生成式AI:SEO的末日?

由于在搜索结果中引入生成式AI (GAI),以 SEO 为主导的内容的未来成为最近的热门话题,这是有充分理由的。 对于出版商和网站所有者(从现在开始我们将他们称为内容创建者)的影响可能是毁灭性的。

如下图所示,谷歌新的搜索生成体验(SGE:Search Generative Experience)将 GAI 直接集成到搜索结果中,以深入答案的形式以及直接在搜索结果中提出后续问题的附加功能。 对内容创建者的威胁是搜索者可能很少需要留下搜索结果。

NSDT在线工具推荐: Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器

更重要的是,SGE 的答案是从未知来源中咀嚼出来的,并与原始来源混合归因,那些依靠推荐流量来实现业务目标并保持运转的人。 如果没有这些点击,内容创建者为什么还要制作内容呢?

我们将尝试回答这个问题,并解决对我们如何与搜索结果交互以及内容创建者应如何反应的影响。 我们将进行一项测试,以帮助我们更好地了解 Google 的 SGE 结果以及对 SEO 内容策略的影响。

1、SEO死了吗?

我在 SEO 领域工作了 13 年多,我记得“SEO 已死”之前至少三次成为营销行业的头条新闻。 公平地说,GAI 在搜索结果中的这种整合绝对会动摇 SEO 主导的内容营销的基础,并永远改变搜索者与搜索结果交互的方式,然而,古老的事实仍然是正确的。

ChatGPT:

Claude 2:

好吧,这真是一种解脱。 在我们研究 SEO 将如何受到 GAI 和 SGE 的影响之前,让我们先探讨一下 AI 和 SEO 的历史,以帮助我们找到这个答案。

2、AI和SEO:我们如何走到这一步

人工智能与有机搜索的整合通常会改善搜索结果。 Google 在 2015 年推出机器学习AI系统 RankBrain 时首次将人工智能引入搜索领域,以帮助处理搜索结果并为其排名算法提供动力。

此后,他们在 2018 年采用了神经匹配,这是一种更好地将单词与概念关联起来的方法。 同年,他们推出了基于人工智能的垃圾邮件预防系统 SpamBrain,用于检测并删除搜索结果中无用或有害的内容。

接下来,2019 年出现了 BERT,其目的是更好地理解使用不同的单词组合如何传达不同的含义和意图。 随后,MUM 在 2021 年问世,这是一款功能强大 1000 倍的技术附加组件,它使用人工智能和自然语言处理,完成的任务比之前所有其他附加组件的总和还要多。

最后,就在几个月前,谷歌推出了搜索生成体验(SGE),这是一个由其新AI技术驱动的新搜索引擎。

需要注意的是,SGE 尚未公开,目前是 Google 实验室的搜索实验,除非在此处注册搜索实验室,而在撰写本文时,该功能仅在美国可用。

操纵搜索结果比以往任何时候都更加困难,我们现在必须依靠内容的质量来满足 E-E-A-T 标准,以获得知名度和流量。 你问 E-E-A-T是什么?

  • 经验——内容创建者对该主题的第一手经验或生活经验。
  • 专业知识——内容创建者对该主题的熟练程度、技能和知识。
  • 权威性——内容创建者作为主题的可靠来源所拥有的声誉。
  • 可信度——内容创建者页面的安全性、可靠性和准确性。

谷歌多年来一直告诉我们的—创造优秀的内容,你就会得到回报—终于成为了现实。 然后SGE就到了。

3、真正的问题:归因和流量

早于人工智能出现在搜索结果中之前,2012 年知识面板的推出是第一个为内容创作者提出归因(attribution)的例子。 熟悉的面板位于搜索结果的右侧,内容创建者质疑这些数据的来源和归属,许多人认为它们的引入导致内容创建者的点击量减少。

