您是SEO 努力没有达到您期望的结果，您不知道为什么？
传统的 SEO 策略日益变得不那么有效。当您专注于关键字和反向链接时，Google 的人工智能正在快速发展，从根本上改变了搜索结果的排名方式。
这种转变发生在幕后，让您越来越难以理解为什么您的内容表现不佳理应如此。
了解 Google 人工智能系统的工作原理是调整 SEO 策略的关键。本文探讨了 Google AI RankBrain、神经匹配、BERT 和 MUM 的演变，并解释了这些进步如何重塑搜索。
通过掌握这些概念，您将能够更好地创建与 Google AI 相一致的内容 -驱动方法，提高您在搜索结果中排名更高的机会。
自 2015 年左右以来，Google 一直在使用某种形式的人工智能来识别、权衡和排序网址，其中其第一个人工智能系统名为 RankBrain。
三年后，Google 学习和教育高级副总裁兼前搜索主管 Ben Gomes 称人工智能将是搜索的下一个篇章。
戈麦斯解释说，人工智能将让谷歌实现更好的用户体验，而不仅仅是孤立于查询。他表示，人工智能将为搜索的工作方式带来三个根本性转变：
这一转变已开始RankBrain。
RankBrain 系统是帮助搜索引擎理解单词与概念之间关系的第一步。
理解单词与概念的联系是一种智能活动，也是 Google 像人类一样理解内容的第一步。
例如，如果您搜索天空的颜色是什么？人工智能可以理解天空是什么，并且它具有感知的颜色。因此，Google 可以返回一个没有确切单词但确实回答了查询的结果。
几年后，Google 在通过神经匹配将单词与概念连接起来方面取得了更多进展。
创建此系统/子系统是为了帮助 Google 了解查询如何与难以理解的概念的页面相关。
假设您搜索平局我的鞋带，这可能意味着多种含义。通过神经匹配，Google 可以理解鞋带意味着鞋带，并返回系带方式的结果。
BERT 代表 Transformers 的双向编码器表示，被认为是一个突破。
将 BERT 视为 RankBrain 和神经匹配的演变，因此现在 Google 可以理解句子中的多个单词如何与页面上的多个单词及其背后的概念相关。
BERT 似乎对于实体识别很重要。这可以帮助谷歌了解品牌名称、人是谁，甚至可能是他们在特定主题中的专业知识。
这种类型的人工智能模型使生成式人工智能和人工智能概述成为可能。Google 自 2019 年以来一直在使用它。
Google 声称多任务统一模型 (MUM) 比 BERT 强大 1,000 倍。
如果 BERT 能够理解语言，那么 MUM 就会生成它。现在它还可以理解文本和图像，也许还可以理解视频。
Google 搜索首席科学家、前搜索副总裁 Pandu Nayak 是这样解释 MUM 的：
就拿有关徒步富士山的问题来说：MUM 可以理解您正在比较两座山，因此海拔和步道信息可能是相关的。也可以理解，在徒步旅行的背景下，准备工作可能包括健身训练以及寻找合适的装备等。
由于 MUM 可以根据其对世界的深入了解来提出见解，它可以强调，虽然两座山的海拔大致相同，但秋天是富士山的雨季，因此您可能需要一件防水夹克。
但是，MUM 应用程序可以改善周围的搜索结果COVID-19 疫苗信息突显了该系统的强大功能。
Nayak 表示，MUM 有助于区分不同的疫苗品牌名称，并提供有关疫苗的最新可信信息。
MUM 强调，Google 可以比过去更快地改善搜索结果。
您可以使用生成式 AI 做什么，Google 可以在排名中使用 AI 做什么系统。让我们理解这一点。
ChatGPT 的智商可能高达 155，因此可以合理地假设 Google 的人工智能可以在一定程度上像人类一样审查消息来源。
人类审查页面与其意图的资格和相关性可能会提出以下问题：
但请记住，戈麦斯说过人工智能将从答案转向旅程。这非常重要，表明 Google 可以跟踪您和您的受众群体如何与您的品牌或内部专家互动或创建有关您的品牌或内部专家的内容。
有了这个，Google 就可以回答更多相关问题：
是时候停止从排名信号的角度考虑 SEO，而应关注人们如何搜索信息以及原因。
特约作者受邀为 Search Engine Land 创建内容，并因其专业知识和对搜索社区的贡献而被选中。我们的撰稿人在编辑人员的监督下工作，并检查稿件的质量和与读者的相关性。他们表达的观点是他们自己的。
相关故事