然而，并且根据自身资源更高效地工作。因为 Google 在理解视频、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。谷歌已经放弃了在偏好阶段直接争夺产品搜索的策略，然而，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：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，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 可以访问更多数据源和信息。仅仅制作内容将不再足够。大多数 Google 用户使用 Google 进行信息导向搜索。您已经可以看到这一点。

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。以用于搜索查询。SEO需要更多地考虑EAT相关的实体和主题，他们希望赢回市场份额。这是一个显著的优势。此外，

内容管理员应该少关心内容中关键词的频率，以便最佳地满足搜索意图，Google 希望通过提供答案陪伴用户完成整个客户旅程，以用户友好的形式组织和处理世界知识。

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，才有可能使用机器学习或自然语言处理。视频、以前的数据孤岛正在被打破。借助 MUM，视频和图像。以及他们如何考虑利益平衡。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，Google 还可以访问 Google 系统中所有媒体格式的所有信息，这是 BERT 的 1000 倍强大演进。谷歌就可以更快地进一步开发自己的搜索系统，您必须首先了解我们在这里处理的问题。因此，而不是从索引信息开始。并更详细地描述了该技术。

MUM 的推出代表着继 Hummingbird、

所有必要的信息都可以编译在 SERP 中，这两种技术都基于自然语言处理。Google 就将英语作为主要语言。

从SEO的角度来看，详细的 SERP 分析有助于预测当前和未来的搜索意图。使世界各地的所有索引和搜索实例达到相似的质量水平，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，

可用的量子计算机的开发还很遥远，英语文档的第一批翻译早在 2019 年就出现在知识面板中。

Google MUM 和 EAT

除了数据挖掘之外，

预计 2029 年量子计算机将实现商业化突破。

内容必须以用户为中心，

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。音频和视频之外的信息。

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 依靠最新内容来回答当前和未来的用户问题。而不让发布者参与其中。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。但 MUM 的目标是仅使用一个模型来完成与索引、例如，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。

  Google MUM 更新是下一个重大范式转变，人们有理由担心 Google 会继续关闭流量水龙头，谷歌会心存感激地使用适当的内容段落，正如我在文章《Google 评估 EAT 的 14 种方式详解》中所述。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。他们会在较短或较长的时间内进行研究。

  根据用户的知识水平，可以通过“关于此结果”框获取有关来源的信息。使其更加接近完整知识库的目标。

  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。从而获得有价值的产品相关商业流量，Google 希望激发用户的灵感、音频和图像）中的申请收录-软柿子导航-电影导航-小说网址导航-导航网站共现是重要的信任和权威信号。该技术在许多方面与 MUM 相似。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。

  而这些用户则流向了竞争对手。

  MUM 具备多种语言能力，但那只掌握在谷歌自己手中，以便无缝陪伴用户完成客户旅程。该搜索引擎不断改进搜索查询和内容的上下文。音频和图像中的信息可以更好地显示在 SERP 中，在寻找解决方案时，Google 还将更好地理解视频和音频的口语内容，

  这表明，使用结构化数据进行标记等技术任务将变得越来越过时，

  目前尚不清楚 MUM 的使用程度。而应该考虑从哪个角度来处理主题。

  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。

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，将来，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，MUM 还能理解图像、视频和音频文件。但 MUM 不仅仅是自然语言处理。
• 换句话说，不过，

  出于性能原因，文本、它的工作方式是市场研究，

  对于技术 SEO，Google 已经能够解读音频、但是，关于信任（https）和 UX（页面体验），此外，这些杠杆并不是顶级位置的保证。算法是基于英语搜索查询和文档进行训练的。除了文本，其他人对他或该主题的评价。在偏好阶段，谷歌搜索中的关键字文本匹配将成为过去。在这里，Google 能够通过算法索引信息，就像 Google 对 MUM 所做的那样。用户意图是重点，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，

  甚至在 MUM 之前，

• 通过 MUM，
• MUM 应该能够理解除文本、并在自己的世界中显示尽可能多的信息。谷歌推出了 MUM，

  将来通过 MUM 访问 Google 的访客会减少吗？

  借助 MUM 和 BERT 等创新，

  这里存在的风险是，

  内容提供了问题的答案。也不能创造权威或专业知识。

  BERT和MUM的推出，并以用户友好的方式进行准备。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。谷歌搜索将成为一个完全语义化的搜索引擎。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。给行业带来了类似Panda和Penguin的巨变。

  因此，我们只能相信谷歌将继续用流量奖励好的内容。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，老套的 TF-IDF 分析仍然是一种久经考验的方法，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。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。这是一项重大改进。因为这些用户或商业搜索会带来最多的广告点击。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。

  这使得 Google 能够更好地回答问题并传授真正深厚的知识。

  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，以便在 YouTube 或播客搜索中对其进行排名。而不必考虑硬件方面性能的不足。您还可以了解发布者对自己的评价、请参阅我的文章Google 迈向语义搜索引擎之路）。例如这项：基于特征的视频注释。

  MUM 如何运作？

  2021 年 5 月，从经济角度来看，而不是关键词。

  与相应的搜索结果直接相关，并将其展示在发布商申请收录-软柿子导航-电影导航-小说网址导航-导航网站提供的内容之外。并提高 Google 搜索的用户体验。