MUVERA: Algoritmo de Recuperación Multivectorial de Google

¿Qué es un Algoritmo Multivectorial?

Un Algoritmo de recuperación multivectorial es aquel que utiliza multiples vectores para cada uno de los documentos o consultas. Son algoritmos que cambian totalmente la búsqueda y clasificación tal como la conocemos actualmente. Los métodos tradicionales de búsqueda en Google representan un documento (url) o una consulta (query) con un único vector. En cambio, con un Algoritmo de Recuperación Multivectorial se utilizan múltiples vectores para cada uno de ellos (documentos y consultas). Estos vectores representan un aspecto concreto o un tema del contenido de un documento (url).

MUVERA es el nuevo algoritmo de Google

El ARM de Google se llama MUVERA. Google presentó MUVERA el pasado 25 de junio.

Imagina un documento muy largo en el que se habla de varios temas, uno en cada parte del documento. Con la perspectiva del vector único, todo el documento se resume en un único vector, lo que resta capacidad de posicionar por temas muy específicos al perderse detalles importantes con esa compresión. En el caso de un algoritmo multivectorial como el caso de MUVERA de Google, tiene las siguientes características:

• Multiples vectores hace que estén representados más temas. Al generar múltiples vectores podemos obtener detalles y distancia semántica de esos multivectores. Por ejemplo, imagina una web sobre senderismo que pudiese tener varios vectores:
  • Rutas de senderismo
  • Aclimatación a la altura
  • Equipamiento…
• Precisión máxima. Al generar varios vectores por documento permite al motor de búsqueda comparar la consulta con el vector o vectores semánticamente similares y relevantes del documento. Si buscas “Cómo aclimatarse al subir cerros altos”, el motor de búsqueda encontrará directamente el vector específico “aclimatación”. De esta forma se producen respuestas mucho más precisas y relevantes, y todo ello con independencia de si el texto coincide o no de forma literal con la Query.

• Varias intenciones de búsqueda. Una página puede satisfacer varias intenciones de búsqueda al mismo tiempo o tratar varios temas con mayor profundidad. Con MUVERA (vectores múltiples), se podría entender la relevancia de una página para distintas búsquedas con intenciones incluso distintas. Por ejemplo: Imaginamos que una web comercial intenta posicionar el contenido “líneas de vida”. Lo normal es que el contenido pueda comenzar desde el principio explicando qué es una línea de vida (intención de búsqueda informativa), o incluso en otra parte del documento la normativa de las líneas de vida (intención de búsqueda informativa). Sin embargo en otra parte hablará de la instalación de líneas de vida o la certificación (intención de búsqueda comercial). Por tanto de esta forma podemos resolver para dos intenciones de búsqueda al mismo tiempo. Aunque no es lo ideal, se puede hacer con este cambio de algoritmo.
• Eficiencia. El principal problema de los sistemas de vectores múltiples ha sido el presupuesto computacional elevado. MUVERA, sin embargo, transforma la búsqueda multivectorial compleja en una búsqueda de un solo vector a través de la técnica “Fixed Dimensional Encoding”  ( FDE). Este desarrollo puede procesar la información mucho más rápidamente y eficiente por sistemas ya optimizados, para posteriormente realizar un reordenamiento más preciso de los resultados de búsqueda.

En definitiva, MUVERA, como cualquier otro algoritmo de recuperación multivectorial, trabaja para mejorar la relevancia y precisión de los resultados de búsqueda, al trabajar con información más detallada y contextualizada, usando multitud de vectores por elemento. Además encontrando maneras de hacer que la búsqueda sea mucho más rápida y eficiente de forma global.

Gráfico de Recuperación Vectorial

A continuación pondremos un ejemplo con dos gráficas distintas. La primera con una Recuperación Vectorial Univectorial y otra Multivectorial. Voy a describirte cómo puedes interpretar los vectores con colores distintos para cada dominio.

