هدف کاربران از جستجو در گوگل رسیدن به پاسخهای کامل و واضح است. قاعدتاً کاربران ترجیح میدهند در سریع‌ترین حالت ممکن هم به این پاسخ برسند؛ اما مسئله اینجاست که خیلی از کاربران پرسش‌های پیچیده‌ای در سر دارند. درنتیجه مجبور است چندین چیز متفاوت را در گوگل سرچ کند تا بالاخره به خواسته‌ش برسد. به گفته‌ی گوگل تا قبل از ۲۰۲۱ به‌طور میانگین هر کاربر با ۸ بار جستجو به چیزی که می‌خواست دست پیدا می‌کرد؛ اما الگوریتم MUM گوگل توانست اوضاع را تا حد زیادی بهبود دهد.
الگوریتم MUM با بهره‌گیری از هوش مصنوعی چندزبانه و چندرسانهای خود می‌تواند پرسش‌های کاربران را عمیق‌تر درک کند و پاسخهای جامع‌تر و بهتری را به آنها ارائه دهد. طبق ادعای گوگل این هوش مصنوعی ۱۰۰۰ برابر بهتر از الگوریتم BERT عمل میکند. در ادامه توضیح می‌دهیم که هوش مصنوعی MUM گوگل چیست؟ چطور کار میکند؟ چه تفاوتی با هوش مصنوعی BERT دارد؟ و اینکه چه تاثیری روی سئو وبسایت گذاشته است.
الگوریتم MUM چیست؟
بحث را با چیستی الگوریتم MUM شروع کنیم. اصطلاح MUM مخفف عبارت Multitask Unified Model است و به هوش مصنوعی جدید گوگل اشاره دارد که هدفش درک عمیق‌تر پرسش‌های چندوجهی و پیچیدهی کاربران است. الگوریتم های گوگل قبلا جستجوی کاربران را برمبنای کلمات کلیدی درک می‌کردند و سپس به کمک ارتباط بین کلمات و در نظر گرفتن جستجوهای قبلی کاربران، تلاش می‌کردند تا بهترین نتایج را به کاربران ارائه کنند.
در سال ۲۰۱۹ گوگل از الگوریتم BERT رونمایی کرد. این الگوریتم سازوکار متفاوتی داشت. هوش مصنوعی BERT یک مدل پیشرفته‌ی پردازش زبانی بود که می‌توانست راحت‌تر و دقیق‌تر معنای کلمات و ارتباط بین آنها را بفهمد. این ابزار به گوگل کمک می‌کرد تا درک انسانی‌تری از جستجوهای کاربران داشته باشد. قبلاً در مقاله‌ی «الگوریتم BERT چیست؟» درباره‌ی این الگوریتم و نحوه‌ی عملکردش صحبت کرده‌ایم.
طبق گفته‌ی گوگل الگوریتم MUM هم یک ابزار هوش مصنوعی است. این ابزار جدید براساس چهارچوب تبدیل TS طراحی شده و می‌تواند ۱۰۰۰ برابر بهتر از الگوریتم BERT عمل کند. ویژگی مهم هوش مصنوعی MUM گوگل این است که علاوه بر توانایی بالاتر در درک دانش زبانی، قابلیت تولید متن را نیز دارد. این ابزار روی ۷۵ زبان زنده‌ی دنیا مسلط است و می‌تواند برای پاسخگویی به سوالات کاربران، از منابع زبان‌های دیگر هم استفاده کرده و با ترجمه و تولید متن، دقیق‌ترین پاسخ را به کاربر بدهد.
نکته دیگر اینکه این الگوریتم توانایی درک تصاویر، ویدئوها و صداهای ضبط‌شده را نیز دارد و می‌تواند جستجوهای کاربران را با تلفیق تمامی این رسانه‌ها انجام دهد. برای مثال کاربران گوگل می‌توانند با استفاده از سرویس Google Lens تصویری را جستجو کنند؛ یا حتی همراه این جستجوی تصویری، از یک عبارت متنی هم کمک بگیرند. مثلاً می‌توان عکس کفشی را به گوگل لنز داد و از او خواست که قیمت این کفش را پیدا کند؛ یا حتی به دنبال فروشگاه‌هایی بگردد که این کفش یا محصولات مشابهش را موجود دارند.
