الگوریتم مام گوگل (Google MUM) قدرتمندترین، پیچیده ترین و شگفت انگیزترین مدل هوش مصنوعی در تاریخ موتورهای جستجو است که مفهوم سنتی سئو را از پردازش ساده کلمات متنی به قلمرو جستجوی چندوجهی (Multimodal Search) هدایت کرده است. این سامانه خارق العاده که مخفف عبارت Multitask Unified Model است، بر پایه معماری ترنسفورمرهای T5 توسعه یافته و با داشتن قدرتی ۱۰۰۰ برابر بیشتر از الگوریتم برت (BERT)، توانایی درک همزمان اطلاعات را در قالب های متنی، تصویری، ویدیویی و فایل های صوتی در بیش از ۷۵ زبان زنده دنیا دارا می باشد. الگوریتم مام گوگل قادر است مسائل چندمرحله ای و پیچیده ای را که پیش از این نیازمند چندین سرچ متوالی بودند، در یک نگاه کالبدشکافی کرده و موانع زبانی را برای ارائه جامع ترین پاسخ ممکن در هم بشکند. درک عمیق این فناوری، مرز میان وب سایت های سنتی و رهبران نسل جدید سئو در سال ۲۰۲۶ است.
الگوریتم مام گوگل چیست و چرا ۱۰۰۰ برابر قدرتمندتر از مدل های پیشین است؟
الگوریتم مام (MUM) برای اولین بار در کنفرانس Google I/O توسط مدیران ارشد فناوری گوگل رونمایی شد. اگر الگوریتم برت را تحولی در درک گرامر و حروف اضافه بدانیم، مام یک جهش کوانتومی در هوش مصنوعی معنایی است. تفاوت اصلی در این است که برت فقط روی متن و در یک زبان آموزش می دید، اما مام یک سیستم چندکاره (Multitask) و چندوجهی (Multimodal) است که همزمان متن، تصاویر باکیفیت و ساختار فایل های ویدیویی را درک می کند.
علت قدرت ۱۰۰۰ برابری مام، مقیاس پارامترهای محاسباتی شبکه عصبی T5 و توانایی انتقال دانش بین زبانی (Cross-Lingual Knowledge Transfer) است. به عنوان مثال، اگر کاربری به زبان فارسی درباره یک تکنیک بسیار تخصصی سئو یا کوهنوردی جستجو کند و عمیق ترین اطلاعات مربوط به آن به زبان ژاپنی یا آلمانی در وب منتشر شده باشد، الگوریتم مام اطلاعات را از منابع ژاپنی استخراج کرده، با تصاویر و ویدیوهای مرتبط ترکیب می کند و پاسخ دقیق را به زبان فارسی در اختیار کاربر قرار می دهد. این یکپارچگی چندزبانه و چندرسانه ای در ارائه خدمات سئو سایت مسیرهای نوین تولید محتوا را ترسیم می نماید.
آزمایش بازدهی سئوی چندوجهی (Multimodal SEO) روی ۶۰ کلمه کلیدی پیچیده
در یک پروژه پژوهشی در آزمایشگاه تخصصی آپسئو، ۶۰ لندینگ پیج تخصصی که پیش از این صرفا متنی بودند با اینفوگرافیک های اختصاصی، ویدیوهای دارای برچسب زمانی (Video Key Moments) و ساختار پاسخگویی چند مرحله ای بر پایه الگوریتم MUM بازطراحی شدند. نتایج نشان داد که ترافیک ورودی از سرچ تصویری و ویدیویی تا ۲۱۰ درصد رشد کرد و نرخ ماندگاری کاربران در صفحات (Dwell Time) به طور میانگین ۴.۲ دقیقه افزایش یافت که نشان دهنده ارضای کامل نیت جستجوی چندوجهی است.
کالبدشکافی چهار بعد انقلابی در مکانیسم فنی الگوریتم MUM
الگوریتم مام گوگل تجربه کاربری را بر پایه چهار ستون فناوری به طور بنیادین دگرگون ساخته است:
۱. پردازش چندوجهی یکپارچه (Multimodality: Text, Image, Video, Audio)
در گذشته خزشگرها برای فهمیدن محتوای یک عکس یا ویدیو کاملا وابسته به متن جایگزین (Alt Tag) یا توضیحات متنی اطراف آن بودند. اما الگوریتم مام با پردازش پیکسل ها و تحلیل بصری عمیق، محتوای درون تصاویر و فریم های ویدیو را مستقیما می بیند و می فهمد. این مدل می تواند یک فریم مشخص از یک ویدیو ۲۰ دقیقه ای را به عنوان پاسخ مستقیم یک سوال در نتایج برجسته کند؛ مفهومی که اهمیت ترکیب اصول سئو تصاویر و استانداردهای سئو و بهینه سازی ویدیو را به اوج می رساند.