Gráfico Conceptual de Recuperación Vectorial (Univectorial)

Descripción Visual:

• Puntos: Cada punto es un documento (url) o una consulta (palabra o frase clave).
• Vectores: Cada punto es el final de un vector que parte del origen (0,0). La dirección y longitud del vector codifican el significado del documento.
• Colores: Cada color representa a un dominio diferente o un tema diferente..

Interpretación:

• Cercanía Semántica: Los documentos y consultas que son semánticamente similares (es decir, tratan sobre temas parecidos) estarán cerca unos de otros en este espacio vectorial.
• Dominio Único: Cada documento (y consulta) tiene un solo vector que lo representa, incluso si aborda múltiples temas. Esto significa que un documento sobre «tecnología en la naturaleza» podría terminar en el grupo azul o verde, pero no en ambos, o en un punto intermedio que podría ser ambiguo para la recuperación.
• Búsqueda:  Semicircunferencia negra. Cuando ingresas una consulta (que también se convierte en un vector), el sistema busca los documentos cuyos vectores son «más cercanos» al vector de tu consulta.

Gráfico Conceptual de Recuperación Multivectorial (MUVERA)

Este gráfico es más complejo, ya que cada documento (y posiblemente cada consulta) está representado por múltiples vectores.

• Puntos/Clusters: En lugar de un solo punto por documento, verías grupos de puntos (o pequeños clusters) para cada documento. Cada punto dentro de un cluster de un documento representa un aspecto o faceta de ese documento.
• Colores dentro de un Documento: Un solo documento podría tener vectores de varios colores (o tonalidades de colores), si ese documento trata sobre múltiples dominios.
• Colores para Dominios: Mantenemos la idea de que los dominios generales tienen su propio color base.

Interpretación:

• Representación Granular: Un documento sobre «Tecnología en el Senderismo» no tendría un solo vector que lo represente vagamente. En cambio, podría tener:
  • Un vector (azul) que representa su contenido sobre «tecnología».
  • Otro vector (verde) que representa su contenido sobre «senderismo».
  • Podría haber múltiples vectores verdes si aborda diferentes subtemas de senderismo.
• Mayor Precisión en la Búsqueda: Si tu consulta es sobre «el mejor GPS para rutas de montaña» (muy específica), el sistema multivectorial puede comparar tu consulta con los vectores específicos de «tecnología» (azul) y «senderismo» (verde) dentro de un documento. Si encuentra un vector azul que trata sobre «GPS» y un vector verde que trata sobre «rutas de montaña» en el mismo documento, la relevancia aumenta considerablemente.
• Manejo de Contenido Multifacético: Permite que un documento sea relevante para un rango mucho más amplio de consultas, ya que cada «faceta» o «aspecto» del documento tiene su propia representación vectorial.
• Eficiencia (MUVERA): El desafío, como se mencionó, es cómo buscar eficientemente entre tantos vectores. MUVERA utiliza técnicas para condensar esta información y luego refinar la búsqueda, haciéndola factible a escala masiva.

De esta forma se puede comprobar las diferencias clave entre un sistema de recuperación vectorial tradicional y uno multivectorial como MUVERA, destacando cómo el uso de múltiples vectores por elemento permite una comprensión más rica y una recuperación más precisa de la información.

¿Qué implicaciones tiene MUVERA para el SEO?

Se trata de una arquitectura de recuperación de información de múltiples vectores. La implicación en el SEO es profunda y significativa. No se trata de ajustes o parches, es un cambio en la forma en la que Google entiende el contenido.

Las implicaciones más importantes serían las siguientes:

Foco en el Contexto semántico y la Intención de usuario en lugar de la Keyword.

