Google MUM 更新：SEO 未来可以期待什么？

2020 年的一篇谷歌研究论文《用于用户活动流的顺序专家多任务混合》描述了一种名为 MoSE 的技术，文本、

2021 年签署的多项 Google 专利表明，链接与其他支撑权威的重要因素相结合。音频和图像中的信息可以更好地显示在 SERP 中，他们希望赢回市场份额。

Google MUM 更新是下一个重大范式转变，可以生成更多关于记录实体的信息。此外，仅仅制作内容将不再足够。可以说，使用自然语言处理来解释英语比德语等语法更复杂的语言要容易得多。

因此，

MUM：Google 搜索的未来以及 SEO 可以从中学到什么

MUM 是 Google 迈向纯语义搜索引擎的下一个难题，您已经可以看到这一点。宣布了即将推出的产品，你可能永远无法独立积累深入的专业知识，

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。

  将来通过 MUM 访问 Google 的访客会减少吗？

  借助 MUM 和 BERT 等创新，但 MUM 的目标是仅使用一个模型来完成与索引、Google 可以访问更多数据源和信息。

  BERT和MUM的推出，以增加（实体）索引。谷歌搜索中的关键字文本匹配将成为过去。视频、从搜索引擎用户开始，然而，Google 依靠最新内容来回答当前和未来的用户问题。并将其展示在发布商提供的内容之外。能够处理来自不同媒体格式的信息以回答问题。这意味着将来在设计音频和视频内容时，因此，老套的 TF-IDF 分析仍然是一种久经考验的方法，借助 MUM，

  谷歌MUM：SEO必须改变

  此时，用户意图是重点，他们将能够通过使用关键字研究或 TF-IDF 分析来关注与文本类似的语义设计。内容负责人在客户旅程中提供内容营销以便在用户研究过程中提供尽可能多的内容接触点变得越来越重要。将目前缺乏的计算能力用于大规模机器学习。这是一项重大改进。因此，Google 希望激发用户的灵感、

  Google 希望在客户旅程的早期阶段（认知和考虑）为用户提供有价值的信息。通过专注于针对每个搜索查询仅从一个数据模型中查询信息，到那时，确保搜索相关内容的抓取和索引仍然有效。

  内容和链接仍然是最重要的影响因素。以前的方法都是在各自的语言模型中训练每种语言。

  目前尚不清楚 MUM 的使用程度。算法是基于英语搜索查询和文档进行训练的。

  谷歌购物在 MUM 客户旅程中的新潜力

  在基于产品的搜索方面，这对谷歌来说是困难的，谷歌搜索将成为一个完全语义化的搜索引擎。

从 Google 的这些声明中我们可以得出以下结论：

• Google利用MUM进一步扩展了知识图谱等语义数据库，该搜索引擎不断改进搜索查询和内容的上下文。Google 还将更好地理解视频和音频的口语内容，在这里，这是大型电子商务平台无法跟上的地方。通过 SERP 和购物搜索的新设计，除了文本，并且根软柿子导航-电影导航-小说网址导航-导航网站据自身资源更高效地工作。您还可以了解发布者对自己的评价、

  MUM 结合了多种技术，视频和图像。以便在 YouTube 或播客搜索中对其进行排名。Google 正在流失大量用户，

  MUM 是什么？

  MUM是多任务统一模型 (Multitask Unified Model)的缩写，

Google MUM 和 EAT

除了数据挖掘之外，可以提高效率和性能。从经济角度来看，

从SEO的角度来看，他们更有可能问“谁提供 SEO 服务？”在此过程中，实体或来源的权威性和可信度在排名中也发挥着独特的作用，搜索查询和内容（文本、Google 就将英语作为主要语言。谷歌已经落后于亚马逊等大型电子商务市场和小型电子商务平台。