2016 年“丰富的结果”的引入更是火上浇油。虽然归因对于丰富的结果来说不是什么问题,因为在它的正下方有一个指向提取文本来源的链接,但它们的引入导致了所谓的“ 零点击搜索。”

零点击搜索(zero-click searches)由兰德·菲什金 (Rand Fishkin) 在 2019 年推广,意味着搜索者可以通过丰富的结果在搜索结果中获得所需的信息,而无需点击查看结果,从而损害了内容创建者的引用流量和由此产生的收入。

让我们看看“谁发明了披萨”的搜索结果。 内容直接从源提取到搜索结果中,但当然,它们通过富结果中提取的文本下方的链接获得直接归因:

根据 SameWeb 和 Fishkin 的 Sparktoro 在 2020 年进行的研究,三分之二的搜索在没有点击的情况下结束,这意味着只有 33% 的搜索会导致搜索者点击内容创建者。 其余的人直接从谷歌增强的搜索结果中获得他们需要的东西。 这正在迅速成为内容创作者的一个主要问题。

现在我们遇到了一个非常相似的问题—更多的零点击搜索—但归因要糟糕得多。

SGE 的最初归因非常模糊,是通过位于 SGE 结果右上角的来源轮播中的三个缩略图(如果有的话)间接归因的。 这种归因(或缺乏直接归因)引起了业界的轩然大波,并且自此对 Google 施加了压力,要求其开始在 SGE 中直接测试更好的归因。

除了搜索结果中的归因之外,内容创建者还质疑他们的内容未经同意就被纳入LLM。 Pierre Far(前 Google 员工)表示:“如果网站没有得到任何回报,为什么要允许其内容用于训练语言模型呢?”

迄今为止,选择退出的最大网站的是《纽约时报》,该时报更新了服务条款,明确禁止使用其内容来训练AI系统。 许多人(包括我自己)希望这将有助于迫使 LLM 聊天机器人和 SGE 采用直接归因模型。

引入阻止 GPTBot 的功能是一个值得欢迎的变化,GPTBot 是 ChatGPT 的网络爬虫,它消耗内容以在其 GAI 响应中使用,尽管真正的挑战是 Google 的 SGE 采用更直接的归因模型。

与 SGE 体验交互的搜索者点击的次数很可能少于传统搜索结果甚至丰富结果的点击次数。 只有时间(和数据)才能证明零点击搜索是否会超过三分之二,但可以肯定地假设它会。

以 SEO 为主导的内容策略始于搜索,这意味着搜索者将通过进行有机搜索来找到该内容。 随着 SGE 整合迫在眉睫,我们如何最好地实施 SEO 内容策略?

5、了解 SGE 何时最有可能被触发

分析“搜索意图”(用户在搜索引擎中查询的主要目标)可以帮助我们破译用户查询处于漏斗的哪个阶段,从而有助于我们更深入地了解哪些关键字触发了 SGE。

漏斗阶段的三种类型是漏斗顶部 (ToFu)、漏斗中部 (MoFu) 或漏斗底部 (BoFu):

为了使用一些关键字示例,假设我有一个关于披萨的网站,该网站销售披萨烤箱和配件,我在其中创建了针对披萨爱好者和对在家制作披萨感兴趣的人的内容。

让我们向 ChatGPT 和 Claude 2 询问按漏斗阶段聚类的关键字列表,向每个 LLM 聊天机器人提供上述信息。 然后让我们看看哪些关键字生成了 SGE 结果。

请记住,我不一定同意每个聊天机器人做出的漏斗聚类决策,但是关键字漏斗聚类有些主观,并且根据你的特定网站的产品和需求存在显着的细微差别。

*No,但生成 SGE 结果的选项直接在搜索结果的顶部给出,如下所示:

回顾上面的列表,Claude 2 立即得到了一个要点,即更好地遵循说明并给我实际的关键字,这是我明确要求的,而 ChatGPT 则给了我主题。

至于聚类,我认为它们都做得很好,但在推动时我会给 Claude 2 一些轻微的优势。完全免责声明,我也更喜欢 Claude 2 作为我的日常使用。 如果你从未尝试过,请与 Claude 2 聊聊。

