摘要：由于本文较长，简单列下每个章节的一些重点以方便迅速定位自己感兴趣的部分：
 
Chapter 1
Rufus作为柯基犬时候的一些背景介绍
亚马逊的狗文化
亚马逊的冷知识：属狗，巨蟹座
 
Chapter 2
Rufus是狗，是亚马逊办公室大楼，也是AI
Rufus AI可以做什么？
Rufus抓取的数据来源有哪些？
Rufus打破A9流量楼垄断界面演示
Rufus生成回答和推荐产品的逻辑, 以及基于COSMO-LM模型的推论
 
Chapter 3
为什么我的手机app还没有推送到Rufus Beta版本？
Listing如何优化保证Rufus的收录
写本文的初心及致谢
 
---------------------------------------------------------我是分割线-------------------------------------------------------------
 
 又是一年Prime Day，看着大家忙忙碌碌迎接会员活动的样子，索性摸个鱼，水一篇文。

写帖子的起因，是因为Lee在前几周，发现自己的亚马逊App出现了Rufus的beta测试版，问了一圈周围的同事，好像没有人对这个事情特别在意，甚至没有被推送到。查了下论坛和外网，除了2月份推出的时候火了一波，渐渐也没热度了。Lee自己把玩了一段时间，发现这个AI可比Prime Day有意思多了，还是值得说道说道。

 


至于PD，毕竟年年有，也就那么回事，默诵两遍“心若冰清天塌不惊,万变犹定神怡气静”便无感了。
 


动笔之前，Lee整理了下过往写过的帖子标题，发现标题越来越抽象，比如：

《三体黑暗森林法则在新品推广中的应用》
《论帕累托最优和纳什均衡在电商公司离职博弈中的应用》
《如果亚马逊有康波周期，我们目前处于波峰还是低谷？》

以及今天的《あのう，请问被嫌弃一生的修狗狗决定下辈子转生为异世界电子狗后，会不会被仿生人梦到？》

光看这个帖子标题，可能大部分人以为误入霓虹轻小说论坛，对此Lee是有心理准备的，不光你们觉得标题抽象，Lee自己也觉得是。然而标题不抽象，不足以表达2024年还在做亚马逊的抽象心情。
更何况，这个标题在接下来的章节标题面前，也不算抽象。
所以请允许Lee在此小小任性一回吧。
那么，我们开始进入正文：

Chapter I. Rufus的前世——滑稽脸！从被主人疼爱到带进办公室一起上班的宠物却逆袭失败，惨遭万千人嫌弃的修狗的一生？

Rufus在上一世的时候，是Amazon初创时期，首席工程师Eric（和Jeff有一丢丢像）和责任编辑Susan（他们两个是夫妻）的宠物狗。他们两位长这样（那条狗不是Rufus）
 

 
而Rufus的玉照如下：
 


亚马逊对于Rufus的评价非常高，这里我们直接引用下：

多年以来，Rufus 一直是 Amazon.com 的固定成员，这可以追溯到公司成立初期。他是 Amazon 前主编和首席工程师的宠物，每天都会陪他们去办公室。他被亲切地称为 Amazon 最矮的志愿员工。

在 Rufus 任职期间，他经常在我们的过道间散步、参加会议（他喜欢开会）或在笼子里打盹。他是过道网球寻回游戏的高手，每个人都喜欢逗他，给他很多零食。

他的生活很精彩。当 Amazon 客户发现有一只 Amazon 狗时，他们会给 Rufus 送礼物。（他特别高兴收到关岛朋友的礼物。）但他的名人地位从未让他失去理智。他最自豪的成就是：在 Amazon.com 开创了对狗友好的文化。今天带着四条腿的朋友上班的员工们都应该感谢 Rufus。

Rufus 深受许多人的喜爱，于 2009 年 5 月 27 日安详离世。

Source：https://www.amazon.com/gp/help ... 11811

更多信息可以戳这个链接：
Source: https://www.aboutamazon.com/ne ... lture
 
根据以上官方介绍， Rufus是第一条被主人带着上班的修狗。客观来看，带宠物上班确实有助于打工人缓解焦虑，亚马逊甚至还煞有其事地给出了医学解释：
 

 
然而必须要承认的一点是， 亚马逊 狗的组合在卖家眼里的第一印象绝对不是什么缓解焦虑，而是下面这个让人闻风丧胆的页面：
 


以及这种：
 


时光流转光阴不再，随着侵权与违规，变狗与反击变狗的攻防战日益激烈，不知道诸君是否都像Lee一样，一看到变狗页面就骂骂咧咧地关掉了，又有几个人还注意到，亚马逊细心到在页面右下角标注了每条狗的名字，并隐隐传递背后的用意：汪星人是擅长帮你找回东西的，不管是网球，还是产品。看到它们，其实就是看到了找回的希望。