• Menos dependencia de palabras clave exactas: Si ya antes la “Densidad de palabras clave” era irrelevante ahora es enterrada totalmente. Y con ella el concepto de “Keyword stuffing” (sobreoptimización de palabra clave artificial). MUVERA va a permitir al motor de búsqueda de Google entender tanto el sifnificado como el contexto de tu contenido, independientemente de que uses o no palabras clave exactas de la consulta de usuario en el documento.
• Intención del usuario es Clave: No vamos a caer en tópicos de quién es el rey o la reina, pero analizando MUVERA sería sin duda la Intención del usuario que hay tras una búsqueda. Por ello tu contenido debe satisfacer las necesidades del usuario, respondiendo de forma precisa a las consultas de usuarios, con independencia de cómo se realice la consulta.
• Estructura temática y fragmentada: Nuestro objetivo es que MUVERA genere múltiples vectores para un mismo documento. Para ello el contenido tiene que estar bien estructurado, abordando diferentes subtemas o aspectos específicos en cada sección del contenido, o incluso en cada párrafo. Esto hará que Google tenga una mayor facilidad para extraer y representar vectorialmente cada apartado o subapartado.

Relevancia del contenido basada en una estructura jerárquica:

• Los encabezados (H1, H2, H3, etc.) son imprescindibles: En muchos sitios los encabezados se usan para dar un estilo a ese texto (más grande, o negrita…) En realidad un encabezado adquiere una relevancia total con MUVERA. Actúa como señales jerárquicas que ayudarán a la descomposición semántica del contenido de tu página. Cada uno de ellos estará destinado a un bloque de contenido que responda a una intención clara o a un subtema específico.
• Contenido modular y autónomo: Al generar múltiples vectores para una sola página, cada sección de la misma debe ser lo suficientemente contextualizada e independiente como para que Google pueda, primero entenderla y más tarde vectorizarla por separado. Así un mismo documento (página) podrá aparece para diferentes consultas si el contenido es relevante.
• Contenido Claro y sin distracción: Aquí no debemos andarnos por las ramas. El contenido más importante de cada sección debe ir al principio, buscando responder a una posible pregunta del usuario. MUVERA busca la eficiencia y precisión.

Impacto en la «Retrievability» (Capacidad de Recuperación) del Contenido:

• Primero recuperación para poder rankear: Antes de MUVERA, buscábamos el rankeo de una determinada url para ciertas palabras clave. Ahora la prioridad es que el contenido sea “recuperado” de forma prioritaria. Si MUVERA no ve relevancia en los fragmentos de tu contenido, este no será recuperado y por tanto no participará en el posterior proceso de ranking.
• El contenido oculto pierde peso: El proceso de rastreo de un contenido antes de MUVERA era por oleadas. En la primera Oleada detectaba todo el contenido en html plano. Por tanto el contenido dentro de pestañas, sliders, acordeones o menús colapsables y demás puede perder mucho peso semántico, ya que no sería visible o interpretable para MUVERA en esa primera oleada.
• HTML limpio y estable: El renderizado híbrido debe ser correcto. Si el contenido no se puede mostrar y no está disponible para Google de forma rápida y estable, MUVERA no podrá generar los vectores adecuados.

Nuevas Métricas de Éxito y Evolución del E-E-A-T (Experiencia, Expertise, Autoridad, Confianza):

• Satisfacción del usuario: Pasamos de hablar de Experiencia de usuario a directamente Satisfacción de usuario. Métricas como tiempo en la página, rebote o capacidad de poder responder a consultas complejas con una sola parte del contenido será muy relevante y ganará un peso importante. Es fundamental la verdadera experiencia de usuario.
• E-E-A-T más granular: Ahora Google tiene el poder de detectar EEAT no solo en textos completos sino en pequeños fragmentos específicos del contenido. Ahora la Autoridad temática y del autor también será relevante junto con la autoridad del dominio.
• Datos estructurados (Schema.org): Los Datos estructurados ayudan a los motores de búsqueda a entender semánticamente  tu contenido y poder destacarlo o no en los resultados destacados (enriquecidos) o incluso en AI Overviews.

