontekście patentu US11782998B2 (embedding based retrieval), identyczne zdjęcia = identyczne embeddingi = jeden wynik w visual search zamiast osobnego dla każdego sklepu.
Najczęstsze problemy w audytowanych sklepach
Na podstawie audytów kilkudziesięciu polskich sklepów e-commerce obserwujemy powtarzające się wzorce:
| Problem | Jak często | Wpływ na visual search |
|---|---|---|
| Nazwy plików = ID produktu (IMG_1234.jpg) | 70-80% sklepów | Utrata sygnału tekstowego powiązanego z obrazem |
| Alt text = tylko nazwa produktu | 60-70% sklepów | Brak kontekstu: koloru, perspektywy, materiału |
| Jedno zdjęcie na kartę produktu | 30-40% sklepów | Jeden embedding zamiast wielu perspektyw |
| Zdjęcia stockowe od producenta | 80-90% sklepów | Identyczne embeddingi u konkurencji |
| Rozdzielczość poniżej 800px | 15-20% sklepów | Dyskwalifikacja z merchant listing |
| Tekst promocyjny na zdjęciu | 20-30% sklepów | Utrudnia rozpoznanie cech wizualnych produktu |
| Brak zdjęć lifestyle/kontekstowych | 85-90% sklepów | Brak alternatywnych zapytań kontekstowych |
Te dane pokazują, że większość polskich sklepów traktuje zdjęcia produktowe jako „konieczność” karty produktu – nie jako kanał SEO. W erze visual search to zmarnowana szansa: każde dodatkowe zdjęcie z poprawnym alt textem i opisową nazwą pliku to potencjalny punkt wejścia przez Google Lens lub Google Images.
Przykład: jak wygląda dobra vs słaba optymalizacja zdjęcia
| Element | Słaba optymalizacja | Dobra optymalizacja |
|---|---|---|
| Nazwa pliku | IMG_4523.jpg | nike-air-max-90-bialy-meskie-bok.jpg |
| Alt text | „Nike Air Max 90” | „Nike Air Max 90 białe męskie rozmiar 42 widok z boku” |
| Rozdzielczość | 400×400 px | 1200×1200 px |
| Tło | Zdjęcie z szarego katalogu | Białe tło, produkt wyizolowany |
| Perspektywy | 1 zdjęcie (przód) | 5 zdjęć (przód, bok, tył, detal podeszwy, na stopie) |
| Unikalność | Stock od producenta | Własne zdjęcie studyjne + lifestyle |
Jak optymalizować zdjęcia produktowe pod visual search?
| Element | Rekomendacja | Dlaczego |
|---|---|---|
| Tło | Białe lub neutralne na packshot, naturalny kontekst na lifestyle | Ułatwia izolację obiektu i rozpoznanie cech |
| Rozdzielczość | Minimum 800×800 px (zalecane 1200×1200+) | Google wymaga min. 800px dla merchant listing |
| Perspektywa | Główne zdjęcie: przód/trzy czwarte. Dodatkowe: bok, tył, detal | Każda perspektywa = inny embedding = inne potencjalne dopasowanie |
| Warianty kolorystyczne | Osobne zdjęcie dla każdego wariantu koloru | System rozpoznaje kolor z obrazu – musi pasować do deklarowanego w schema/feedzie |
| Tekst na zdjęciu | Minimalizuj. Brak cen, promocji, logotypów sklepu na zdjęciu | Tekst na obrazie utrudnia rozpoznawanie cech wizualnych produktu |
| Alt text | Opisowy: „Nike Air Max 90 białe męskie rozmiar 42 widok z boku” | Łączy obraz z zapytaniem tekstowym. Nie spam keywords. |
| Nazwa pliku | Opisowa: nike-air-max-90-white-men-42.jpg | Dodatkowy sygnał tekstowy powiązany z obrazem |
| Format | WebP lub JPEG. Unikaj PNG dla zdjęć produktowych (rozmiar pliku) | Szybsze ładowanie = lepszy crawl, lepszy UX |
| Unikalność | Własne zdjęcia lepsze niż stock od producenta | Unikalne embeddingi = osobny wynik, nie duplikat |
| Skalowanie | Zdjęcia pokazujące skalę (np. przy dłoni, w kontekście) | Pomaga systemowi rozpoznać rozmiar i kategorię produktu |
Jak audytować zdjęcia produktowe pod kątem visual search?
- Rozdzielczość: Czy główne zdjęcie ma minimum 800×800 px? Google odrzuca zdjęcia poniżej tego progu w merchant listing.
- Białe tło / packshot: Czy główne zdjęcie ma neutralne tło umożliwiające izolację produktu?
- Warianty: Czy każdy wariant kolorystyczny ma osobne zdjęcie? Czy kolor na zdjęciu odpowiada kolorowi w schema i feedzie?
- Alt text: Czy alt text opisuje produkt konkretnie (marka, model, kolor, typ), a nie jest spamem lub pustym?
- Nazwa pliku: Czy plik ma opisową nazwę, a nie IMG_4523.jpg?
- Unikalne zdjęcia: Ile zdjęć to stock od producenta (identyczny jak u konkurencji)? Czy sklep ma choćby jedno unikalne zdjęcie na kartę?
- Spójność z danymi: Czy to, co widać na zdjęciu (kolor, materiał, kształt), zgadza się z tym, co jest w schema, feedzie i opisie tekstowym?
