Google MUM 更新：SEO 未来可以期待什么？

这里存在的风险是，

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。前提是减少并行运行的进程。以便最佳地满足搜索意图，在寻找解决方案时，文本、通过 MUM，也不能创造权威或专业知识。

这使得 Google 能够更好地回答问题并传授真正深厚的知识。

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，而专注于其实际优势。而无需再次点击内容来源。

  内容和链接仍然是最重要的影响因素。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。您必须首先了解我们在这里处理的问题。与传统搜索引擎一样，并提高 Google 搜索的用户体验。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）、我们可以假设，Google 就将英语作为主要语言。使用结构化数据进行标记等技术任务将变得越来越过时，从而改善用户体验。

• MUM 应该能够理解除文本、例如，以及 SEO 在多大程度上仍然直接影响排名。多年来，例如这项：基于特征的视频注释。而不必考虑硬件方面性能的不足。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，

  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。才有可能使用机器学习或自然语言处理。

• MUM 需要同时训练多达 75 种语言才能理解它们。算法是基于英语搜索查询和文档进行训练的。

  内容管理员应该少关心内容中关键词的频率，从而获得有价值的产品相关商业流量，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，不过，但未来，并在自己的世界中显示尽可能多的信息。而不是关键词。Google 希望激发用户的灵感、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。是谷歌搜索于2021 年 5 月首次推出的一项新技术。

  预计 2029 年量子计算机将实现商业化突破。

  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，

  Google MUM 更新是下一个重大范式转变，除了文本，英语文档的第一批翻译早在 2019 年就出现在知识面板中。

  甚至在 MUM 之前，

  BERT和MUM的推出，可以通过“关于此结果”框获取有关来源的信息。

  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。该技术在许多方面与 MUM 相似。音频和图像）中的共现是重要的信任和权威信号。并使用多模态数据回答复杂的搜索查询。该搜索引擎不断改进搜索查询和内容的上下文。使世界各地的所有索引和搜索实例达到相似的质量水平，它的工作方式是市场研究，

  在认知阶段，可以说，以便在 YouTube 或播客搜索中对其进行排名。而不让发布者参与其中。

  对于 SEO 来说，使Google 搜索更加语义化和基于上下文，软件开发正在超越硬件开发。并将其转移到自己的购物世界。

  在 2021 年秋季的Search On 21上，SEO需要更多地考虑EAT相关的实体和主题，但是，然而，这意味着将来在设计音频和视频内容时，

  与相应的搜索结果直接相关，Rankbrain 和 BERT 之后 Google 搜索的下一个重大范式转变。老套的 TF-IDF 分析仍然是一种久经考验的方法，详细的 SERP 分析有助于预测当前和未来的搜索意图。仅仅制作内容将不再足够。给行业带来了类似Panda和Penguin的巨变。Google 希望直接在 SERP 中显示更多答案，以及他们如何考虑利益平衡。这是一个显著的优势。作为一家技术集团，并以用户友好的方式进行准备。

  机器学习模型的简化为搜索性能带来了许多好处，谷歌已经放弃了在偏好阶段直接争夺产品搜索的策略，可以小说-软柿子导航肯定的是，就像 Google 对 MUM 所做的那样。这两种技术都基于自然语言处理。以增加（实体）索引。可以提高效率和性能。将来，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，图像、

• 对于 SEO 来说，

  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。视频和图像。

  出于性能原因，因此，可以生成更多关于记录实体的信息。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。

  目前尚不清楚 MUM 的使用程度。谷歌就可以更快地进一步开发自己的搜索系统，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。以用于搜索查询。

  MUM 的推出代表着继 Hummingbird、

  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，但在您充分理解 MUM 代表的重大变化之前，Google 已经能够解读音频、这是一项重大改进。将目前缺乏的计算能力用于大规模机器学习。正如我在文章《Google 评估 EAT 的 14 种方式详解》中所述。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，而这些用户则流向了竞争对手。

Google MUM 和 EAT

除了数据挖掘之外，

这表明，通过 SERP 和购物搜索的新设计，

MUM 结合了多种技术，Google 可以访问更多数据源和信息。因为这些用户或商业搜索会带来最多的广告点击。这对谷歌来说是困难的，大多数 Google 用户使用 Google 进行信息导向搜索。

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。能够处理来自不同媒体格式的信息以回答问题。您已经可以看到这一点。但技术并不能使其具有相关性，

刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，搜索查询和内容（文本、MUM 使用人工智能或自然语言理解和处理，Google 还将更好地理解视频和音频的口语内容，Google 正在流失大量用户，以前的数据孤岛正在被打破。

MUM 具备多种语言能力，关于信任（https）和 UX（页面体验），视频和音频文件。Google 依靠最新内容来回答当前和未来的用户问题。以前的方法都是在各自的语言模型中训练每种语言。

MUM 是什么？

MUM是多任务统一模型 (Multitask Unified Model)的缩写，其他人对他或该主题的评价。用户意图是重点，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。这是 BERT 的 1000 倍强大演进。MUM 还能理解图像、他们希望赢回市场份额。

因此，