#googlemum

  MUM è l'acronimo di Multitask Unified Model, una tecnologia basata sull'intelligenza artificiale creata da Google. È stato annunciato per la prima volta nel maggio 2021 da Pandu Nayak.   Nel settembre 2021, Google ha affermato che avrebbe integrato MUM nella Ricerca Google nei mesi successivi.  Ma cos'è esattamente MUM e cosa implica per il futuro della Ricerca Google e per la SEO? Diamo un'occhiata alla storia di Google con tecnologie avanzate e vediamo come questo ci ha portato all'era di MUM.

L'evoluzione di Google

All'inizio, Google era un motore di ricerca relativamente rudimentale che restituiva le pagine web basandosi esclusivamente su quante parole nella pagina corrispondevano alle parole contenute nella query di ricerca. Poiché non c'era modo di confrontare la qualità delle diverse pagine in corrispondenza con le query, questo primo modello è stato rapidamente abusato dai proprietari di siti Web, producendo una sfilza di risultati di puro spam tanto quanto irrilevanti per i ricercatori. L'impatto di questo difetto originale è stato progressivamente ridotto da Google nel corso degli anni, quando il loro algoritmo si è conformato alla rapida espansione di Internet ed è stato sviluppato un processo molto più sofisticato per l'analisi e il posizionamento delle pagine. Il successivo, e ben più ampio, obiettivo di Google per migliorare i risultati di ricerca è stato quello di far comprendere all'algoritmo la sintassi e la semantica in modo che potesse perfezionare i risultati di ricerca così che corrispondessero o quantomeno si avvicinassero alle intenzioni di chi operava una ricerca.

La storia di Google con la tecnologia AI

Nel 2010, il blog ufficiale di Google ha pubblicato un post su come aiutare i computer a capire il linguaggio. Il paragrafo di apertura recita: "Possiamo scrivere un programma per computer in grado di battere i migliori giocatori di scacchi, ma non possiamo sviluppare un programma per identificare oggetti in una foto o capire il senso di una frase nemmeno al livello di comprensione di un bambino". Questo è un estratto affascinante di poco più di un decennio fa e MUM rappresenta il più grande passo avanti in questo tipo di comprensione. Diamo un'occhiata a come Google si è evoluto da qui ad oggi. 2015: RankBrain Google ha continuato a perfezionare le proprie capacità di apprendimento automatico negli anni successivi e nel 2015 ha annunciato ufficialmente RankBrain, il suo primo tentativo di utilizzare l'IA nella Ricerca Google. RankBrain ha cambiato il processo di Google nel perfezionare i risultati di ricerca. Ha fatto avanzare Google dall'analisi di stringhe letterali di caratteri e parole all'analisi dell'argomento generale o dell'intento che sta dietro le query di ricerca. Parole o frasi irriconoscibili incontrate da RankBrain lo hanno aiutato a determinare il significato in base alle informazioni contestuali circostanti e ad un linguaggio simile. Per saperne di più, si legga questo articolo di Moz su RankBrain . 2018: corrispondenza neurale Nel 2018, Google ha iniziato a utilizzare la corrispondenza neurale nel 30% dei termini. Questo metodo è stato successivamente implementato come parte del processo per generare risultati di ricerca locali nel 2019. La corrispondenza neurale ha aiutato Google a collegare meglio le parole utilizzate nelle query a concetti più ampi. Danny Sullivan, alias Search Liaison di Google, ha descritto la corrispondenza neurale come un sistema di "super sinonimi": “Ad esempio, la corrispondenza neurale ci aiuta a capire che la ricerca di 'perché la mia TV sembra strana' è correlata al concetto di 'effetto soap opera'. Possiamo quindi restituire pagine sull'effetto soap opera, anche se non vengono utilizzate le parole esatte…” 2019: BERT BERT è una tecnica di apprendimento automatico basata su un trasformatore per la pre-formazione sull'elaborazione del linguaggio naturale. Ciò ha permesso a Google di rafforzare la comprensione del linguaggio naturale utilizzato dai ricercatori da parte del proprio algoritmo. Le macchine di Google hanno appreso che preposizioni - come "per" - non sono sempre termini secondari usa e getta, perché ci sono alcuni casi in cui il significato della query così allargata dipende da esse. Ha quindi utilizzato questo framework per apprendere il contesto e quindi il significato tracciando le relazioni nei dati sequenziali. Ad esempio, se si cerca " puoi prendere i biglietti per qualcuno al botteghino ", BERT capisce che si sta cercando di capire se sia possibile ritirare i biglietti per qualcun altro. Prima di BERT, la preposizione breve era data per scontata e per lo più emergevano risultati su come ottenere i biglietti al botteghino per se stessi. BERT è stato anche in grado di imparare dai miglioramenti linguistici in lingua inglese ed applicarli ad altri modelli linguistici. Questa espansione alle altre lingue ha aiutato Google a migliorare l'identificazione delle entità e le relazioni tra le entità, con una precisione mai vista prima, aprendo la strada a MUM. 2021: MUM MUM utilizza il framework T5 text-to-text ed è 1.000 volte più potente di BERT.  