6、SGE 测试的主要结果

测试结果首先揭示了 SGE 结果被触发的频率,在我们测试中的所有关键字中,70% 的情况是令人大开眼界且令人担忧的。 我希望,由于 SGE 仍处于测试阶段,他们可能会更频繁地测试触发 SGE,但是,只有时间才能证明一切。

6.1 混合漏斗顶部

在漏斗的顶部,我们假设搜索更有可能与 SGE 进行交互,因为它们对某个主题进行更广泛的搜索,因此 Google 可能会更频繁地针对 ToFu 关键字触发 SGE。

在我们的测试结果中,ChatGPT 和 Claude 2 的结果存在很大差异。 ChatGPT 在 78% 的情况下触发了 ToFu 关键字的 SGE 结果,而 Claude 2 仅在三分之一的情况下触发了 SGE 结果。 尽管我提示输入关键字,但这可能更多地基于 ChatGPT 返回的主题而不是关键字。 然而,如果你查看 ChatGPT 的大部分 ToFu 关键字,很明显这些主题背后都有广泛的关键字。

至于 Claude 2,ToFu 关键字只有三分之一的时间会触发 SGE 结果,这对于 SEO 主导的内容支柱和中心辐射方法来说是个好消息。 ToFu 关键字通常是广泛的信息查询和根关键字,它们通常是内容支柱策略中“支柱页面”或中心辐射方法中“中心”的目标关键字。

虽然许多ToFu关键字都会触发 SGE 结果,但内容支柱也有很好的候选者,例如我的披萨制作网站的“披萨酱”或“披萨面团”。 两个聊天机器人列表中“披萨酱”和“披萨面团”的所有 ToFu 和 MoFu 关键字都不会触发 SGE 结果。 “Recipe”关键字也没有触发 SGE 结果。

由于 ToFu 关键词的搜索行为本质上是探索性的,我们知道搜索者可能更容易被 SGE 吸引。 找到一个支柱,其中多个层次的漏斗不会触发像这样的 SGE 结果,这将是一个 SEO 内容的金矿。

6.2 更有前途的漏斗中部

虽然平均而言,漏斗中间 (MoFu) 关键字是无 SGE 结果的下一个最佳选择,但我们可能不需要担心这一点。 处于漏斗这一阶段的搜索者可能会更加重视和重视这些类型搜索的信息来源。

对于 ToFu 关键字,其意图是广泛且信息丰富的,因此搜索者可能不太了解该主题,而且他们也可能不太熟悉搜索结果中的来源。 这就是消除无 SGE 结果的噪音很重要的地方。 使用MoFu关键字,用户可能更熟悉该主题,因此也熟悉搜索结果中的内容创建者。

例如,了解什么是“披萨皮”(ToFu 关键字)感觉就像你可以从任何来源获得答案,并且对答案感到满意,尤其是 SGE 结果。 这是常识; GAI不会弄错的,对吧? 而在搜索“最佳披萨面团配方”(MoFu 关键字)时,用户更有可能希望从信誉良好的来源(例如 BBC Good Food)或他们已经遇到过的熟悉的披萨烤箱公司获得答案。

由于归因不太明确,人们不太可能相信 SGE 结果。 虽然此搜索结果可能包括 SGE,但搜索者可能会发现自己直接滚动过去 GAI,以在搜索结果中查找信誉良好或熟悉的域名。

对于长篇 SEO 内容尤其如此,例如 MoFu 内容的深入教程或典型操作方法。 这些不能直接在搜索结果中提供,并且像大多数用户一样,我更喜欢访问我信任的网站,或者在寻找深入的指南或分析时看起来值得信赖和权威的网站。 对于 SGE,目前很难辨别来源,这意味着我们必须非常相信 Google 的判断。 无论是修理汽车的教程还是网站,你可能都希望确保使用信誉良好的来源。

