Domain 211 / 225

BERT / MUM は文脈理解で検索クエリと文書の意味マッチングを行う

BERT / MUM の要点

BERT は 2019 年導入の双方向 Transformer モデル、文脈を理解してクエリ意図を捉える。MUM は 2021 年導入で BERT の 1000 倍強力、複雑な質問への複数言語理解。両者ともキーワード一致から「意味理解」へのパラダイム転換

なぜこれを学ぶか

BERT / MUM は SEO のパラダイム転換を起こした。キーワード詰め込みから「意味理解」への移行を理解しないと現代 SEO は分からない。

中級以上の SEO 担当者で重要。

学ばないと起きること

よくある事故	被害
キーワード詰め込み続行	BERT で逆評価
自然な文章軽視	文脈理解で負ける

学ぶメリット

意味理解時代の SEO
自然言語の重要性
商談で「BERT / MUM」を即答

仕組み

BERT（Bidirectional Encoder Representations from Transformers）

公式: 2019 年 10 月に Google 検索に導入:

双方向 Transformer モデル
文脈を前後両方から読む
複雑なクエリでも意図理解

BERT 以前 vs 以後

	BERT 以前	BERT 以後
クエリ解釈	キーワード一致	意図理解
「ブラジルから米国へ 2019 年」	キーワード羅列	「方向」を理解
前置詞の処理	軽視	重要
ロングテール	一致しない	マッチング向上

MUM（Multitask Unified Model）

公式: 2021 年 5 月発表、BERT の 1000 倍強力:

複雑な質問への回答
75 言語の同時理解
マルチモーダル（テキスト + 画像 + 動画）

例: 「富士山に登ったが、次は富士よりも低い山に登りたい。何が良い？」のような複雑質問に対応。

コンテンツ評価への影響

	キーワード時代	BERT / MUM 時代
キーワード密度	重要	重要でない
自然な文章	あれば良い	必須
文脈一貫性	軽視	重視
トピック網羅	不要	必須
共起語	偶然	自然に出る

キー概念

自然言語ライティング

[BERT 以前の良い例]
SEO 対策で順位を上げる SEO 改善方法。SEO 業界では SEO ノウハウが SEO 担当者に重要。
（キーワード詰め込み）

[BERT 以後の良い例]
順位向上に必要な施策を、業界の最新ノウハウとともに解説します。担当者が押さえるべき要点をまとめます。
（自然な文章）

意味理解時代は自然な文章が高評価。

トピック網羅の重要性

BERT / MUM は文書全体の意味を理解:

関連用語が自然に出る
トピックが論理的に展開
文脈の一貫性

これらが自然に揃うコンテンツが上位。

MUM がもたらす変化

領域	変化
多言語	言語横断で評価
マルチモーダル	画像 + テキストで理解
複雑クエリ	1 質問で複数情報統合
AI Overview	MUM ベースの基盤

よくある誤解

よくある誤解	実際のところ	出典
BERT は古い、新技術が必要	BERT は基盤として継続、MUM が上位	BERT 公式
キーワード密度の最適値あり	BERT 時代に廃止概念	一般情報

実務での適用

自然言語コンテンツの作り方

ユーザーの質問を想像
自然な日本語で回答
関連トピックを論理展開
キーワードは自然に出てくる
文脈一貫性を保つ

MUM 時代の追加対策

対策	効果
多言語対応	グローバル流入
画像 + テキスト	マルチモーダル評価
複雑質問への回答	AI Overview 引用候補

トラブル別の対処

症状	確認すべきこと
キーワード詰め込み記事の順位下落	自然言語へ書き直し

公式ソース

自己テスト

Q1. BERT が変えた最大の点は？

キーワード一致から「文脈理解」へ。前後の文脈を両方から読む

Q2. MUM の特徴は？

BERT の 1000 倍強力 / 75 言語同時理解 / マルチモーダル / 複雑クエリ対応

Q3. BERT / MUM 時代の SEO ライティングは？

自然な日本語 / トピック網羅 / 文脈一貫性 / 関連語の自然な出現

これらの内容を採点付きで挑戦したい場合は、本ドメインのプロ試験で 5 問形式で確認できる。