随着人工智能技术的发展，亚马逊对自己的算法进行了升级并且应用了Cosmos，随之亚马逊的新AI购物助手Rufus也已经在美国站，app端和网页端全面开发，这强大的工具正在慢慢改变亚马逊的游戏规则。Cosmos是亚马逊的后端AI算法的进一步升级，亚马逊在原有的A9算法上增加了cosmo，而Rufus是前端的个性化购物助手。本文将深入探讨cosmo到底是什么?以及我们在前端所看到的Rufus有着什么样的关系?我们卖家如何调整listing 更好的让Cosmo从我们的listing获取有效信息，从而提高我们产品的曝光度。
1.Cosmo 如何收集信息？信息源是什么？
如果大家想了解cosmo是什么样的模型这相关的内容的话，你们可以点击这里，可以看看亚马逊算法团队的研究人员他们发布的研究报告，因为这个研究报告或者文章已经发布差不多一年了，认为大多数卖家应该看到过，所以我在这里不再讲解这篇文章讲的是什么内容，我们直接跳到，这个算法模型如何收集数据这个问题。
目前cosmo 主要收集信息的来源是 ，买家评论，就是我们上传产品的file，我们的独立站上的信息以及我们在我们的社交媒体的品牌页面发布的信息. 信息收集以及交互的过程用以下图1 做了一个简单的解释
图1
我们在前端 和亚马逊AI 进行信息交换的时候，亚马逊AI Rufus 也在同时收集我们的信息，所以千万不要把cosmo 理解成信息收据的模型，把Rufus 理解成信息释放的模型，Rufus 是交互数据的同时也收集采集信息，只是cosmo在后台进行收集，Rufus 通过交互的形式收集数据，以下图2 可以很好的解释消费者利用AI 购物的信息交互过程
Rufus是一个由生成式AI驱动的对话式购物体验。它的目标是通过对话式的交互帮助客户找到最适合他们的产品。用户可以通过提示如“我需要参加某个活动的东西”或“我想比较这两件商品，哪个更适合我的具体情况”来与Rufus互动。Rufus会根据用户的输入和历史行为数据提出相关问题，并提供具体的搜索词。
Rufus会根据用户的上下文和历史行为提出具体的搜索词。例如，如果你要参加佛罗里达的婚礼，Rufus可能会提出“适合婚礼的花边褶皱长裙”这样的搜索词。Rufus不仅考虑用户的当前需求，还会结合其过去的购买记录和浏览行为。
关键词优化的新思路
在新的AI驱动的购物环境中，关键词优化的方式发生了变化。以前，卖家可能过于关注通用关键词的排名，如“长裙 long dress”。但现在，Rufus会根据用户的上下文提供非常具体的长尾关键词。例如，“适合婚礼的花边褶皱长裙/Lace Pleated Maxi Dress for Weddings”。如果你的listing没有针对这种长尾关键词进行优化，即使你针对“长裙”进行了优化，你也可能不会出现在搜索结果中。
独立站的重要性
其实很多亚马逊卖家不太会注重独立站，但是Rufus 也会从独立站上获取产品和品牌标签，以及相关的信息，因此你的简单的独立站也会帮你增加你在Rufus 信息交互过程中获得曝光的机会，比如说有些关键词 我们没办法在亚马逊详情页或者五点上加进去，但是你完全可以加到你的独立站产品详情页甚至标题，这样你给Rufus 提供了收集相关信息的渠道，这些信息会影响Rufus的推荐逻辑。
用户行为的影响
用户的行为数据是Cosmos和Rufus的核心。这些数据包括：
- 在亚马逊上的搜索和浏览行为
- 在社交媒体上的活动
- 在Google或其他搜索引擎上的搜索行为
- 产品评论和评分
这些数据会被收集并用于训练大型语言模型，从而创建一个包含用户偏好的数据库。例如，如果系统知道你喜欢粉色，它会更多地向你展示粉色的产品。
优化策略
1. 理解用户问题：从用户的角度出发，思考他们可能会问什么问题。深入了解你的目标受众，理解他们的需求和痛点。
2. 构建内容：基于用户的需求和偏好，而不是仅仅依赖关键词。解释产品的功能、用途和适用场景，使用场景可视化表达，不要依赖关键词，产品的用途使用场景用图片来表达，亚马逊的识别图片的功能在全球非常领先的，也是rufus直接可以读取图片与消费者进行互动。