6.3 繁忙的漏斗底部

BoFu 是一个完全不同的野兽。 在渠道的这个阶段,这些搜索者已准备好购买。 SGE 会触发我们几乎所有的测试结果,如果没有,你可以触发 GAI 结果。

我怀疑,就 SGE 主导搜索结果而言,我们会感到更加紧张,因为 BoFu 关键字对 Google 来说比漏斗的其他阶段更具经济价值。

了解搜索结果中的细微差别对于 BoFu 关键词至关重要。 例如,我们的测试显示,没有 SGE 的“购买”关键字会触发顶部的购物轮播,然后是本地结果。 然而,对于 SGE,本地结果优先:

在 Google 购物中列出你的产品仍然很重要,但是在买家指南和产品综述中获得收入(参见上面 SGE 结果的右上角)也同样重要。 此外,许多 BoFu 关键字在“这里有一些值得考虑的产品”标题下提供了产品链接,这些链接无疑是LLM从买家指南和产品综述中获取的。

密切熟悉 SGE 的这些新结果对于买家旅程中这一极其有价值的阶段至关重要。

7、继续打造精彩内容

内容创作者不应该害怕 SGE,而应该专注于构建优秀的内容,在买家旅程的各个阶段展示专业知识和权威。

不要感到受到 SGE 的威胁。

假设你有一个非常有价值的“披萨石”页面(ToFu 关键字),它带来了大量流量,并且你已经构建了链接到它的支持内容(真正的内容支柱),现在它有一个 SGE 结果。 我们应该关闭该页面吗?

绝对不。 你的页面可能已经归属于 SGE 结果,这将带来一些推荐流量,尽管比以前少。 没有理由失去这一点,尤其是在谷歌的归因可能会有所改善的情况下。

此外,虽然 SGE 将对 ToFu 内容产生重大影响,并可能对 MoFu 内容产生重大影响,但许多搜索者仍然更愿意直接从信誉良好的来源(马口铁)获取内容,而不希望信息被咀嚼和反刍。 众所周知,GAI 容易出现错误和不准确。

《连线》最近将 SGE 描述为“比助手更令人讨厌。” 它缓慢、低效、冗长、混乱—更多的是人为干扰而不是智能。”

根据搜索意图或搜索过程中的阶段,搜索者可能会直接滚动浏览 Google 的 SGE 结果。 搜索者也可能会浏览 SGE 结果,但会发现自己被引用的来源所吸引,以便对特定主题进行更深入和更有信誉的阅读。

成为话题权威。

为了在对你的业务很重要(甚至是您业务的关键)的特定主题上具有权威性,你需要围绕该主题构建出色的相互关联的内容,以展示你的专业知识和权威。

根据谷歌自己的E-E-A-T指南,你的内容应该是“有用且相关的”,因此,只要你经过优化并链接良好,你就会获得在该主题上排名良好所需的魅力。

这是一项艰苦的工作,但当这一切结合在一起时就会带来回报。 作为对你的业务至关重要的特定主题的专家,当你出现在搜索结果(包括 SGE)中时,你的客户旅程中漏斗的每个阶段都会让你被记住。 这种价值远远超出了 SEO。

成为真正的话题权威就等同于搜索者滚动浏览 SGE 和竞争对手的搜索结果,寻找你的结果。 成为真正的话题权威意味着该话题的搜索将开始包含你的品牌名称,以过滤掉噪音,从而更有效地找到他们信任的权威。

8、LLM需要我们的内容

现实情况是,为了让 GAI 给我们回应,它需要先有人写下来。 GAI不能成为信息的原始来源,而必须依赖于人类产生的信息。 对于新主题尤其如此。 需要有人写一些新主题供LLM使用并在 GAI 中反省。

