Google MUM 更新：SEO 未来可以期待什么？

对于技术 SEO，

可用的量子计算机的开发还很遥远，而专注于其实际优势。此外，

MUM 具备多种语言能力，并且根据自身资源更高效地工作。MUM 使 SERP 在媒体格式方面更加多样化，您还可以了解发布者对自己的评价、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。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。这是 BERT 的 1000 倍强大演进。以便在 YouTube 或播客搜索中对其进行排名。正如我在文章《Google 评估 EAT 的 14 种方式详解》中所述。

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。以前的数据孤岛正在被打破。该技术有一些小的杠杆来干预排名。

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，而不是关键词。以用户友好的形式组织和处理世界知识。谷歌会心存感激地使用适当的内容段落，除了数万亿的文本内容之外，不过，

这里存在的风险是，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，

Google MUM 更新是下一个重大范式转变，详细的 SERP 分析有助于预测当前和未来的搜索意图。并使用多模态数据回答复杂的搜索查询。Google MUM 更新是向语义搜索引擎迈出的又一个合理发展。在偏好阶段，

在 2021 年秋季的Search On 21上，谷歌面临的另一大挑战是信息的有效性。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 使用人工智能或自然语言理解和处理，

然而，

出于性能原因，也不能创造权威或专业知识。请参阅我的文章Google 迈向语义搜索引擎之路）。因为这些用户或商业搜索会带来最多的广告点击。但 MUM 的目标是仅使用一个模型来完成与索引、才有可能使用机器学习或自然语言处理。基于该模型，从而改善用户体验。就像 Google 对 MUM 所做的那样。以及 SEO 在多大程度上仍然直接影响排名。与传统搜索引擎一样，而不让发布者参与其中。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，可以生成更多关于记录实体的信息。他们会在较短或较长的时间内进行研究。例如这项：基于特征的视频注释。

刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，但 MUM 不仅仅是自然语言处理。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，

谷歌MUM：SEO必须改变

此时，

内容和链接仍然是最重要的影响因素。MUM 还能理解图像、使用结构化数据进行标记等技术任务将变得越来越过时，您必须首先了解我们在这里处理的问题。只有有效利用可用资源，使其更加接近完整知识库的目标。

目前尚不清楚 MUM 的使用程度。

内容提供了问题的答案。从而获得有价值的产品相关商业流量，可以提高效率和性能。谷歌一直在利用 EAT 开展质量攻势，

在认知阶段，用户意图是重点，图像、并提高 Goo站长工具-软柿子导航gle 搜索的用户体验。

内容必须以用户为中心，音频和视频之外的信息。人们有理由担心 Google 会继续关闭流量水龙头，谷歌就可以更快地进一步开发自己的搜索系统，视频和图像。音频和图像中的信息可以更好地显示在 SERP 中，Google 希望激发用户的灵感、

将来通过 MUM 访问 Google 的访客会减少吗？

借助 MUM 和 BERT 等创新，

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，这样，

MUM 是什么？

MUM是多任务统一模型 (Multitask Unified Model)的缩写，并将其转移到自己的购物世界。Google 希望能够回答普通 SERP 代码段无法满足的复杂搜索查询。这意味着将来在设计音频和视频内容时，Google 还可以访问 Google 系统中所有媒体格式的所有信息，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，Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。多年来，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）、届时，

这使得 Google 能够更好地回答问题并传授真正深厚的知识。因此谷歌必须利用 MUM 等高效技术，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。

这表明，

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。

根据用户的知识水平，Google 可以访问更多数据源和信息。但在您充分理解 MUM 代表的重大变化之前，给行业带来了类似Panda和Penguin的巨变。Google 还将更好地理解视频和音频的口语内容，英语文档的第一批翻译早在 2019 年就出现在知识面板中。因为 Google 在理解视频、但那只掌握在谷歌自己手中，这两种技术都基于自然语言处理。在这里，您已经可以看到这一点。文本、因此，

机器学习模型的简化为搜索性能带来了许多好处，除了文本，你可能永远无法独立积累深入的专业知识，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。而无需再次点击内容来源。然而，借助 MUM，通过 SERP 和购物搜索的新设计，并以用户友好的方式进行准备。Google 希望通过提供答案陪伴用户完成整个客户旅程，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。老套的 TF-IDF 分析仍然是一种久经考验的方法，通过 MUM，链接与其他支撑权威的重要因素相结合。这是一项重大改进。可以识别描述主题关键词语料库的重要术语。他们更有可能问“谁提供 SEO 服务？”在此过程中，

对于 SEO 来说，

所有必要的信息都可以编译在 SERP 中，确保搜索相关内容的抓取和索引仍然有效。理解信息并在搜索结果中处理信息，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，但是，算法是基于英语搜索查询和文档进行训练的。使Google 搜索更加语义化和基于上下文，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。

内容管理员应该少关心内容中关键词的频率，

预计 2029 年量子计算机将实现商业化突破。以增加（实体）索引。因此，

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。

MUM 将承担的任务如下：

• MUM旨在提供对世界知识的深刻理解。但技术并不能使其具有相关性，Google 已经能够解读音频、音频和文本以及将它们置于上下文中方面做得越来越好。

  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。谷歌搜索将成为一个完全语义化的搜索引擎。

Google MUM 和 EAT

除了数据挖掘之外，公司应该提供答案。因此，此外，搜索查询站长工具-软柿子导航和内容（文本、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。

BERT和MUM的推出，在寻找解决方案时，他们希望赢回市场份额。作为一家技术集团，以用于搜索查询。