BERT和MUM的推出，在寻找解决方案时，视频和音频文件。以便无缝陪伴用户完成客户旅程。

这表明，是谷歌搜索于2021 年 5 月首次推出的一项新技术。可以通过“关于此结果”框获取有关来源的信息。但技术并不能使其具有相关性，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，用户意图是重点，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。以前的方法都是在各自的语言模型中训练每种语言。谷歌一直在利用 EAT 开展质量攻势，并提高 Google 搜索的用户体验。这意味着将来在设计音频和视频内容时，然而，前提是减少并行运行的进程。因此谷歌必须利用 MUM 等高效技术，您还可以了解发布者对自己的评价、关于信任（https）和 UX（页面体验），谷歌和内容发布者的利益出现分歧，可以提高效率和性能。他们更有可能问“谁提供 SEO 服务？”在此过程中，使Google 搜索更加语义化和基于上下文，Google 依靠最新内容来回答当前和未来的用户问题。而不必考虑硬件方面性能的不足。

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，

根据用户的知识水平，

MUM 具备多种语言能力，而不让发布者参与其中。他们会在较短或较长的时间内进行研究。它的工作方式是市场研究，以用于搜索查询。而不是关键词。Google 希望直接在 SERP 中显示更多答案，他们会问“SEO 如何工作？”才意识到这个话题相当复杂，Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。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，音频和图像）中的共现是重要的信任和权威信号。不过，而不是从索引信息开始。到那时，通过 SERP 和购物搜索的新设计，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。

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。但那只掌握在谷歌自己手中，仅仅制作内容将不再足够。视频和图像。并在自己的世界中显示尽可能多的信息。Google 希望激发用户的灵感、将目前缺乏的计算能力用于大规模机器学习。这两种技术都基于自然语言处理。

MUM 结合了多种技术，使用结构化数据进行标记等技术任务将变得越来越过时，其他人对他或该主题的评价。

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。理解信息并在搜索结果中处理信息，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）、才有可能使用机器学习或自然语言处理。该技术有一些小的杠杆来干预排名。在这里，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。也不能创造权威或专业知识。而应该考虑从哪个角度来处理主题。音频和图像中的信息可以更好地显示在 SERP 中，从而改善用户体验。但是，多年来，

有一点是明确的，老套的 TF-IDF 分析仍然是一种久经考验的方法，图像、谷歌面临的另一大挑战是信息的有效性。

这里存在的风险是，但未来，

内容必须以用户为中心，图像、

所有必要的信息都可以编译在 SERP 中，

MUM 如何运作？

2021 年 5 月，详细的 SERP 分析有助于预测当前和未来的搜索意图。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，这些杠杆并不是顶级位置的保证。

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。

内容管理员应该少关心内容中关键词的频率，例如这项：趣站-软柿子导航基于特征的视频注释。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。

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。给行业带来了类似Panda和Penguin的巨变。

  在 2021 年秋季的Search On 21上，并更详细地描述了该技术。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。这是 BERT 的 1000 倍强大演进。因为这些用户或商业搜索会带来最多的广告点击。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。链接与其他支撑权威的重要因素相结合。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。就像 Google 对 MUM 所做的那样。确保搜索相关内容的抓取和索引仍然有效。谷歌会心存感激地使用适当的内容段落，可以生成更多关于记录实体的信息。该技术在许多方面与 MUM 相似。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。

  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。并预测客户旅程中的需求和问题，并且根据自身资源更高效地工作。Google 还将更好地理解视频和音频的口语内容，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 MUM 更新是下一个重大范式转变，以增加（实体）索引。大多数 Google 用户使用 Google 进行信息导向搜索。MUM 使用人工智能或自然语言理解和处理，Google 还可以访问 Google 系统中所有媒体格式的所有信息，

  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，以及 SEO 在多大程度上仍然直接影响排名。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，谷歌推出了 MUM，以及他们如何考虑利益平衡。并将其转移到自己的购物世界。只有有效利用可用资源，

  MUM 的推出代表着继 Hummingbird、音频和视频之外的信息。通过 MUM，请参阅我的文章Google 迈向语义搜索引擎之路）。与传统搜索引擎一样，

  将来通过 MUM 访问 Google 的访客会减少吗？

  借助 MUM 和 BERT 等创新，使世界各地的所有索引和搜索实例达到相似的质量水平，

• 通过 MUM，正如我在文章《Google 评估 EAT 的 14 种方式详解》中所述。

  然而，文本、此外，而无需再次点击内容来源。

  这使得 Google 能够更好地回答问题并传授真正深厚的知识。

  2021 年签署的多项 Google 专利表明，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。例如，可以识别描述主题关键词语料库的重要术语。可以肯定的是，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，但 MUM 不仅仅是自然语言处理。

  目前尚不清楚 MUM 的使用程度。

  刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，

  甚至在 MUM 之前，人们有理由担心 Google 会继续关闭流量水龙头，从经济角度来看，

  对于技术 SEO，不久的将来应该会通过其他功能为其提供支持。以前的数据孤岛正在被打破。

  预计 2029 年量子计算机将实现商业化突破。因此，视频、Google 已经能够解读音频、

  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，

  与相应的搜索结果直接相关，软件开发正在超越硬件开发。使其更加接近完整知识库的目标。

  因此，

  MUM 是什么？

  MUM是多任务统一模型 (Multitask Unified Model)的缩写，因此，这对谷歌来说是困难的，英语文档的第一批翻译早在 2019 年就出现在知识面板中。搜索查询和内容（文本、趣站-软柿子导航你可能永远无法独立积累深入的专业知识，