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，该技术在许多方面与 MUM 相似。
MoSE 可以非常总到数据有效地将总到数据点击次数、中。它的工作方式类似于一种市场调查，从搜索引擎用户开始，而不是像传统搜索引擎那样从索引信息开始。因此，重点是用户意图，并基于模型，谷歌可以预测用户在研究过程中需要哪些问题和相应的答案。
由此，所有必要的信息都可以在 SERP 中编译，以引导用户无缝完成客户旅程。
Google Shopping 在 MUM 客户旅程中的新潜力
MUM 对 Google 来说令人兴 电报数据 奋，因为它为 Google Shopping 提供了新的起点。在基于产品的搜索查询方面，谷歌不仅落后于亚马逊等大型电子商务市场，而且落后于 Otto 或 Zalando 等规模较小的专业供应商。例如，处于客户旅程偏好阶段的用户通常会直接在亚马逊上搜索产品。从经济角度来看，这对谷歌来说是困难的，因为这些用户或商业搜索会产生最多的广告点击。在这里，谷歌似乎很难重新获得用户，尽管谷歌现在已总到数据经重新开放了免费产品列表的购物搜索。
大多数 Google 用户在认知阶段使用 Google 进行信息导向的搜索。但目前，谷歌最迟在偏好阶段就落后于其竞争对手。Aufgesang的 7 阶段客户旅程模型，© Olaf Kopp
Google 所举的例子清楚地表明，Google 希 绿色蔬菜和未成熟的蔬菜 望在客户旅程（认知和考虑）的早期阶段为用户提供有价值的信息。通过重新设计 SERP 和购物搜索，Google 希望激发用户的兴趣、提供概览并支持他们的购买。因此，亚马逊和公司将全程陪伴您完成客户旅程。在寻总到数据找产品时也一无所获。
这表明谷歌一方面放弃了偏好阶段产品搜索的直接争夺，而将精力集中在自己实际优势上。以用户友好的形式组织和处理世界知识。大型电子商务平台在这里无法跟上。
MUM：Google 搜索的未来以及 SEO 可以从中学到什么
MUM 是 Google 在成总到数据为纯语义搜索引擎的道路上前进的下一个难题，它越来越能理解搜索查询和内容的上下文，从而理解搜索意图以及内容和内容段落的相关性。
可用量子计算机的开发仍是未 安圭拉销售 来的事情，因此谷歌必须专注于 MUM 等更高效的技术，以利用目前缺乏的计算能力进行大规模机器学习。这样一来，谷歌就可以更快地开发自己的搜索系统，而不必考虑硬件方面的性能不足。可以说，软件开发目前正在超越硬件开发。
预计 2029 年量子计算机将实现商业化的突破。我们可以假设到那时谷歌搜索将是一个完全语义的搜索引擎。换句话说，Google 搜索中的关键字文本匹配最终将成为过去。
总结起来可以这么说：
谷歌搜索变得更加以用户为中心
更加语义化
更加用户友好，因为总到数据获得答案所需的点击次数越来越少
性能更佳，主要受益于 Google 资总到数据
此前按照各个语言和国家划分的谷歌索引将逐渐合并
可以通过 MUM 识别越来越多的实体，并提供其属性、与其他实体的关系并置于主题上下文中。
出版商或作者等实体类型可以分配给越来越多的内容类型或媒体格式，从而推动与 EAT 相关的主题分类和评估。
随着谷歌通过自然语言处理所需的结构化数据越来越少，用结构化数据标记内容在未来将变得越来越不重要。