Google MUM은 SEO 전략에 어떤 영향을 줍니까?
게시 됨: 2023-08-08검색에 대한 올바른 응답을 얻지 못할 때 눈물을 흘리십니까? 저만 그런게 아니겠죠? 오른쪽?
고맙게도 Google의 검색 작업이 매일 발전하고 있기 때문에 그러한 경험이 자주 없습니다. E-EAT에 유용한 콘텐츠 업데이트를 도입한 것부터 이제 Google MUM에 이르기까지 Google은 우리의 마음을 두드렸습니다. 생성 AI가 확장됨에 따라 Google은 "역대 최고의 검색 엔진"이라는 왕관을 쓰기 위해 검색 알고리즘을 개선하는 정점에 있었습니다.
제너레이티브 AI는 많은 비즈니스를 끌어들였지만 Google은 경쟁에서 크게 뒤처지지 않았습니다. 최신 Google MUM(멀티태스크 통합 모델) 업데이트는 상상할 수 없는 방식으로 향상된 검색 기능, SERP 관련성 및 개인화된 사용자 여정을 제공합니다.
어떤 종류의 웹 콘텐츠가 어떤 사용자 페르소나에게 어필할 것인가? 리소스를 검색하는 동안 사용자의 느낌은 무엇입니까? MUM 모델에서 생성 AI 소프트웨어의 자체 진화 아키텍처는 이 모든 것 이상을 캡처할 수 있습니다.
Google MUM이란 무엇 입니까?
Google 멀티태스킹 통합 모델 또는 Google MUM은 검색 결과의 가치를 구체화하기 위해 제시된 다중 모드 기술입니다. 2021년 5월 Google의 검색 VP인 Pandu Nayak이 발표했습니다. MUM은 BERT(변환기) 기반 웹 검색 응답의 양방향 인코더 표현을 보다 예시적이고 제공되는 검색 경험으로 대체했습니다.
MUM은 Google의 사용자 인터페이스(UI)를 변경하고 호기심 많은 청중에게 응집력 있는 리소스 팔레트를 제공하기 위해 노력합니다. 예를 들어 Google의 수석 부사장인 Prabhakar Raghavan은 Google MUM이 무엇이든 대답할 수 있다고 주장했습니다. 이미 아담스산을 트레킹한 경험이 있는 아담스산과 후지산을 비교 대조해 달라고 구글에 요청한 것이다. Google은 차이점 또는 유사점 목록을 반환했을 뿐만 아니라 트레킹 장비 및 비디오 링크에 대한 추가 쇼핑 링크도 추가했습니다.
업그레이드된 AI 기술인 MUM 업데이트는 BERT 모델의 기능을 개선합니다. MUM을 출시한 주된 이유는 사용자에게 360° 검색 경험을 제공하기 위해서였습니다.
Google BERT 대 Google MUM
두 신경망 아키텍처가 모두 검색 알고리즘을 지배했지만 MUM은 BERT보다 약간 우위에 있습니다.
BERT 는 자연어 처리를 사용하여 검색 쿼리를 해결하는 2019 Google 업데이트입니다. 변환기 신경망을 기반으로 하는 이 모델은 검색 쿼리를 컨텍스트화하고 인코딩하여 숨겨진 의도를 이해합니다. 이 업데이트를 통해 Google은 답변을 개인화하고, 텍스트를 요약하고, 검색어의 의도와 범주를 정의할 수 있습니다.
Google MUM은 T5(텍스트 투 텍스트) 프레임워크에서 파생된 2021년 업데이트로, 특히 롱테일 쿼리 또는 복합 쿼리 조합에 적합합니다. SERP 데이터를 정리하고 브랜드 인지도를 위한 수많은 리소스를 강조합니다. MUM은 쿠키 데이터, 웹 스트림 데이터, 사용자 검색 쿼리 데이터 및 크롤링 데이터를 사용하여 신뢰할 수 있는 사이트의 콘텐츠를 필터링합니다.
