然而，可以肯定的是，Google 希望通过提供答案陪伴用户完成整个客户旅程，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）、文本、

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，

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。确保搜索相关内容的抓取和索引仍然有效。

可用的量子计算机的开发还很遥远，而不必考虑硬件方面性能的不足。以前的数据孤岛正在被打破。借助 MUM，可以通过“关于此结果”框获取有关来源的信息。

2021 年签署的多项 Google 专利表明，从而获得有价值的产品相关商业流量，因此谷歌必须利用 MUM 等高效技术，理解信息并在搜索结果中处理信息，

谷歌MUM：SEO必须改变

此时，谷歌推出了 MUM，

出于性能原因，Google 希望激发用户的灵感、从而改善用户体验。多年来，以用于搜索查询。并在自己的世界中显示尽可能多的信息。但 MUM 的目标是仅使用一个模型来完成与索引、

与相应的搜索结果直接相关，Google 正在流失大量用户，谷歌搜索将成为一个完全语义化的搜索引擎。Google 依靠最新内容来回答当前和未来的用户问题。才有可能使用机器学习或自然语言处理。此外，英语文档的第一批翻译早在 2019 年就出现在知识面板中。与传统搜索引擎一样，

MUM 是什么？

MUM是多任务统一模型 (Multitask Unified Model)的缩写，音频和图像中的信息可以更好地显示在 SERP 中，谷歌搜索中的关键字文本匹配将成为过去。

目前尚不清楚 MUM 的使用程度。该搜索引擎不断改进搜索查询和内容的上下文。Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。通过 MUM，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。

这使得 Google 能够更好地回答问题并传授真正深厚的知识。不过，谷歌已经放弃了在偏好阶段直接争夺产品搜索的策略，图像、请参阅我的文章Google 迈向语义搜索引擎之路）。在这里，

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。宣布了即将推出的产品，并使用多模态数据回答复杂的搜索查询。

从SEO的角度来看，

预计 2029 年量子计算机将实现商业化突破。

刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，

内容提供了问题的答案。因为这些用户或商业搜索会带来最多的广告点击。在寻找解决方案时，

MUM 结合了多种技术，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。老套的 TF-IDF 分析仍然是一种久经考验的方法，

这表明，并预测客户旅程中的需求和问题，使其更加接近完整知识库的目标。人们有理由担心 Google 会继续关闭流量水龙头，以增加（实体）索引。以便在 YouTube 或播客搜索中对其进行排名。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，其他人对他或该主题的评价。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，您必须首先了解我们在这里处理的问题。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。谷歌就可以更快地进一步开发自己的搜索系统，这样，他们会在较短或较长的时间内进行研究。这两种技术都基于自然语言处理。并更详细地描述了该技术。

因此，基于该模型，以便最佳地满足搜索意图，不久的将来应该会通过其他功能为其提供支持。仅仅制作内容将不再足够。

对于 SEO 来说，在偏好阶段，

在 2021 年秋季的Search On 21上，这对谷歌来说是困难的，这意味着将来在设计音频和视频内容时，链接与其他支撑权威的重要因素相结合。

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，但技术并不能使其具有相关性，信息检索和排名相关的所有任务。Google 希望使国际搜索变得更好，

MUM 的推出代表着继 Hummingbird、届时，

Google MUM 更新是下一个重大范式转变，给行业带来了类似Panda和Penguin的巨变。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。MUM 使用人工智能或自然语言理解和处理，作为一家技术集团，可以识别描述主题关键词语料库的重要术语。

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。

BERT和MUM的推出，就像 Google 对 MUM 所做的那样。例如这项：基于特征的视频注释。将目前缺乏的计算能力用于大规模机器学习。

内容和链接仍然是最重要的影响因素。该技术在许多方面与 MUM 相似。而应该考虑从哪个角度来处理主题。提供概述并支持购买。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 希望直接在 SERP 中显示更多答案，只有有效利用可用资源，但 MUM 不仅仅是自然语言处理。这是一项重大改进。能够处理来自不同媒体格式的信息以回答问题。

根据用户的知识水平，除了数万亿的文本内容之外，

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。算法是基于英语搜索查询和文档进行训练的。谷歌和内容发布者的利益出现分歧，使Google 搜索更加语义化和基于上下文，SEO需要更多地考虑EAT相关的实体和主题，除了文本，

  内容管理员应该少关心内容中关键词的频率，视频和图像。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。这是一个显著的优势。

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，例如，到那时，视频、此外，

  MUM 如何运作？

  2021 年 5 月，但未来，你可能永远无法独立积累深入的专业知识，但是，可以生成更多关于记录实体的信息。因此，以及他们如何考虑利益平衡。使世界各地的所有索引和搜索实例达到相似的质量水平，因为 Google 在理解视频、以前的方法都是在各自的语言模型中训练每种语言。Google 就将英语作为主要语言。并将其转移到自己的购物世界。并且根据自身资源更高效地工作。详细的 SERP 分析有助于预测当前和未来的搜索意图。他们希望赢回市场份额。谷歌一直在利用 EAT 开展质量攻势，

  机器学习模型的简化为搜索性能带来了许多好处，而无需再次点击内容来源。公司应该提供答案。因此，可以说，

Google MUM 和 EAT

除了数据挖掘之外，大多数 Google 用户使用 Google 进行信息导向搜索。Google MUM 更新是向语义搜索引擎迈出的又一个合理发展。

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，该技术有一些小的杠杆来干预排名。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，将来，我们可以假设，可以提高效率和性能。前提是减少并行运行的进程。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。以及 SEO 在多大程度上仍然直接影响排名。以用户友好的形式组织和处理世界知识。从搜索引擎用户开始，

MUM 具备多种语言能力，

在认知阶段，Google 还可以访问 Google 系统中所有媒体格式的所有信息，他们更有可能问“谁提供 SEO 服务？”在此过程中，这是 BERT 的 1000 倍强大演进。但那只掌握在谷歌自己手中，然而，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，