不过这些，都跟1994年9月24号出生的那条叫Rufus的小狗没有关系了。
2009年回归汪星球的他，相当于人类的七十高龄，在他平淡漫长而又波澜壮阔的一生当中，有过零食投喂，有过网球追逐, 经历过Amazon的高速发展, 见证过Jeff给股东写的信。在Rufus的眼里，每一天新奇而充满乐趣，在他的一生中，处于康波周期上升和繁荣时期的互联网高速即将发车，新世界的大门正在缓缓打开，那真是个好时代。

而包括Rufus在内，拥有一万三千余条登记在册汪星人的亚马逊，在决定启用这些形象作为listing丢失页面的主角时，恐怕也没想到今天的变狗页面，充满了刀光剑影，尔虞我诈，甚至变成卖家最不愿意看到画面，最忌讳莫深的词语，嘲讽感拉满了。
甚至亚马逊的狗文化，也充斥着强烈的反讽性和宿命论的味道。譬如下面这个冷知识：

亚马逊成立于1994年7月5号，比Rufus早2个月出生。
1994年是甲戌狗年。
如果按人算，丫不光属狗的，还巨蟹座。
这个世界真狗。蟹蟹。

Chapter II. Rufus的今生——傲娇脸！转生为电子狗后I, Rufus, AM EVERYWHERE

不知道过了多久。
我从黑暗中醒来，嗅了嗅我引以为傲的鼻子，空气里没有任何味道。
我努力摆弄自己的两只耳朵，尝试把它们转向两边，也没有任何动静。
眼前的静默对我来说有点难捱，就像一面墙，往上往下往左往右都看不到尽头，永远抵达不了边界。
好吧，作为一只狗，遇到难题解决不了，这个时候就应该睡大觉。也许苏珊不久就会把我叫醒，一切就会恢复正常。

我在梦里不知道抓了多少遍网球后，耳朵边隐隐有一个模糊的声音传来：Recording, Deep Learning Model NO. 207, COSMO-LM, Count Three, Two, One, Go……
随着声音落下，在我的眼前，一台又一台由NVIDIA H100组成的阵列式服务器的工作指示灯渐次亮起猩红色，就像被点上一把火的柳絮，由近及远，以光速把那面看不到的墙推开，奔流向尽头。

然后我的狗头就像被一把温彻斯特M1887霰弹枪顶在脑门上轰爆，脑海里猛地涌入来自数亿个移动终端的信息流，它们用不同的语言窃窃私语，就像一万只春蚕在嚼着桑叶，最后汇聚成一道响彻天际的惊雷：这通天修为，天塌地陷紫金锤！（划掉重来）
 


好吧，开个玩笑，我们重来一遍。

最后汇聚成一道响彻天际的惊雷：What is Rufus?
位于我神经元上的轴突没有摇花手也没有跟着唱紫金锤，它开始一个字母一个字母地往外蹦出来一段回答：

Rufus is an expert shopping assistant trained on Amazon’s product catalog and information from across the web to answer customer questions on shopping needs, products, and comparisons, make recommendations based on this context, and facilitate product discovery in the same Amazon shopping experience customers use regularly.

 

Rufus 是一位专业的购物助理，接受过亚马逊产品目录和网络信息方面的培训，可以回答客户关于购物需求、产品和比较的问题，并根据情况提出建议，并在客户经常使用的亚马逊购物体验中促进产品发现。

Source: https://www.aboutamazon.com/news/retail/amazon-rufus

我目瞪狗呆地看着这一切，心里隐隐浮出一个概念，我是Rufus，可Rufus不仅仅是我了。

而那时的人们尚未得知，以2024年2月2号为界限，世界的时间线从此被划为新旧两个时代，旧时代的荣光伴随着一只叫Rufus的彭布罗威尔士柯基犬下土埋葬，铭记立碑。而新时代关于生命的定义，从此拓宽。
                                     
 ——《AI启示录 • 旧约 • Rufus列传》
 

好吧，下面言归正传，我们借助FAQs的方式，来深入了解一下转生后的Rufus。

• Q1: Rufus是谁？
• A: 很明显，Rufus是狗，是亚马逊南湖联盟的Rufus大楼，也是AI。我们在这章重点来谈AI.