Google MUM의 역사
ARPANET (Advanced Research Projects Agency Network )이 시작된 1980년대부터 우리는 먼 길을 왔습니다. 정보 교환은 데이터가 유선 서버를 통해 전송되었기 때문에 둘 이상의 워크스테이션으로 제한되었습니다. 인터넷 시대로 빠르게 전환하면서 Google은 에지 컴퓨팅과 서버리스 컨테이너화를 사용하여 서버에서 데이터를 저장, 검색 및 전송했습니다. 시간이 지남에 따라 Google이 사용자를 대하는 전략이 변경되었습니다.
그 후 몇 년 동안 Google은 몇 가지 업데이트를 출시했습니다.
- Penguin 업데이트는 2012년에 출시되었습니다. 당시 Google은 게이머와 웹 스팸에 맞서 싸우려고 했습니다. Penguin 업데이트는 스팸성 웹사이트 및 신디케이트보다 정통 및 화이트햇 URL을 우선시했습니다.
- Hummingbird는 자연어 쿼리를 해석하고 특정 키워드 뒤에 있는 감정을 분석하도록 프로그래밍되었습니다. Hummingbird는 검색 쿼리를 컨텍스트화하고 SERP 레이아웃을 조정하며 전체 프로세스를 보다 정확하게 만듭니다.
- Rankbrain(2015)은 롱테일 키워드 이해를 목표로 한 또 다른 자연어 이해 향상이었습니다. 롱테일 키워드는 검색량이 있을 수도 있고 없을 수도 있는 원시 검색 쿼리입니다. Google 크롤러를 혼동시킬 수 있습니다. 토큰화, 단어 형태소 분석 및 감정 감지 기술을 포함함으로써 Rankbrain은 SERP를 보다 포괄적이고 편향되지 않게 만들었습니다.
- 신경망 매칭은 2018년에 출시되었습니다. 고급 자연어 처리를 통해 검색어를 해석했습니다. 신경망은 검색어의 어순을 보고 "주의" 매개변수를 할당합니다. 검색 결과를 로드하는 동안 정확히 일치하는 웹 페이지가 표시됩니다.
- BERT의 반응 메커니즘은 Google의 지식 검색, 콘텐츠 필터링 및 언어 해석을 향상시켰습니다. 검색 엔진이 키워드의 의미를 이해할 수 있도록 하는 동안 키워드 내의 주제가 누구인지 해독할 수 없었습니다.
- 2022년에 출시된 유용한 콘텐츠 업데이트는 웹에서 유용하고 신뢰할 수 있는 콘텐츠의 존재를 우선시하도록 설계되었습니다. 검색 쿼리는 탐색, 상업, 정보 및 트랜잭션 버킷으로 구분되었습니다. 각 쿼리는 추가 이미지 및 비디오와 함께 일련의 일관된 검색 결과를 반환했습니다.
- 경험, 전문 지식, 권위 및 신뢰성으로 번역되는 E-EAT 는 2023년에 나왔습니다. 이 새로운 출시와 함께 SERP는 출판된 검거, 주제 전문 지식 및 자신의 지식 영역에서 군림한 저자에게 기울었습니다. Google은 신뢰할 수 있는 시장 전문가의 콘텐츠를 호스팅하여 웹페이지에 신뢰성을 부여했습니다.
- MUM은 Google의 이전 검색 업데이트 기능을 결합합니다. 이 자연어 처리 메커니즘의 유일한 목적은 웹을 통한 구매자의 여정을 촉진하는 것입니다. MUM을 사용하면 옵션을 탐색하고, 제품을 검토하고, 광고 클릭이나 유기적 페이지 방문 없이 직접 구매할 수 있습니다.
