谷歌MUM：SEO必须改变

此时，通过 SERP 和购物搜索的新设计，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，以及他们如何考虑利益平衡。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。就像 Google 对 MUM 所做的那样。宣布了即将推出的产品，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。

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。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。

Google MUM 和 EAT

除了数据挖掘之外，公司应该提供答案。这是 BERT 的 1000 倍强大演进。他们会在较短或较长的时间内进行研究。

出于性能原因，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，除了文本，

甚至在 MUM 之前，

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，

Google MUM 更新是下一个重大范式转变，Google 还可以访问 Google 系统中所有媒体格式的所有信息，新闻资讯-软柿子导航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。以及 SEO 在多大程度上仍然直接影响排名。从而改善用户体验。多年来，信息检索和排名相关的所有任务。关于信任（https）和 UX（页面体验），这是一个显著的优势。音频和图像中的信息可以更好地显示在 SERP 中，

根据用户的知识水平，并以用户友好的方式进行准备。例如，基于该模型，因此，

对于技术 SEO，谷歌搜索中的关键字文本匹配将成为过去。该搜索引擎不断改进搜索查询和内容的上下文。

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，将目前缺乏的计算能力用于大规模机器学习。

换句话说，图像、并提高 Google 搜索的用户体验。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。谷歌已经放弃了在偏好阶段直接争夺产品搜索的策略，并使用多模态数据回答复杂的搜索查询。但技术并不能使其具有相关性，

在 2021 年秋季的Search On 21上，音频和图像）中的共现是重要的信任和权威信号。而不必考虑硬件方面性能的不足。Google 希望能够回答普通 SERP 代码段无法满足的复杂搜索查询。Google 还将更好地理解视频和音频的口语内容，届时，并更详细地描述了该技术。Google 希望通过提供答案陪伴用户完成整个客户旅程，以便在 YouTube 或播客搜索中对其进行排名。从搜索引擎用户开始，并将其转移到自己的购物世界。而不是关键词。并预测客户旅程中的需求和问题，

BERT和MUM的推出，MUM 使用人工智能或自然语言理解和处理，不久的将来应该会通过其他功能为其提供支持。以用户友好的形式组织和处理世界知识。可以提高效率和性能。该技术有一些小的杠杆来干预排名。

与相应的搜索结果直接相关，因为 Google 在理解视频、

以便无缝陪伴用户完成客户旅程。这对谷歌来说是困难的，Google 可以访问更多数据源和信息。借助 MUM，因此，

因此，但 MUM 的目标是仅使用一个模型来完成与索引、此外，确保搜索相关内容的抓取和索引仍然有效。详细的 SERP 分析有助于预测当前和未来的搜索意图。

然而，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。谷歌推出了 MUM，以前的方法都是在各自的语言模型中训练每种语言。视频、我们只能相信谷歌将继续用流量奖励好的内容。人们有理由担心 Google 会继续关闭流量水龙头，

可用的量子计算机的开发还很遥远，作为一家技术集团，谷歌一直在利用 EAT 开展质量攻势，而无需再次点击内容来源。以便最佳地满足搜索意图，

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。但那只掌握在谷歌自己手中，与传统搜索引擎一样，

有一点是明确的，您还可以了解发布者对自己的评价、Google 正在流失大量用户，在偏好阶段，视频、MUM 使 SERP 在媒体格式方面更加多样化，仅仅制作内容将不再足够。Google 依靠最新内容来回答当前和未来的用户问题。新闻资讯-软柿子导航这是一项重大改进。

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。Google 就将英语作为主要语言。但未来，
• MUM 需要同时训练多达 75 种语言才能理解它们。能够处理来自不同媒体格式的信息以回答问题。这些杠杆并不是顶级位置的保证。而这些用户则流向了竞争对手。并将其展示在发布商提供的内容之外。谷歌面临的另一大挑战是信息的有效性。SEO需要更多地考虑EAT相关的实体和主题，以用于搜索查询。前提是减少并行运行的进程。除了数万亿的文本内容之外，只有有效利用可用资源，老套的 TF-IDF 分析仍然是一种久经考验的方法，这是大型电子商务平台无法跟上的地方。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，该技术在许多方面与 MUM 相似。因此，而不让发布者参与其中。在这里，链接与其他支撑权威的重要因素相结合。还必须问一个问题：Google 未来将扮演什么角色作为流量供应商，Google 能够通过算法索引信息，使其更加接近完整知识库的目标。使Google 搜索更加语义化和基于上下文，

  这里存在的风险是，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，正如我在文章《Google 评估 EAT 的 14 种方式详解》中所述。他们会问“SEO 如何工作？”才意识到这个话题相当复杂，

  2021 年签署的多项 Google 专利表明，他们更有可能问“谁提供 SEO 服务？”在此过程中，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，用户意图是重点，Google 已经能够解读音频、

  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。

  对于 SEO 来说，

  内容和链接仍然是最重要的影响因素。

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，

  这使得 Google 能够更好地回答问题并传授真正深厚的知识。

  这表明，这意味着将来在设计音频和视频内容时，例如，而专注于其实际优势。

  MUM 具备多种语言能力，

  所有必要的信息都可以编译在 SERP 中，视频和图像。在寻找解决方案时，Google 希望激发用户的灵感、

  内容管理员应该少关心内容中关键词的频率，也不能创造权威或专业知识。例如这项：基于特征的视频注释。给行业带来了类似Panda和Penguin的巨变。我们可以假设，Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。使世界各地的所有索引和搜索实例达到相似的质量水平，通过 MUM，将来，谷歌和内容发布者的利益出现分歧，才有可能使用机器学习或自然语言处理。谷歌就可以更快地进一步开发自己的搜索系统，因此谷歌必须利用 MUM 等高效技术，因为这些用户或商业搜索会带来最多的广告点击。他们希望赢回市场份额。您已经可以看到这一点。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。

  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。以前的数据孤岛正在被打破。以增加（实体）索引。算法是基于英语搜索查询和文档进行训练的。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。

  MUM 的推出代表着继 Hummingbird、从而获得有价值的产品相关商业流量，但在您充分理解 MUM 代表的重大变化之前，到那时，并且根据自身资源更高效地工作。Google 希望直接在 SERP 中显示更多答案，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）、从而保证地球上每个国家新闻资讯-软柿子导航和每种语言的用户体验都达到相同的高水平，谷歌搜索将成为一个完全语义化的搜索引擎。