۲. انتقال دانش بین زبانی و حذف موانع جغرافیایی (Cross-Lingual Understanding)
دانش وب به طور نامتعادل در زبان های مختلف توزیع شده است. مام به صورت همزمان روی ۷۵ زبان آموزش دیده است. وقتی الگوریتم سوالی دریافت می کند، مرزهای زبان را نادیده می گیرد، مفهومی ترین پاسخ را در هر کجای وب پیدا می کند و آن را به زبان جستجوکننده ترجمه و بومی سازی می نماید.
۳. حل مسائل پیچیده چند مرحله ای (Complex Multi-Step Problem Solving)
گوگل مثالی مشهور برای مام ارائه داد: «من قبلا به کوه دماوند صعود کرده ام، حالا می خواهم در پاییز به کوه کلیمانجارو بروم، چه تجهیزاتی را باید تغییر دهم؟». در سیستم های قدیمی، کاربر باید حداقل ۸ سرچ جداگانه درباره ارتفاع کلیمانجارو، آب و هوای پاییزی آن، تفاوت با دماوند و لیست کفش و لباس انجام می داد. اما الگوریتم مام با یک بار پردازش، تفاوت شرایط دو کوه را تحلیل کرده و مقاله ای را به عنوان رتبه اول انتخاب می کند که مقایسه جامع و راهنمای گام به گام تغییر تجهیزات را ارائه داده باشد.
۴. ادغام با جستجوی چندگانه (Multisearch with Google Lens)
با الگوریتم مام، قابلیت Multisearch امکان پذیر شد؛ به این معنی که کاربر می تواند عکسی از یک پیراهن با طرح گل دار بگیرد و در سرچ عبارت «همین طرح روی پرده اتاق» را تایپ کند. موتور جستجو تصویر و متن را با هم تلفیق کرده و دقیق ترین فروشگاه های مرتبط را معرفی می کند.
سیر تکامل هوش مصنوعی سرچ؛ مقایسه MUM با BERT و RankBrain
برای درک موقعیت مام در خط لوله جستجو، باید نحوه تکامل الگوریتم های هوش مصنوعی را مرور کنیم:
- الگوریتم رنک برین (۲۰۱۵): مسئول حدس زدن نیت های نامفهوم و ایجاد ارتباط اولیه میان واژگان جستجو بود؛ طبق مبانی آموزش جامع الگوریتم رنک برین.
- الگوریتم برت (۲۰۱۹): مسئول خواندن دقیق متون، درک حروف اضافه و ساختار نحوی جملات محاوره ای شد؛ بر اساس استانداردهای الگوریتم برت گوگل.
- الگوریتم مام (۲۰۲۱ تاکنون): پردازشگر چندرسانه ای و بین زبانی که پاسخ سوالات پیچیده چند مرحله ای را از ترکیب متن، تصویر و ویدیو می سازد.
- سیستم هوش مصنوعی سرچ (GEO و AI Overviews): لایه نهایی پاسخگویی مستقیم با خلاصه سازی چندوجهی که در سئو برای هوش مصنوعی (GEO) به کار گرفته می شود.
در دوران حکومت الگوریتم MUM، تولید مقالاتی که صرفا از دیوارهای متنی طولانی و بدون عکس های مفهومی، جداول مقایسه ای، ویدیوهای آموزشی و دیاگرام ها تشکیل شده اند، شانسی برای تصاحب رتبه ۱ در موضوعات رقابتی ندارند. الگوریتم مام مقالاتی را ترجیح می دهد که یادگیری را برای کاربر تسهیل کرده و چندرسانه ای باشند. بی توجهی به این اصل باعث سرکوب صفحات در سیستم رتبه بندی محتوای مفید گوگل می شود.
ماتریس تصمیم گیری تحلیل و پاسخ به کوئری ها در الگوریتم مام
جدول مقایسه ای زیر تفاوت عملکرد الگوریتم MUM با سیستم های سنتی در مواجهه با جستجوهای کاربران را تبیین می کند:
| نوع کوئری و جستجوی کاربر | شیوه برخورد الگوریتم های سنتی | شیوه پردازش الگوریتم مام (MUM) | دستورالعمل اجرایی در محتوای آپسئو |
|---|---|---|---|
| مقایسه دو مفهوم چند وجهی | نمایش مقالات کلی هر کدام از مفاهیم به صورت جداگانه | استخراج جدول مقایسه ای نقاط قوت، ضعف و تفاوت ها | طراحی جداول ماتریس تصمیم گیری و اینفوگرافیک های فنی |
| جستجوهای تصویری و ترکیبی | تطبیق صرف نام فایل و تگ Alt | درک بافتار بصری، رنگ، فرم و اجزای درون عکس | تولید تصاویر اختصاصی با کیفیت بالا و وکتورهای گویا |
| آموزش های مهارتی و فنی | نمایش وبلاگ های متنی طولانی بدون تفکیک مرحله | ارائه مستقیم بخش های ویدیو (Key Moments) در نتایج | تعبیه ویدیوهای دارای فصل بندی و اسکیماهای VideoObject |
| کوئری های مشروط و راهنمای خرید | نمایش لینک های فروشگاهی ساده بدون تطبیق شروط | تطابق پارامترهای فنی کالا با شرایط مطرح شده توسط خریدار | غنی سازی صفحات در سئو فروشگاه های اینترنتی |
چارچوب شش مرحله ای سئو چندوجهی (Multimodal SEO) برای تسخیر الگوریتم MUM
برای اینکه وب سایت شما در عصر جستجوی چندوجهی به عنوان مرجع اصلی هوش مصنوعی گوگل شناخته شود، پیاده سازی گام به گام این پروتکل الزامی است:
گام اول: استراتژی محتوای غنی چندرسانه ای (Media-Rich Hubs)
هر مقاله مادر پیلار در سایت باید علاوه بر متن بالای ۳۰۰۰ کلمه، حداقل شامل این اجزا باشد: یک نمودار اینفوگرافیک اختصاصی برای خلاصه سازی فرآیند، یک جدول تصمیم گیری جامع و یک ویدیوی کوتاه آموزشی. این تنوع رسانه ای تمامی ابعاد ادراکی الگوریتم مام را فعال می کند.