نحوه کارکرد الگوریتم MUM چگونه است؟
در بخش اول با چیستی الگوریتم هوش مصنوعی MUM گوگل آشنا شدیم. این الگوریتم سه ویژگی اصلی دارد که عبارتند از:
۱)مولتی تسک بودن (Multitask) الگوریتم MUM
هدف الگوریتم MUM گوگل فقط درک پرسش‌های پیچیدهی کاربران نیست. این هوش مصنوعی می‌تواند همزمان چندین کار مختلف را انجام دهد. می‌تواند روی پاسخ دادن به سوال کاربر تمرکز کند؛ برای پاسخگویی سراغ منابع مختلف رفته و آنها را به زبان کاربر ترجمه کند؛ خلاصه‌ی مفیدی را برای کاربر آماده نماید و حتی بین تصویر، متن و مدیاهای دیگر ارتباط برقرار کند.
برای مثال فرض کنید شما عبارت «برای صعود به قله اورست در تابستون چه وسایلی لازمه؟» را سرچ کرده باشید. الگوریتمهای قدیمی گوگل صرفاً روی کلمات کلیدی عبارت شما مثل «صعود»، «اورست»، «تابستون» و «وسایل» تمرکز می‌کردند. الگوریتم MUM ولی می‌تواند دقیقاً متوجه شود که خواسته‌ی شما چیست؟ اگر منابع مختلفی به زبان‌های انگلیسی، چینی و… وجود دارد، آنها را ترجمه کند؛ و در ادامه با خلاصه کردن و رسیدن به یک جمع‌بندی مشخص، بهترین پاسخ را به شما ارائه دهد.
۲)چندرسانهای بودن (Multimodal) الگوریتم MUM
مهارت الگوریتم MUM فقط مختص به درک جستجوهای متنی نیست. این هوش مصنوعی گوگل می‌تواند تصاویر، ویدئوها و حتی صوت‌ها را نیز تحلیل کرده و بفهمد. سپس با ترکیب این موارد به کاربر بهترین پاسخ را ارائه دهد. برای مثال ممکن است از Google Lens استفاده کرده باشید. به کمک گوگل لنز می‌توانید جستجوهای تصویری انجام دهید؛ و حتی جستجوهای تصویری را با جستجوهای متنی ترکیب کنید.
برای مثال می‌توانید تصویر یک کفش کوه را به کمک گوگل لنز جستجو کرده و سپس پرسش متنی «آیا این کفش برای صعود به اورست مناسبه؟» را نیز به آن اضافه کنید. هوش مصنوعی MUM می‌تواند چنین پرسش‌هایی را درک کرده و سپس با ترکیب تصویر و پرسش متنی به شما بگوید که این کفش مناسب هست یا خیر؛ همچنین اگر کفش انتخابی شما مناسب نیست، کفش‌های مناسب‌تری را به شما پیشنهاد کند.
۳)چندزبانه بودن الگوریتم
الگوریتم MUM یک هوش مصنوعی چند زبانه است. این ابزار روی ۷۵ زبان زنده‌ی دنیا تسلط دارد. یادگیری ماشین هم به این ابزار کمک میکند تا پیوسته درکش از زبان‌های مختلف را بهتر و عمیق‌تر نماید.
نکتهی مهم اینکه هوش مصنوعی MUM می‌تواند آموخته‌هایش از زبان‌های دیگر را به زبان‌های دیگر هم منتقل کند. برای مثال وقتی شما درباره‌ی صعود به اورست می‌پرسید، احتمالاً بخشی از محتواهای کاربردی وب به زبان انگلیسی و چینی نوشته شده باشند. گوگل MUM می‌تواند این مقالات را نیز بررسی کرده و پس از ترجمه‌ی آنها به شما پاسخ دهد.
توضیح نحوه عملکرد الگوریتم MUM از زبان گوگل
برای اینکه بهتر عملکرد هوش مصنوعی MUM را درک کنید، بد نیست با مثال پاندو نایاک (Pandu Nayak) نویسنده‌ی بلاگ گوگل هم آشنا باشید. در مثالی که گوگل مطرح میکند، فرض شده که کوهنوردی قبلاً به کوه آدامز صعود کرده است. حالا همین کوهنورد می‌خواهد برای سفر به کوه فوجی در پاییز آماده شود؛ اما نمی‌داند برای صعود به فوجی نیاز به چه تجهیزاتی دارد و چه اقداماتی را باید انجام دهد. برای همین می‌خواهد با جستجو در گوگل تحقیقاتش را شروع کند.
