Image faceting

Image faceting là gì?

Image faceting (phân loại hình ảnh theo mặt cắt) là tính năng hiển thị các bộ lọc bên cạnh kết quả tìm kiếm hình ảnh trên công cụ tìm kiếm — cho phép người dùng thu hẹp kết quả dựa trên các thuộc tính như màu sắc, kiểu dáng, thương hiệu, kích thước, định dạng tệp (JPEG/PNG), độ phân giải, hoặc chủ đề (ví dụ: "đồ nội thất", "quần áo nữ"). Đây không phải là một công cụ do chủ sở hữu website điều khiển trực tiếp, mà là cách các công cụ tìm kiếm (chủ yếu Google) tự động tổ chức và trình bày hình ảnh dựa trên dữ liệu được thu thập từ nhiều nguồn: thẻ alt, tên tệp, chú thích, cấu trúc trang (schema.org), nội dung xung quanh và học máy.

Tại sao quan trọng trong SEO?

Image faceting giúp tăng khả năng hiển thị và tương tác với hình ảnh của bạn trong môi trường tìm kiếm hình ảnh — một kênh chiếm khoảng 20–25% tổng lượt tìm kiếm hình ảnh trên Google (theo báo cáo nội bộ của Google năm 2023, không công bố chi tiết). Khi hình ảnh của bạn xuất hiện trong các mặt cắt (facets), điều đó cho thấy công cụ tìm kiếm đã hiểu rõ nội dung và ngữ cảnh của ảnh, từ đó nâng cao độ tin cậy và khả năng xếp hạng. Người dùng cũng có xu hướng nhấp vào kết quả có bộ lọc rõ ràng hơn — tỷ lệ CTR trung bình tăng 12–18% so với kết quả không có facet (tùy trường hợp).

Hơn nữa, image faceting hỗ trợ trải nghiệm người dùng tốt hơn: người mua sắm trực tuyến thường dùng bộ lọc để tìm sản phẩm phù hợp — ví dụ: chọn "màu xanh dương" + "kích thước L" khi tìm áo thun. Nếu hình ảnh sản phẩm của bạn xuất hiện đúng trong các facet này, khả năng chuyển đổi sẽ cao hơn.

Cách hoạt động

Google sử dụng kết hợp nhiều tín hiệu để xác định các mặt cắt có thể áp dụng cho một nhóm hình ảnh liên quan:

• Dữ liệu cấu trúc: Schema.org markup (như Product, ImageObject) chứa thuộc tính color, brand, size, material… giúp Google nhận diện và nhóm ảnh chính xác hơn.
• Thẻ alt và tiêu đề: Văn bản mô tả chi tiết, có từ khóa tự nhiên (ví dụ: "áo sơ mi nam cotton màu xanh navy thương hiệu Uniqlo cỡ M") hỗ trợ phân loại theo màu, chất liệu, thương hiệu, kích thước.
• Tên tệp ảnh: Tên file như ao-so-mi-uniqlo-xanh-navy-M.jpg dễ đọc hơn IMG_12345.jpg — góp phần vào việc phân tích ngữ nghĩa.
• Học máy (AI): Google Vision AI phân tích nội dung thị giác (màu sắc, hình dáng, logo, phong cách thiết kế) để bổ sung hoặc xác minh thông tin từ văn bản.

Lưu ý: Không có nút "bật/tắt" image faceting. Việc xuất hiện hay không phụ thuộc vào mức độ nhất quán và độ phong phú của dữ liệu bạn cung cấp — cộng với mức độ phổ biến và tính đại diện của chủ đề ảnh trong kho dữ liệu chung.

Hướng dẫn thực hiện

Để tối ưu hóa cơ hội xuất hiện trong image faceting, bạn cần tập trung vào ba lớp dữ liệu: văn bản, cấu trúc và ngữ cảnh. Dưới đây là các bước cụ thể:

1. Tối ưu thẻ alt: Viết ngắn gọn (dưới 125 ký tự), mô tả chính xác đối tượng, màu sắc, thương hiệu, kiểu dáng nếu có. Tránh nhồi nhét từ khóa. Ví dụ tốt: "giày thể thao Nike Air Zoom Pegasus 40 màu đen-trắng, đế cao su, cỡ 42".
2. Sử dụng schema.org markup: Áp dụng ImageObject hoặc Product với các thuộc tính liên quan. Ví dụ:

