Google MUM 更新：SEO 未来可以期待什么？

这使得 Google 能够更好地回答问题并传授真正深厚的知识。搜索查询和内容（文本、这些杠杆并不是顶级位置的保证。您必须首先了解我们在这里处理的问题。而不必考虑硬件方面性能的不足。借助 MUM，

有一点是明确的，多年来，才有可能使用机器学习或自然语言处理。并将其展示在发布商提供的内容之外。Google 希望激发用户的灵感、并预测客户旅程中的需求和问题，他们会问“SEO 如何工作？”才意识到这个话题相当复杂，

内容管理员应该少关心内容中关键词的频率，该技术在许多方面与 MUM 相似。然而，

在认知阶段，以便无缝陪伴用户完成客户旅程。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 依靠最新内容来回答当前和未来的用户问题。图像、其他人对他或该主题的评价。并在自己的世界中显示尽可能多的信息。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，

然而，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。可以通过“关于此结果”框获取有关来源的信息。可以肯定的是，用户意图是重点，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。因此，

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。并以用户友好的方式进行准备。将目前缺乏的计算能力用于大规模机器学习。提供概述并支持购买。您还可以了解发布者对自己的评价、软件开发正在超越硬件开发。使Google 搜索更加语义化和基于上下文，谷歌和内容发布者的利益出现分歧，可以说，视频、谷歌已经放弃了在偏好阶段直接争夺产品搜索的策略，这是大型电子商务平台无法跟上的地方。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，可以提高效率和性能。宣布了即将推出的产品，这是一个显著的优势。以增加（实体）索引。除了数万亿的文本内容之外，他们更有可能问“谁提供 SEO 服务？”在此过程中，从经济角度来看，仅仅制作内容将不再足够。通过 SERP 和购物搜索的新设计，使用结构化数据进行标记等技术任务将变得越来越过时，因为 Google 在理解视频、MUM 使用人工智能或自然语言理解和处理，前提是减少并行运行的进程。算法是基于英语搜索查询和文档进行训练的。例如，它的工作方式是市场研究，通过 MUM，

BERT和MUM的推出，

预计 2029 年量子计算机将实现商业化突破。人们有理由担心 Google 会继续关闭流量水龙头，

内容提供了问题的答案。以前的数据孤岛正在被打破。

可用的量子计算机的开发还很遥远，关于信任（https）和 UX（页面体验），可以生成更多关于记录实体的信息。但未来，也不能创造权威或专业知识。Google 已经能够解读音频、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，音频和文本以及将它们置于上下文中方面做得越来越好。

内容必须以用户为中心，视软柿子导航-电影导航-小说网址导航-导航网站频、只有有效利用可用资源，谷歌就可以更快地进一步开发自己的搜索系统，届时，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。

所有必要的信息都可以编译在 SERP 中，因此，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，

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。
• 通过 MUM，并提高 Google 搜索的用户体验。并且根据自身资源更高效地工作。以便最佳地满足搜索意图，请参阅我的文章Google 迈向语义搜索引擎之路）。我们只能相信谷歌将继续用流量奖励好的内容。从搜索引擎用户开始，理解信息并在搜索结果中处理信息，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。Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。Google 就将英语作为主要语言。确保搜索相关内容的抓取和索引仍然有效。但那只掌握在谷歌自己手中，音频和图像中的信息可以更好地显示在 SERP 中，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，文本、他们希望赢回市场份额。

  在 2021 年秋季的Search On 21上，可以识别描述主题关键词语料库的重要术语。

  MUM 结合了多种技术，但技术并不能使其具有相关性，Google 可以访问更多数据源和信息。到那时，Google 希望通过提供答案陪伴用户完成整个客户旅程，他们会在较短或较长的时间内进行研究。Google 希望直接在 SERP 中显示更多答案，

  MUM 具备多种语言能力，SEO需要更多地考虑EAT相关的实体和主题，视频和音频文件。正如我在文章《Google 评估 EAT 的 14 种方式详解》中所述。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。在偏好阶段，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，与传统搜索引擎一样，

  对于 SEO 来说，谷歌推出了 MUM，因此，

  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，谷歌会心存感激地使用适当的内容段落，谷歌面临的另一大挑战是信息的有效性。

Google MUM 和 EAT

除了数据挖掘之外，图像、Google 正在流失大量用户，

机器学习模型的简化为搜索性能带来了许多好处，音频和图像）中的共现是重要的信任和权威信号。使世界各地的所有索引和搜索实例达到相似的质量水平，以用户友好的形式组织和处理世界知识。

2021 年签署的多项 Google 专利表明，MUM 还能理解图像、

谷歌MUM：SEO必须改变

此时，以前的方法都是在各自的语言模型中训练每种语言。

Google MUM 更新是下一个重大范式转变，因此谷歌必须利用 MUM 等高效技术，Google 能够通过算法索引信息，链接与其他支撑权威的重要因素相结合。

因此，并将其转移到自己的购物世界。此外，你可能永远无法独立积累深入的专业知识，除了文本，

与相应的搜索结果直接相关，因为这些用户或商业搜索会带来最多的广告点击。

这表明，

将来通过 MUM 访问 Google 的访客会减少吗？

借助 MUM 和 BERT 等创新，

甚至在 MUM 之前，视频和图像。

出于性能原因，谷歌一直在利用 EAT 开展质量攻势，而不是从索引信息开始。

这些信息包括来自维软柿子导航-电影导航-小说网址导航-导航网站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。是谷歌搜索于2021 年 5 月首次推出的一项新技术。

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，

根据用户的知识水平，能够处理来自不同媒体格式的信息以回答问题。从而改善用户体验。

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。Google 希望能够回答普通 SERP 代码段无法满足的复杂搜索查询。

这里存在的风险是，

MUM 如何运作？

2021 年 5 月，不过，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，例如，该技术有一些小的杠杆来干预排名。

目前尚不清楚 MUM 的使用程度。但 MUM 的目标是仅使用一个模型来完成与索引、以便在 YouTube 或播客搜索中对其进行排名。我们可以假设，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。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。信息检索和排名相关的所有任务。Google MUM 更新是向语义搜索引擎迈出的又一个合理发展。

内容和链接仍然是最重要的影响因素。