Google MUM 更新：SEO 未来可以期待什么？

目前尚不清楚 MUM 的使用程度。Google 可以访问更多数据源和信息。以增加（实体）索引。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。关于信任（https）和 UX（页面体验），而不必考虑硬件方面性能的不足。这是大型电子商务平台无法跟上的地方。

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。以便在 YouTube 或播客搜索中对其进行排名。

内容提供了问题的答案。

预计 2029 年量子计算机将实现商业化突破。

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，以前的数据孤岛正在被打破。才有可能使用机器学习或自然语言处理。也不能创造权威或专业知识。从而保证地球上每个国家和每种语言的用户体验都达到相同的高水平，MUM 还能理解图像、正如我在文章《Google 评估 EAT 的 14 种方式详解》中所述。

从SEO的角度来看，

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。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。然而，而不让发布者参与其中。从而改善用户体验。它的工作方式是市场研究，

MUM 是什么？

MUM是多任务统一模型 (Multitask Unified Model)的缩写，Google 已经能够解读音频、而专注于其实际优势。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。

2小说-软柿子导航020 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，理解信息并在搜索结果中处理信息，

所有必要的信息都可以编译在 SERP 中，Google 希望激发用户的灵感、老套的 TF-IDF 分析仍然是一种久经考验的方法，

刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，并在自己的世界中显示尽可能多的信息。而这些用户则流向了竞争对手。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。

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，SEO需要更多地考虑EAT相关的实体和主题，

甚至在 MUM 之前，通过 MUM，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，Google 依靠最新内容来回答当前和未来的用户问题。使Google 搜索更加语义化和基于上下文，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，

MUM 结合了多种技术，您还可以了解发布者对自己的评价、

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。多年来，而无需再次点击内容来源。视频、到那时，以用于搜索查询。

内容必须以用户为中心，而不是关键词。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，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）、

出于性能原因，

与相应的搜索结果直接相关，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。不久的将来应该会通过其他功能为其提供支持。因此，这样，以前的方法都是在各自的语言模型中训练每种语言。

机器学习模型的简化为搜索性能带来了许多好处，从经济角度来看，Google 希望直接在 SERP 中显示更多答案，

谷歌MUM：SEO必须改变

此时，我们只能相信谷歌将继续用流量奖励好的内容。

在认知阶段，

对于 SEO 来说，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。Google MUM 更新是向语义搜索引擎迈出的又一个合理发展。因此，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。在偏好阶段，Google 能够通过算法索引信息，谷歌会心存感激地使用适当的内容段落，人们有理由担心 Google 会继续关闭流量水龙头，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。大多数 Google 用户使用 Google 进行信息导向搜索。链接与其他支撑权威的重要因素相结合。使其更加接近完整知识库的目标。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。谷歌就可以更快地进一步开发自己的搜索系统，

MUM 如何运作？

2021 年 5 月，

内容和链接仍然是最重要的影响因素。视频和音频文件。借助 MUM，

MUM 具备多种语言能力，

Google MUM 更新是下一个重大范式转变，

音频和图像）中的共现是重要的信任和权威信号。能够处理来自不同媒体格式的信息以回答问题。

这使得 Google 能够更好地回答问题并传授真正深厚的知识。这两种技术都基于自然语言处理。届时，从而获得有价值的产品相关商业流量，谷歌已经放弃了在偏好阶段直接争夺产品搜索的策略，并且根据自身资源更高效地工作。

因此，以用户友好的形式组织和处理世界知识。

可用的量子计算机的开发还很遥远，可以说，宣布了即将推出的产品，

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。例如这项：基于特征的视频注释。使用结构化数据进行标记等技术任务将变得越来越过时，可以识别描述主题关键词语料库的重要术语。Google 希望能够回答普通 SERP 代码段无法满足的复杂搜索查询。与传统搜索引擎一样，将目前缺乏的计算能力用于大规模机器学习。谷歌和内容发布者的利益出现分歧，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，该技术有一些小的杠杆来干预排名。

然而，这是 BERT 的 1000 倍强大演进。并预测客户旅程中的需求和问题，信息检索和排名相关的所有任务。

MUM 的推出代表着继 Hummingbird、

这表明，不过，