MUM (Multitask Unified Model)

A MUM (Multitask Unified Model) a Google fejlett AI-modellje, amely a BERT-nél sokkal erősebb: többnyelvű (a tudást nyelvek között is átviszi) és multimodális (szöveget és képet is ért), és összetett, többlépcsős kérdéseket is képes megérteni.

A MUM-féle képességek hajtják az összetett AI-válaszokat (pl. AI Overviews, query fan-out). A tanulság: a Google egyre inkább a teljes szándékot és a témakör mélységét érti, nem a kulcsszavakat. Az nyer, aki egy témát átfogóan, több szempontból lefed, pont, amit a topical authority és a GEO is mond.

Konkrétan: ha valaki megkérdezi a Google-t, hogy „melyik a legjobb CRM rendszer kisvállalkozásoknak Magyarországon, ha már van Shopify-os webshopom?", a MUM képes ezt a komplex igényt összetett kontextusként értelmezni, és egyszerre több forrásból — különböző nyelvű dokumentumokból, videókból, képes tartalmakból — szintetizálni a választ. 2026-ban az AI Overviews és a Gemini-alapú keresési funkciók szinte teljes egészében MUM-kompatibilis modelleken futnak. Ez azt jelenti, hogy a query fan-out folyamat során a Google egyszerre több alkeresést is lefuttat, és a MUM segítségével ezeket egységes válasszá szintetizálja. Aki idézhető, strukturált és témájában mély tartalmat publikál — különösen schema.org struktúrált adatokkal — az nagyobb eséllyel kerül be az AI-generált válaszokba.

Egy debreceni egészségügyi szoftver cég 2025 végén észrevette, hogy a Google AI Overviews olyan összetett kérdésekre is szerepelteti a versenytársait, mint „melyik orvosi rendelőszoftverre érdemes váltani, ha sok az adminisztrációs teher és kis a csapat?". A saját tartalmuk nem jelent meg, mert az egyes funkciókról szóló oldalak elszigeteltek voltak — nem alakítottak ki összefüggő témakört. Ezért kidolgoztak egy topical cluster struktúrát: egy fő pillar-oldalt az orvosi szoftver kiválasztásáról, és 12 kapcsolódó támogató cikket (összehasonlítók, esettanulmányok, funkciós magyarázók). Minden oldalt FAQ schema-val és entitás-jelölésekkel láttak el. 4 hónappal a publikálás után a cég 3 különböző összetett kérdésnél megjelent a Google AI Overviews válaszaiban, és az organikus forgalmuk 28%-kal nőtt 2026 első negyedévére.

A MUM szorosan kapcsolódik a query fan-out mechanizmushoz: a Google az összetett kérdéseket több alkeresésre bontja, és a MUM szintetizálja az eredményeket egységes válasszá. Az entitás-alapú keresési logika a MUM-ot táplálja: ha az oldalad entitásai (személyek, helyek, fogalmak) jól azonosíthatók, a MUM könnyebben kezeli a tartalmat multimodális kontextusban. A Knowledge Graph az entitások összefüggő hálózata, amelybe a MUM-alapú keresés mélyen beleágyazódik. A schema.org struktúrált adatok használata kifejezetten segíti a MUM-ot a tartalom kontextualizálásában. Az AI Overviews és a FAQ schema együtt az egyik legjobb módja annak, hogy a MUM-alapú keresésben idézhetővé válj 2026-ban.

• Egyetlen kulcsszóra optimalizált silók: Ha minden oldalad csak egy szűk kulcsszóra koncentrál, és nem mutat összefüggést a kapcsolódó fogalmakkal, a MUM nem tud belőle szintetizált választ építeni. Érdemes topical cluster struktúrában gondolkodni.
• Csak szöveges tartalom: A MUM multimodális — képeket, videókat is értelmez. Ha a legfontosabb tartalmaid kizárólag szövegek, lemaradsz a képkeresési és videós AI Overviews lehetőségekről.
• Hiányzó entitás-jelölés: Schema.org és strukturált adatok nélkül a MUM nehezebben azonosítja az oldalad fő entitásait és azok kapcsolatait. Ez csökkenti az AI-összefoglalókban való megjelenés esélyét.

A MUM (Multitask Unified Model) a Google többnyelvű és multimodális AI-modellje, amely összetett kérdéseket szintetizál különböző forrásokból és formátumokból. A SEO szempontjából az nyer, aki átfogó, entitás-jelölt, topical cluster struktúrájú tartalmat publikál — ezt a MUM képes az AI Overviews-be beemelni 2026-ban.