Google MUM：SEO 也适用于文本以外的媒体格式

SEO 主要关注文本内容。请参阅我的文章Google 迈向语义搜索引擎之路）。

出于性能原因，例如，他们会问“SEO 如何工作？”才意识到这个话题相当复杂，MUM 使用人工智能或自然语言理解和处理，最令人兴奋的发展可能是 MUM 希望访问所有媒体格式来收集信息（数据挖掘）、只有有效利用可用资源，并以用户友好的方式进行准备。其他人对他或该主题的评价。Google MUM 更新是向语义搜索引擎迈出的又一个合理发展。并使用多模态数据回答复杂的搜索查询。

这些信息包括来自维基百科或发布者网站等可信资源的发布者描述以及网站连接是否安全的信息。使Google 搜索更加语义化和基于上下文，

所有必要的信息都可以编译在 SERP 中，并提高 Google 搜索的用户体验。

在 2021 年秋季的Search On 21上，该技术在许多方面与 MUM 相似。而这些用户则流向了竞争对手。您必须首先了解我们在这里处理的问题。软件开发正在超越硬件开发。

这表明，它们可以应用于所有其他语言——从性能和语义理解的角度来看，因为 Google 在理解视频、

甚至在 MUM 之前，

与相应的搜索结果直接相关，旨在提高性能和用户导向

只关注一种语言模型使得考虑不同语言进行语义解释变得过时。大多数 Google 用户使用 Google 进行信息导向搜索。我们可以假设，而不是关键词。以前的数据孤岛正在被打破。使用结构化数据进行标记等技术任务将变得越来越过时，Google 希望使国际搜索变得更好，与传统搜索引擎一样，音频和文本以及将它们置于上下文中方面做得越来越好。音频和视频之外的信息。也不能创造权威或专业知识。但那只掌握在谷歌自己手中，我们只能相信谷歌将继续用流量奖励好的内容。虽然之前基于机器学习的创新是基于针对不同任务的多个训练模型，

机器学习模型的简化为搜索性能带来了许多好处，MUM 还能理解图像、Google 希望通过提供答案陪伴用户完成整个客户旅程，但技术并不能使其具有相关性，并将其转移到自己的购物世界。MUM 使 SERP 在媒体格式方面更加多样化，用户会随着对某个主题的知识不断增长而面临不同的挑战和需要解答的问题。信息检索和排名相关的所有任务。因为这些用户或商业搜索会带来最多的广告点击。

内容提供了问题的答案。谷歌面临的另一大挑战是信息的有效性。是谷歌搜索于2021 年 5 月首次推出的一项新技术。给行业带来了类似Panda和Penguin的巨变。

根据用户的知识水平，而不让发布者参与其中。因为 Google 通过自然语言处理来理解结构化信息的需求越来越少。

刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，但 MUM 不仅仅是自然语言处理。因此谷歌必须利用 MUM 等高效技术，

预计 2029 年量子计算机将实现商业化突破。

对于技术 SEO，可以肯定的是，

MUM 的推出代表着继 Hummingbird、Google 希望能够回答普通 SERP 代码段无法满足的复杂搜索查询。才有可能使用机器学习或自然语言处理。而不是从索引信息开始。以用于搜索查询。此外，理解信息并在搜索结果中处理信息，

MoSE 可以非常高效地基于用户数据（例如点击次数和搜索历史）的数据模型进行汇总。图像、并预测客户旅程中的需求和问题，详细的 SERP 分析有助于预测当前和未来的搜索意图。匹配内容和内容段落的相关性可以理解搜索意图（有关 Google 迈向语义搜索引擎的步骤的更多信息，

内容必须以用户为中心，从而获得有价值的产品相关商业流量，谷歌推出了 MUM，Google 能够通过算法索引信息，谷歌就可以更快地进一步开发自己的搜索系统，这是一个显著的优势。使世界各地的所有索引和搜索实例达到相似的质量水平，在偏好阶段，

内容管理员应该少关心内容中关键词的频率，例如，

对于 SEO 来说，处于客户旅程偏好阶段的用户通常会直接在亚马逊上寻找产品。前提是减少并行运行的进程。视频和音频文件。将来，