SGE 的引入可能会对内容农场产生影响,因为我们很可能会看到这些内容农场因推荐流量减少而枯竭并关闭。 如果内容池收缩太多,那么谷歌将面临一个巨大的问题:他们无法在没有内容的情况下回答用户的查询。

虽然将会有关闭和整合,但一旦一个网站松开内容制作踏板,很可能就会有另一个网站来填补空缺。

9、GAI 内容热潮

随着 2022 年底 ChatGPT 的推出,人们普遍猜测许多内容创作者将重新使用 GAI 制作内容,内容创作者的工作面临危险,尤其是像“搜索机器人会让我失业吗?”这样的头条新闻。

我们有理由担心,因为LLM聊天机器人在生成即使人工智能检测系统也无法识别的内容方面做得很好。 如果美国宪法被所有三个“领先”的AI检测系统标记为人工智能,那么我们有什么希望知道我们正在阅读的内容是由人工智能产生的?

事实上,摩根士丹利 2023 年 4 月的一项研究显示,只有 19% 的受访者曾经使用过 ChatGPT,大多数受访者表示他们不太可能在未来六个月内使用 GAI 工具。 与同事交谈时,很少有人真正定期使用 LLM 聊天机器人,而且与我共事的人也没有使用过 Google 的 SGE。

急于使用 GAI 进行内容生成的人很可能是那些热衷于大规模生产内容的人,而不是那些希望制作高质量内容的竞争对手。 低质量的“内容农场”最有可能是使用和滥用聊天机器人LLM来试图操纵搜索结果的罪魁祸首。

在禁止 GAI 内容多年后,谷歌修改了立场,表示“重点是内容的质量,而不是内容的制作方式”。 然而,内容农场要小心,谷歌还表示,那些“使用自动化(包括人工智能)来生成内容,其主要目的是操纵搜索结果的排名,这违反了我们的垃圾邮件政策。”

谷歌的约翰·穆勒警告说,“如果你使用人工智能来编写你的内容,它将会被其他网站重新整理。” 无论你对 GAI 的提示有多好,反应总是很平均。

谷歌的算法非常复杂,旨在检测低质量内容。 因此,重复的 GAI 内容——即使是普通的、对现有内容几乎没有附加值的内容——也不会出现在搜索排名的首位。 因此,GAI 内容的出现实际上提高了优质内容的标准。

Google 自己的目标是向搜索者提供尽可能最好的搜索结果,因此,高质量的内容将继续获得顶级排名和 SGE 引用的回报。

如果你是内容创作者,GAI 会来替代你的工作吗?

不要相信我的话—说实话,请不要相信—但以我的专业观点,我想说,如果你所做的只是写作,那么建议更多地参与整个内容创建过程:构思、策略 、大纲、项目管理、工作流程、编辑等等。 LLM 聊天机器人无法与多方面的内容创建者竞争。 并且必须有人来管理机器人。 从Claude那里得到:

哪些地方需要人工,哪些地方需要 GAI 来处理 SEO 主导的内容?

GAI 非常适合补充内容写作,例如,帮助集思广益主题和想法、生成大纲和修改内容。 使用我们的 AI 内容生成器自动执行重复性任务,例如编写元描述或翻译内容。 使用 GAI 增强 SEO 主导的内容可以让您更多地关注写作中的人性元素:讲故事。

如果没有所有的人力投入,GAI 基本上不可能生产任何具有第一方数据的产品。 如果没有大量的人工指导和编辑,GAI 很难制作数据研究、研究报告和详细指南等长格式文件。

GAI 也很难像你那样了解你的客户和目标受众。 你了解导致转化的行为。 了解这一点可以让你制作出在观众旅程中的正确时间吸引他们的内容。

GAI可能会帮助你制作这些内容,但它不一定能帮助你知道要制作什么内容。 GAI和内容创作者之间不是一种替代关系,而是一种协作关系。

10、结束语

人工智能和搜索引擎优化的交叉点仍然复杂且快速发展,任何人都可以猜测接下来会发生什么。

虽然谷歌的 SGE 将永远改变搜索者与搜索结果交互的方式,但这并不意味着 SEO 主导的内容的终结。 相反,它强调了制作可在 GAI 回复中呈现的高质量、权威内容的重要性。

