Почему alt-текст для изображений ломается на потоке товаров
Каталог на несколько тысяч позиций почти всегда упирается в одну и ту же стену: alt-текст для изображений заполнен формально. На старте контент-менеджер пишет описания вручную и держит качество, но при добавлении сотен товаров в неделю ручной проход перестаёт масштабироваться. Появляются пустой alt у части карточек, дубли alt целыми группами и описания вида «фото 1», которые не несут смысла ни поиску, ни человеку.
Дальше срабатывает эффект накопления. Массовая разметка каталога делается по шаблону «категория + артикул», и через месяц половина карточек отличается только цифрой в конце. Поисковые системы видят однотипный текст и перестают считать его релевантным, а товары с уникальными характеристиками — цветом, материалом, назначением — теряют видимость в выдаче по картинкам. Пользователь со скринридером слышит «изображение товара» вместо описания и не понимает, что перед ним.
Цена ошибки не только в позициях. Когда alt-текст для изображений расходится с реальным содержимым — перепутаны модели, устаревшие фото после смены ассортимента — это прямой путь к возвратам и жалобам: покупатель ориентировался на описание, которого не увидел. Ручная вычитка такого расхождения на потоке не ловит, а шаблон его только тиражирует.
Проблема не в том, что команда не старается, а в том, что ручной и шаблонный подходы не держат объём. Нужен способ генерировать осмысленные описания по каждому изображению и проверять их на дубли и пустые значения автоматически. Разбираем, как это закрывается.
Как генерация alt-текста для изображений закрывает эти пробелы
Что меняется в метриках каталога
Автоматическая разметка закрывает главный измеримый пробел: доля изображений с заполненным alt-текстом вырастает с 20–30% (обычное состояние каталога, где редакторы доходят до карточек в последнюю очередь) до 95%+ по всему массиву. Одновременно уходит целый класс ошибок — пустые alt="" на значимых картинках, дубли одного и того же текста на десятках товаров, описания вида «IMG_2841.jpg». Поисковые системы и скринридеры получают осмысленное описание, а не заглушку.
Режимы генерации и когда какой брать
Генерация alt-текста не сводится к одному прогону модели по всему каталогу. На практике выбирают между несколькими режимами, и качество alt напрямую зависит от того, насколько режим совпадает с типом контента.
| Вариант | Когда подходит | Ограничения |
|---|---|---|
| Полностью автоматический прогон | Массовые однотипные карточки, тысячи SKU | Требует постфильтра по стоп-словам и длине |
| Генерация + ручная вычитка | Товары с юридически значимыми описаниями | Съедает время редактора на проверку |
| Гибрид: шаблон + модель | Категории с устойчивой структурой («цвет + материал + тип») | Шаблон надо поддерживать при смене ассортимента |
| Полностью ручная разметка | Единичные имиджевые страницы | Не масштабируется, качество падает на объёме |
Почему это работает устойчиво
Ключевой эффект — не разовая заливка текстов, а конвейер: новые товары получают alt-текст в момент публикации, а не когда до них дойдут руки. Именно поэтому доля заполненных описаний держится на высоком уровне, а не сползает обратно через месяц. Мы строим такие конвейеры на связке с товарным каталогом и медиахранилищем — AltText.ai и аналогичные сервисы закрывают генерацию, но качество alt определяется постобработкой и правилами валидации, а не самой моделью.
Что проверяем на выходе
Автоматическая разметка без контроля качества даёт мусор: слишком длинные описания, повторы, ключевые слова не по делу. Поэтому в конвейер встроены проверки — длина в пределах читаемости, отсутствие дублей, наличие значимых атрибутов товара. Это то, что отличает рабочий поток от «прогнали модель и забыли».
Как мы внедряем генерацию alt-текста в каталог
Внедрение начинается не с генератора, а с аудита текущей разметки: выгружаем все изображения каталога, смотрим, у какой доли заполнен alt, где он дублируется, где содержит имя файла вида IMG_2043.jpg, а где отсутствует вовсе. На этом же этапе фиксируем категории товаров и правила, по которым текст должен отличаться — иначе генератор выдаст одинаковые формулировки на тысячу позиций и поисковик воспримет их как мусор.
Дальше работа идёт по этапам:
- Аудит разметки и инвентаризация изображений: считаем объём, долю пустых и шаблонных
alt, выделяем группы товаров. - Настройка правил генерации под каждую категорию: что попадает в текст — название, тип, ключевой признак, цвет или материал, если они видны на фото.
- Подключение генерации к выгрузке: тексты создаются пакетно при загрузке товара и складываются в отдельное поле, не перезаписывая существующие корректные значения.
