Google MUM (Multitask Unified Model) — это нейросеть на архитектуре Transformer, предназначенная для понимания сложных, мультимодальных интентов. Новейшая технология анонсирована в июне 2021 года на конференции Google I/O. Алгоритм обрабатывает сложные поисковые запросы и снижает количество уточняющих итераций в среднем с восьми до одной.
Если сравнивать условия и требования к альпинистам для подъема на разные горы, например, Фудзи и Адамс, стандартные поисковые алгоритмы заставят сделать восемь или даже больше запросов. Эксперту-инструктору по альпинизму достаточно задать один вопрос. Разработчики стремятся приблизить алгоритмы по качеству ответов к живому специалисту, чтобы поисковая машина выдавала нужный результат моментально. Технология MUM — первый шаг к достижению этого идеала при поиске информации.
- Что такое Google MUM и как работает новый алгоритм
- Как MUM уже меняет результаты поиска
- Как адаптировать SEO-стратегию к эре MUM
- Будущее поиска — это диалог, а не список ссылок
- Как оптимизировать статьи под Google MUM (Пошаговый план)
- FAQ по Google MUM
- Коротко о главном
Что такое Google MUM и как работает новый алгоритм
MUM (Multitask Unified Model, «многозадачная унифицированная модель») — поисковый алгоритм на базе искусственного интеллекта, способный анализировать и создавать контент методами, близкими к человеческому разуму. В основе лежит улучшенная модель Transformer, что позволяет быстро дообучать систему.
Новый алгоритм стал эволюцией BERT, превзойдя прародителя в 1 000 раз по мощности. Благодаря продвинутой нейросети система гораздо эффективнее решает сложные задачи. Основные отличия технологии:
- Многозадачность (Multitask). Система одновременно анализирует интент, выбирает релевантные сайты из базы и генерирует быстрый ответ. Это полноценная поисковая обработка запросов, а не просто поиск по ключевым словам.
- Многоязычность (Multilingual). Модель обучена на 75 языках. Архитектура позволяет передавать знания между ними, преодолевая языковой барьер. Информацию на японском языке алгоритм поймет и переведет на английский, отвечая на запрос максимально точно.
- Мультимодальность (Multimodal). Система оценивает разные форматы контента: текст, изображение, видео, аудио. Нейросеть ответит на вопрос «подойдет ли обувь для бега по пересеченной местности», если приложить фотографию кроссовок.
В итоге технология в Google способна работать с разными типами данных, формируя глубокое понимание естественной человеческой речи.
Пример: как MUM решает сложные задачи «Адамс → Фудзи» за один запрос
Пользователь спрашивает: «Если я покорил Адамс, нужно ли тренироваться иначе для Фудзи?». Нейросеть автоматически формирует 8 подзапросов для синтеза комплексного ответа. Система анализирует физическую подготовку, погодные условия, необходимое снаряжение, маршруты для начинающих, питание, акклиматизацию, страховку и медицинские требования.
Затем искусственный интеллект извлекает релевантные фрагменты (чанки) из разных источников и собирает их в единый структурированный ответ. Вместо восьми отдельных поисков клиент получает комплексный результат с таблицами и рекомендациями. Это наглядный пример решения сложного интента.
| Параметр | BERT | Google MUM |
|---|---|---|
| Архитектура | Transformer-based | Transformer-based (улучшенная) |
| Мощность | Базовая | В 1000 раз мощнее BERT |
| Мультимодальность | Текст | Текст, изображения, видео, аудио |
| Языковой трансфер | Ограниченный | 75 языков с трансфером знаний |
| Задачи | Понимание контекста | Анализ + выполнение + генерация |
Как MUM уже меняет результаты поиска
Google характеризует внедрение как модернизацию. Планируется три серьезных изменения, влияющих на SEO продвижение и органический трафик:
- Things to Know (что стоит знать).
- Topic Zoom (зум темы).
- Visual Exploration (визуальные результаты).
Что такое Things to Know
Things to Know — системный метод, позволяющий изучать смежные темы и расширять результаты поисковой выдачи.
Разработчики продемонстрировали нововведение на примере фразы «acrylic painting» («акриловая живопись»). С этой темой ассоциируются 350 направлений. Система идентифицирует наиболее популярные векторы, по которым люди ищут материал.
Поисковик предлагает связанные темы, чтобы не приходилось выполнять новый поиск.
Фактически выдается расширенный ответ на сложный вопрос. На скриншоте ниже показано расширение по фразе «как подготовиться к блицу» — даны ответы на все возможные смежные вопросы.
Что такое Topic Zoom
Изменение Topic Zoom позволяет изучать смежные темы и возвращаться к исходному запросу. Доступна возможность расширить поиск нового материала или сузить его до конкретной подтемы.
При необходимости выдача сужается до одной подтемы, чтобы упростить поиск нужной информации.
Что такое Visual Exploration
Visual Exploration предлагается ограниченно: для запросов, связанных с поиском вдохновения.
Прабхакар Рагхаван, старший вице-президент Google:
Новая страница с визуальными результатами сделана для запросов, связанных с поиском вдохновения. Например, «Идеи для декора на Хэллоуин» или «Идеи вертикального сада для улицы».
Функции на базе Lens и визуального поиска внедряются поэтапно. Рекомендуется проверять доступность инструмента в конкретном регионе.
Стало проще найти конкретный товар в интернет-магазине по описанию. Если нужны носки с определенным принтом, алгоритм подбирает подходящие картинки и варианты.
Как адаптировать SEO-стратегию к эре MUM
Новые поисковые алгоритмы меняют подходы к продвижению сайтов. Появились другие требования к качеству контента. Ниже описано, как оптимизировать страницы для получения стабильного трафика.