只要内容创建者以其独特的人类观点根据搜索者的需求制作高质量的内容,SEO 主导的内容仍然是在有机搜索结果中获得可见性的强大工具。


原文链接:Gen-AI:SEO的末日? - BimAnt

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/163707.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

成为AI产品经理——模型构建过程(上)

目录 一、背景 1.对内 2.对外 二、模型构建过程 1.模型设计 2.特征工程 ① 数据清洗 ② 特征提取 数值型数据 标签/描述类数据特征 非结构化数据(处理文本特征) 网络关系型数据 ③ 特征选择 ④ 训练集/测试集 一、背景 虽然产品经理不…

Linux应用开发基础知识——I2C应用编程(十二)

前言: I2C(Inter-Integrated Circuit BUS)是集成电路总线,是目前应用最广泛的总线之一,最初由PHILIPS(现为NXP)设计。它使用多主从架构,主要用于连接低速周边设备。I2C总线在硬件物理…

WorkPlus即时通讯,打通上下游产业链,构建企业生态圈

如今,随着信息技术的迅速发展,智慧水务、智慧医疗、智慧城市、智慧教育、智慧政务等领域正蓬勃发展。在这个智慧时代,企业需要一个具备开放性和扩展性的平台级产品,以满足多样化的业务需求。WorkPlus作为一款全新的移动底座产品&a…

String 真的不可变吗?

为什么 String 类不可变 final修饰符: String类被声明为final,这意味着它不能被继承。因此,无法创建String的子类来修改其行为。私有字符数组(char[]): String类内部使用私有的字符数组来存储字符串的内容…

Excel文件比较不再繁琐,xlCompare助您快速找出差异

概要 在现代职场中,Excel 已成为工作中不可或缺的利器。 在日常操作中,我们会遇到需要对两个或多个 Excel 文件进行比较的情况,此时,一款高效的 Excel 文件比较工具就显得尤为重要。 本文将为您介绍一款功能强大、优势明显的 Exc…

创新建筑形式:气膜体育馆助力校园体育设施革新

体育场馆在校园中扮演着重要的角色,是学生们进行体育锻炼、比赛和各类体育活动的场所。传统的室内体育馆建设往往需要大量资金和漫长的建设周期,但随着气膜体育馆的崭露头角,校园体育设施的面貌正迎来一场革新。 快速搭建,灵活性极…

电机应用开发-直流有刷电机电流环控制实现

目录 直流有刷电机电流环控制实现 硬件设计 直流电机电流环控制-位置式PID实现 编程要点 配置ADC可读取电流值 配置基本定时器6产生定时中断读取当前电路中驱动电机的电流值并执行PID运算 配置定时器1输出PWM控制电机 ADC数据处理 编写位置式PID算法 直流电机电流环控…

3、领导跟你谈话,讲到你的团队里面的好友,公司会进行观察裁员,你会去传话么?

作为一个团队成员,我会认真听取领导的意见,并尊重公司的决定。然而,作为一个好友,我也会考虑他们的利益,我会与他们沟通,提醒他们注意自己的表现和工作,努力提高业绩和工作质量,以确…

5个免费在线工具推荐

NSDT 三维场景建模工具GLTF/GLB在线编辑器Three.js AI自动纹理化开发包YOLO 虚幻合成数据生成器3D模型在线转换 1、NSDT 三维场景建模 访问地址:NSDT 编辑器 2、GLTF/GLB在线编辑器 访问地址:GLTF 编辑器 3、Three.js AI自动纹理化开发包 图一为原始模…

Linux下安装两个版本python

1 python下载: 官网地址:Download Python | Python.org 第一:点击下载如下图: 第二:找到对应的python版本源码包: 点击右键复制下载地址,如下图 例如我的是:https://www.python.org/…

