<h2>多模态GEO的现状</h2><p>大模型多模态能力成熟，AI开始理解图片、视频、音频。字节系AI已把多模态信源多样性列为引用权重，短视频内容引用率提升。行业预测多模态GEO在2027年进入规模化阶段。</p><h2>多模态引用的场景</h2><p><strong>1.AI购物：</strong>AI购物展示商品图片（ChatGPT Shopping、Amazon Rufus）。<strong>2.AI问答：</strong>AI回答附带图片、视频信源。<strong>3.视频搜索：</strong>视频内容被AI理解并引用。<strong>4.本地生活：</strong>门店图片、视频影响本地推荐。</p><h2>为什么现在布局</h2><p><strong>1.窗口期红利：</strong>大多数企业还没做多模态信源，现在做能占位。<strong>2.资产积累：</strong>图片、视频资产是长期复利。<strong>3.成本较低：</strong>现在做是锦上添花，规模化后做是竞争标配。<strong>4.平台已落地：</strong>字节系已经落地，不是未来概念。</p><h2>布局清单</h2><p><strong>1.</strong>核心产品/场景配图（Alt文本+结构化描述）。<strong>2.</strong>短视频内容知识化（标题、字幕、描述含关键词）。<strong>3.</strong>信息图/数据图（高引用价值）。<strong>4.</strong>图文内容多平台分发。<strong>5.</strong>多模态内容与文本内容语义一致。</p>