Google MUM 如何影响您的 SEO 策略？

当您的搜索没有得到正确的回复时，您是否也会泪流满面？ 不可能只有我一个人吧？ 正确的？

值得庆幸的是，我们并不经常有这样的经历，因为谷歌的搜索业务每天都在发展。 从 E-EAT 推出有用的内容更新到现在的 Google MUM，Google 已经深入我们的心。 随着生成式人工智能的扩展，谷歌一直处于完善其搜索算法的风口浪尖，以戴上“有史以来最好的搜索引擎”的桂冠。

生成式人工智能已经为许多企业带来了机遇，但谷歌在这场竞赛中也不甘落后。 最新的 Google MUM（多任务统一模型）更新以难以想象的方式增强了搜索功能、SERP 相关性和个性化用户旅程。

什么样的网络内容会吸引什么样的用户角色？ 用户在搜索资源时的感受如何？ MUM 模型中生成式 AI 软件的自我进化架构可以捕获所有这些以及更多内容。

MUM 致力于改变 Google 的用户界面 (UI)，并为好奇的受众带来一系列有凝聚力的资源。 例如，Google 高级副总裁Prabhakar Raghavan声称 Google MUM 可以回答任何问题。 鉴于他已经徒步攀登过亚当斯山，它要求谷歌对攀登亚当斯山和富士山进行比较和对比。 谷歌不仅返回了差异或相似之处列表，而且还添加了额外的徒步装备商店链接和视频链接。

作为升级版的AI技术，MUM更新完善了BERT模型的功能。 推出 MUM 的主要原因是为用户提供 360° 的搜索体验。

谷歌 BERT 与谷歌 MUM

虽然两种神经网络架构都主导了搜索算法，但 MUM 比 BERT 略有优势。

BERT是 2019 年 Google 的更新，它使用自然语言处理来解析搜索查询。 该模型基于变压器神经网络，对搜索查询进行上下文化和编码，以了解其背后的意图。 通过此更新，Google 可以个性化答案、总结文本并定义搜索查询的意图和类别。

Google MUM是源自 T5（文本到文本）框架的 2021 年更新，专门针对长尾查询或复杂查询的组合。 它整理了 SERP 数据，并突出显示了大量用于品牌知名度的资源。 MUM 使用 cookie 数据、网络流数据、用户搜索查询数据和爬网数据来过滤来自可靠站点的内容。

Google MUM 的历史

自 20 世纪 80 年代高级研究计划署网络 ( ARPANET) 启动以来，我们已经走过了漫长的道路。 由于数据通过有线服务器传输，因此信息交换仅限于两个或多个工作站。 快进到互联网时代，谷歌使用边缘计算和无服务器容器化来存储、检索和发送来自服务器的数据。 随着时间的推移，谷歌对待用户的策略发生了变化。

在接下来的几年里，谷歌发布了多次更新。

• Penguin 更新于 2012 年发布。当时，Google 正试图反击游戏玩家和网络垃圾邮件。 Penguin 更新优先考虑真实的白帽 URL，而不是垃圾网站和集团。

• 蜂鸟被编程为解释自然语言查询并分析特定关键字背后的情绪。 Hummingbird 将搜索查询置于上下文中，调整 SERP 布局，并使整个过程更加精确。
  

• Rankbrain（2015）是另一种自然语言理解增强功能，旨在理解长尾关键词。 长尾关键词是原始搜索查询，可能有也可能没有搜索量——它们可能会让谷歌抓取工具感到困惑。 通过包含标记化、词干提取和情绪检测技术，Rankbrain 使 SERP 更具包容性和无偏见。
  
• 神经匹配于 2018 年发布。它通过高级自然语言处理解释搜索查询。 神经网络查看搜索查询的词序并为其分配“注意力”参数。 加载搜索结果时，会显示完全匹配的网页。
• BERT 的反应机制增强了 Google 的知识检索、内容过滤和语言解释能力。 虽然它使搜索引擎能够理解关键字的含义，但它无法破译关键字中的主题是谁。
• 有用的内容更新于 2022 年发布，旨在优先考虑网络上有用且权威的内容。 搜索查询分为导航查询、商业查询、信息查询和交易查询。 每个查询都会返回一组连贯的搜索结果以及其他图像和视频。
• E-EAT于 2023 年问世，意思是经验、专业知识、权威性和可信度。随着这一新发布，SERP 倾向于已发表的综述、主题专业知识以及在其知识领域占据主导地位的作者。 谷歌通过托管来自值得信赖的市场专家的内容来赋予网页可信度。
• MUM结合了 Google 之前搜索更新的功能。 这种自然语言处理机制的唯一目的是促进买家的网络旅程。 借助 MUM，您可以探索选项、查看产品并直接购买，无需点击广告或自然页面访问。

Google MUM 的工作方法

Google MUM 结合了多项技术，使 Google 搜索更加全面、更贴近实际。 MUM 背后的大型语言模型 (LLM) 适用于超过 75 种语言。 最初，谷歌的搜索算法基于检索系统的概念。 这意味着搜索关键字将与 Google 数据库中的一组键进行比较。 如果存在匹配，则显示该键的值。