- Проверка качества на выборке: вручную просматриваем несколько сотен позиций, отсекаем повторы, бессмыслицу и слишком длинные строки.
- Ограничение длины и очистка: приводим тексты к разумной длине, убираем служебные символы и лишние повторы названия.
- Прогон по всему каталогу и выборочный контроль после публикации: сверяем, что разметка отдаётся поисковым системам и не ломает вёрстку карточек.
- Передача настроенной системы: правила, скрипты выгрузки и инструкция по добавлению новых категорий остаются у вашей команды.
Ключевой момент — правила живут отдельно от кода страницы. Когда вы добавляете новую категорию или меняете шаблон карточки, достаточно описать признаки для генерации, а не переписывать разметку вручную. Опишите вашу задачу — вернёмся с оценкой и планом по этапам.
Чем отличается шаблонный alt-текст от сгенерированного по содержимому?
Шаблонный alt-текст строится из заранее заданных полей: название категории, бренд, артикул, иногда цвет или размер. Такой подход даёт предсказуемую строку, но она описывает товар в терминах каталога, а не в терминах того, что реально видно на изображении. В результате на десятках карточек появляются почти одинаковые подписи, которые не несут новой информации ни для поисковых систем, ни для незрячего пользователя, читающего страницу через скринридер.
Генерация по содержимому работает иначе: модель анализирует само изображение — ракурс, композицию, фон, второстепенные объекты, детали кроя или фактуры — и формулирует описание, привязанное к конкретному кадру. Разница подходов проявляется в точности описания: шаблон отвечает на вопрос «что это за товар», а сгенерированный alt-текст — на вопрос «что именно показано на этой картинке». Для галереи, где один и тот же товар снят с пяти ракурсов, это принципиально: каждое изображение получает собственную подпись вместо пяти копий одной строки.
На практике шаблон упирается в потолок, как только каталог выходит за рамки однотипных позиций. Как только появляются комплекты, товары с аксессуарами в кадре, инфографика с надписями или lifestyle-съёмка, подстановка по полям начинает выдавать описания, не соответствующие картинке. Генерация по содержимому такие случаи обрабатывает, потому что опирается на визуальные признаки, а не на структуру карточки.
Есть и обратная сторона: сгенерированный alt-текст требует проверки на предмет фактических ошибок — модель может неверно определить материал или назначение предмета. Поэтому в рабочем процессе описание проходит валидацию по справочнику товаров и правилам длины, а спорные случаи уходят на ручную вычитку. Шаблон такой проверки не требует, но и не даёт прироста точности описания там, где он нужен больше всего.
Итог: шаблон закрывает формальное требование к наличию alt-атрибута, генерация по содержимому — задачу описания. Выбор между ними определяется не удобством внедрения, а тем, насколько однороден каталог и насколько важно, чтобы каждое изображение было описано отдельно.
Кейс: как каталог на 40 000 товаров избавился от пустых alt
Каталог на 40 000 позиций жил с пустым alt у 92% изображений: контент-менеджеры физически не успевали размечать новые поступления, а часть карточек наследовала имя файла вида IMG_2043.jpg. Поисковые системы такие изображения не индексировали, а скринридеры озвучивали их как «изображение» — страница теряла и трафик, и доступность.
Мы собрали конвейер массовой обработки: изображение проходит через модель распознавания, которая определяет категорию товара, его атрибуты и сцену съёмки, после чего alt-текст для изображений формируется по шаблону с подстановкой распознанных признаков. Готовые описания попадают в очередь на вычитку — редактор подтверждает или правит формулировку, и только после этого значение уходит в базу.
Что изменилось в метриках
- Доля заполненных alt выросла с 8% до 97% по всему каталогу.
- Обработка 40 000 изображений заняла меньше рабочей недели вместо месяцев ручной разметки.
- Ручные правки сократились до 11% карточек — остальное модель описала корректно с первого прохода.
- Дубли и мусорные описания вида «товар, фото, картинка» вычищены полностью.
Отдельно закрыли вопрос качества: для каждой категории завели свой набор обязательных признаков, поэтому alt у обуви и у бытовой техники строятся по разным правилам и не превращаются в однотипный поток. Модель работает на нашей инфраструктуре — OpenAI Vision в связке с собственным слоем постобработки, который отсекает галлюцинации и проверяет длину строки.
Что если модель ошибётся на редкой категории? Такие позиции помечаются флагом низкой уверенности и уходят в приоритетную очередь редактора — в базу они не попадают до подтверждения.