Google MUM의 작업 방법론
Google MUM은 여러 기술을 결합하여 Google 검색을 보다 전체적이고 상황에 맞게 만듭니다. MUM의 배후에 있는 대규모 언어 모델(LLM)은 75개 이상의 언어로 작동합니다. 처음에 이 Google 검색 알고리즘은 검색 시스템의 개념에 따라 작동했습니다. 이는 검색 키워드가 Google 데이터베이스의 키 집합과 비교되었음을 의미합니다. 일치하는 항목이 있으면 해당 키 값이 표시되었습니다.
이제 Google MUM은 시퀀스 간 템플릿 일치를 사용하여 사용자 지식을 향상시킵니다. 일반적으로 누군가가 제품이나 서비스 구매 결정 사이에 끼어 있을 때 진심어린 행동 촉구가 도움이 됩니다. 그러나 MUM의 전략적 접근 방식은 해당 쿼리에 대한 수많은 이미지, 비디오 및 미디어 리소스를 제시하고 대체 질문에 대한 답변도 제공합니다.
MUM은 기본 인터페이스에서 사용자 요구에 대한 광범위한 관점을 포함하는 계산된 SERP를 생성합니다. 이를 "동시 쿼리 처리"라고도 합니다. 기계 학습(ML) 알고리즘은 단어를 벡터로 변환하고 지식을 서버로 전송하며 귀중한 정보로 응답합니다. MUM을 사용하면 논오가닉 콘텐츠의 순위가 더 빨라져 클릭률(CTR)은 낮아지지만 콘텐츠 참여도는 높아집니다.
기본적으로 세일즈 퍼널에서 고객은 " 평가 " 단계와 " 인식 " 단계 사이에서 결정을 내리기 위해 고군분투합니다. 유기적 웹 사이트와 콘텐츠는 웹 경험을 판매로 전환하는 데 사용되는 반면 MUM은 멀티미디어 형태의 디지털 자산을 가져오는 데 중점을 둡니다. 사용자는 거래를 성사시키기 전에 " 모든 옵션을 평가 "할 수 있도록 최고 중의 최고로 대우받습니다.
Google MUM의 핵심 초점 영역:
- 인간의 정서와 세계 지식에 대한 깊은 이해를 촉진합니다.
- 언어 장벽을 줄이기 위해 최대 75개 언어로 번역 서비스를 제공합니다.
- 검색 쿼리의 문법 및 문학적 맥락을 해독합니다.
- 지식 그래프를 사용하여 최종 사용자의 "무언의" 우려 사항을 분석합니다.
- 특정 URL을 방문하기 전에 더 많은 시간 동안 SERP를 탐색할 수 있도록 독자의 보유 및 외삽을 강화합니다.
아이구글을 기억하시나요? 2005년 Ajax로 개인화된 구글 홈페이지 커스텀 세트였습니다. 이전 웹 행동을 분석하여 몰입형 인사이트를 한 창에 제공했습니다. iGoogle의 개념은 Google MUM의 기반이 되었으며 아이디어는 AI와 결부되었습니다.
현재 아무도 Google MUM이 출시와 함께 가져올 기능의 범위를 예측할 수 없습니다. 정확성을 위해 여전히 교차 검증 중입니다. MUM은 시작할 때 세 가지 주요 수준을 나타낼 수 있습니다.
Google MUM의 수준
다른 시스템, 서버 및 데이터 전송의 경우 MUM은 어느 정도 효율성을 가지고 작동합니다. 현재 Google MUM을 사용하여 세 가지 기존 수준이 이미 구현되었습니다.
- 단기 개발: MUM은 "지식 이전"을 사용하여 데이터 세트를 필터링하고 다른 사용자를 위해 75개 언어로 결과를 표시합니다. 모국어로 어려운 정보를 단순화해야 할 때 혼란을 피하는 데 도움이 됩니다.
- 중간 개발: 중간 수준 MUM 업데이트를 통해 SERP는 콘텐츠 리소스의 만화경이 될 것입니다. 이미지에서 캐러셀, PR 팟캐스트, 오디오 기사에 이르기까지 SERP는 최고의 지식 자산의 혼합 및 일치가 될 것입니다.
