语义搜索
语义搜索是一种搜索技术，它通过全面理解用户搜索查询的含义、上下文和意图来返回最相关的结果，而不是依赖简单的关键词匹配。
语义搜索是一种搜索技术，它通过全面理解用户搜索查询的含义、上下文和意图来返回最相关的结果，而不是依赖简单的关键词匹配。
为什么重要
传统的基于关键词的搜索，根据用户输入的确切词语是否出现在文档中来对结果排名。然而，表达同一意图的方式数不胜数。例如，"便宜的智能手机"和"高性价比的手机"具有相同的搜索意图，但关键词匹配的方法无法将这两种表达联系起来。语义搜索通过查找符合用户真实意图的内容，克服了这一局限。截至 2025 年，47% 的 Google 搜索结果会显示 AI Overview，而其中 87.6% 引用了排名靠前的内容。这表明，以上下文和含义为驱动的内容对于确保搜索可见性至关重要。
从关键词搜索到语义搜索的演进
Google 向语义搜索的演进是渐进式的。2013 年的 Hummingbird 更新是第一次重大转变，它借助自然语言处理（NLP）和潜在语义索引来理解用户的搜索意图。2015 年，RankBrain 被引入，通过研究过往搜索模式和用户行为的机器学习，大幅提升了解读复杂查询意图的能力。随后 BERT 和 MUM 的到来，使 Google 能够在句子和段落层面而非单词层面理解上下文，让主题权威性和用户意图对齐（而非关键词频率）成为核心排名标准。
Google 的关键 NLP 模型（BERT、MUM 等）
BERT（来自 Transformer 的双向编码器表示）于 2019 年推出，上线即影响了约 10% 的全部搜索查询。BERT 的关键创新在于双向上下文理解。以往的模型只从左到右阅读词语，而 BERT 能同时把握句子中每个词前后所有词之间的关系。例如，它能通过理解介词的作用，准确区分"从巴西前往美国"和"从美国前往巴西"。
MUM（多任务统一模型）于 2021 年发布，其能力比 BERT 强 1000 倍。MUM 最显著的差异化在于其多模态处理能力。它不仅能理解文本，还能理解图片、视频和音频，并能同时处理 75 种以上的语言。不过，MUM 目前仅应用于 COVID 疫苗搜索和 Google Lens 等有限领域，尚未全面部署于通用排名。
语义搜索优化策略
适用于语义搜索时代的有效 SEO 策略包括：
- 构建主题集群：围绕主题而非单个关键词来设计内容。创建覆盖核心主题的支柱页面，以及针对具体子主题的集群页面，通过内部链接将它们串联起来，从而让搜索引擎认可该领域的主题权威性。
- 与搜索意图对齐：撰写内容时，准确识别目标关键词的搜索意图（信息型、导航型、交易型），并以适合该意图的形式和深度组织内容。
- 用自然语言撰写：不要刻意重复关键词，而要以自然融入相关术语和同义词的方式来写。经过语义优化的内容能被更多相关关键词覆盖，也能延长用户的停留时间。
- 善用结构化数据：使用 Schema.org 标记来明确表达内容中的实体及其关系，让搜索引擎更准确地理解其含义。
- 强化多模态内容：考虑到 MUM 的多模态处理能力，应整合提供文本、图片和视频，并为每种媒体类型配上恰当的替代文本和元数据。
Sources: