هل الخطوة التالية من MUM Google نحو أن تصبح محرك بحث دلالي بحت؟ تعرف على ما يمكن أن تعنيه MUM لمستقبل تحسين محركات البحث.
MUM هي اختصار لـ Multitask Unified Model وهي تقنية جديدة لبحث Google تم تقديمها لأول مرة في مايو 2021.

في معرض Search On 21 في خريف 2021 ، تم الإعلان عن الإطلاق القادم ، وتم وصف التكنولوجيا بمزيد من التفصيل. تعمل MUM مع الذكاء الاصطناعي أو فهم اللغة الطبيعية ومعالجتها والإجابة على استفسارات البحث المعقدة باستخدام البيانات متعددة الوسائط.

تعد MUM متعددة اللغات وتعالج المعلومات من تنسيقات الوسائط المختلفة للإجابة على الأسئلة. بالإضافة إلى النص ، تتعرف MUM أيضًا على ملفات الصور والفيديو والصوت.

كيف يعمل MUM؟

في مايو 2021 ، قدمت Google MUM كتطور أقوى 1000 مرة من BERT. تعتمد كلا التقنيتين على معالجة اللغة الطبيعية. لكن MUM تدور حول أكثر من مجرد معالجة لغة طبيعية.

تجمع MUM بين العديد من التقنيات لجعل عمليات بحث Google أكثر دلاليًا واستنادًا إلى السياق لتحسين تجربة المستخدم. مع MUM ، تريد Google الإجابة على استعلامات البحث المعقدة التي لا يكفي مقتطف SERP العادي لها.

تم عرض المهام التي ستضطلع بها MUM على النحو التالي:

MUM هو توفير فهم عميق للمعرفة العالمية.

يتم تدريب MUM بما يصل إلى 75 لغة في وقت واحد لفهمها. مع الأساليب السابقة ، تم تدريب كل لغة على نموذج لغتها الخاصة.
يجب أن تكون MUM قادرة على فهم المعلومات بالإضافة إلى النصوص والصور والصوت ومقاطع الفيديو.
يمكن استنتاج ما يلي من هذه البيانات بواسطة Google:

تستخدم Google MUM لتوسيع قواعد البيانات الدلالية مثل Knowledge Graph والاقتراب أكثر من هدف قاعدة بيانات المعرفة الكاملة.
مع MUM ، تريد Google جعل البحث الدولي أفضل لجلب جميع المؤشرات وحالات البحث في جميع أنحاء العالم إلى مستوى نوعي مماثل ، وبالتالي ضمان تجربة المستخدم في كل بلد وكل لغة على هذا الكوكب على نفس المستوى العالي وأيضًا العمل بكفاءة أكبر ، من حيث مواردهم الخاصة.

من المحتمل أن يكون التطور الأكثر إثارة بالنسبة إلى مُحسّنات محرّكات البحث هو أن MUM تريد الوصول إلى جميع تنسيقات الوسائط لجمع المعلومات (البيانات) وفهمها ومعالجتها في نتائج البحث بطريقة يتم فيها تقديم نية البحث على النحو الأمثل وتجربة المستخدم مع التعدين بحث Google مرتفع جدًا.

بمعنى آخر ، بالإضافة إلى تريليونات المحتوى المستند إلى النص ، تتمتع Google أيضًا بإمكانية الوصول إلى جميع المعلومات من جميع تنسيقات الوسائط في أنظمة Google لزيادة فهرس (الكيان). نتيجة لذلك ، يمكن إنشاء المزيد من المعلومات حول الكيانات المسجلة. يمكن تقديم المعلومات من النصوص ومقاطع الفيديو والصوت والصور في SERPs بشكل أفضل لاستعلام البحث.

Google MUM و E-A-T

بالإضافة إلى التنقيب في البيانات ، هناك تحدٍ رئيسي آخر يواجه Google وهو صحة المعلومات. تدير Google هجومًا عالي الجودة لسنوات باستخدام E-A-T ، والذي يجب أن يكون مدعومًا بميزات إضافية في المستقبل القريب.