  T5 utilizza un'architettura basata su trasformatori, proprio come BERT, ma utilizza più precisamente un approccio da testo a testo. Ciò significa che con T5, l'input (query) e l'output (risultato) sono sempre stringhe, a differenza dei modelli in stile BERT che possono generare solo un'etichetta o l'intervallo dell'input in un formato di domanda e risposta. Questo comporta che l'output con BERT, sebbene innegabilmente impressionante, fosse ancora piuttosto astratto rispetto a MUM. Il processo di conversione da testo a testo di T5 include traduzioni automatiche più approfondite, sintesi di documenti, risposta alle domande e attività di classificazione (ad es. analisi del sentiment).

In che modo MUM influisce sulla ricerca di Google?

MUM mira a eliminare la necessità di cercare più volte lo stesso argomento in modi differenti per raccogliere le informazioni di cui si ha bisogno fornendo risultati incentrati sulla risposta completa già la prima volta. A questo punto, il modo in cui abbiamo imparato a interagire con un motore di ricerca potrebbe evolversi e diventare ancora più avanzato, per assomigliare sempre più al modo in cui interagiamo con un altro essere umano. MUM capisce il linguaggio Una delle caratteristiche più innovative di MUM è il superamento delle barriere linguistiche, la comprensione e persino la generazione di contenuti in 75 lingue diverse. Ciò significa che MUM può imparare da fonti scritte in un'altra lingua e aiutarci fornendo tali informazioni da risultati pertinenti, scritte nella nostra lingua. MUM è multimodale MUM mira ad applicare la sua tecnologia su più tipi di media tra cui immagini, video e audio. Ciò significa che se si ha una domanda specifica e la risposta migliore è un risultato video o audio, può far emergere la parte pertinente di quel media per noi nei risultati di ricerca. MUM funziona con la ricerca visiva MUM è particolarmente potente quando si tratta di ricerche visive. Con Multisearch, una funzione di Google Lens, è possibile (ad esempio) effettuare la ricerca visiva di una T-shirt e perfezionarla con un testo aggiuntivo, ponendo domande a riguardo, come la sua disponibilità in un altro colore o se il modello possa essere associato ad altri capi di abbigliamento. Google restituirà quindi risultati che rispondono a queste domande. Potrebbe trattarsi di un'esperienza di acquisto, più immagini o semplicemente più informazioni per aiutarci durante un viaggio. In questo articolo di Google viene spiegato come sia persino possibile scattare una foto dei propri scarponi da trekking e porre domande molto specifiche, chiedendo per esempio come "posso usarli per fare un'escursione sul Monte Fuji?". MUM capirebbe l'immagine e la collegherebbe alla domanda per far sapere che quegli stivali potrebbero funzionare bene per lo scopo. Potrebbe quindi indirizzarci a un blog con un ulteriore elenco di attrezzature consigliate. È anche possibile scattare fotografie e chiedere semplicemente a Google "che cos'è questo?" o "come posso risolvere questo problema?". MUM decifra l'immagine e restituisce i risultati più adatti. Cose da sapere Con MUM arriva anche l'introduzione di nuove funzionalità nella SERP. Attraverso l'indice "Cose da sapere", se si cerca un determinato argomento, Google elaborerà il modo in cui le persone in genere navigano quel tale argomento e mostrerà gli aspetti che probabilmente interessa guardare per primi.

