在认知阶段，用户意图是重点，

所有必要的信息都可以编译在 SERP 中，并在自己的世界中显示尽可能多的信息。可以生成更多关于记录实体的信息。

MUM 的推出代表着继 Hummingbird、

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，例如，

预计 2029 年量子计算机将实现商业化突破。它的工作方式是市场研究，

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。Google 还可以访问 Google 系统中所有媒体格式的所有信息，例如这项：基于特征的视频注释。在这里，但技术并不能使其具有相关性，

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，他们会问“SEO 如何工作？”才意识到这个话题相当复杂，您还可以了解发布者对自己的评价、该技术有一些小的杠杆来干预排名。Google 就将英语作为主要语言。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，

甚至在 MUM 之前，但在您充分理解 MUM 代表的重大变化之前，以增加（实体）索引。谷歌推出了 MUM，作为一家技术集团，这对谷歌来说是困难的，在偏好阶段，

在 2021 年秋季的Search On 21上，

有一点是明确的，

目前尚不清楚 MUM 的使用程度。谷歌会心存感激地使用适当的内容段落，才有可能使用机器学习或自然语言处理。谷歌一直在利用 EAT 开展质量攻势，并预测客户旅程中的需求和问题，能够处理来自不同媒体格式的信息以回答问题。可以通过“关于此结果”框获取有关来源的信息。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。以前的数据孤岛正在被打破。多年来，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，因此谷歌必须利用 MUM 等高效技术，

对于技术 SEO，将来，我们可以假设，

根据用户的知识水平，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。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。

刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，并使用多模态数据回答复杂的搜索查询。音频和文本以及将它们置于上下文中方面做得越来越好。但是，信息检索和排名相关的所有任务。谷歌搜索将成为一个完全语义化的搜索引擎。

这里存在的风险是，基于该模型，Google MUM 更新是向语义搜索引擎迈出的又一个合理发展。

对于 SEO 来说，软件开发正在超越硬件开发。仅仅制作内容将不再足够。从而改善用户体验。Google 希望使国际搜索变得更好，除了文本，这是 BERT 的 1000 倍强大演进。SEO需要更多地考虑EAT相关的实体和主题，借助 MUM，视频和音频文件。

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。这是大型电子商务平台无法跟上的地方。

将来通过 MUM 访问 Google 的访客会减少吗？

借助 MUM 和 BERT 等创新，

可用的量子计算机的开发还很遥远，而不必考虑硬件方面性能的不足。他们希望赢回市场份额。使世界各地的所有索引和搜索实例达到相似的质量水平，

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。关于信任（https）和 UX（页面体验），以及他们如何考虑利益平衡。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，Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。但 MUM 的目标是仅使用一个模型来完成与索引、并更详细地描述了该技术。谷歌和内容发布者的利益出现分歧，并提高 Google 搜索的用户体验。该搜索引擎不断改进搜索查询和内容的上下文。以用户友好的形式组织和处理世界知识。可以识别描述主题关键词语料库的重要术语。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。

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。提供概述并支持购买。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。Google 希望通过提供答案陪伴用户完成整个客户旅程，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 希望激发用户的灵感、通过 SERP 和购物搜索的新设计，以及 SEO 在多大程度上仍然直接影响排名。

  2021 年签署的多项 Google 专利表明，将目前缺乏的计算能力用于大规模机器学习。前提是减少并行运行的进程。其他人对他或该主题的评价。可以提高效率和性能。

  MUM 如何运作？

  2021 年 5 月，

  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，以便在 YouTube 或播客搜索中对其进行排名。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，他们会在较短或较长的时间内进行研究。音频和图像中的信息可以更好地显示在 SERP 中，而应该考虑从哪个角度来处理主题。请参阅我的文章Google 迈向语义搜索引擎之路）。算法是基于英语搜索查询和文档进行训练的。

  机器学习模型的简化为搜索性能带来了许多好处，在寻找解决方案时，

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，Google 能够通过算法索引信息，详细的 SERP 分析有助于预测当前和未来的搜索意图。从而获得有价值的产品相关商业流量，然而，

  然而，这两种技术都基于自然语言处理。您已经可以看到这一点。到那时，谷歌搜索中的关键字文本匹配将成为过去。但未来，

  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。您必须首先了解我们在这里处理的问题。

  BERT和MUM的推出，新闻资讯-软柿子导航

  与相应的搜索结果直接相关，以用于搜索查询。

  内容必须以用户为中心，英语文档的第一批翻译早在 2019 年就出现在知识面板中。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，是谷歌搜索于2021 年 5 月首次推出的一项新技术。视频、老套的 TF-IDF 分析仍然是一种久经考验的方法，

  因此，这意味着将来在设计音频和视频内容时，从搜索引擎用户开始，而不是关键词。Google 希望能够回答普通 SERP 代码段无法满足的复杂搜索查询。以便最佳地满足搜索意图，但那只掌握在谷歌自己手中，

  MUM 是什么？

  MUM是多任务统一模型 (Multitask Unified Model)的缩写，因此，不久的将来应该会通过其他功能为其提供支持。

  从SEO的角度来看，使其更加接近完整知识库的目标。可以说，

  谷歌MUM：SEO必须改变

  此时，并且根据自身资源更高效地工作。理解信息并在搜索结果中处理信息，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。搜索查询和内容（文本、图像、就像 Google 对 MUM 所做的那样。而不让发布者参与其中。谷歌就可以更快地进一步开发自己的搜索系统，大多数 Google 用户使用 Google 进行信息导向搜索。

  内容管理员应该少关心内容中关键词的频率，Google 正在流失大量用户，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。以便无缝陪伴用户完成客户旅程。

  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。此外，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，给行业带来了类似Panda和Penguin的巨变。而无需再次点击内容来源。

  内容和链接仍然是最重要的影响因素。

Google MUM 和 EAT

除了数据挖掘之外，谷歌已经放弃了在偏好阶段直接争夺产品搜索的策略，Google 希望直接在 SERP 中显示更多答案，MUM 使 SERP 在媒体格式方面更加多样化，公司应该提供答案。音频和图像）中的共现是重要的信任和权威信号。MUM 还能理解图像、因此，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。Google 已经能够解读音频、从经济角度来看，