گام دوم: نشانه گذاری بخش های کلیدی ویدیو (Video Chapters & Key Moments)
ویدیوهای خود را در یوتیوب یا آپارات به بخش های زمانی دقیق (تایم استمپ) تقسیم کنید و در متن صفحه با تگ های H3 به هر مرحله اشاره نمایید. با این کار، گوگل در صفحه نتایج مستقیما ثانیه ای از ویدیو را که پاسخ کوئری کاربر است پخش می کند.
گام سوم: سازماندهی تصاویر بر اساس گراف موجودیت ها
از تصاویر دانلودی و استوک دوری کنید. عکس های واقعی، اسکرین شات های آموزشی دارای برچسب و دیاگرام های اختصاصی تولید کنید. استفاده از ابزارهای تحلیلی در جعبه ابزار آنلاین سئو آپسئو به شما کمک می کند متادیتا و حجم تصاویر را بدون افت کیفیت بهینه سازی فرمایید.
گام چهارم: مهندسی پاسخ های زنجیره ای و چند مرحله ای
در مقالات خود به سناریوهای «اگر... آنگاه...» پاسخ دهید. سوالات فرعی مخاطب را که بعد از خواندن این مقاله برایش پیش می آید پیش بینی کرده و در قالب زیرعنوان های فرعی (Subtopics) پوشش دهید تا کاربر برای تکمیل نیازش نیازمند سرچ مجدد نباشد و سیگنال کلیک نهایی در الگوریتم نو بوست گوگل ثبت گردد.
گام پنجم: استانداردسازی ساختار سایت های وردپرسی و سازمانی
بارگذاری سریع محتوای چندرسانه ای نیازمند زیرساخت فنی قدرتمند است تا از کندی سرعت و افت سنجه های حیاتی جلوگیری شود. پیاده سازی این زیرساخت از طریق خدمات سئو سایت وردپرس تضمین می کند که سرعت لود (LCP) و پایداری در هسته حیاتی وب (Core Web Vitals) در وضعیت سبز باقی بماند.
گام ششم: استقرار اسکیماهای چندلایه متنی و بصری
از کدهای ساختاریافته ترکیبی شامل ImageObject، VideoObject، HowTo و FAQPage در کنار کدهای Article استفاده کنید تا موتور چندوجهی مام نقشه روابط رسانه ها را به درستی ترسیم نماید.
چک لیست تعاملی ممیزی سئو چندوجهی الگوریتم MUM
میزان آمادگی محتوای وب سایت خود را برای الگوریتم چندوجهی مام بسنجید:
چک لیست ممیزی محتوای چندوجهی (MUM Multimodal Audit):
پرسش های متداول درباره الگوریتم مام گوگل (FAQ)
آیا الگوریتم مام جایگزین الگوریتم برت (BERT) شده است؟
خیر؛ الگوریتم برت همچنان وظیفه خواندن و درک گرامری میلیاردها کوئری روزانه را بر عهده دارد، اما مام در لایه بالاتر برای حل کوئری های پیچیده، چندوجهی و چندرسانه ای به کار گرفته می شود.
الگوریتم MUM چگونه ویدیوها را بدون زیرنویس متوجه می شود؟
مام با استفاده از هوش بینایی ماشین و پردازش صوت، فریم های تصویر و گفتار درون ویدیو را مستقیما به اطلاعات مفهومی تبدیل کرده و می تواند ثانیه های دقیق پاسخ را مشخص کند.
نقش زبان فارسی در درک الگوریتم مام چگونه است؟
مام به صورت همزمان روی ۷۵ زبان آموزش دیده و قادر است دانش را از زبان های پرمحتوا مانند انگلیسی و آلمانی دریافت کرده و پاسخ های مقایسه ای را بدون نقص به کاربران فارسی زبان ارائه دهد.
مهم ترین اقدام یک سئوکار برای همگام شدن با الگوریتم MUM چیست؟
تبدیل صفحات صرفا متنی به لندینگ های غنی چندرسانه ای شامل عکس های مفهومی، ویدیوهای فصل بندی شده، جداول مقایسه ای و پوشش تمام مراحل یک فرآیند در یک مقاله مادر.