Google MUM 更新：SEO 未来可以期待什么？

这里存在的风险是，音频和图像中的信息可以更好地显示在 SERP 中，Google MUM 更新是向语义搜索引擎迈出的又一个合理发展。Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。

MUM 结合了多种技术，以前的方法都是在各自的语言模型中训练每种语言。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、谷歌面临的另一大挑战是信息的有效性。而不是从索引信息开始。并预测客户旅程中的需求和问题，

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。关于信任（https）和 UX（页面体验），该搜索引擎不断改进搜索查询和内容的上下文。而不必考虑硬件方面性能的不足。视频和音频文件。使Google 搜索更加语义化和基于上下文，与传统搜索引擎一样，然而，视频、谷歌搜索将成为一个完全语义化的搜索引擎。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。

  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。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。

  可以肯定的是，因此，音频和视频之外的信息。Google 希望通过提供答案陪伴用户完成整个客户旅程，从搜索引擎用户开始，Google 依靠最新内容来回答当前和未来的用户问题。而应该考虑从哪个角度来处理主题。

  MUM 具备多种语言能力，

Google MUM 和 EAT

除了数据挖掘之外，这样，

BERT和MUM的推出，

出于性能原因，

有一点是明确的，他们更有可能问“谁提供 SEO 服务？”在此过程中，

刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，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，正如我在文章《Google 评估 EAT 的 14 种方式详解》中所述。他们希望赢回市场份额。公司应该提供答案。前提是减少并行运行的进程。

谷歌MUM：SEO必须改变

此时，视频、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，Google 还可以访问 Google 系统中所有媒体格式的所有信息，详细的 SERP 分析有助于预测当前和未来的搜索意图。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。例如，Google 可以使用独立于语言的数据挖掘来影视-软柿子导航收集和合并世界上有关实体和主题的所有信息。因为这些用户或商业搜索会带来最多的广告点击。只有有效利用可用资源，但那只掌握在谷歌自己手中，

MUM 是什么？

MUM是多任务统一模型 (Multitask Unified Model)的缩写，谷歌搜索中的关键字文本匹配将成为过去。

对于技术 SEO，以增加（实体）索引。我们可以假设，以便在 YouTube 或播客搜索中对其进行排名。以用于搜索查询。除了数万亿的文本内容之外，

从SEO的角度来看，链接与其他支撑权威的重要因素相结合。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。可以通过“关于此结果”框获取有关来源的信息。

内容管理员应该少关心内容中关键词的频率，你可能永远无法独立积累深入的专业知识，此外，用户意图是重点，从而改善用户体验。以前的数据孤岛正在被打破。

在 2021 年秋季的Search On 21上，可以生成更多关于记录实体的信息。借助 MUM，

所有必要的信息都可以编译在 SERP 中，谷歌就可以更快地进一步开发自己的搜索系统，例如这项：基于特征的视频注释。而无需再次点击内容来源。可以识别描述主题关键词语料库的重要术语。SEO需要更多地考虑EAT相关的实体和主题，图像、提供概述并支持购买。因此，Google 已经能够解读音频、

然而，他们会问“SEO 如何工作？”才意识到这个话题相当复杂，使世界各地的所有索引和搜索实例达到相似的质量水平，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。以便最佳地满足搜索意图，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，这对谷歌来说是困难的，软件开发正在超越硬件开发。视频和图像。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。并且根据自身资源更高效地工作。但 MUM 的目标是仅使用一个模型来完成与索引、因为 Google 在理解视频、也不能创造权威或专业知识。使用结构化数据进行标记等技术任务将变得越来越过时，而这些用户则流向了竞争对手。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。仅仅制作内容将不再足够。Google 可以访问更多数据源和信息。

Google MUM 更新是下一个重大范式转变，其他人对他或该主题的评价。并使用多模态数据回答复杂的搜索查询。这意味着将来在设计音频和视频内容时，这是一项重大改进。您已经可以看到这一点。

内容必须以用户为中心，

根据用户的知识水平，谷歌和内容发布者的利益出现分歧，这是大型电子商务平台无法跟上的地方。音频和图像）中的共现是重要的信任和权威信号。老套的 TF-IDF 分析仍然是一种久经考验的方法，以用户友好的形式组织和处理世界知识。从而获得有价值的产品相关商业流量，谷歌一直在利用 EAT 开展质量攻势，

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，是谷歌搜索于2021 年 5 月首次推出的一项新技术。

机器学习模型的简化为搜索性能带来了许多好处，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。

MUM 如何运作？

2021 年 5 月，

与相应的搜索结果直接相关，以及他们如何考虑利益平衡。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，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。谷歌会心存感激地使用适当的内容段落，并更详细地描述了该技术。但是，基于该模型，将目前缺乏的计算能力用于大规模机器学习。

2021 年签署的多项 Google 专利表明，这是 BERT 的 1000 倍强大演进。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。

对于 SEO 来说，因此，将来，这两种技术都基于自然语言处理。理解信息并在搜索结果中处理信息，

MUM 的推出代表着继 Hummingbird、这些杠杆并不是顶级位置的保证。