- 장기적 개발: MUM은 장기적으로 사용자의 현재 심리 상태에 따라 SERP를 맞춤화할 것입니다. 모든 롱테일 키워드 뒤에는 특정 방향이 설정됩니다. MUM은 감정 분석 및 피드백 매핑을 사용하여 사용자 요구 사항을 분석하고 장기간 참여시키는 것을 목표로 합니다.
아세요? MUM은 몇 초 만에 50개 이상의 언어로 800개의 COVID-19 백신 변종을 나열할 수 있었습니다. 결과를 테스트한 후 이 데이터를 사용하여 고품질의 중요한 백신 정보를 여러 위치에 제공했습니다.
Google MUM 이후 검색 변경사항
현재 SERP는 "길이 x 너비" 인터페이스 경험으로 간주됩니다. 모든 검색 엔진 결과 페이지에는 추천 스니펫과 가장 적합한 콘텐츠가 포함된 길이의 파란색 링크가 있습니다. 그러나 MUM을 사용하면 보다 반응이 빠르고 사용자 친화적이며 재미있는 검색 기능을 제공하는 새로운 기능이 제공될 것입니다.
- Google 렌즈 : Google 렌즈를 사용하면 시각적 주석과 텍스트 오버레이로 이미지의 다양한 구성 요소를 분류할 수 있습니다. 사용자 요구에 가장 적합한 이미지를 기반으로 검색을 세분화하는 데 도움이 됩니다.
- 큰 이미지 s: 메인 검색 페이지에서 특정 회사의 배너 이미지 또는 제품 이미지를 직접 확대할 수 있습니다. URL 이미지의 픽셀 조정도 증가합니다.
- 수정 및 확장 : '또한 검색한 사용자'와 마찬가지로 이 기능은 더 많은 리소스에 대한 액세스를 제공하여 사용자 생각, 영감 및 욕구의 지평을 넓힐 것입니다.
- 알아야 할 사항: " 알아야 할 사항"은 Google의 추천 섹션과 같습니다. "사람들도 묻는다"로 질문에 답하면 "알아야 할 것"으로 바뀝니다. 이 기능은 사용자를 완전히 다른 구매자 여정과 제품으로 안내할 수 있습니다.
Google MUM의 이점
MUM 알고리즘은 검색 엔진 최적화(SEO) 애호가들에게 전환점이 될 것입니다. 앞으로 많은 Google 응답 기술이 MUM에 의해 주도될 것입니다. 이것은 웹 팀뿐만 아니라 청중에게도 도움이 될 것입니다.
- 동영상 분석: Google MUM의 출시는 동영상 마케팅 및 시각적 제작에 특히 중점을 둘 것입니다. 새로운 메커니즘은 비디오 콘텐츠를 면밀히 조사하고 타임스탬프를 추출하며 이 데이터를 적용하여 비디오 제안을 개인화합니다. 특정 비디오를 검색하는 동안 사용자는 직접적인 비디오 결과와 밀접하게 관련된 비디오 링크를 얻게 됩니다.
- Google 추천 스니펫 : 오랜 SEO 측정항목인 추천 스니펫은 Google MUM과 다른 형식으로 표시됩니다. 다양한 잠재고객을 위한 추천 스니펫이 여러 개 있을 수 있습니다. MUM은 또한 유료 또는 후원 허가증을 40%까지 줄이는 것을 목표로 할 수 있습니다.
- 비유기적 SERP: MUM이 출시된 후 블로그와 기사는 SERP에서 더 높은 순위를 차지할 만큼 충분히 신뢰할 수 없습니다. 특정 키워드에 대한 이미지, 대체 키워드 및 비디오를 포함하여 360* 정보를 제공하는 다른 사이트는 검색 결과에서 더 높은 순위를 차지합니다. Reddit 및 Quora와 같은 일부 포럼은 이미 이 기술을 사용하여 더 높은 순위를 매기고 콘텐츠로 대규모 커뮤니티를 참여시키고 있습니다.