في علاقة مباشرة بنتيجة البحث المعنية ، هناك إمكانية للحصول على معلومات حول المصدر عبر مربع “حول هذه النتيجة”.

تتضمن المعلومات وصفًا للناشر من مصادر موثوقة مثل Wikipedia أو موقع الويب الخاص بالناشر ومعلومات حول ما إذا كان الاتصال بالموقع آمنًا أم لا. بالإضافة إلى ذلك ، يمكنك معرفة ما يكتبه الناشر عن نفسه ، وما يكتبه الآخرون عنه أو عن الموضوع.

إلى أي مدى يتم استخدام MUM هنا ليس واضحًا تمامًا. ومع ذلك ، فمن المؤكد تمامًا أن سلطة وثقة الكيان أو المصدر تلعب أيضًا دورًا فريدًا في التصنيف ، كما هو موضح في مقالتي 14 طريقة يمكن لـ Google من خلالها تقييم E-A-T.

تحديث Google MUM هو النقلة النوعية الرئيسية التالية لمزيد من الأداء وتوجيه المستخدم
يمثل تقديم MUM النقلة النوعية الرئيسية التالية لبحث Google بعد Hummingbird و Rankbrain و BERT. بينما تستند الابتكارات السابقة القائمة على التعلم الآلي إلى عدة نماذج مدربة لمهام مختلفة ، فإن الهدف في MUM هو استخدام نموذج واحد فقط لجميع المهام المتعلقة بالفهرسة واسترجاع المعلومات وترتيبها.

كما أن التركيز على نموذج لغة واحد فقط يجعل اعتبار اللغات المختلفة للتفسير الدلالي أمرًا قديمًا. يتم تدريب الخوارزميات بناءً على استفسارات ووثائق البحث باللغة الإنجليزية. يمكن تطبيقها على جميع اللغات الأخرى – وهي ميزة كبيرة من وجهة نظر الأداء والفهم الدلالي. اللغة الإنجليزية أسهل بكثير في التفسير باستخدام معالجة اللغة الطبيعية من اللغات الأكثر تعقيدًا من الناحية النحوية مثل الألمانية.

حتى قبل MUM ، ركزت Google على اللغة الإنجليزية كلغة أساسية. ظهرت الترجمات الأولى من الوثائق باللغة الإنجليزية في لوحات المعرفة في وقت مبكر من عام 2019.

هذا تحسن كبير لأسباب الأداء. لا يمكن استخدام التعلم الآلي أو معالجة اللغة الطبيعية إلا إذا كان من الممكن استخدام الموارد المتاحة بكفاءة. الشرط المسبق لذلك هو تقليل العمليات الجارية بالتوازي. هناك زيادة في الكفاءة والأداء من خلال التركيز على الاستعلام عن المعلومات من نموذج بيانات واحد فقط لكل استعلام بحث.

تصف ورقة بحثية من Google لعام 2020 بعنوان “مزيج متعدد المهام من الخبراء المتسلسلين لتدفقات نشاط المستخدم” تقنية تسمى MoSE تشبه MUM في كثير من النواحي.

يمكن أن تلخص وزارة التعليم والثقافة بكفاءة عالية في نموذج البيانات بناءً على بيانات المستخدم مثل النقرات وسجل البحث. مثل محركات البحث الكلاسيكية ، فهو يعمل كبحث سوق ، بدءًا من مستخدم محرك البحث وليس بالمعلومات المفهرسة. هدف المستخدم هو التركيز ، وبناءً على النموذج ، يمكن لـ Google التنبؤ بالأسئلة والإجابات المقابلة التي سيحتاجها المستخدم أثناء بحثه.

يمكن تجميع جميع المعلومات الضرورية في SERPs لمرافقة المستخدم بسلاسة خلال رحلة العميل.