3. 利用客户评论和亚马逊帖子：Rufus会优先考虑那些被标记为“有帮助”的评论。鼓励客户留下详细且有用的评论，并对这些评论进行“有帮助”标记。
4. 多渠道互动：在亚马逊之外的平台上积极互动,独立站产品发布评论，website产品相关的博客，以及社交媒体上 Facebook品牌主页提供产品的有效信息以及互动，提供更多的信息和内容。这有助于Rufus更好地理解你的品牌和产品。
具体操作步骤
我们提到listing优化，以往都是关键词为中心，核心关键词，重要关键词埋到底的概念，但是现在随着算法的变化，似乎关键词的权重，以及影响产品曝光(visibility)的影响因子中的众多因子中的比重没有那么高了，亚马逊更注重图片，因为亚马逊的图片识别 Amazon Rekognition 系统非常先进，并且很快把图片信息抓取，因此我们现在需要注重我们的额详情页的图片，最好是把产品所有的功能，用途等等用图片来进行说明，因为这个系统识别详情页的图片信息之后，自然语言的形式传输给LLMS系统并且 cosmo 把这个信息反馈给Rufus。
举个例子：
假如说，我们在亚马逊卖到是这个以下链接
但是这条链接并没有说明这条裙子可以在outdoor event 或者outdoor wedding 可以穿的，甚至连相关的关键词都没有，如果买家通过Rufus 直接给出指令，I need to buy a dress for outdoor wedding or outdoor birtday party in october . 这个时候在海量的数据库中Rufus 根据买家以往的浏览网站的痕迹以及偏好，从亚马逊数据库匹配相应的产品进行推荐，如果你的产品详情页恰恰有一张下面类似的图 (假如说这就是上面这件衣服的场景图)
这个时候Rufus从这个图片场景中抓取信息，判断这条裙子在户外的event 适合穿，并且把你卖的裙子推荐给买家的机会增加了。
因此亚马逊的推荐，推送的机制，抓取数据信息的机制发生了变化，不是单单的从关键词匹配你的产品，更加注重客户购买这款产品的意图，因为这样能够确保消费者的需求。
我们产品图场景图都可以在后台进行检测，并且查看亚马逊是怎么识别这个产品，由于你的产品拍摄的角度不一样，或者你拍摄的光线的原因，亚马逊的Amazon Rekognition 系统可能出现识别错误，这个时候你需要对你的产品图或者场景图进行调整，以便让亚马逊准确的识别你的产品。 以下就是非常典型的案例
亚马逊可能把左边图识别成bath towel 浴巾，但是你买的并不是浴巾，这个时候你需要到后台进行检测，方法也很简单：
检查AI对产品的理解：
- 登录Seller Central，点击“Catalog” -> “Add a Product”。
- 选择“List Your Products”，进入空白表单页面。
- 点击“Generate Listing Content”按钮，上传你的产品主图。
- 生成内容后，检查AI对产品的描述是否准确。如果描述不准确，你需要调整产品图片或描述。
你可以检查你的所有的图，主图以及场景图都可以进行检测，检测出来相关产品的关键词之后你再放到你的详情页，这就是最简单的方式，别嫌麻烦，一定检测一遍，不然你让美工修图半天，结果亚马逊在后台识别的并不是同样的产品，那就不是浪费时间白忙活了。
总结
今天，我们讨论了如何优化亚马逊listing以适应Cosmos和Rufus。以下是主要的要点：
意图至上：现在的重点在于理解用户的意图。
优化产品描述：使用清晰、详细、符合用户需求的描述。
高质量图像：确保图像清晰、准确地展示产品特点。
关键词优化：关注语义SEO，优化长尾关键词，强调内容的质量和相关性，而不仅仅是关键词的堆砌。
客户评论：鼓励高质量的客户评论，提高产品的可信度。
多渠道互动：在多个平台上积极互动，提供更多有价值的信息。
通过以上策略，你可以在新的AI驱动的购物环境中更好地优化你的亚马逊listing，提高产品的可见性和转化率。希望这篇文章对你有所帮助，欢迎在评论区分享你的看法和经验!
本文链接：http://www.awyerwu.com/13898.html ,转载需注明文章链接来源：http://www.awyerwu.com/