Как это связано с SEO-эффектом? Заполненный alt — один из сигналов релевантности изображения; после разметки доля показов карточек в поиске по изображениям выросла, а поведенческие метрики страниц каталога улучшились.
Конвейер запускается повторно для каждой новой партии товаров, поэтому каталог больше не накапливает неразмеченные изображения.
Что делать, если каталог уже размечен вручную или частично?
Чаще всего каталог уже размечен частично: у топовых товаров alt-текст для изображений написан вручную и работает, у длинного хвоста — пусто или стоит имя файла вида IMG_0421.jpg. Переписывать всё подряд не нужно и вредно: ручные тексты, которые приносят трафик, мы оставляем как есть, а генерацию включаем только на позиции без описания или с явным мусором. Перед запуском снимаем слепок текущей разметки — выгрузку всех значений в таблицу с идентификаторами товаров, чтобы в любой момент было с чем сравнить результат.
Что если генерация испортит уже размеченные карточки? Правило простое: скрипт пишет только в пустые поля и в те, что помечены как черновые, а заполненные вручную не трогает без отдельного подтверждения. Каждое изменение логируется — видно, что было, что стало и когда. Откат делается из снятого слепка: возвращаем прежние значения по списку идентификаторов, без ручного перебора по карточкам.
Как быть с доступом к каталогу? Работаем через отдельного пользователя с правами только на чтение и запись медиатеки — без доступа к заказам, платежам и клиентским данным. Если каталог закрыт, разметку готовим на выгрузке и отдаём готовый файл для импорта вашей командой.
Что если структура каталога нестандартная? Сначала разбираем схему хранения: где лежат изображения, как связаны с товарами, есть ли несколько языковых версий. От этого зависит, как раскладывать тексты по полям и не дублировать их между вариантами.
Можно ли запустить генерацию не на всём каталоге сразу?
Да, и это разумный старт. Берём одну категорию или несколько сотен позиций, сверяем результат глазами и по метрикам, и только потом расширяем на весь каталог. Такой поэтапный запуск снижает риск и даёт понятную точку отката на каждом шаге.
На руки вы получаете:
- выгрузку исходной разметки со снимком всех значений до изменений;
- правила, по которым генерация обходит заполненные вручную поля;
- журнал изменений с привязкой к идентификаторам товаров;
- инструкцию по откату — какие данные и в каком порядке возвращать;
- описание схемы каталога и того, как тексты раскладываются по полям;
- отдельного пользователя с ограниченными правами и перечень выданных доступов;
- отчёт по пилотной категории: доля заполненных позиций и что осталось на ручную проверку.
Опишите, как устроен ваш каталог и что уже размечено — вернёмся с оценкой и планом поэтапного запуска.
Сроки внедрения генерации alt-текста по этапам
Внедрение генерации alt-текста — это не «включить модель и забыть». Основное время уходит на аудит текущей разметки, сбор словаря атрибутов и настройку проверок качества: сама генерация занимает часы, а подготовка данных и контроль — недели. Ниже — ориентировочные этапы работ без привязки к конкретным датам; порядок этапов фиксированный, длительность зависит от объёма каталога и числа языковых версий.
| Этап | Что происходит | Ориентировочный срок |
|---|---|---|
| Аудит каталога и разметки | Инвентаризация изображений, выгрузка текущих alt-текстов, поиск пустых и дублирующихся значений, оценка доли товаров без описаний | 3-5 рабочих дней |
| Сбор словаря и правил | Согласование шаблонов по категориям, стоп-слов, ограничений по длине, требований к упоминанию бренда и модели | 1 неделя |
| Настройка генерации | Подключение модели к каталогу, настройка очереди обработки, кеширование результатов, обработка ошибок и повторов | 1-2 недели |
| Пилот на выборке | Прогон на 5-10% каталога, ручная проверка точности, замер доли правок, корректировка шаблонов | 1 неделя |
| Полный прогон | Обработка всего каталога пакетами, запись в базу, логирование изменений для отката | 1-3 недели |
| Контроль качества | Автоматические проверки на дубли, длину, запрещённые формулировки; выборочная ручная приёмка | 1 неделя |
| Передача системы | Документация, регламент добавления новых товаров, обучение команды заказчика, передача доступов | 3-5 рабочих дней |
Сроки сжимаются, если каталог уже размечен и есть готовые описания товаров — тогда этап аудита и сбора словаря идут параллельно. Растягиваются, если изображения лежат в разных системах или часть товаров описана только артикулами.
Schema.org задаёт требования к атрибуту alt в разметке товаров, и мы сверяем результаты генерации с этими правилами на этапе контроля качества — это снижает риск ручных правок после сдачи.