إمكانات جديدة للتسوق عبر Google على طول رحلة العميل عبر MUM
عندما يتعلق الأمر بعمليات البحث القائمة على المنتجات ، فقد Google بعضًا من مكانته أمام أسواق التجارة الإلكترونية الكبيرة مثل Amazon ومنصات التجارة الإلكترونية الأصغر. غالبًا ما يبحث المستخدمون في مرحلة التفضيل في رحلة العميل عن المنتج مباشرةً على Amazon ، على سبيل المثال. يعد هذا أمرًا صعبًا بالنسبة إلى Google من الناحية الاقتصادية نظرًا لأن هؤلاء المستخدمين أو عمليات البحث التجارية تسبب معظم النقرات على الإعلانات.

يستخدم معظم مستخدمي Google موقع Google لإجراء عمليات بحث تعتمد على المعلومات في مرحلة الوعي. ومع ذلك ، تخسر Google حاليًا العديد من المستخدمين أمام منافسيها في مرحلة التفضيل.

تريد Google تزويد المستخدمين بمعلومات قيمة في المراحل الأولى من رحلة العميل (الوعي والتفكير). من خلال التصميم الجديد لـ SERPs وبحث التسوق ، تريد Google إلهام المستخدم وتقديم نظرة عامة ودعم الشراء.
يوضح هذا أن Google قد تخلت عن القتال المباشر لعمليات البحث عن المنتج في مرحلة التفضيل وتركز على نقاط قوتها الفعلية. تنظيم المعرفة العالمية ومعالجتها في شكل سهل الاستخدام. هذا هو المكان الذي لا تستطيع منصات التجارة الإلكترونية الكبيرة مواكبة ذلك.
أمي: مستقبل بحث Google وما يمكن أن تتعلمه مُحسنات محركات البحث منه MUM هو الجزء التالي من اللغز بالنسبة لـ Google في طريقه إلى محرك بحث دلالي بحت يعمل باستمرار على تحسين سياق استعلامات البحث والمحتوى. وبالتالي ، فإن ملاءمة المحتوى ومقاطع المحتوى لمطابقة قصد البحث يفهم (المزيد من خطوات Googles إلى محرك بحث دلالي في مقالتي Googles way إلى محرك بحث دلالي). لا يزال تطوير جهاز كمبيوتر كمي قابل للاستخدام بعيد المنال ، لذلك يتعين على Google التعامل مع التقنيات الفعالة مثل MUM لاستخدام قوة الحوسبة المفقودة حاليًا للتعلم الآلي على نطاق واسع. بهذه الطريقة ، يمكن لـ Google تطوير أنظمة البحث الخاصة بها بشكل أسرع دون مراعاة نقص الأداء من جانب الأجهزة. يمكن للمرء أن يقول أن تطوير البرمجيات يتجاوز تطوير الأجهزة.
من المتوقع حدوث اختراق لأجهزة الكمبيوتر الكمومية القابلة للاستخدام تجاريًا لعام 2029. يمكننا أن نفترض أن بحث Google سيكون محرك بحث دلالي بالكامل بحلول ذلك الوقت. عندئذٍ ، ستصبح مطابقة نص الكلمة الرئيسية في بحث Google شيئًا من الماضي. Google MUM: يجب تغيير SEO في هذه المرحلة ، يجب أيضًا طرح السؤال حول الدور الذي ستلعبه Google كمورد لحركة المرور في المستقبل وإلى أي مدى لا تزال مُحسّنات محرّكات البحث تؤثر بشكل مباشر على التصنيفات. جلب إدخال BERT و MUM تغييرات جذرية في الصناعة مماثلة لتلك الخاصة بـ Panda و Penguin.