- 다국어: MUM 모델은 입력 및 출력을 75개 언어로 번역하도록 사용자 정의되었습니다. MUM은 이러한 언어에 대한 최상의 NLP 사례, 문장 및 의미 교정, 문법 이해를 사용하여 범위를 확장하는 것을 목표로 합니다. MUM의 다국어 이동은 많은 기업들이 다국어 웹사이트를 구축하여 전 세계 다양한 사람들의 일상 여행의 일부가 되도록 장려했습니다.
- 확대된 시각 자료: Google MUM을 사용하면 이미지와 인포그래픽을 확대할 수 있습니다. Google 렌즈를 착용하면 웹 영상을 확대하고 기능을 연구하고 모든 각도에서 제품을 확인하는 데 도움이 됩니다. 뿐만 아니라 고객 리뷰에 액세스하고 모범 사례에 대해 알아보고 브랜드 인지도를 높일 수 있습니다.
Google MUM의 제한 사항
MUM은 웹 검색 및 인터넷 브라우징의 변동성을 강화했습니다. 그러나 새로운 기능으로 가득 찬 모든 업데이트에는 피할 수 없는 버그와 제한 사항이 있습니다.
- 유기적 콘텐츠의 개탄: MUM 업데이트는 기업이 유기적 콘텐츠 마케팅보다 광고 및 미디어에 더 많은 투자를 요구할 것입니다. 이는 프로젝트 소유자와 콘텐츠 마케터에게 부정적인 영향을 미칠 수 있습니다.
- 이해할 수 없는 특성: MUM을 사용하면 훨씬 더 많은 콘텐츠 자산이 사용자에게 표시되며 일부 이상한 리소스가 표시될 수 있습니다. 사용자는 자신이 원하는 것을 염두에 두고 그에 따라 검색 쿼리를 구성해야 합니다. 오류를 범하거나 너무 빨리 입력하면 AI 알고리즘이 사용자 쿼리의 의도를 해독하지 못하고 비현실적인 결과를 표시할 수 있습니다.
- SEO 합병증: BERT 출시 이후 SEO는 크래킹하기 너무 어려워졌습니다. MUM 업데이트는 SEO 마케터가 기술 지식을 늘리는 데 더 많은 스트레스를 줄 것입니다. 전통적인 SEO에 대한 합의는 유지되지만 더 많은 새로운 SEO 규칙이 Google을 "혼잡한 중간"으로 만들 것입니다.
- 비윤리적 결과: 사용자는 자신이 원하는 것을 염두에 두고 그에 따라 검색 쿼리를 구성해야 합니다. 급하게 입력한 경우 AI 알고리즘이 사용자 쿼리 이면의 의도를 해독하지 못하고 비현실적인 결과를 표시할 수 있습니다.
MUM은 Google의 첫 번째 AI 스프린트가 아닙니다. 수년 동안 Google의 CEO인 Sundar Pichai는 생성 AI와 그 가능성의 범위를 확장해 왔습니다. Google은 다양성, 형평성 및 포용성을 주입하는 것을 목표로 합니다. 인공 지능을 통해 MUM 내에서 지침.
MUM은 다른 Google AI 업데이트와 다를까요?
MUM은 차세대 AI 이정표로 분류할 수 있습니다. 정보를 처리하고 요구 사항에 가장 적합한 선택을 찾는 전통적인 방법이 혁신되고 있습니다. 곧 사용자는 기본 쿼리에 대한 관련 항목을 가상화할 수 있습니다. 한 곳에서 양질의 콘텐츠를 찾으면 좌절감과 웹 사용 시간이 줄어듭니다. 이것이 바로 MUM 이면의 네트워크가 추구하는 것입니다.
