Alt-tekst voor duizenden productfoto's is een sorteervraag, geen schrijfopdracht

Open in je webshop een willekeurig product en bekijk de alt-tekst van de foto's. Grote kans dat hij leeg is, of dat op alle zes foto's precies dezelfde producttitel staat. Dat is geen slordigheid van één webshop. Het is de standaard, omdat niemand bij het toevoegen van een product tijd heeft om per foto te beschrijven wat erop staat.

Bij een paar duizend producten met elk vijf of zes foto's gaat het al snel om tienduizenden afbeeldingen. Wij hebben daarvoor een aanpak gebouwd die werkt voor elke webshop met een groot assortiment, omdat hij de vraag anders stelt.

Waarom alt-tekst meer doet dan je denkt

Alt-tekst is de beschrijving die bij een afbeelding hoort. Een bezoeker ziet hem niet, maar drie partijen lezen hem wel.

Google gebruikt hem om te begrijpen wat er op een foto staat, en daarmee bij welke zoekopdrachten je foto in Google Afbeeldingen verschijnt. Schermlezers lezen hem voor aan bezoekers die slecht of niet zien. Sinds juni 2025 valt een groot deel van de webshops in de EU daarvoor onder de Europese toegankelijkheidswet. En AI-zoekmachines die je productpagina lezen, halen er informatie uit over wat je verkoopt.

Een lege alt-tekst geeft alle drie niets. Zes keer dezelfde titel geeft ze één gegeven, zes keer herhaald. Wat ze missen, is het verschil tussen de foto's: dit is de voorkant, dit is de zijkant, dit is een detail van de sluiting.

Waarom elke foto laten beschrijven niet werkt

De voor de hand liggende oplossing is elke foto door een AI-model laten beschrijven. Dat levert duizenden unieke teksten op, en daar zit precies het probleem.

Een model dat een foto vrij beschrijft, verzint soms details. Het noemt een kleur die net anders is, een materiaal dat het niet kan zien, of een kenmerk van een ander model. Bij duizenden teksten kan niemand dat controleren. Je weet dus niet hoeveel er klopt. Daarnaast is elke tekst anders geformuleerd, terwijl je juist wilt dat hetzelfde product overal hetzelfde heet. En per foto betaal je voor de beschrijving.

De feiten over je product staan al in je productgegevens. Het enige dat per foto ontbreekt, is wat de foto laat zien.

De vraag anders stellen

Het grootste deel van een goede alt-tekst is al bekend. Merk, model en kleur staan in de productgegevens, en die kloppen, want daar verkoop je op. Wat per foto verschilt, is alleen de hoek waaruit hij is gemaakt.

Productfoto's worden in de praktijk vanuit een handvol vaste hoeken gemaakt. Bij horloges zijn dat bijvoorbeeld de wijzerplaat van voren, de zijkant en de achterkant van de kast. Dan hoef je per foto geen tekst meer te schrijven. Je hoeft alleen vast te stellen in welke van die paar groepen de foto valt. Dat is sorteren, en sorteren is voor beeldherkenning veel eenvoudiger en betrouwbaarder dan beschrijven.

Wij leggen per hoek een paar voorbeeldfoto's vast en laten elke productfoto vergelijken met die voorbeelden. De hoek met de meeste gelijkenis wint. Daarna vullen we de alt-tekst in met een vast patroon: merk, model, kleur en hoek. De herkenning draait lokaal, zonder betaalde AI-diensten per foto.

Het resultaat is een alt-tekst die per foto verschilt, die overal hetzelfde is opgebouwd, en waarvan je de onderdelen kunt controleren. Klopt het merk niet, dan zit de fout in je productgegevens en niet in de alt-tekst.

Waar je op let

Niet elke foto past netjes in een groep. Een sfeerfoto van een horloge om een pols, een verpakking of een foto met twee producten erop valt buiten de vaste hoeken. Zet daarom een grens: is de gelijkenis met de beste groep te laag, dan krijgt de foto geen automatische tekst maar gaat hij naar een mens. Bij een goed gefotografeerd assortiment is dat een klein deel.

Controleer daarnaast een steekproef van de foto's die wel automatisch zijn ingedeeld, per groep. Zo zie je snel of een hoek structureel verkeerd wordt herkend, bijvoorbeeld omdat twee groepen te veel op elkaar lijken.

En houd de tekst kort en feitelijk. Een alt-tekst is een beschrijving van de foto, geen plek om zoekwoorden te stapelen.

Hoe wij dit aanpakken

We beginnen met een meting: hoeveel foto's hebben een lege alt-tekst, hoeveel herhalen de titel, en vanuit welke hoeken is je assortiment gefotografeerd. Daarna leggen we per hoek de voorbeeldfoto's vast, delen we het hele assortiment in met de herkenning die we daarvoor zelf hebben gebouwd, en zetten we de teksten terug in je webshop. De foto's waarover de herkenning twijfelt, lopen we zelf na.

Omdat de tekst uit je productgegevens komt, blijft hij kloppen als je assortiment verandert. Nieuwe producten krijgen dezelfde opbouw zodra ze online komen, zonder dat iemand er tijd aan kwijt is. Dat past bij hoe we content opbouwen vanuit zoekintentie: eerst de structuur, dan pas de tekst.