این کوهنورد ما برای تصمیم‌گیری و چیدن استراتژی صعود نیاز به یک سری داده‌های عددی دارد. برای مثال باید بداند که ارتفاع کوه فوجی نسبت به کوه آدامز چقدر است؟ میانگین دمایی کوه فوجی در پاییز به چند درجه می‌رسد؟ تجهیزات فنی موردنیازش چه چیزهایی است؟ در فوجی به چه امکاناتی دسترسی دارد؟ و چیزهایی از این قبیل.
نکته اینجاست که هر کدام از این موارد نیاز به جستجوهای مجزایی دارند و وقت زیادی را از کوهنورد قصه‌ی ما می‌گیرند؛ ولی اگر همین کوهنورد بتواند با کسی که قبلاً سابقه‌ی صعود به فوجی و آدامز را داشته باشد ارتباط بگیرد چطور؟ در این صورت کافی بود از این فرد بپرسد که «تفاوت‌های صعود به فوجی نسبت به آدامز چیه؟ و چه کارهایی باید انجام بدم؟» و بعد کوهنورد دوم می‌توانست به تمامی سوالات کوهنورد ما پاسخ دهد.
نحوه‌ی عملکرد الگوریتم MUM گوگل هم تقریباً شبیه همین کوهنورد باتجربه‌ی بالا است. این الگوریتم شاید تجربه‌ی صعود به کوه فوجی و آدامز را نداشته باشد؛ اما می‌تواند با بررسی داده‌های مشترک هر دو منطقه، مثل تفاوت ارتفاع، تفاوت‌های دمایی و اقلیمی، تفاوت‌های مسیر و… به درک صحیحی از سوال کاربر برسد و مفیدترین و مرتبط‌ترین نکات را در اختیارش قرار دهد.
نقل‌قول زیر از بلاگ گوگل را بخوانید تا بهتر متوجه بحث شوید:
“Take the question about hiking Mt. Fuji: MUM could understand you’re comparing two mountains, so elevation and trail information may be relevant. It could also understand that, in the context of hiking, to “prepare” could include things like fitness training as well as finding the right gear.
Since MUM can surface insights based on its deep knowledge of the world, it could highlight that while both mountains are roughly the same elevation, fall is the rainy season on Mt. Fuji so you might need a waterproof jacket. MUM could also surface helpful subtopics for deeper exploration — like the top-rated gear or best training exercises — with pointers to helpful articles, videos and images from across the web.”
«مثال کوه فوجی را در نظر بگیرید: الگوریتم MUM می‌تواند تشخیص دهد که شما در حال مقایسه‌ی دو کوه هستید؛ بنابراین اطلاعاتی مثل ارتفاع و مسیرهای صعود می‌تواند مرتبط باشد. همچنین می‌تواند درک کند که در زمینه‌ی کوهنوردی، کلمه‌ی “prepare” (آماده شدن) فقط به معنای تجهیزات مناسب نیست و شامل مواردی مثل تمرینات بدنی هم می‌شود.
همچنین الگوریتم MUM براساس دانش عمیق خود می‌تواند نکات مهم را نیز برجسته‌تر کند. برای مثال ممکن است نشان دهد که اگرچه ارتفاع هر دو کوه تقریباً مشابهت دارد، اما پاییز در کوه فوجی فصل بارندگی محسوب می‌شود؛ پس احتمالاً به یک کاپشن ضد آب هم نیاز داشته باشید. همچنین هوش مصنوعی گوگل می‌تواند زیر موضوعات دیگری مثل بهترین تجهیزات کوهنوردی یا مناسب‌ترین تمرینات ورزشی برای این سفر را نیز برای بررسی بیشتر پیشنهاد دهد؛ یا کاربر را به خواندن مقالات یا تماشای ویدیوها و تصاویر مفید راهنمایی کند.»
تاریخچه الگوریتم MUM چیست؟
الگوریتم مام گوگل تاریخچه‌ی طول و درازی دارد. گوگل قبل از این الگوریتم به کمک ابزارهای دیگری مثل الگوریتمهای رنک برین، مرغ مگس‌خوار و هوش مصنوعی BERT سعی کرده بود تا درکش از زبان انسانی را بالاتر ببرد. الگوریتم MUM اما نقطه اوج این تلاش‌ها بود. تا جایی که مهندسان گوگل اعلام کردند این الگوریتم عملکردی دارد که ۱۰۰۰ برابر بهتر از الگوریتم BERT است.
