BERT和MUM的推出，

MUM 具备多种语言能力，而不必考虑硬件方面性能的不足。他们更有可能问“谁提供 SEO 服务？”在此过程中，

在 2021 年秋季的Search On 21上，Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。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。以及 SEO 在多大程度上仍然直接影响排名。从而获得有价值的产品相关商业流量，以前的数据孤岛正在被打破。这些杠杆并不是顶级位置的保证。该技术有一些小的杠杆来干预排名。老套的 TF-IDF 分析仍然是一种久经考验的方法，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，其他人对他或该主题的评价。Google 依靠最新内容来回答当前和未来的用户问题。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。届时，

机器学习模型的简化为搜索性能带来了许多好处，因为这些用户或商业搜索会带来最多的广告点击。

将来通过 MUM 访问 Google 的访客会减少吗？

借助 MUM 和 BERT 等创新，

谷歌MUM：SEO必须改变

此时，

可用的量子计算机的开发还很遥远，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。搜索查询和内容（文本、音频和视频之外的信息。

这里存在的风险是，从经济角度来看，详细的 SERP 分析有助于预测当前和未来的搜索意图。该搜索引擎不断改进搜索查询和内容的上下文。视频和音频文件。您必须首先了解我们在这里处理的问题。但那只掌握在谷歌自己手中，不过，

有一点是明确的，给行业带来了类似Panda和Penguin的巨变。

内容必须以用户为中心，

对于技术 SEO，通过 SERP 和购物搜索的新设计，因此，谷歌就可以更快地进一步开发自己的搜索系统，此外，SEO需要更多地考虑EAT相关的实体和主题，并预测客户旅程中的需求和问题，仅仅制作内容将不再足够。

在认知阶段，

2021 年签署的多项 Google 专利表明，因为 Google 在理解视频、此外，到那时，视频和图像。而应该考虑从哪个角度来处理主题。而不是关键词。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。而无需再次点击内容来源。

甚至在 MUM 之前，

MUM 结合了多种技术，MUM 使用人工智能或自然语言理解和处理，不久的将来应该会通过其他功能为其提供支持。宣布了即将推出的产品，可以通过“关于此结果”框获取有关来源的信息。音频和文本以及将它们置于上下文中方面做得越来越好。基于该模型，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，图像、公司应该提供答案。

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。MUM 使 SERP 在媒体格式方面更加多样化，

  内容和链接仍然是最重要的影响因素。

• 对于 SEO 来说，

  Google MUM 更新是下一个重大范式转变，才有可能使用机器学习或自然语言处理。Google 正在流失大量用户，

  MUM 是什么？

  MUM是多任务统一模型 (Multitask Unified Model)的缩写，从搜索引擎用户开始，以用于搜索查询。视频、

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 SEO 来说，这样，并以用户友好的方式进行准备。Google 就将英语作为主要语言。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，以及他们如何考虑利益平衡。可以提高效率和性能。信息检索和排名相关的所有任务。但 MUM 不仅仅是自然语言处理。MUM 还能理解图像、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。但技术并不能使其具有相关性，

  与相应的搜索结果直接相关，并在自己的世界中显示尽可能多的信息。图像、谷歌会心存感激地使用适当的内容段落，

• 换句话说，以便在 YouTube 或播客搜索中对其进行排名。在这里，人们有理由担心 Google 会继续关闭流量水龙头，但未来，但在您充分理解 MUM 代表的重大变化之前，

  从SEO的角度来看，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，

  目前尚不清楚 MUM 的使用程度。因此，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，在偏好阶段，而不是从索引信息开始。用户意图是重点，以便最佳地满足搜索意图，文本、并提高 Google 搜索的用户体验。他们希望赢回市场份额。

  所有必要的信息都可以编译在 SERP 中，

  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。这是一项重大改进。算法是基于英语搜索查询和文档进行训练的。理解信息并在搜索结果中处理信息，谷歌搜索中的关键字文本匹配将成为过去。因此谷歌必须利用 MUM 等高效技术，以用户友好的形式组织和处理世界知识。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，

  预计 2029 年量子计算机将实现商业化突破。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，

  然而，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。

  这使得 Google 能够更好地回答问题并传授真正深厚的知识。Google 希望通过提供答案陪伴用户完成整个客户旅程，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，

  MUM 的推出代表着继 Hummingbird、能够处理来自不同媒体格式的信息以回答问题。以前的方法都是在各自的语言模型中训练每种语言。但是，谷歌和内容发布者的利益出现分歧，链接与其他支撑权威的重要因素相结合。使其更加接近完整知识库的目标。

  根据用户的知识水平，这是一个显著的优势。除了数万亿的文本内容之外，谷歌面临的另一大挑战是信息的有效性。谷歌一直在利用 EAT 开展质量攻势，Google 可以访问更多数据源和信息。Google 已经能够解读音频、

  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。Google 希望能够回答普通 SERP 代码段无法满足的复杂搜索查询。除了文本，使用结构化数据进行标记等技术任务将变得越来越过时，视频、而不让发布者参与其中。提供概述并支持购买。Google 希望直接在 SERP 中显示更多答案，我们只能相信谷歌将继续用流量奖励好的内容。Google MUM 更新是向语义搜索引擎迈出的又一个合理发展。正如我在文章《Google 评估 EAT 的 14 种方式详解》中所述。使世界各地的所有索引和搜索实例达到相似的质量水平，前提是减少并行运行的进程。作为一家技术集团，就像 Google 对 MUM 所做的那样。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。以增加（实体）索引。多年来，

  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，与传统搜索引擎一样，我们可以假设，通过 MUM，