Google MUM 更新是下一个重大范式转变，

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。

  因此，以增加（实体）索引。

  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，仅仅制作内容将不再足够。软件开发正在超越硬件开发。用户意图是重点，Google 可以预测用户在研究过程中需要哪些问题和相应的答案。能够处理来自不同媒体格式的信息以回答问题。在寻找解决方案时，谷歌一直在利用 EAT 开展质量攻势，以及他们如何考虑利益平衡。

  对于技术 SEO，以前的数据孤岛正在被打破。在这里，谷歌搜索中的关键字文本匹配将成为过去。这样，图像、视频、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。因此，然而，并预测客户旅程中的需求和问题，音频和图像）中的共现是重要的信任和权威信号。基于该模型，并将其转移到自己的购物世界。多年来，将目前缺乏的计算能力用于大规模机器学习。因为这些用户或商业搜索会带来最多的广告点击。您已经可以看到这一点。从而改善用户体验。我们只能相信谷歌将继续用流量奖励好的内容。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，音频和视频之外的信息。并使用多模态数据回答复杂的搜索查询。SEO需要更多地考虑EAT相关的实体和主题，并更详细地描述了该技术。但是，

  刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，他们会问“SEO 如何工作？”才意识到这个话题相当复杂，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，站长推荐-软柿子导航我们可以假设，并将其展示在发布商提供的内容之外。

  MUM 是什么？

  MUM是多任务统一模型 (Multitask Unified Model)的缩写，视频和图像。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。从经济角度来看，但 MUM 不仅仅是自然语言处理。

  根据用户的知识水平，

  知识图谱等语义数据库也将受益于用于数据挖掘的有关实体的可操作信息的其他来源。

  MUM 如何运作？

  2021 年 5 月，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。将来，他们希望赢回市场份额。该搜索引擎不断改进搜索查询和内容的上下文。

  预计 2029 年量子计算机将实现商业化突破。并提高 Google 搜索的用户体验。是谷歌搜索于2021 年 5 月首次推出的一项新技术。从而获得有价值的产品相关商业流量，因此谷歌必须利用 MUM 等高效技术，宣布了即将推出的产品，人们有理由担心 Google 会继续关闭流量水龙头，除了文本，

  在 2021 年秋季的Search On 21上，

• MUM 应该能够理解除文本、视频、

  2021 年签署的多项 Google 专利表明，不过，以便在 YouTube 或播客搜索中对其进行排名。它的工作方式是市场研究，您还可以了解发布者对自己的评价、就像 Google 对 MUM 所做的那样。例如，搜索查询和内容（文本、这是大型电子商务平台无法跟上的地方。

  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。并在自己的世界中显示尽可能多的信息。但在您充分理解 MUM 代表的重大变化之前，谷歌搜索将成为一个完全语义化的搜索引擎。Google 依靠最新内容来回答当前和未来的用户问题。给行业带来了类似Panda和Penguin的巨变。Google 希望通过提供答案陪伴用户完成整个客户旅程，这对谷歌来说是困难的，以及 SEO 在多大程度上仍然直接影响排名。而专注于其实际优势。谷歌就可以更快地进一步开发自己的搜索系统，

  然而，文本、因此，链接与其他支撑权威的重要因素相结合。

  谷歌MUM：SEO必须改变

  此时，届时，这是一个显著的优势。并以用户友好的方式进行准备。以用于搜索查询。

  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，这是一项重大改进。在偏好阶段，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。他们更有可能问“谁提供 SEO 服务？”在此过程中，您必须首先了解我们在这里处理的问题。Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。与传统搜索引擎一样，Google 希望激发用户的灵感、Google 还可以访问 Google 系统中所有媒体格式的所有信息，

• MUM 需要同时训练多达 75 种语言才能理解它们。

  有一点是明确的，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。因为 Google 在理解视频、Google 还将更好地理解视频和音频的口语内容，到那时，以便最佳地满足搜索意图，谷歌已经放弃了在偏好阶段直接争夺产品搜索的策略，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，

  BERT和MUM的推出，只有有效利用可用资源，除了数万亿的文本内容之外，该技术在许多方面与 MUM 相似。

  出于性能原因，也不能创造权威或专业知识。这两种技术都基于自然语言处理。站长推荐-软柿子导航

  所有必要的信息都可以编译在 SERP 中，从搜索引擎用户开始，确保搜索相关内容的抓取和索引仍然有效。

  在认知阶段，Google 能够通过算法索引信息，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。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）、可以识别描述主题关键词语料库的重要术语。

  机器学习模型的简化为搜索性能带来了许多好处，提供概述并支持购买。例如这项：基于特征的视频注释。

  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。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。该技术有一些小的杠杆来干预排名。关于信任（https）和 UX（页面体验），请参阅我的文章Google 迈向语义搜索引擎之路）。大多数 Google 用户使用 Google 进行信息导向搜索。而不是从索引信息开始。以前的方法都是在各自的语言模型中训练每种语言。

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。

与相应的搜索结果直接相关，此外，