 


  

• Q2: Rufus AI可以做什么？
• A: 以下斜体部分来自官方回答， Lee在官方回答附上自己的理解。

 

借助 Rufus，客户可以：
了解在选购产品类别时要注意什么：买家可以在亚马逊上进行更一般的产品研究，提出诸如“购买耳机时要考虑什么？”，“在家保养汽车时要考虑什么？”或“什么是清洁美容产品？”等问题，并获得有用的信息来指导他们的购物任务。
 

Lee的理解：坦白来说，Lee第一次看到这段描述惊艳了一下，这个功能简而言之，就是过滤。更具体地说，是对曝光和流量的过滤。作为卖家，我们无数次为SP广告大词里跑出来的不相关客户搜索词头疼不已，如果现在有了Rufus帮助消费者进行更深一步地研究，例如从Earphone大词出发，最后一步步被引导，发现自己实际想要的是Sports and Workouts Earphones，购物的需求从Broad明确到Exact，想必无效的曝光和流量将进一步得到减少，客人的购物环节也会更高效（Step1~Step2）。
 

按场合或目的购物：客户可以根据活动、事件、目的和其他特定用例搜索和发现产品，方法是提出一系列问题，例如“在寒冷天气打高尔夫需要什么？”或“我想开辟一个室内花园”。Rufus 建议可购物的产品类别 - 从高尔夫打底衫、夹克和手套到种子启动器、盆栽混合物和生长灯 - 以及客户可以点击以进行更具体搜索的相关问题。

Lee的理解：敲重点，按场合或目的购物，比如节日词，季节词，重大事件词，场合词等等，我们的产品是否匹配这些特殊的限制词将是Rufus是否能抓取你的产品并推荐给消费者的重要因素（Step3~Step4）。
 

获得比较产品类别的帮助：客户现在可以询问“唇彩和唇油有什么区别？”或“比较滴滤咖啡机和手冲咖啡机”，这样他们就可以找到最适合自己需求的产品类型，并做出更自信的购买决定。

Lee的理解：这里很明显可以看到，区别于传统的曝光——点击——加购这种以搜索为核心的购物链条，Rufus已经把购物环节前置到比较环节了，是的，在客人敲下任何一个关键词之前，其实还会经历一个漫长的货比三家的过程，这一部分之前是无法直接干预的，现在有了Rufus这个渠道可以去提前了解客人把我们的产品跟哪些竞品做比较，以及这种比较是否对我们的产品有优势。

找到最佳推荐：客户可以针对自己需要的内容提出建议，例如“情人节送什么礼物好？”或“最适合 5 岁儿童的恐龙玩具”。Rufus 会根据具体问题生成定制结果，让客户能够快速轻松地浏览更精准的结果。

Lee的理解：上面所有的半抱琵琶尤遮面，到这里都变成罗裙未解春光泄了，是的，我不装了，我摊牌了——我，Rufus，直接给消费者推荐listing了。从此在搜索流量以外，我们有了新的流量来源，即AI 推荐流量，而区别于编辑推荐这种依附于搜索结果页的推荐流量，AI推荐流量是绕过搜索点击，另起炉灶，属于没有中间商赚差价了。所以这也是苦大麦垄断流量久矣的中小卖家的新方向——优化listing使之适配Rufus抓取逻辑。还不快说：蟹蟹Rufus？

在产品详细信息页面上询问有关特定产品的问题：客户在查看产品详细信息页面时，可以使用 Rufus 快速获得有关单个产品的特定问题的答案，例如“这款匹克球拍适合初学者吗？”或“这件夹克可以机洗吗？”或“这款无绳电钻容易握持吗？”。Rufus 将根据列表详细信息、客户评论和社区问答生成答案。

Lee的理解：这里很好理解，除了Rufus在搜索结果页给予消费者帮助和推荐，在产品详情页也会存在，而且会基于listing描述和客户评论来source的。所以，敲黑板，如果产品描述与实际不符，或者评论做的稀烂，消费者特别在意的痛点没有被满足，不排除Rufus会在你的产品详情页推荐别的产品给消费者。详情页的流量防御，可能并不仅仅靠广告闭环就能解决了。