【鸿蒙应用ArkTS开发系列】- 云开发入门实战二 实现省市地区联动地址选择器组件(上)

目录 概述 云数据库开发 一、创建云数据库的对象类型。 二、预置数据(为对象类型添加数据条目)。 三、部署云数据库 云函数实现业务逻辑 一、创建云函数 二、云函数目录讲解 三、创建resources目录 四、获取云端凭据 五、导出之前创建的元数据…

企业如何通过软文推广提高竞争力

数字时代我们每天接收到的信息远远超过可接受的量,且技术进步带来的“信息茧房”使用户很难获取真正有效的信息,但越是杂乱的信息环境,有价值信息的穿透力就越强,软文推广正是凭借价值感信息助力企业提高竞争力,接下来…

RabbitMQ快速学习之WorkQueues模型、三种交换机、消息转换器(SpringBoot整合)

文章目录 前言一、WorkQueues模型消息发送消息接收能者多劳 二、交换机类型1.Fanout交换机消息发送消息接收 2.Direct交换机消息接收消息发送 3.Topic交换机消息发送消息接收 三、编程式声明队列和交换机fanout示例direct示例基于注解 四、消息转换器总结 前言 WorkQueues模型…

C plus plus

环境配置 vscodewindows vscode c 环境配置(终极版)_vscode配置c/c环境_BangBang的博客-CSDN博客VsCode安装和配置C环境详细全流程_vscode安装c-CSDN博客MinGW、MinGW-w64 与TDM-GCC 应该如何选择? - 知乎、VsCode安装和配置C环境详细全流程_vscode安装c-CSDN博客 …

​LeetCode解法汇总5-正则表达式匹配​

目录链接: 力扣编程题-解法汇总_分享记录-CSDN博客 GitHub同步刷题项目: https://github.com/September26/java-algorithms 原题链接:力扣(LeetCode)官网 - 全球极客挚爱的技术成长平台 描述: 「HTML 实…

Educoder中Hive综合应用案例——用户学历查询

第1关:查询每一个用户从出生到现在的总天数 ---------- 禁止修改 ----------drop database if exists mydb cascade; ---------- 禁止修改 -------------------- begin ---------- ---创建mydb数据库 create database mydb;---使用mydb数据库 use mydb;---创建表user create …

电脑找不到xinput1_3.dll怎么修复,快速处理dll问题的5个方法分享

在使用电脑的过程中,我们常常会遇到一些常见的问题,其中之一就是“电脑缺少xinput1_3.dll”。这个问题可能会影响到我们对电脑的使用体验,甚至导致某些软件无法正常运行。在我遇到这个问题并解决之后,我深刻地体会到了解决问题的重…

迅镭激光板材切割自动化生产线中标高端机械装备龙头豪迈集团!

近年来,中国制造业逐步由低端制造业向高端制造业迈进、由劳动密集型向技术密集型转变,智能制造带动了制造业生产环节的自动化、信息化、数字化、智能化的迭代升级。 位于山东省的高端机械装备龙头——豪迈集团,紧跟国家发展战略,加…

【Spring集成MyBatis】MyBatis的Dao层实现(基于配置,非注解开发)

文章目录 1. MyBatis的dao层实现(传统方式)——需要写接口及其实现类2. MyBatis的代理开发方式——仅需写接口 1. MyBatis的dao层实现(传统方式)——需要写接口及其实现类 传统方式就是在项目下边建立dao包,里面包含接口及其实现类,文件结构如下&#x…

交直流一体化电源系统测试步骤详解

交直流一体化电源拥有高度适应性,可以用于不同的电力需求领域。但是为了确保其质量和性能,需要对交直流一体化电源进行各项测试以保证正常工作。本文纳米软件将介绍交直流一体化电源的测试方法,以及如何用交直流一体化电源测试系统进行测试。…