现在，Google MUM 使用序列到序列模板匹配来增强用户知识。 通常，当有人在购买产品或服务的决定之间陷入困境时，热情的号召性用语会有所帮助。 但 MUM 的战略方法为该查询提供了大量图像、视频和媒体资源，并为其他问题提供了答案。

MUM 生成一个经过计算的 SERP，其中在主界面中包含用户需求的广泛视角。 这也称为“同时查询处理”。 机器学习 (ML) 算法将单词转换为向量，将知识传输到服务器，并以有价值的信息进行响应。 通过 MUM，非自然内容排名更快，从而降低点击率 (CTR)，但提高内容参与度。

本质上，在销售漏斗中，客户在“评估”和“认知”阶段之间努力做出决策。 有机网站和内容用于将网络体验转化为销售，而 MUM 则专注于以多媒体形式提供大量数字资产。 用户会得到最好的服务，以便他们在达成交易之前“评估所有选项”。

你还记得 iGoogle 吗？ 它是 2005 年使用 Ajax 定制的个性化 Google 主页。通过分析以前的 Web 行为，它在一个窗口中提供了身临其境的见解。 iGoogle 的概念构成了 Google MUM 的基础，该想法与人工智能紧密相连。

目前，没有人能够预测 Google MUM 将在其发布时带来一系列功能。 它的准确性仍在交叉验证中。 推出后，MUM 可能代表三个主要级别。

Google MUM 的级别

对于不同的系统、服务器和数据传输，MUM 会以一定的效率工作。 目前，三个现有级别已使用 Google MUM 实现：

• 短期发展： MUM 使用“知识转移”来过滤其数据集，并以 75 种语言为不同用户显示结果。 当人们必须用母语简化困难的信息时，它可以帮助人们避免混乱。
• 中期发展：随着MUM的中期更新，SERP将成为内容资源的万花筒。 从图像到轮播到公关播客到音频文章，SERP 将成为最佳知识资产的混合和匹配。
• 长期发展：从长远来看，MUM将根据用户目前的心态定制SERP。 每个长尾关键词的背后，都设定了特定的方向。 MUM 旨在使用情感分析和反馈映射来分析用户需求并长期吸引他们。

你知道吗？ MUM 能够在几秒钟内以 50 多种语言列出 800 种新冠肺炎 (COVID-19) 疫苗。 在测试结果后，这些数据被用来向不同地点提供高质量和关键的疫苗信息。

Google MUM 之后搜索发生变化

目前，SERP 被视为“长度 x 宽度”的界面体验。 每个搜索引擎结果页面都有一个特色片段和一段包含最合适内容的蓝色链接。 但有了 MUM，一系列更新的功能将发挥作用，使搜索更加灵敏、用户友好且有趣。

• Google Lens ：使用 Google Lens，您将能够通过视觉注释和文本叠加对图像的不同组成部分进行分类。 它将帮助根据最适合用户需求的图像来优化搜索。
• 更大的图像：您可以直接在主搜索页面上放大特定公司的横幅图像或产品图像。 它还会增加URL图像的像素调整。
• 细化和拓宽：与“人们也搜索过”类似，此功能将通过为用户提供更多资源来拓宽他们的想法、灵感和愿望的视野。
• 须知事项：“须知事项”就像 Google 上的推荐部分。 用“人们也会问”来回答问题将随着“要知道的事情”而改变。 该功能将能够引导用户进入完全不同的买家旅程和产品。

Google MUM 的优势

MUM 算法将成为搜索引擎优化 (SEO) 爱好者的一个转折点。 未来，很多Google响应技术将由MUM驱动。 这不仅有利于网络团队，也有利于受众。

• 视频分析： Google MUM的发布将特别强调视频营销和视觉制作。 新机制将仔细检查视频内容、提取时间戳，并将这些数据应用于个性化视频建议。 在搜索特定视频时，用户将获得直接的视频结果和密切相关的视频链接。

• Google 精选片段：作为一项长期存在的 SEO 指标，精选片段将以与 Google MUM 不同的格式显示。 可能有针对不同受众的多个特色片段。 MUM 还可能致力于将付费或赞助许可减少 40% 。
• 非有机 SERP： MUM 发布后，博客和文章的可信度不足以在 SERP 上排名更高。 其他提供 360* 信息（包括图像、备用关键字和特定关键字的视频）的网站将在搜索结果中排名更高。 Reddit 和 Quora 等一些论坛已经在采用这种技术来提高排名，并通过其内容吸引大型社区。
• 多语言： MUM 模型经过定制，可将输入和输出翻译成 75 种语言。 通过使用这些语言的最佳 NLP 实践、句子和语义纠正以及语法理解，MUM 旨在扩大其影响范围。 MUM的多语言举措鼓励许多公司建立多语言网站，成为世界各地不同人们日常旅程的一部分。
• 放大的视觉效果：借助 Google MUM，您可以放大图像和信息图表。 佩戴 Google 镜头将有助于放大网络视觉效果、研究功能并从各个角度检查产品。 不仅如此，您还可以访问客户评论、了解最佳实践并提高品牌知名度。

