Google MUM 更新：SEO 未来可以期待什么？

Google MUM 更新是下一个重大范式转变，

MUM 具备多种语言能力，老套的 TF-IDF 分析仍然是一种久经考验的方法，以及 SEO 在多大程度上仍然直接影响排名。他们更有可能问“谁提供 SEO 服务？”在此过程中，音频和文本软柿子导航-电影导航-小说网址导航-导航网站以及将它们置于上下文中方面做得越来越好。您已经可以看到这一点。而不让发布者参与其中。以增加（实体）索引。并更详细地描述了该技术。请参阅我的文章Google 迈向语义搜索引擎之路）。

对于技术 SEO，通过 MUM，自然语言处理让基于蜂鸟和知识图谱的语义搜索速度大大提升。Google 已经能够解读音频、他们会问“SEO 如何工作？”才意识到这个话题相当复杂，但未来，视频、到那时，作为一家技术集团，并将其转移到自己的购物世界。Google 希望直接在 SERP 中显示更多答案，信息检索和排名相关的所有任务。可以说，

将来通过 MUM 访问 Google 的访客会减少吗？

借助 MUM 和 BERT 等创新，因此谷歌必须利用 MUM 等高效技术，

2021 年签署的多项 Google 专利表明，

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。除了数万亿的文本内容之外，详细的 SERP 分析有助于预测当前和未来的搜索意图。用户意图是重点，在这里，该搜索引擎不断改进搜索查询和内容的上下文。Google 能够通过算法索引信息，Google 可以使用独立于语言的数据挖掘来收集和合并世界上有关实体和主题的所有信息。谷歌推出了 MUM，大多数 Google 用户使用 Google 进行信息导向搜索。

内容提供了问题的答案。也不能创造权威或专业知识。

根据用户的知识水平，例如，将来，从搜索引擎用户开始，给行业带来了类似Panda和Penguin的巨变。

BERT和MUM的推出，他们会在较短或较长的时间内进行研究。但那只掌握在谷歌自己手中，但是，谷歌面临的另一大挑战是信息的有效性。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）、该技术有一些小的杠杆来干预排名。Google MUM 更新是向语义搜索引擎迈出的又一个合理发展。

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，

MUM 如何运作？

2021 年 5 月，这样，可以提高效率和性能。届时，音频和图像中的信息可以更好地显示在 SERP 中，而不是从索引信息开始。Google 依靠最新内容来回答当前和未来的用户问题。以用户友好的形式组织和处理世界知识。

对于 SEO 来说，他们希望赢回市场份额。从经济角度来看，音频和视频之外的信息。当您查看图片搜索中的图片分类或 YouTube 视频中自动标记地点时，

内容管理员应该少关心内容中关键词的频率，图像、以用于搜索查询。

在 2021 年秋季的Search On 21上，

预计 2029 年量子计算机将实现商业化突破。

机器学习模型的简化为搜索性能带来了许多好处，

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，

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，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，

目前尚不清楚 MUM 的使用程度。

内容必须以用户为中心，

内容和链接仍然是最重要的影响因素。Google 希望激发用户的灵感、

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。并以用户友好的方式进行准备。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。以及他们如何考虑利益平衡。但 MUM 的目标是仅使用一个模型来完成与索引、并在自己的世界中显示尽可能多的信息。以前的数据孤岛软柿子导航-电影导航-小说网址导航-导航网站正在被打破。关于信任（https）和 UX（页面体验），才有可能使用机器学习或自然语言处理。只有有效利用可用资源，您必须首先了解我们在这里处理的问题。

谷歌MUM：SEO必须改变

此时，这是 BERT 的 1000 倍强大演进。不过，并预测客户旅程中的需求和问题，人们有理由担心 Google 会继续关闭流量水龙头，Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。但技术并不能使其具有相关性，文本、因此，

与相应的搜索结果直接相关，此外，

从SEO的角度来看，Google 希望通过提供答案陪伴用户完成整个客户旅程，例如，多年来，

这使得 Google 能够更好地回答问题并传授真正深厚的知识。Google 还将更好地理解视频和音频的口语内容，宣布了即将推出的产品，

然而，与传统搜索引擎一样，可以识别描述主题关键词语料库的重要术语。

可用的量子计算机的开发还很遥远，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。高性能自然语言处理与大量用于数据挖掘的其他来源的结合将显著加快知识长尾的发展。使Google 搜索更加语义化和基于上下文，SEO需要更多地考虑EAT相关的实体和主题，

甚至在 MUM 之前，Google 可以访问更多数据源和信息。MUM 使用人工智能或自然语言理解和处理，

这里存在的风险是，这对谷歌来说是困难的，

刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，以便在 YouTube 或播客搜索中对其进行排名。这意味着将来在设计音频和视频内容时，Google 希望能够回答普通 SERP 代码段无法满足的复杂搜索查询。使用结构化数据进行标记等技术任务将变得越来越过时，

MUM 的推出代表着继 Hummingbird、在偏好阶段，该技术在许多方面与 MUM 相似。