مهندسان گوگل اولین بار در کنفرانس Google I/O در می ۲۰۲۱ این الگوریتم را معرفی کردند. در پاییز ۲۰۲۱ هم گوگل جزئیات بیشتری را درباره‌ی عملکرد این الگوریتم ارائه داد و اعلام کرد که قرار است به‌زودی از این الگوریتم رونمایی شود. در کنفرانس پاییز ۲۰۲۱ همچنین اعلام شد که این الگوریتم بر پایه‌ی هوش مصنوعی و با درک و پردازش زبان طبیعی کار میکند؛ با این هدف که به پرسش‌های پیچیده و چند وجهی کاربران پاسخ دهد.
سپتامبر ۲۰۲۱ نقطه عطف دیگری برای الگوریتم مام گوگل بود؛ زیرا گوگل در توییتر خود اعلام کرد که هوش مصنوعی MUM قرار است با گوگل لنز ترکیب شود. این ویژگی به کاربران اجازه داد تا نه فقط با متن که با تصاویر هم بتوانند اقدام به جستجو در گوگل کنند.
طی سال‌های اخیر این الگوریتم به بخش مهمی از گوگل تبدیل شده است. به همین دلیل اگر سئوکار هستید، لازم است با راهنمای الگوریتم MUM آشنا باشید و از آن برای بهبود نرخ تبدیل و نرخ بازگشت سرمایهی کسب‌وکارها کمک بگیرید.
تأثیر الگوریتم MUM بر نتایج جستجو چیست؟
هوش مصنوعی Multitask Unified Model گوگل تاثیرات متعددی را روی جستجوی کاربران و نتایج جستجو ایجاد کرده است. به‌عنوان یک سئوکار لازم است با این تاثیرات آشنا باشید.
۱.نیاز کاربران به جستجوی کمتر
نکتهی اول اینکه کاربران قبلاً اگر سوالات پیچیده‌ای داشتند، مجبور بودند با جستجوهای متعدد به خواسته‌شان برسند. به گفته‌ی مهندسان گوگل، میانگین جستجوی کاربران برای یافتن پاسخ چنین سوالاتی حدود ۸ جستجو بود؛ اما به کمک الگوریتم مام گوگل کاربران می‌توانند با تعداد جستجوهای کمتری به خواسته‌هایشان برسند و جواب سوالاتشان را پیدا کنند.
توجه داشته باشید که نیاز به جستجوهای کمتر برای کاربران، یعنی کاهش نرخ کلیک روی نتایج وب؛ خصوصاً اگر صفحات سایتتان را برای رفع نیاز کاربران بهینه‌سازی نکرده باشید.
نکته دیگر اینکه گوگل به کمک هوش مصنوعی MUM (و ابزارهای جدیدتری مثل AI View یا featured snippets) تلاش میکند تا از یک موتور ایندکس کننده به یک موتور پاسخگو تبدیل شود. به نحوی که کاربران نیاز نباشد برای یافتن پاسخ سوالاتشان روی لینک‌های متعددی کلیک کنند و در همان صفحه‌ی SERPs به پاسخشان برسند. این تغییر استراتژی گوگل نگرانی‌هایی را برای سئوکاران ایجاد کرده است و باعث شده تا خیلی از سایت‌ها با کاهش ترافیک ورودی روبرو شوند.
۲.نیاز به تمرکز روی کیفیت محتوا و نیت کاربر
شاید تا چند سال پیش با رعایت یک سری دستورالعمل‌ها مثل تعداد تکرار کلمه کلیدی در متن، لینک‌سازی، بازنویسی و ترجمه‌ی محتواهای انگلیسی و… می‌توانستید در گوگل رتبه بگیرید؛ اما زمین بازی سئو به‌واسطه‌ی الگوریتمهای هوش مصنوعی گوگل کاملاً تغییر کرده است.
تاکید گوگل هم طی سال‌های اخیر تمرکز روی تولید محتوا براساس اصل EEAT بوده است. این اصل برای سنجش کیفیت محتوا بر چهار کلمه‌ی Experience (تجربه)، Expertise (تخصص)، Authoritativeness (اعتبار) و Trustworthiness (اعتماد) تاکید میکند. در مقاله‌ی «الگوریتم EAT گوگل چیست؟» به‌طور کامل درباره‌ی نکات تولید محتوا براساس این اصل توضیح داده‌ایم. توصیه می‌کنیم سری به این مقاله هم بزنید.