От ключевых слов к сущностям и темам
Основная особенность нового алгоритма — оперирование сущностями реального мира (Knowledge Graph). Раньше ранжирование опиралось на ключевые слова, теперь отслеживается упоминание атрибутов и естественный контекст. Учитывается наличие визуального контента.
Чтобы попадать в расширенные ответы, необходимо учитывать семантическое окружение. Опирайтесь в текстах на сущности, а не на формальные LSI-фразы. Вместо простого набора слов создаются структурированные графы с атрибутами и связями.
Стремитесь раскрывать тему статьи максимально широко, создавая плотные семантические коконы.
Создавайте мультимодальный контент
Технология MUM работает с мультимодальными запросами. На страницах блога или коммерческого сайта должны присутствовать разные форматы. Добавляйте фото, видео, таблицы, инфографику. Каждый модальный тип данных уменьшает неоднозначность для нейросети.
Мультимодальное SEO и оптимизация медиа
Для изображений используйте alt-тексты с названиями сущностей и брендов (например, «красная кожаная сумка Gucci Marmont»). Применяйте микроразметку ImageObject. Важно знать: поисковик не использует EXIF-данные для визуального поиска, поэтому опирайтесь на IPTC-метаданные и качественный alt.
Для видео добавляйте таймкоды в описание (первая метка строго 00:00, отрезки от 10 секунд) и полную текстовую транскрипцию. Указывайте атрибуты width, height и loading="lazy" у всех медиафайлов.
Разделяйте текст на логические фрагменты
При подготовке ответа алгоритм выдергивает отдельные фрагменты (чанки) со страниц релевантного сайта. Необходимо создавать четкую структуру, дополненную списками. Каждый подзаголовок (H3/H4) должен закрывать один микро-интент пользователя.
Углубляйте контент и покрывайте весь путь клиента
Нужно отвечать на основной вопрос и перекрывать смежные темы. В статье по выбору кормушек для птицы дайте рекомендации по комбикорму. Внедряйте блоки «Интересно знать» и FAQ.
Усиливайте E-E-A-T факторы
Система учитывает экспертность. Демонстрируйте авторитетность: указывайте авторов-экспертов, должности, добавляйте ссылки на оригиналы исследований и профили в профессиональных сетях (LinkedIn, TenChat). Алгоритмические сигналы, такие как authorReputationScore, играют важную роль.
Внедряйте детальную микроразметку Schema.org
Включение JSON-LD разметки напрямую указывает ИИ на важные элементы. Семантическая база помогает извлекать фрагменты. Наиболее критичны следующие типы:
- Article: с полями author, datePublished, publisher.
- FAQPage: вопрос-ответные пары часто попадают в нейроблоки дословно.
- Product: критично для e-commerce (цены, рейтинги, наличие).
- HowTo: инструкции с пошаговыми этапами легко парсятся AI-системами.
Будущее поиска — это диалог, а не список ссылок
Поисковая выдача становится интерактивной. Это сложная система с разными типами контента, похожая на диалог с экспертом. Все больше места занимают спец-блоки и AI-ответы; доля органики смещается ниже.
Тренд на мультимодальную выдачу продолжится. Будут показаны не десять синих ссылок, а контент в разных форматах, максимально отвечающий на запрос. В отличие от классических систем, таких как Яндекс, Google делает ставку на генеративные ответы.
MUM не отменяет классическое SEO продвижение. Принципы остаются прежними, меняется фокус: больше внимания структуре, сущностям и разметке.
Как оптимизировать статьи под Google MUM (Пошаговый план)
- Создайте тематические кластеры (Topic Clusters). Определите 3–5 ключевых тем, постройте pillar-страницу (хаб от 3000 слов) и 10–20 spoke-статей с внутренней перелинковкой.
- Разделите контент на микро-интенты. Каждый H3 должен закрывать один уточняющий вопрос. Оптимальное соотношение: минимум 3-5 подразделов H3 на каждый H2.
- Оптимизируйте под Featured Snippets. Используйте формулировку S-V-O (Subject-Verb-Object) в первых абзацах. Пример: «[Сущность] — это [определение через функцию]».
- Добавьте микроразметку Schema.org. Используйте типы Article, FAQPage, HowTo и Product на релевантных страницах в формате JSON-LD.
- Оптимизируйте медиафайлы. Пропишите машиночитаемые alt-тексты с сущностями и добавьте транскрипции к видеороликам.
FAQ по Google MUM
Разберем самые популярные вопросы по этой нейросети.
Заменит ли MUM BERT?
Нет. MUM работает параллельно с BERT и использует его результаты для генерации ответов. Это эволюция, а не замена. Оба алгоритма работают в разных подсистемах ранжирования.
Нужно ли переписывать все тексты под новый алгоритм?
Нет. Достаточно усилить структуру, добавить сущности, микроразметку и мультимодальный контент. Важно повысить релевантность текущих материалов.
Влияет ли технология на позиции в поиске?
Прямого влияния на классическое ранжирование пока нет. Модель помогает лучше понимать контекст и формировать расширенные сниппеты, что косвенно увеличивает трафик.
Коротко о главном
- Алгоритм MUM — логичное продолжение поколения нейросетевого поиска BERT.
- В выдаче уделяется внимание максимальному перекрытию интента ответом на один запрос.
- Для алгоритма требуется глубокая проработка структуры, внедрение Schema.org и E-E-A-T факторов.
- Поиск движется в сторону мультимодальности, обрабатывая текст, аудио, картинки и видео одновременно.
.png)
.png)
Комментарии (2)
Оставить комментарий