تقود معالجة اللغة الطبيعية البحث الدلالي المستند إلى Hummingbird و Knowledge Graph بشكل أسرع. تحتاج مُحسّنات محرّكات البحث إلى التفكير في الكيانات والموضوعات المتعلقة بـ E-A-T أكثر من الكلمات الرئيسية. بالنسبة إلى مُحسّنات محرّكات البحث الفنية ، يظل ضمان الزحف والفهرسة للمحتوى ذي الصلة بالبحث. لكن التكنولوجيا لا تجعلها ذات صلة ولا تخلق سلطة أو خبرة.
فيما يتعلق بالثقة (https) و UX (تجربة الصفحة) ، فإن التكنولوجيا لديها عدد قليل من الروافع الصغيرة للتدخل في الترتيب. ومع ذلك ، فإن هذه الروافع ليست ضمانًا للموضع العلوي. ستصبح المهام الفنية مثل الترميز باستخدام البيانات المنظمة عفا عليها الزمن أكثر فأكثر نظرًا لأن Google تحتاج إلى معلومات منظمة أقل فأقل للفهم عبر معالجة اللغة الطبيعية. يظل المحتوى والروابط أهم العوامل المؤثرة.
يتم ربط الروابط بعوامل مهمة أخرى تدعم السلطة. تعد التكرارات المشتركة في استعلامات البحث والمحتوى (نصوص وفيديو وصوت وصور) إشارات ثقة وسلطة مهمة. من خلال MUM ، تتمتع Google بإمكانية الوصول إلى المزيد من مصادر البيانات والمعلومات. بالإضافة إلى ذلك ، يمكن لـ Google استخدام التنقيب عن البيانات المستقل عن اللغة لجمع ودمج جميع المعلومات في العالم حول الكيانات والموضوعات. تم فتح مستودعات البيانات السابقة. يسمح هذا لـ Google بالإجابة على الأسئلة بشكل أفضل ونقل معرفة عميقة حقًا.
يجب على مديري المحتوى أن يهتموا بدرجة أقل بتكرار الكلمات الرئيسية في محتواهم وأن يأخذوا في الاعتبار وجهات النظر التي يجب من خلالها التعامل مع الموضوع. هنا لا يزال تحليل TF-IDF القديم الجيد وسيلة مجربة ومختبرة لتحديد المصطلحات المهمة التي تصف مجموعة الكلمات الأساسية للموضوع. يوفر المحتوى إجابات للأسئلة. لكن مجرد إنتاج المحتوى لن يكون كافياً في المستقبل. ترغب Google في مرافقة المستخدم خلال رحلة العميل الكاملة مع الإجابات للحصول على حركة المرور التجارية ذات الصلة بالمنتج لنقلها إلى عالم التسوق الخاص بهم.
يريدون استعادة حصتهم في السوق. من وجهة نظر مُحسّنات محرّكات البحث ، أصبح من المهم بشكل متزايد للمسؤولين عن المحتوى توفير تسويق المحتوى على طول رحلة العميل لتزويد المستخدم بأكبر عدد ممكن من نقاط الاتصال بالمحتوى أثناء البحث. اعتمادًا على مستوى معرفتهم ، يمر المستخدمون بعملية بحث على مدى فترة أقصر أو أطول. عند البحث عن حلول مع تزايد المعرفة حول موضوع ما ، يواجه المستخدمون تحديات وأسئلة مختلفة تحتاج إلى إجابات.
من المرجح أن يسأل شخص جديد في موضوع تحسين محركات البحث السؤال “ما هو تحسين محركات البحث؟” بعد ذلك ، يسألون ، “كيف يعمل تحسين محركات البحث؟” فقط لإدراك أن الموضوع معقد للغاية ، ومن المرجح أن يسألوا “من يقدم خدمات تحسين محركات البحث؟” في هذه الرحلة ، يجب على الشركات تقديم الإجابات.
يجب أن يكون المحتوى مرتكزًا على المستخدم ويتوقع الاحتياجات والأسئلة على طول رحلة العميل ، تمامًا كما تفعل Google مع MUM. تساعد تحليلات SERP التفصيلية على توقع نوايا البحث الحالية والمستقبلية. Google MUM: SEO أيضًا لـ m