Ampliare e perfezionare la ricerca Le funzioni "Amplia" e "Perfeziona" offrono all'utente la possibilità di ingrandire e rimpicciolire un determinato argomento. Per esempio, all'utente vengono presentate le opzioni per restringere l'argomento della pittura acrilica con idee, tecniche e corsi online, o ampliare il regno degli stili di pittura e dei pittori famosi. Aggiornamento dell'ispirazione visiva Un'altra caratteristica è progettata per soddisfare i ricercatori in cerca di ispirazione visiva. Query di ricerca come "Idee per la decorazione di Halloween" o "Idee per giardini verticali interni" genereranno una pagina visivamente ricca di idee con articoli, immagini, video e altro ancora. Argomenti correlati per il video Sulla base della sua comprensione avanzata delle informazioni, MUM può mostrare argomenti correlati per i video, anche quando l'argomento non è menzionato esplicitamente in un video. Una maggiore esperienza di ricerca È chiaro che Google ha superato il modello di input/output di base, ricevendo query di ricerca e restituendo documenti Web che sembrano corrispondere pienamente al modello di ricerca, diventando così un ricco strumento di scoperta e apprendimento. Anche se questo è un ottimo risultato per gli utenti finali - e soprattutto ottimo per Google (dal momento che aiuta a mantenere gli utenti all'interno delle mura del loro ecosistema) -, probabilmente va però a scapito di marketer e brand che creano/propongono i contenuti curati da Google. Per alcuni proprietari di siti Web questi miglioramenti sono un punto dolente – rubano il clic, per così dire – quindi MUM potrebbe peggiorare il loro marketing. Diamo allora un'occhiata a come ciò potrebbe influire in modo specifico sul commercio online. Il 'Messy Middle' Il "messy middle" è definito come lo spazio tra la consapevolezza e l'acquisto, in cui gli acquirenti si muovono in modo fluido tra due modalità mentali - esplorazione e valutazione - mentre elaborano le loro opzioni. Il grafico sottostante è una rappresentazione visiva del modello Messy Middle .

Come si può vedere, la fase di esplorazione e valutazione è rappresentativa di un ciclo ricorrente in cui si trova l'utente mentre effettua ricerche prima di effettuare un acquisto. Si può argomentare che Google è responsabile di mantenere gli utenti all'interno del ciclo di esplorazione e valutazione presentando i contenuti dei siti Web nella SERP tramite diverse modalità. Sono disponibili più varianti per filtrare e perfezionare il processo di ricerca al di là anche di ciò che l'utente inizialmente potrebbe aver inteso trovare. Google non sembra dar segni di rallentamento con il miglioramento dell'esperienza di ricerca sulla propria piattaforma; dobbiamo quindi prepararci per quella che probabilmente diventerà una SERP sempre più trafficata e complessa, che potrebbe costringerci tutti a passare più tempo nel messy middle - il mezzo disordinato - per più e più tipi di query.

Cosa significa MUM per la SEO?

Fondamentalmente, MUM riguarda la costruzione di connessioni più profonde tra i concetti e l'apprendimento di come le persone cercano informazioni all'interno degli argomenti. Ma l'obiettivo dell'ottimizzazione dei motori di ricerca rimane lo stesso: guadagnare il clic sul nostro sito web. Con MUM, i risultati della ricerca saranno più diversificati e competitivi nonché carichi di più funzionalità per mantenere gli utenti intrappolati nel messy middle. Se la nostra strategia per i contenuti non sarà orientata a questa nuova realtà, la ricerca potrebbe comportare un minor numero di visitatori organici nel tempo. Quindi ecco la domanda da un milione di dollari è: come è possibile continuare a guadagnare quei clic in un mondo post-MUM? Come è possibile far funzionare MUM per il nostro sito Web invece che contro di esso? Creare contenuti su molti media Vanno sfruttati sicuramente gli aspetti multimodali che il MUM intende mettere in evidenza. Occorre mirare a comprendere le connessioni tra le entità di un determinato argomento e incorporare questi risultati in una strategia di contenuto completa, che abbracci diversi media. Creare video. Quando su scrive un articolo, vanno inclusi o creati video di YouTube per integrarlo. Un video non deve essere una produzione importante. Può essere una semplice lettura 'dal vivo' dell'articolo che si è appena scritto. Ciò consente di creare capitoli chiari che Google può visualizzare nei risultati video oltre all'articolo. Ci sono molti tutorial che spiegano come realizzare un video di YouTube. Usare le proprie immagini. Mentre la fotografia stock può essere una scorciatoia veloce per completare il proprio articolo, una fotografia o uno screenshot originale e autentico è probabilmente molto più utile per accompagnare il testo in questione. Vanno seguite le migliori pratiche SEO per questi media. Per le immagini, scelte fotografie di alta qualità che contengano testo alternativo conciso, insieme a titoli descrittivi, didascalie e nomi di file. Inoltre, ci si deve assicurare che i file di immagine che si utilizzano siano reattivi e di dimensioni adeguate. Per i video, andranno aggiunti i titoli e i sottotitoli facendo attenzione attenzione a osservare - anche qui - le migliori pratiche tecniche per i video. Sfruttare la ricerca per parole chiave a coda lunga La ricerca per parole chiave rimane importante. Tuttavia, dovremmo mirare a guardare oltre l'ottimizzazione di una pagina per una sola parola chiave per comprendere invece il quadro più ampio in cui rientrano le nostre parole chiave target ideali.