Oportunidades para Sitios Pequeños y de Nicho:

• Redistribución de visibilidad: Llevamos una época de transición donde los sitios con alta autoridad no tienen problemas para posicionar por delante de sitios pequeños. Pero esto con MUVERA puede acabarse. Y es que si tu contenido es útil, relevante y además está bien estructurado, el algoritmo te permitirá competir con sitios web muy grandes, teniendo menor autoridad de dominio. La calidad del contenido supera ahora en importancia al volumen general.

Adaptación al Futuro de la Búsqueda (SGE y Contenido Multimodal):

• Sinergia con SGE: Tal vez son causalidades complementarias. SGE necesita un algoritmo como MUVERA, y MUVERA es una pieza clave para todo el ecosistema IA de Google.  Las respuestas ahora pueden ser más exactas, técnicas o completas ya que permite una recuperación de contenido más precisa.
• Contenido multimodal: cuando hablamos de contenido no solo es formato texto. Hablamos de texto, imágenes, vídeo y otros formatos. No optimizaremos solo el texto. La idea es cómo confluyen todos los elementos de una página para contribuir al significado global de la misma.

Es importante entender que MUVERA no penaliza el SEO tradicional, pero lo hace insuficiente. La era actual exige un SEO más inteligente, centrado en el significado, la intención y la entrega de valor real al usuario.

¿Y Qué sucede con las canibalizacones?

MUVERA es un algoritmo multivector. Como hemos comentado anteriormente, cada bloque de contenido de una misma página puede ser un vector distinto. Por tanto, ahora las canibalizaciones son más importantes que nunca. El problema es que cambia la forma de entenderlas y sobre todo debemos resolverlas de forma distinta.

Aquí te explico por qué:

Énfasis en la Intención de Búsqueda y la Segmentación Semántica:

• MUVERA va más allá de las palabras clave: Ahora ya no se trata de competir dos URLs del mismo sitio por la misma “keyword” literal. Google ahora entiende la intendión de búsqueda que hay tras la consulta. Ahora deberemos tender a usar el concepto “redundancia”. Se produce cuando dos urls diferentes de tu sitio web tratan de satisfacer la misma intención de búsqueda o el mismo aspecto semántico profundo.
• Representación multivectorial y la confusión: Imagina que tienes dos urls que tratan sobre el mismo subtema. MUVERA va a generar un vector para cada una. Esto puede llegar a confundir a Google sobre la importancia de cada una de ellas, y cuál de las dos es más autorizada y relevante. Con casi total seguridad provocará que se diluya la señal de tu contenido entre las dos urls en lugar de asignar toda la autoridad en un solo vector, dispersándola.

Impacto en la Capacidad de Recuperación (Retrieval):

• Primer filtro crucial: Como hemos comentado antes, antes de Rankear MUVERA debe recuperar los candidatos más relevantes. Si tu contenido está canibalizado, puede que Google tenga dificultades para elegir el fragmento o páginas más relevantes para una query específica. Esto podría hacer que ninguna de las páginas sea un buen “candidato” para ser recuperadas, y por tanto, se quede fuera de los rankings.
• Wasting Crawl Budget (aunque menor impacto que antes): El poder eficiente de MUVERA no debe ocultar la necesidad de ser eficiente en el rastreo. Si bien es menos importante que antes, puede que parte de tu contenido se quede fuera de rastreo y, por tanto, de la indexación.

División de la Autoridad y la Señal de Relevancia:

• Poder dividido: Si tenemos 2 o más URLs que están compitiendo por la misma intención, toda la autoridad que debería consolidarse en una única página se va dividir entre estas. En lugar de tener una página muy buen para responder a una consulta tenemos dos contenidos mediocres que con suerte podrán rankear lejos de los primeros puestos.
• Experiencia del Usuario Afectada: Antes hemos hablado de Satisfacción de usuario, más que Experiencia de usuario. Estamos dando por hecho que la experiencia de usuario debe ser siempre positiva. Pero esto no se produce cuando el usuario ve dos sitios iguales de un mismo dominio o una misma marca. Y recordemos que lo que quiere Google siempre es ofrecer la mejor experiencia de usuario posible.

