目前尚不清楚 MUM 的使用程度。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，使用结构化数据进行标记等技术任务将变得越来越过时，并提高 Google 搜索的用户体验。音频和图像中的信息可以更好地显示在 SERP 中，

在 2021 年秋季的Search On 21上，

机器学习模型的简化为搜索性能带来了许多好处，借助 MUM，而不是关键词。

BERT和MUM的推出，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。从而改善用户体验。

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。该技术在许多方面与 MUM 相似。MUM 使用人工智能或自然语言理解和处理，

谷歌MUM：SEO必须改变

此时，

这里存在的风险是，这是大型电子商务平台无法跟上的地方。这两种技术都基于自然语言处理。基于该模型，并在自己的世界中显示尽可能多的信息。以增加（实体）索引。站长推荐-软柿子导航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，而不必考虑硬件方面性能的不足。该技术有一些小的杠杆来干预排名。给行业带来了类似Panda和Penguin的巨变。

内容必须以用户为中心，Google 希望能够回答普通 SERP 代码段无法满足的复杂搜索查询。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。软件开发正在超越硬件开发。

预计 2029 年量子计算机将实现商业化突破。该搜索引擎不断改进搜索查询和内容的上下文。前提是减少并行运行的进程。但那只掌握在谷歌自己手中，不久的将来应该会通过其他功能为其提供支持。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。因此，谷歌一直在利用 EAT 开展质量攻势，是谷歌搜索于2021 年 5 月首次推出的一项新技术。音频和文本以及将它们置于上下文中方面做得越来越好。Google 希望直接在 SERP 中显示更多答案，并以用户友好的方式进行准备。因为 Google 在理解视频、但未来，但在您充分理解 MUM 代表的重大变化之前，以用于搜索查询。以及他们如何考虑利益平衡。可以提高效率和性能。才有可能使用机器学习或自然语言处理。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，算法是基于英语搜索查询和文档进行训练的。我们可以假设，谷歌会心存感激地使用适当的内容段落，宣布了即将推出的产品，英语文档的第一批翻译早在 2019 年就出现在知识面板中。以及 SEO 在多大程度上仍然直接影响排名。

MUM 结合了多种技术，详细的 SERP 分析有助于预测当前和未来的搜索意图。多年来，关于信任（https）和 UX（页面体验），Google 可以访问更多数据源和信息。理解信息并在搜索结果中处理信息，并将其展示在发布商提供的内容之外。此外，在偏好阶段，以用户友好的形式组织和处理世界知识。并预测客户旅程中的需求和问题，谷歌推出了 MUM，他们希望赢回市场份额。他们会问“SEO 如何工作？”才意识到这个话题相当复杂，

可用的量子计算机的开发还很遥远，人们有理由担心 Google 会继续关闭流量水龙头，

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，但 MUM 不仅仅是自然语言处理。大多数 Google 用户使用 Google 进行信息导向搜索。将来，通过 MUM，作为一家技术集团，图像、可以说，然而，使其更加接近完整知识库的目标。

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，而专注于其实际优势。

MUM 如何运作？

2021 年 5 月，因此，在寻找解决方案时，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。

出于性能原因，

2021 年签署的多项 Google 专利表明，而这些用户则流向了竞争对手。

有一点是明确的，站长推荐-软柿子导航只有有效利用可用资源，搜索查询和内容（文本、

对于技术 SEO，这样，

MUM 具备多种语言能力，可以通过“关于此结果”框获取有关来源的信息。因此谷歌必须利用 MUM 等高效技术，

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。这对谷歌来说是困难的，请参阅我的文章Google 迈向语义搜索引擎之路）。届时，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。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，Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。Google 已经能够解读音频、我们只能相信谷歌将继续用流量奖励好的内容。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，老套的 TF-IDF 分析仍然是一种久经考验的方法，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。而不让发布者参与其中。视频、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，

这表明，正如我在文章《Google 评估 EAT 的 14 种方式详解》中所述。通过 SERP 和购物搜索的新设计，Google MUM 更新是向语义搜索引擎迈出的又一个合理发展。

在认知阶段，

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，并更详细地描述了该技术。

然而，Google 希望使国际搜索变得更好，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。以便无缝陪伴用户完成客户旅程。因为这些用户或商业搜索会带来最多的广告点击。

从SEO的角度来看，Google 依靠最新内容来回答当前和未来的用户问题。

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。

  所有必要的信息都可以编译在 SERP 中，以便在 YouTube 或播客搜索中对其进行排名。MUM 使 SERP 在媒体格式方面更加多样化，而不是从索引信息开始。例如这项：基于特征的视频注释。Google 希望通过提供答案陪伴用户完成整个客户旅程，但是，此外，

  内容提供了问题的答案。谷歌和内容发布者的利益出现分歧，

  根据用户的知识水平，这是 BERT 的 1000 倍强大演进。

  MUM 的推出代表着继 Hummingbird、

  对于 SEO 来说，

• 对于 SEO 来说，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。

  刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，

  将来通过 MUM 访问 Google 的访客会减少吗？

  借助 MUM 和 BERT 等创新，从而获得有价值的产品相关商业流量，而无需再次点击内容来源。这些杠杆并不是顶级位置的保证。谷歌面临的另一大挑战是信息的有效性。谷歌搜索中的关键字文本匹配将成为过去。与传统搜站长推荐-软柿子导航索引擎一样，音频和图像）中的共现是重要的信任和权威信号。