이전 기계 학습 업데이트는 검색 환경 안정화, 버그 방지, 웹에서 블랙햇 링크 및 표절 콘텐츠 감지에 중점을 두었습니다. 몇 차례의 이후 업데이트에서 Google은 "의도" 메커니즘을 강화했습니다. 고급 ML을 사용하여 검색어 언어를 기본 NLP 프로세서와 매핑하여 사용자 의도를 충족하고 Google을 엔진으로서 더욱 안정적으로 만들었습니다.
신경망 일치, Hummingbird, RankBrain 및 BERT와 같은 초기 AI 업데이트는 기술 SEO 및 구조화된 데이터 정렬에 중점을 두었습니다 . 유기적 콘텐츠와 전문가가 작성한 콘텐츠를 위한 헤드룸을 제공했습니다. 그러나 생성 AI를 사용하면 오가닉이든 스폰서이든 관계없이 사용자가 가장 잘 볼 수 있는 것으로 초점이 이동합니다. Google은 SERP를 분산된 소셜 및 커뮤니티 네트워크로 전환하여 상상할 수 없는 것을 달성하는 것을 목표로 합니다. 이 심층적인 SEO 기술을 통해 사용자는 그들이 찾고 있는 특정 산업의 최신 동향과 뉴스에 노출될 것입니다.
Google은 연구 노력을 최소화할 뿐만 아니라 AI를 통해 풍부한 정보를 제공할 것입니다.
"AI는 모든 회사의 모든 제품에 영향을 미칠 것입니다. 예를 들어 지금부터 약 5년에서 10년 후를 생각하면 AI 협력자가 함께 할 것입니다. 처리해야 할 일이 100개 있다고 가정해 보겠습니다. "먼저 살펴봐야 할 가장 심각한 사례입니다."
순다 피차이
구글 주식회사 대표이사
Google MUM이 SEO에 미치는 영향
SEO 마케팅 담당자에게 희소식은 웹사이트가 Google에서 더 나은 순위에 오르도록 하는 방법에 대한 현재 분석을 계속할 수 있다는 것입니다. 사람들은 MUM이 검색 엔진 순위 요소가 될 것인지 단순히 데이터를 분산시키는 다리가 될 것인지에 대해 여전히 논쟁 중입니다.
MUM 업데이트와 경쟁하기 위해 브랜드는 오가닉 및 언드 미디어 전략을 모두 강화해야 합니다. 유료 미디어가 항상 CPC를 제공하지는 않지만 자연 검색 및 SEO는 브랜드가 앞서가는 데 도움이 됩니다. SERP의 상당 부분이 MUM의 영향을 받더라도 가장 높은 순위의 페이지와 추천 스니펫이 여전히 선호됩니다.
브랜드는 온페이지 SEO 전략을 보다 진지하게 고려해야 합니다. 더 높은 순위를 매기는 것뿐만 아니라 대상 청중을 식별하고 학습 내용을 전달합니다. 이미지 팩 아이디어 및 디자인, 소개 비디오 제작, 인지도 구축은 브랜드가 MUM 폭풍우를 헤쳐나가는 데 도움이 될 것입니다.
MUM과 함께 새롭게 등장한 SEO 전략이 작용할 것입니다. 알아야 할 사항 섹션, 비디오 검색, 시각적 검색, 확대 및 음성 검색은 한 곳에서 모든 답변을 제공하여 사용자의 지루함을 덜어줍니다. 동시에 질문-답변 메커니즘이 아닙니다. 구글은 같은 생각을 가진 사람들의 네트워크를 만들어 "스마트하게" 만드는 것을 목표로 합니다.
"엄마"는 모든 것을 알고 있습니다.
MUM은 지식, 정보 및 감정에 대한 이해의 바다입니다. 새로운 웹 검색 시대의 시작입니다. MUM을 사용하면 웹이나 실생활에서 너무 복잡한 것은 없습니다. 이 새로 발견된 이론적 기계 학습 기술은 우리를 새로운 디지털 경로로 이끌었습니다.
웹 개인화를 통해 청중의 요구 사항을 맞춤화하는 방법을 알아보십시오 .