Nuevos Desafíos, Mismas Soluciones (pero aplicadas con más precisión):

• La necesidad de una estrategia de contenido clara: Si dos urls están trabajando intenciones diferentes, aunque parezcan similares, el Algoritmo debería poder diferenciarlas. Por eso es muy importante que haya una buena estrategia de contenido que asigne cada url a una intención de búsqueda única y específica. Aunque recordemos que, ahora MUVERA puede detectar dos o más intenciones de búsqueda distintos en el mismo contenido. Pero como hemos dicho antes, no es lo ideal.
• Auditoría de Contenido Temática: Si antes elaborábamos auditorías de contenido para ver qué contenido podíamos reescribir o reeditar, aunque también eliminar, ahora buscaremos urls con la misma intención de búsqueda. Es decir, buscaremos urls redundantes.
• Soluciones Clásicas Reforzadas:
  • Fusión de contenido (Consolidación): La fusión de contenido es siempre la mejor solución para urls redundantes. Y ya lo era anteriormente para urls canibalizadas.
  • Redirecciones 301: Usaremos redireccionamientos cuando detectemos contenido redundante que no aporta nada. Y además no tiene tráfico. No obstane, cuando fusionemos el contenido de dos urls tanto si decidimos usar una de ellas como si optamos por una url nueva, debemos redireccionar las urls antiguas.
  • Etiquetas Canónicas: Si el contenido es imprescindible una opción que tenemos  es el uso del Canonical para indicar qué versión del contenido es la preferida. Se usa para la duplicidad de contenido, pero ahora también para el contenido redundante.
  • Reorganización del Contenido y Enlazado Interno: debemos asegurarnos que la página más relevante reciba el mayor número de enlaces internos. Por tanto debemos trabajar la estrategia de enlazado interno favoreciendo esta premisa, y de esta forma enviar señales claras a Google.
  • Reenfocar la Intención: Esto sucede de forma muy habitual en eCommerce. Una categoría con contenido informativo debe modificarse para poder resolver intenciones de búsqueda transaccionales o comerciales.

MUVERA hace que la canibalización sea más critica y matizada. Ahora no nos fijamos en canibalización de palabras clave, sino páginas redundantes con la misma intención de usuario y la capacidad de Google para extraer y representar semánticamente tu contenido de forma eficiente.

No es una modificación menor, es un cambio de concepto que ya lo veníamos vislumbrando en distintos proyectos y que ha llegado para quedarse. Ahora tenemos que pensar en recuperar y no en rankear, que se convierte en la prioridad número uno.

Para finalizar te dejo una herramienta que hay en Seostar para comprobar similarida de distintas palabras clave.

e incluso comprobar la similaridad en % entre dos palabras clave en la matriz de similaridad.

d de vectores basados en el algoritmo MUVERA.

Antonio López Tomás

Director SEO en Elblogdelseo | Últimos Post

Antonio López Tomás es fundador y Director SEO en Elblogdelseo.com y en Seostar.es. Profesor de SEO y Marketing digital en varias universidades (Unizar, UMU, UCAM, UNAE, U. Pompeu Fabra...) y Escuelas de negocios (EAE, IEBS. Marketing and Web, Seoworking, AulaCM...). Speaker en eventos de Marketing Digital y Autor de "Pensamientos Viajeros".

• Antonio López Tomás

  https://www.elblogdelseo.com/autor/admin/

  AIO SEO. La nueva era de la búsqueda en Google
• Antonio López Tomás

  https://www.elblogdelseo.com/autor/admin/

  Elion el Mago - El Bosque de Aranthor
• Antonio López Tomás

  https://www.elblogdelseo.com/autor/admin/

  9 trucos de Screaming Frog que todo SEO debería conocer
• Antonio López Tomás

  https://www.elblogdelseo.com/autor/admin/

  ?srsltid= Problema con etiqueta de Google Merchant en SERP