Circle to search e ricerca visiva, come cambieranno il nostro modo di reperire informazioni
L’importanza dei dispositivi mobile per la ricerca era già stata resa chiara in vari modi, per citarne uno il famoso Mobile first index, che prevede l’utilizzo della versione mobile di un sito web come base per determinare il ranking delle pagine su tutti i dispositivi.
(Questo significa che Google valuta principalmente la qualità, la pertinenza dei contenuti, il design e la velocità di caricamento di un sito web nella sua versione ottimizzata per gli smartphone, anche quando gli utenti effettuano le ricerche da desktop o tablet)
Le novità, tuttavia, non smettono mai di arrivare e lo scorso 17 gennaio, in occasione del lancio del nuovissimo Galaxy S24, è stato presentato “Circle to Search”, una funzionalità che rende possibile cercare informazioni direttamente dall’app su cui siamo, riducendo i passaggi necessari per ottenere la risposta che stiamo cercando.
Indice
Come funziona Circle to search
Le modalità per azionare questa funzione sono 4:
- Circling: disegnando un cerchio attorno a un oggetto che ci interessa.
- Highlighting: Trascinando il dito sul testo che si vuole cercare.
- Scribbling: Disegnando su un’area per cercare qualsiasi cosa contenga.
- Tapping: Grazie alla quale basta toccare l’oggetto o il testo che si vuole cercare.
Usando uno di questi gesti, Google ci mostrerà i risultati di ricerca in un pannello che si apre sopra o sotto l’app che stiamo usando. I risultati di ricerca possono includere informazioni correlate, immagini, video, recensioni, opzioni di acquisto e molto altro, a seconda di ciò che è stato selezionato.
Ad oggi questa funzione è esclusiva per alcuni smartphone Android di alta gamma, come il Pixel 8, Pixel 8 Pro e la nuova serie Samsung Galaxy S24 ma in futuro sarà, verosimilmente, disponibile anche su altri dispositivi.
Circle to search e privacy
Vale la pena dedicare un breve paragrafo per chiarire un interrogativo di rilievo (anche alla luce di alcune vecchie manovre “birichine” del gigante della Silicon Valley) relativamente alla questione Privacy degli utenti.
In risposta a queste preoccupazioni è Google stesso a rispondere, affermando che le informazioni selezionate per la ricerca non vengono salvate o utilizzate per personalizzare la pubblicità.
In parole semplici, questo significa che le informazioni che gli utenti cercano utilizzando “Circle to Search” non vengono utilizzate per creare profili pubblicitari personalizzati.
Le Opportunità di Circle to search
La funzionalità “Circle to Search” di Google apre nuove prospettive anche sotto un punto di vista SEO, offrendo modalità innovative per interagire con i contenuti e migliorare l’engagement degli utenti.
Contrariamente a quanto si possa credere, queste opportunità di interazione e visibilità non riguardano solo coloro che vendono prodotti, ma qualsiasi dominio presente online. Bisogna però, come sempre, avvalersi di alcuni accorgimenti che, se già erano rilevanti in precedenza, assumono ancora più importanza con queste nuove modalità di ricerca.
Prima di parlare delle ottimizzazioni necessarie, delle specifiche utili a livello di codice e via dicendo, è importante introdurre brevemente e, conseguentemente, comprendere, come funziona la Visual search che sta alla base di questa tecnologia.
Visual Search e reverse image retrieval: cosa sono e perché sono importanti
Partiamo dalle fondamenta: ci sono due metodi di base per la ricerca delle immagini
- Il primo utilizza i metadati dell’immagine: L’immagine viene etichettata per indicare una categoria e vengono selezionati degli attributi come colore, forma e una serie di altre specifiche. In questa versione, la funzione di ricerca utilizza ancora il testo per restituire i risultati, perché sta cercando parole.
- Il secondo tipo di ricerca visiva utilizza il reverse image retrieval nel quale è l’immagine stessa ad essere la Query. Un algoritmo identifica immagini simili basate su forma, colore, trama e altre caratteristiche
Un articolo del 2020 di Vegard Flovik su Towards Data Science esplora nel dettaglio la possibilità di cercare immagini in grandi archivi non per parole chiave o etichette, ma analizzandone direttamente il contenuto.