- Liczba zdjęć: Czy produkt ma więcej niż jedno zdjęcie? Google Merchant Center zaleca minimum 3-4 zdjęcia (przód, bok, detal, kontekst).
- Zdjęcia lifestyle: Czy są zdjęcia produktu w kontekście użytkowania (nie tylko packshot)?
- Obraz w schema: Czy pole „image” w Product schema wskazuje na pełnorozmiarowe zdjęcie, a nie miniaturę?
Wnioski: zdjęcia produktowe to dane, nie dekoracja
Visual search zmienia rolę zdjęcia produktowego w SEO e-commerce. Trzy rodziny patentów opisują trzy mechanizmy:
- Mapowanie na zapytania (US11734287B2 i rodzina) – zdjęcie jest zamieniane na zapytanie tekstowe przez rozpoznanie cech wizualnych i mapowanie na encje. Zdjęcia muszą być czytelne i rozpoznawalne.
- Retrieval embeddingowy (US11782998B2 i rodzina) – zdjęcia są porównywane semantycznie w przestrzeni wektorowej. Unikalne zdjęcia = osobne embeddingi = osobne wyniki.
- Digital supplements (US10579230B2 i rodzina) – rozpoznany produkt jest wzbogacany o dane zakupowe z Merchant Center i danych strukturalnych. Bez tych danych produkt jest „rozpoznany, ale nieuzupełniony.”
Ten artykul jest czescia cyklu „SEO e-commerce w swietle patentow Google.” Pelna mape 74 patentow, dane z audytow 6 sklepow i checklisty do pobrania znajdziesz w kompletnej mapie 10 warstw SEO e-commerce.
To jest czwarty artykuł z cyklu „SEO e-commerce w świetle patentów Google.” Jeśli szukasz wsparcia w pozycjonowaniu sklepu internetowego lub potrzebujesz audytu SEO uwzględniającego optymalizację zdjęć produktowych – skontaktuj się z nami.
Czy visual search wpływa na pozycje w tradycyjnych wynikach Google?
Visual search i tradycyjne wyniki tekstowe to dwa osobne kanały. Optymalizacja zdjęć pod visual search nie wpływa bezpośrednio na pozycje w wynikach tekstowych. Ale pośrednio tak: dobre zdjęcia zwiększają CTR w Google Images, co generuje ruch. A produkty z pełnymi danymi strukturalnymi kwalifikują się zarówno do merchant listing (SERP), jak i do visual search (Google Lens, Images).
Czy muszę mieć Google Merchant Center, żeby być widoczny w visual search?
Nie jest to bezwzględny wymóg – Google Images indeksuje zdjęcia z każdej strony. Ale dla pełnego doświadczenia zakupowego (cena, dostępność, link do zakupu w wynikach Lens) dane z Merchant Center lub z danych strukturalnych merchant listing na stronie są praktycznie niezbędne.
Czy zdjęcia od producenta wystarczą do visual search?
Technicznie tak – Google rozpozna produkt na zdjęciu od producenta. Ale to samo zdjęcie jest w dziesiątkach innych sklepów. System embedding based retrieval może traktować identyczne zdjęcia jako ten sam wynik i wybrać jeden sklep. Unikalne zdjęcia (dodatkowe perspektywy, kontekst) dają szansę na osobny wynik w wyszukiwaniu wizualnym.
Jak sprawdzić, czy moje zdjęcia produktowe pojawiają się w Google Lens?
Otwórz Google Lens na telefonie, zrób zdjęcie swojego produktu i sprawdź, czy Twój sklep pojawia się w wynikach. Alternatywnie: w Google Images wpisz zapytanie produktowe i sprawdź, czy Twoje zdjęcia się wyświetlają. W Google Search Console sprawdź raporty dla typu wyszukiwania Obraz.
Jaka jest minimalna rozdzielczość zdjęcia dla merchant listing?
Google wymaga minimum 800×800 pikseli dla zdjęć w merchant listing. Zalecane jest 1200×1200 pikseli lub więcej. Zdjęcia poniżej 800px mogą być odrzucone przez Merchant Center i nie kwalifikują się do wyświetlania w rozszerzonych wynikach zakupowych.
Źródła
Patenty
1. US11734287B2 – „Mapping images to search queries.” Google LLC. Abhanshu Sharma, David Petrou, Matthew Sharifi. patents.google.com/patent/US11734287
2. US10489410B2 – „Mapping images to search queries.” Google LLC (ta sama rodzina, wcześniejszy grant). patents.google.com/patent/US10489410
3. US11782998B2 – „Embedding based retrieval for image search.” Google LLC. patents.google.com/patent/US11782998
4. US12086198B2 – „Embedding based retrieval for image search.” Google LLC (kontynuacja). patents.google.com/patent/US12086198
5. US10579230B2 – „Digital supplement association and retrieval for visual search.” Google LLC. patents.google.com/patent/US10579230
6. US10878037B2 – „Digital supplement association and retrieval for visual search.” Google LLC (kontynuacja). patents.google.com/patent/US10878037
Dokumentacja Google
7. Google Search Central – Product structured data (merchant listing image requirements). developers.google.com
8. Google Lens – product recognition. lens.google
9. Google Blog – „Google Lens and AI Overviews: New ways for marketers to reach customers.” Październik 2024. Statystyka: „nearly 20 billion visual searches every month, 20 percent of all Lens searches are shopping-related.” blog.google