Google MUM 的局限性

MUM 加大了网络搜索和互联网浏览的波动性。 但每一个功能丰富的新更新都会带来不可避免的错误和限制。

• 有机内容的可悲性： MUM 更新将要求企业在广告和媒体上投资比有机内容营销更多。 这可能会对项目所有者和内容营销人员产生不利影响。
• 难以理解的性质：使用 MUM，用户可以看到更多的内容资产，也许会显示一些不可思议的资源。 用户需要注意他们想要什么，并相应地构建他们的搜索查询。 如果他们犯错误或打字速度太快，人工智能算法可能无法解码用户查询背后的意图并显示不切实际的结果。
• SEO 并发症： BERT 推出后，SEO 变得有点难以破解。 MUM 更新将给 SEO 营销人员带来更多压力，要求他们增加技术知识。 关于传统 SEO 的共识仍将保留，但更多新的 SEO 规则将使谷歌成为“混乱的中间人”。
• 不道德的结果：用户需要注意他们想要什么，并相应地构建他们的搜索查询。 如果他们匆忙输入，人工智能算法可能无法解码用户查询背后的意图并显示不切实际的结果。

MUM 并不是谷歌的第一个人工智能冲刺。 多年来，谷歌首席执行官桑达尔·皮查伊 (Sundar Pichai) 一直在挑战生成式人工智能的极限及其无限的可能性。 谷歌的目标是注入多样性、公平性和包容性 MUM 内部通过人工智能制定指导方针。

MUM 与其他 Google AI 更新有何不同？

MUM 可以被视为人工智能的下一个重大里程碑。 处理信息和寻找满足您需求的最佳选择的传统方式正在发生革命性的变化。 很快，用户将能够虚拟化主要查询的相关主题。 在一个地方找到优质内容将减少他们的挫败感和网络消耗时间。 这就是 MUM 背后的网络所努力的目标。

之前的机器学习更新倾向于稳定搜索体验、避免错误以及检测网络上的黑帽链接和抄袭内容。 在后来的几次更新中，谷歌强化了“意图”机制。 使用先进的 ML，它将搜索查询语言与底层 NLP 处理器进行映射，以满足用户意图并使 Google 作为引擎更加可靠。

早期的人工智能更新，如神经匹配、蜂鸟、RankBrain 和 BERT，主要关注技术 SEO 和结构化数据对齐。 他们为有机内容和专家编写的内容提供了空间。 但有了生成式人工智能，焦点就会转移到最适合用户看到的内容上，无论它是有机的还是赞助的。 Google 的目标是通过将 SERP 转变为分布式社交和社区网络来实现难以想象的目标。 通过这种深入的搜索引擎优化技术，用户将能够了解他们正在寻找的特定行业的最新趋势和新闻。

谷歌不仅会最大限度地减少研究工作，还会通过人工智能提供丰富的信息。

“人工智能将影响每家公司的每一款产品。例如，如果你考虑 5 到 10 年后，你将有一个人工智能合作者与你在一起。假设你有一百件事要经历，它可能会说， “这些是你需要首先考虑的最严重的情况。”

桑达尔·皮查伊
谷歌公司首席执行官

Google MUM 对 SEO 的影响

对于 SEO 营销人员来说，好消息是他们可以继续当前的分析，了解如何提高网站在 Google 上的排名。 人们仍在争论 MUM 是否会成为搜索引擎排名因素，或者仅仅是一个数据分散的桥梁。

为了与 MUM 更新竞争，品牌需要同时支持自然媒体和赢得媒体策略。 虽然付费媒体并不总是能降低每次点击费用，但有机搜索和搜索引擎优化将帮助品牌保持领先地位。 即使 SERP 的相当一部分确实受到 MUM 的影响，排名最高的页面和特色片段仍将是首选。

品牌应该开始更认真地对待他们的页面搜索引擎优化策略。 不仅仅是为了排名更高，而是为了确定目标受众并转移学习。 构思和设计图像包、制作介绍性视频以及建立知名度将帮助品牌度过 MUM 的风暴。

有了 MUM，新兴的 SEO 策略将发挥作用。 待知事项部分、视频搜索、视觉搜索、放大和语音搜索将通过在一处为用户提供所有答案来减少用户的乏味。 同时，它也不是问答机制。 谷歌的目标是创建一个由志同道合的人组成的网络，以“变得聪明”。

“妈妈”知道这一切。

MUM 是知识、信息和情感理解的海洋。 这是新的网络搜索时代的开始。 在 MUM 的帮助下，网络上或现实生活中的一切都不会太复杂。 这种新发现的理论机器学习技术引领我们走上了一条新的数字化道路。

了解如何通过网络个性化定制您的受众需求。