原文：

 
发布网站： Code3
 
这篇文章目前是谷歌搜索amazon cosmo algorithm 自然排名第3且解析比较清晰的一篇，所以在我自己阅读之余，将内容翻译成中文，分享给大家。另外在文章最后附上A9、所谓的A10（A9迭代）和COSMO算法的核心影响因素和变化内容。

 COSMO算法关键要点：
1、了解你的用户：利用用户数据来理解亚马逊上你的用户是谁，以及他们的偏好是什么（译者：尤其是使用场景是什么，如何使用）；
2、持续优化和改进你的产品信息：紧跟趋势和用户偏好，将这些洞察加入到你的产品标题和描述中。并且回答关键问题，比如“这个产品是拿来干嘛的”和“用户是谁”；
3、关注产品属性的完整性：下载你的类目列表报告（Category listing report），确保你的产品列表和最合适的产品类型匹配，核实所有属性值的完整性和准确性，以提高产品的可见性；
4、评论很重要：鼓励用户反馈，这个信息将为你的产品以及用户如何使用他们提供更多洞察。
 
下面为原文中有关COSMO算法解析的中文翻译：
 
通过亚马逊官方发布的研究报告可知，COSMO是一种最新的影响亚马逊搜索算法的AI工具。COSMO算法具备扩展性，可以通过手机和分析用户行为和偏好，提取出常识性知识，足以改变亚马逊的搜索导航方式，从传统的“以产品特性为中心”的分类系统，转向“以客户需求和行为为中心”的分类和导航方式。
 
这种改变将优化购物体验，使其更贴近用户意图和行为，根据客户的查询动态调整（译者：此处指的是多轮搜索）和提供分类系统，在产品分类和用户语言之间建立起桥梁。
 
换言之，COSMO算法在处理搜索请求的时候，将优先考虑客户的意图和人口统计信息，以确定在搜索引擎结果页面（SERP）中显示哪些结果。但无需惊慌，亚马逊还没有官宣A9算法有任何重大更新，但报告中提到COSMO算法已经开放给10%的美国流量进行测试，也许它不会立刻落地，但是COSMO算法是亚马逊自然搜索的未来，卖家和品牌们应该对此有所举措。

1. COSMO算法是如何工作的？

 
比如你搜索‘ men shoes for wedding'，在COSMO算法下，它知道你在寻找 ‘ hard bottom shoes'。传统搜索引擎是无法识别这种关系的，因为COSMO应用常识知识强化了搜索相关性，根据购物者的意图提供更好的相关建议。
 
这个新的AI工具利用独有的行为数据和行业级别的知识图谱来理解用户意图。COSMO通过训练循环来判断客户的意图。在这个循环中，大预言模型（LLM）做出预测并获得反馈，并根据这些反馈来赶紧未来的预测。

（译者加注：这里的意思是，cosmo算法根据购物者的选择，进一步优化自己的算法模型，从而后续可以给出更精准的多轮选项，不断提升理解购物者意图的能力，从而帮助购物者更快更精准地找到自己想要的产品。）

 
同时利用RUFUS（亚马逊全新购物对话助理）获得的数据，COSMO将会分析你的商品能做什么，客户需要什么，以及客户将如何使用你的商品。Amazon science是这样解释这个功能的：
 
“如果一个客户，提交一个请求‘shoes for pregnant women'，推荐引擎应该能推断出孕妇可能需要防滑的鞋子。我们正在构建一个知识图谱（包含产品和相关信息的结构化数据系统），该图谱编码了亚马逊商店中的产品与其在各种人类情境中发挥作用的关系——包括他们的功能、受众、使用地点等。例如，知识图谱可能会使用‘受众如何使用’的关系来连接防滑鞋与孕妇。“
 

 
COSMO的工作流程是通过检查特定的功能来进行匹配，包含‘used for', 'used on', 'used with', 'interested in' 和'capable of'。当下载一个商品模版，我们可以看到每个类别的discovery属性，像“主题”、“目标受众”和“包含的组件”等属性，这些属性将帮助系统理解产品的用途和用户如何使用。
 

        2、COSMO如何影响亚马逊自然搜索？
 
虽然亚马逊还未官宣A9算法有任何重大更新，但是COSMO已经开放给10%美国流量进行测试。事实上，在相同流量前提下，导航参与度有了8%的提升，明显提升了用户互动和满意度。
 
Codes3的SEO策略师预测COSMO将会在明年有进一步应用。一旦这种广泛应用发生，COSMO的逻辑将会使搜索查询与购物者的意图更加匹配，从而带来更加个性化和精细化的搜索结果（译者：这里跟国内的“千人千面”并非同一概念，因为国外对于个人隐私数据保护很严，这里的个性化仅仅匹配的是一些地理性别数据）。可以说，这是亚马逊自然搜索的一次重大且有颠覆性的更新，提升购物者的体验。
 
这些对于关键词有哪些影响？传统意义上，要使用高搜索量和高关联度的关键词来优化产品详情页，以确保A9算法索引并将listing展示在搜索结果页。COSMO算法下，这个操作将会有重大变化。COSMO将会从过往的搜索记录中持续学习，并做出预测，从而让顾客的意图和上下文成为关键的排名因素，可能比精准匹配的关键词还要重要。
 
关键词研究正在演变为用户画像和购物者研究。尽管我们的关键词研究工具对于了解购物者的搜索方式依然很重要，但我们也需要结合分析评论、退货和用户行为的研究方法。通过这些研究，可以让算法获得更丰富的上下文信息，从而提高其分析和预测能力。
 
 
       3、亚马逊卖家和品牌方应该做些什么？
 
从产品详情页的角度来看，这个变化的影响是显而易见的。随着亚马逊将常识知识纳入知识图谱，产品详情页的信息必须描述清晰、明确，并且准确地与购物者的意图对齐。这意味着需要了解购物者如何找到并与你的产品互动，并确保产品详情页满足他们的需求。
 
随着亚马逊知识图谱不断发展，购物者意图、搜索词和产品listing之间的关联会更加准确，最终丰富平台上的购物体验。品牌/卖家应该通过回答用户关于产品的核心问题，以及结合与顾客产生共鸣的相关关键词，进而教育算法。结合这些数据将帮助系统快速识别你的产品，并匹配上最适合的数据集。
 

拓展阅读：以下内容来源于Amazon A10 algorithm demystified: how to earn top rankings, 发布于eva.guru

1、A9算法的关键影响因素
关键词关联度、转化率、历史销量、展示量、点击率、评分和评论数、价格、库存、backend关键词、产品图片
（图片来自于谷歌搜索）

 
2、A10算法（A9算法改进）
强调自然销量和卖家权威性；
降低了亚马逊PPC广告的权重；
将站外流量和销售额纳入考量；
更关注销售速度和销售历史。
 
3、COSMO算法
利用用户搜索历史数据、知识图谱来判断用户意图，从而更精准匹配商品。
 
 
如果大家又根据一手经验观察到的一些有关新算法的发现或结论，欢迎在评论区分享。