نکتهی بعدی در تولید محتوا در نظر گرفتن قصد و نیت کاربر (Search Intent) است. برای اینکه کاربران را ترغیب به کلیک روی لینک صفحات خود کنید، باید قصد و نیت او را بفهمید. برای مثال کاربری که سراغ محتوای «افزایش فروش با دیجیتال مارکتینگ» می‌رود، احتمالاً دنبال تکنیک‌ها و نکاتی است که روی فروش سایتش تاثیر بگذارد. پس توجه اصلی این محتوا باید روی ارائه‌ی نکات کاربردی و جذاب باشد.
خیلی از سایت‌ها اما به اشتباه در چنین محتوایی سراغ صحبت درباره‌ی اینکه دیجیتال مارکتینگ چیست؟ و چه ابزارهایی دارد می‌روند؛ زیرا درک صحیحی از قصد و نیت کاربر ندارند. در واقع متوجه نیستند که اگر کاربر به دنبال افزایش فروش با دیجیتال مارکتینگ است، احتمالاً با چیستی آن آشنایی دارد و تا حد خوبی ابزارها را نیز می‌شناسد.
۳.افزایش اهمیت محتوای چندرسانهای
با توجه به اینکه الگوریتم MUM گوگل توانایی درک تصاویر، ویدئوها، صوت‌ها و… را دارد، پس استفاده از چنین محتواهایی در صفحات وب اهمیت بیشتری پیدا میکند. برای مثال بد نیست بدانید که گوگل امروزه می‌تواند محتوای دقیق ویدئوهای منتشر شده را براساس آنالیز متن و تصاویر درون آنها بفهمد، سپس همین محتوای ویدئویی را به کاربران پیشنهاد دهد.
با این حساب می‌توانید برای غنی‌تر کردن صفحات وب از محتواهای ویدیویی، تصاویر گرافیکی مناسب، اینفوگرافی‌های متعدد و… نیز کمک بگیرید.
۴.توجه به افزایش نرخ بازگشت سرمایه (ROI) به جای کسب ترافیک
وقتی صحبت از سئوی سایت می‌شود، نگاه اغلب کارفرماها و کسب‌وکارها روی افزایش ترافیک سایت است؛ اما استفادهی گوگل از ابزارهای هوش مصنوعی، مثل الگوریتم مام باعث شده تا سئو کارهای سنتی با چالش روبرو شوند. چون گوگل با تغییرات جدید خود سعی دارد تا خیلی وقت‌ها پاسخ کاربران را در همان صفحه‌ی نتایج بدهد. این کار باعث شده تا میزان ترافیک تمامی وبسایتها با کاهش چشمگیری روبرو شود.
با این حساب باید گفت که نگاه سئو پس از این نباید افزایش ترافیک سایت باشد. البته جذب ترافیک بیشتر همچنان اهمیت دارد؛ اما مهم‌تر از جذب ترافیک، افزایش نرخ بازگشت سرمایه یا نرخ تبدیل صفحات است. براساس این معیار سایتی که ماهانه از ۱۰۰۰ بازدید می‌تواند ۵۰ فروش داشته باشد، از رقیبش که با داشتن ۱۰ هزار بازدید فقط ۲۰ فروش دارد، موفق‌تر است.
در واقع اگر می‌خواهید در آینده همچنان سئوی خوبی داشته باشید، باید نگاهتان را از اینکه «چند نفر روی لینک ما کلیک کرده‌اند؟» به «این کلیک‌ها چه ارزشی برای کسب‌وکار ما داشته‌اند؟» تغییر دهید.
سخن آخر
الگوریتم MUM گوگل در ادامه‌ی الگوریتمهای دیگری مثل الگوریتم مرغ مگس‌خوار، الگوریتم رنک برین و BERT است. گوگل به کمک این الگوریتم تلاش کرده تا به درک صحیح‌تری از جستجوهای پیچیدهی کاربران برسد. به نحوی که کاربران را از انجام جستجوهای متعدد بی‌نیاز کند. در این مقاله درباره‌ی نحوه‌ی عملکرد الگوریتم مام گوگل و تاثیر آن روی سئوی سایت صحبت کردیم. اگر سوال دیگری دارید، در کامنت‌ها پاسخگوی شما هستیم.