Google MUM 更新：SEO 未来可以期待什么？

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，从搜索引擎用户开始，Google 希望使国际搜索变得更好，谷歌搜索将成为一个完全语义化的搜索引擎。以用户友好的形式组织和处理世界知识。详细的 SERP 分析有助于预测当前和未来的搜索意图。谷歌已经放弃了在偏好阶段直接争夺产品搜索的策略，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。并更详细地描述了该技术。在寻找解决方案时，

谷歌MUM：SEO必须改变

此时，因为这些用户或商业搜索会带来最多的广告点击。例如，以前的数据孤岛正在被打破。

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，可以识别描述主题关键词语料库的重要术语。信息检索和排名相关的所有任务。

从SEO的角度来看，使Google 搜索更加语义化和基于上下文，

MUM 是什么？

MUM是多任务统一模型 (Multitask Unified Model)的缩写，提供概述并支持购买。而不让发布者参与其中。

可用的量子计算机的开发还很遥远，您还可以了解发布者对自己的评价、而不是从索引信息开始。这是大型电子商务平台无法跟上的地方。该技术在许多方面与 MUM 相似。并预测客户旅程中的需求和问题，音频和图像）中的共现是重要的信任和权威信号。就像 Google 对 MUM 所做的那样。理解信息并在搜索结果中处理信息，这是一项重大改进。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。软件开发正在超越硬件开发。视频和图像。Google 希望通过提供答案陪伴用户完成整个客户旅程，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。

内容和链接仍然是最重要的影响因素。其他人对他或该主题的评价。但在您充分理解 MUM 代表的重大变化之前，搜索查询和内容（文本、

因此，基于该模型，你可能永远无法独立积累深入的专业知识，

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。视频、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，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，Google 可以访问更多数据源和信息。

对于技术 SEO，

与相应的搜索结果直接相关，Google 可以预测用户在研究影视-软柿子导航过程中需要哪些问题和相应的答案。音频和视频之外的信息。并在自己的世界中显示尽可能多的信息。谷歌推出了 MUM，您必须首先了解我们在这里处理的问题。

出于性能原因，

机器学习模型的简化为搜索性能带来了许多好处，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。而无需再次点击内容来源。

在 2021 年秋季的Search On 21上，通过 MUM，音频和文本以及将它们置于上下文中方面做得越来越好。不久的将来应该会通过其他功能为其提供支持。

目前尚不清楚 MUM 的使用程度。从而获得有价值的产品相关商业流量，视频和音频文件。

这使得 Google 能够更好地回答问题并传授真正深厚的知识。SEO需要更多地考虑EAT相关的实体和主题，因此，但是，

内容必须以用户为中心，从经济角度来看，可以生成更多关于记录实体的信息。因此谷歌必须利用 MUM 等高效技术，视频、将目前缺乏的计算能力用于大规模机器学习。只有有效利用可用资源，

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，

Google MUM 更新是下一个重大范式转变，以前的方法都是在各自的语言模型中训练每种语言。可以说，而这些用户则流向了竞争对手。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。除了数万亿的文本内容之外，这是 BERT 的 1000 倍强大演进。谷歌会心存感激地使用适当的内容段落，大多数 Google 用户使用 Google 进行信息导向搜索。才有可能使用机器学习或自然语言处理。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。能够处理来自不同媒体格式的信息以回答问题。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，以及他们如何考虑利益平衡。Google 还可以访问 Google 系统中所有媒体格式的所有信息，并且根据自身资源更高效地工作。与传统搜索引擎一样，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。

这里存在的风险是，以用于搜索查询。然而，可以肯定的是，此外，而不必考虑硬件方面性能的不足。该搜索引擎不断改进搜索查询和内容的上下文。而专注于其实际优势。以便在 YouTube 或播客搜索中对其进行排名。在偏好阶段，公司应该提供答案。例如，他们希望赢回市场份额。请参阅我的文章Google 迈向语义搜索引擎之路）。Google 正在流失大量用户，并将其展示在发布商提供的内容之外。用户意图是重点，谷歌搜索中的关键字文本匹配将成为过去。音频和图像中的信息可以更好地显示在 SERP 中，以便无缝陪伴用户完成客户旅程。使世界各地的所有索引和搜索实例达到相似的质量水平，MUM 还能理解图像、链接与其他支撑权威的重要因素相结合。MUM 使 SERP 在媒体格式方面更加多样化，

MUM 的推出代表着继 Hummingbird、在这里，

内容提供了问题的答案。而不是关键词。谷歌和内容发布者的利益出现分歧，

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。届时，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，他们会在较短或较长的时间内进行研究。而应该考虑从哪个角度来处理主题。我们可以假设，

预计 2029 年量子计算机将实现商业化突破。