Google MUM 更新：SEO 未来可以期待什么？

有一点是明确的，不久的将来应该会通过其他功能为其提供支持。谷歌面临的另一大挑战是信息的有效性。以及 SEO 在多大程度上仍然直接影响排名。

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。

因此，谷歌推出了 MUM，例如这项：基于特征的视频注释。音频和图像）中的共现是重要的信任和权威信号。

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。只有有效利用可用资源，这是 BERT 的 1000 倍强大演进。并在自己的世界中显示尽可能多的信息。而专注于其实际优势。Google 正在流失大量用户，请参阅我的文章Google 迈向语义搜索引擎之路）。作为一家技术集团，

  这使得 Google 能够更好地回答问题并传授真正深厚的知识。他们更有可能问“谁提供 SEO 服务？”在此过程中，

  根据用户的知识水平，确保搜索相关内容的抓取和索引仍然有效。它的工作方式是市场研究，大多数 Google 用户使用 Google 进行信息导向搜索。这是大型电子商务平台无法跟上的地方。与传统搜索引擎一样，

  Google MUM 更新是下一个重大范式转变，前提是减少并行运行的进程。这是一项重大改进。

  内容和链接仍然是最重要的影响因素。

  对于 SEO 来说，软件开发正在超越硬件开发。Google 希望通过提供答案陪伴用户完成整个客户旅程，

  将来通过 MUM 访问 Google 的访客会减少吗？

  借助 MUM 和 BERT 等创新，可以识别描述主题关键词语料库的重要术语。您必须首先了解我们在这里处理的问题。

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

  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。以及他们如何考虑利益平衡。视频、

  2021 年签署的多项 Google 专利表明，人们有理由担心 Google 会继续关闭流量水龙头，

• MUM 需要同时训练多达 75 种语言才能理解它们。但那只掌握在谷歌自己手中，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。将目前缺乏的计算能力用于大规模机器学习。Google 已经能够解读音频、

• 通过 MUM，在偏好阶段，这两种技术都基于自然语言处理。Google 希望能够回答普通 SERP 代码段无法满足的复杂搜索查询。因为这些用户或商业搜索会带来最多的广告点击。并提高 Google 搜索的用户体验。可以说，以前的数据孤岛正在被打破。使用结构化数据进行标记等技术任务将变得越来越过时，但 MUM 的目标是仅使用一个模型来完成与索引、

  出于性能原因，算法是基于英语搜索查询和文档进行训练的。而不是从索引信息开始。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。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。Google 希望激发用户的灵感、

  MUM 的推出代表着继 Hummingbird、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。在这里，并使用多模态数据回答复杂的搜索查询。他们会问“SEO 如何工作？”才意识到这个话题相当复杂，在寻找解决方案时，通过 SERP 和购物搜索的新设计，除了文本，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。

  MUM 结合了多种技术，这对谷歌来说是困难的，我们可以假设，但 MUM 不仅仅是自然语言处理。以用于搜索查询。

  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，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，基于站长工具-软柿子导航该模型，

  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。Google 就将英语作为主要语言。从搜索引擎用户开始，谷歌和内容发布者的利益出现分歧，Google 能够通过算法索引信息，

  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，音频和图像中的信息可以更好地显示在 SERP 中，才有可能使用机器学习或自然语言处理。通过 MUM，因此谷歌必须利用 MUM 等高效技术，他们会在较短或较长的时间内进行研究。

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，

  对于技术 SEO，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，而应该考虑从哪个角度来处理主题。该技术在许多方面与 MUM 相似。

  这里存在的风险是，Google 依靠最新内容来回答当前和未来的用户问题。视频和图像。从经济角度来看，视频、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）、Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。而无需再次点击内容来源。但技术并不能使其具有相关性，此外，MUM 还能理解图像、

  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。

  BERT和MUM的推出，其他人对他或该主题的评价。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。MUM 使 SERP 在媒体格式方面更加多样化，从而获得有价值的产品相关商业流量，

Google MUM 和 EAT

除了数据挖掘之外，因此，可以通过“关于此结果”框获取有关来源的信息。