自动化 SEO：关键词语义聚类

内容有各种形状和大小。您创建的内容范围可以从每日博客视频和测验到信息文章。该内容可能对您来说看起来很棒，但最终您是为访问者创建的。由访问者决定该内容和策略是否有效。

您可以使用 GSCI 向您提供的数据来了解您在哪些方面超出了预期，或者在哪些方面可能低于预期。有了这个工具，您可以改进您的内容策略，提高在 Google 搜索引擎中的可见度并扩大您的受众群体。

从 Google 蜂鸟到 MUM

为什么语义关键词聚类相关？
关键词语义聚类意味着什么？
关键词的语义聚类，你是如何做到的？

自动聚类关键词

自动聚类总是更好吗？

想自己开始使用工具吗？

从 Google 蜂鸟到 MUM

2013 年，Google 宣布了Hummingbird：新算法更新的代号。它包含多个组件，其中包括 RankBrain。蜂鸟能够理解用户查询的语义。它考虑整个搜索查询——一个单词或整个句子——而不是单个单词。

兰克大脑

2015 年，Google 发布了RankBrain，这是一种机器学习技术，也是 Hummingbird 的扩展，有助于更好地解释搜索查询。 RankBrain 能够看到看似不相关的查询之间的模式，并了解它们的相似之处。

RankBrain 与 Hummingbird 合作，为用户查询提供更好的搜索结果。然而，Rankbrain 比语义搜索更进一步。自学习算法能够根据所学到的内容将这种“学习经验”应用于未来的搜索。这些可以是类似的搜索，也可以是未知的搜索或搜索的组合。

伯特

2019 年，Google 推出了新的算法更新，称为BERT。该模型使用自然语言处理 (NLP) 和情感分析等来理解搜索查询中的每个单词与句子中所有其他单词的关系。

妈妈
最近，谷歌宣布他们正在开发一项比 BERT 强大 1000 倍的新技术：MUM。

“MUM 是一种能够跨语言传递知识的技术。 MUM 不仅能理解语言，还能生来自香港数据的国家/地区电话号码数据成语言。它同时接受了 75 种不同语言和许多不同任务的训练，使其能够比以前的模型更全面地理解信息和世界知识。” （纳亚克，谷歌，2021）
另请阅读： SEO 文案写作：实现真正有效的内容格式的 5 个步骤

MUM 也是多式联运

这意味着 MUM 可以同时理解来自不同内容格式的信息，例如网页、照片、视频等。

“..MUM 是多模式的，因此它可以理解文本和图像中的信息，并且在未来可以扩展到视频和音频等更多模式。” （纳亚克，谷歌，2021）

据谷歌称，搜索引擎尚无法一次性解决非常复杂的查询。通常，模型不“理解”搜索查询背后的上下文或用户需求。这会导致在满足用户需求之前进行多次搜索。

“人们平均针对复杂任务发出八次查询……” （纳亚克，谷歌，2021）

借助 MUM，Google 距离为复杂问题提供即时答案又近了一步。例如，考虑“您要输入的下一个查询”。有了这个，谷歌实际上想在你的第一次搜索中显示你的第三个问题的答案。在用户搜索过程中，潜在需求就变得更加清晰。

因此，谷歌的模型了解某人的意图至关重要。以及哪些关键词具有相同的意图和信息需求。

为什么语义关键词聚类相关？

因此，两个（或多个）看似不相关的搜索可以响应搜索者的相同信息需求和意图。这在实践中是如何运作的？举个例子：

搜索 1 和 2
“阿拉比卡咖啡豆”

“罗布斯塔咖啡豆”

乍一看，关键词背后隐藏着以下意图和信息需求。

信息意图：有关什么是阿拉比卡/罗布斯塔咖（以及在哪里可以购买它们）
商业/交易意图：有机会展示 Google Ads 和购物广告系列
如果您仅根据语法或基本含义手动对这些关键字进行分组，则可能圣文森特和格林纳丁斯海滩的集群名称可能是“咖啡豆类型”。存在语义关系，但作为 SEO 营销人员，这些信息足够吗？