Questo processo, come anticipato poco fa, è noto come reverse image retrieval( letteralmente: ricerca inversa di immagini), e utilizza tecniche avanzate di visione computazionale e deep learning per “vedere” e “comprendere” le immagini in modo simile a come farebbe un essere umano.
Ora, questa non deve essere la spinta ad abbandonare totalmente i dati strutturati in quanto una delle principali sfide nella ricerca visiva era e rimane gestire enormi quantità di immagini, spesso prive di qualsiasi forma di descrizione o metadati.
Ma come funziona, in modo semplice, la reverse image retrieval?
Possiamo riassumere il funzionamento della RIR nei seguenti step:
- Caricamento dell’immagine: Il primo step necessita del caricamento dell’immagine su un motore di ricerca che supporta la funzionalità di ricerca inversa. Questa immagine serve come input per la query di ricerca.
- Individuazione delle proprietà distintive: Il sistema riceve l’immagine e usa la visione artificiale per riconoscere le proprietà visive che la rendono unica, come texture, forme, colori e modelli. Questa fase implica la conversione dei dati visivi in una forma che possa essere elaborata dal computer.
- Generazione del vettore di caratteristiche: Le caratteristiche estratte si trasformano in un vettore di caratteristiche, una rappresentazione numerica che contiene le informazioni principali dell’immagine. Questo vettore agisce un po’ come una firma digitale dell’immagine la quale rende più facile il confronto con altre immagini.
- Consultazione del database: Successivamente, il motore di ricerca confronta il vettore di caratteristiche dell’immagine che si vuole cercare con i vettori di caratteristiche delle immagini che ha nel suo database.
- Ranking dei Risultati: Le immagini nel database vengono poi classificate in base alla loro similarità con l’immagine di query scegliendo come risultati pertinenti tutte quelle immagini con il grado di corrispondenza più elevato.
- Presentazione dei Risultati: Infine, i risultati, costituiti da immagini simili o informazioni correlate estratte dal database, vengono presentati all’utente.
La cosa degna di nota dei risultati ottenuti è che questi possono includere non solo immagini visivamente simili, ma anche informazioni contestuali associate alle immagini, come fonti web, descrizioni e potenzialmente l’identificazione di oggetti o concetti rappresentati nell’immagine.
Ottimizzazioni per la ricerca visiva
Riprendendo quindi il paragrafo precedete, quali sono le opportunità della ricerca visiva e come posso sfruttarle?
Dobbiamo (sorpresa!) ottimizzare i contenuti.
Non parliamo “solo” della famosa EEAT ma anche dell’ottimizzazione e della creazione di materiali visivi e testuali chiari e ottimizzati per essere facilmente scoperti dalle ricerche gestuali.
Questo è possibile, in primo luogo, grazie ad alcune ottimizzazioni “semplici” come la scelta di immagini e video poco complessi, dal facile riconoscimento e dai testi facilmente individuabili; in secondo luogo, grazie ad accorgimenti più tecnici quali l’uso di elementi di immagine HTML standard ( <img>), che aiuta i crawler a trovare e processare le immagini, delle sitemap delle immagini, degli alt text e i dati strutturati e dell’utilizzo di immagini responsive.
Sono sicura che questi accorgimenti non sono un’informazione rivoluzionaria, ma è evidente come diventeranno via via più importanti nella routine di ottimizzazione per essere chiari e comprensibili agli occhi di Google.
Come sempre, quando ci si muove su in terreno in continuo mutamento come questo e data la natura evolutiva non solo di “Circle to Search”, ma della ricerca visiva in generale (che grazie all’IA è sempre più brava ed intuitiva nel fornire risultati anche senza che siano presenti tutte le specifiche tecniche sopra elencate) è cruciale rimanere informati su eventuali modifiche o aggiornamenti relativi a tutte quelle migliorie applicabili ai nostri contenuti che ne migliorino l’interpretazione da parte del motore di ricerca.