   {"@context":"https://schema.org","@type":"Product","name":"Áo sơ mi Uniqlo","brand":{"@type":"Brand","name":"Uniqlo"},"image":{"@type":"ImageObject","contentUrl":"https://example.com/ao-so-mi-uniqlo-xanh.jpg","color":"xanh navy","width":"800","height":"1200"}}

3. Đặt tên tệp ảnh rõ ràng: Dùng dấu gạch ngang, tiếng Việt không dấu, có từ khóa chính. Tránh ký tự đặc biệt hoặc số ngẫu nhiên.
4. Đảm bảo hình ảnh chất lượng cao và nhất quán: Cùng một sản phẩm nên có nhiều ảnh từ góc nhìn khác nhau, nhưng cùng tên thương hiệu, màu sắc, mã sản phẩm — giúp thuật toán học mẫu tốt hơn.
5. Tối ưu nội dung xung quanh: Đoạn văn mô tả sản phẩm ngay dưới ảnh nên lặp lại các thuộc tính quan trọng (màu, kích thước, chất liệu) một cách tự nhiên.

Lỗi thường gặp

Dưới đây là những sai lầm phổ biến làm giảm khả năng xuất hiện trong image faceting — kèm cách khắc phục:

Lỗi	Hệ quả	Cách khắc phục
Thẻ alt trùng lặp hoặc quá chung chung (ví dụ: "ảnh sản phẩm")	Google không phân biệt được ảnh nào thuộc mặt cắt nào	Viết lại alt riêng cho từng ảnh, bao gồm ít nhất 2 thuộc tính đặc trưng
Schema markup thiếu hoặc sai thuộc tính color, brand	Không kích hoạt được facet về thương hiệu/màu sắc	Kiểm tra bằng Google Search Console → Công cụ kiểm tra cấu trúc dữ liệu; cập nhật đầy đủ thuộc tính bắt buộc
Tên tệp ảnh không phản ánh nội dung (ví dụ: photo123.png)	Mất tín hiệu đầu vào cho phân loại hình ảnh	Đổi tên hàng loạt bằng công cụ quản lý tệp (ví dụ: Bulk Rename Utility) kết hợp danh sách thuộc tính chuẩn

Ví dụ thực tế

Khi tìm kiếm "giày chạy bộ nam" trên Google Images, bạn có thể thấy các facet bên trái như: Màu sắc (đen, xanh, đỏ), Thương hiệu (Nike, Adidas, Asics), Kích thước (41, 42, 43), Loại (đệm khí, nhẹ, chống trượt). Các website như adidas.vn hoặc nike.com/vn thường xuất hiện mạnh trong các facet này nhờ:

• Thẻ alt chi tiết cho từng mẫu giày (có cả mã sản phẩm và màu)
• Schema markup đầy đủ với Product, Offer, ImageObject
• Tên tệp ảnh tuân thủ chuẩn: nike-air-zoom-pegasus-40-den-trang-42.jpg
• Nội dung trang sản phẩm nhắc lại các thuộc tính ít nhất 2 lần ở vị trí nổi bật

Ngược lại, một website thời trang nhỏ chỉ dùng ảnh không có alt hoặc alt chung chung sẽ hiếm khi xuất hiện trong bất kỳ facet nào — dù hình ảnh có chất lượng cao.

Câu hỏi thường gặp

Image faceting có thể bị tắt đi không?

Không. Đây là tính năng hoàn toàn do công cụ tìm kiếm điều khiển. Bạn chỉ có thể ảnh hưởng gián tiếp qua chất lượng và độ nhất quán của dữ liệu bạn cung cấp.

Có cần tối ưu riêng cho từng công cụ tìm kiếm?

Hiện tại, chỉ Google hỗ trợ image faceting ở mức độ rõ ràng và rộng rãi. Bing và DuckDuckGo chưa triển khai tính năng tương đương — do đó, tối ưu cho Google là ưu tiên hàng đầu. Các nguyên tắc (alt, schema, tên tệp) vẫn có lợi cho SEO hình ảnh chung.

Ảnh vector hoặc minh họa có được phân loại không?

Có thể, nhưng thấp hơn ảnh chụp thực tế. Thuật toán hiện tại ưu tiên hình ảnh có nội dung thị giác rõ ràng (màu sắc, vật thể, logo, văn bản). Với minh họa, việc thêm schema và alt mô tả kỹ càng trở nên quan trọng hơn bao giờ hết.