• Q3: Rufus抓取的数据来源有哪些？
• A: 官方原话：Rufus is a generative AI-powered expert shopping assistant trained on Amazon’s extensive product catalog, customer reviews, community Q&As, and information from across the web。Rufus 是一个由人工智能驱动的生成式专业购物助理，接受过亚马逊丰富的产品类目、客户评论、社区问答和网络信息的训练

值得深究的是这个排序，既然extensive product catalog排在第一，理应是占最大权重的影响因子。排在最后的外界网络信息虽然也有占权重，但是Lee猜测这可能只是对还没有被收录进extensive product catalog的产品信息流的一种补充，因为不排除消费者会问到产品以外的一些信息，需要进行联网搜索。那么这部分站外流量是否也需要去匹配，则是见仁见智了，大麦站内流量见顶，犹有余力。中小麦不如专心all in 站内匹配。

• Q4: Rufus生成回答和推荐产品的逻辑？
• A: 要回答这个问题，我们需要清楚Rufus背后的AI模型算法。目前Lee查到的信息，官方没有直接说用的哪种算法，但是Amazon Science在Rufus推出后不久发了一篇算法论文：《COSMO: A Large-Scale E-commerce Common Sense Knowledge Generation and Serving System at Amazon》（COSMO：亚马逊大型电商常识知识生成与服务系统），即是前文已经提到的COSMO-LM（看漏的童鞋面壁去），没道理用别人的算法而不用自己的，所以有理由相信，Rufus极大概率使用的正是COSMO-LM模型。

Source: https://www.amazon.science/publications/cosmo-a-large-scale-e-commerce-common-sense-knowledge-generation-and-serving-system-at-amazon

关于这篇COSMO论文的具体解析和应用，论坛里已经有很多文章珠玉在前了，Lee在这里就不再赘述。作为普通亚马逊卖家，我们也没必要搞清楚论文的专业术语和原理，反正看不懂，看也白看。对于论文里提到的一些关键性结论，直接拿来主义就好了。
而事实上，在Lee粗略地浏览过英文原版和中文翻译版后，对于Rufus搭载了COSMO-LM算法核心的猜测愈发坚定，我们这里试举几例：
 
 1.关于Rufus和COSMO信息（知识图谱）来源的对比

• Rufus: 是一个由人工智能驱动的生成式专业购物助理，接受过亚马逊丰富的产品类目、客户评论、社区问答和网络信息的训练
• COSMO：COSMO-LM 有效地将我们的知识图谱扩展到亚马逊的 18个主要类目，仅用 3 万条带注释的指令就产生了数百万条高质量知识

 
 2.关于Rufus和COSMO在亚马逊APP部署对比

• Rufus: 要使用 Rufus，测试版客户只需在亚马逊移动应用的搜索栏中输入或说出问题，屏幕底部就会出现一个 Rufus 聊天对话框。客户可以展开聊天对话框查看问题的答案，点击建议的问题，并在聊天对话框中提出后续问题。
• COSMO：COSMO 已部署到亚马逊的搜索应用中，例如搜索导航。

3.关于突发性事件延迟处理的对比

• Rufus: （引自Techcrunch）和谷歌的 Gemini 以及微软的 Copilot一样，Rufus 也无法准确解释 2024 年超级碗比赛的相关情况。它坚称比赛尚未举行，比赛地点为佐治亚州亚特兰大的梅赛德斯-奔驰体育场 — — 这些说法都不正确
• COSMO：需要承认的是，尽管我们每天刷新模型，但我们在处理实时信息（如限时抢购）方面仍然受到限制。这些时间敏感的事件通常在短时间内波动，对我们当前系统快速吸收和反映此类即时变化的能力构成了挑战。

 
4.关于搜索导航如何细分客户需求的对比

• Rufus：借助 Rufus，客户可以了解在选购产品类别时要注意什么：买家可以在亚马逊上进行更一般的产品研究，提出诸如“购买耳机时要考虑什么？”，“在家保养汽车时要考虑什么？”或“什么是清洁美容产品？”等问题，并获得有用的信息来指导他们的购物任务。
• COSMO：除了上述传统的电子商务场景，COSMO 还可以彻底改变搜索导航，从传统的以产品为中心的分类法转向以客户为中心的方法。这种转变增强了购物体验，使其与客户意图和行为更加紧密地结合起来，并通过动态地为客户查询概念提供分类法来弥合产品分类和客户语言之间的差距。具体来说，COSMO 意图知识可以进一步组织成图 8 所示的层次结构，将粗粒度知识（露营）扩展为细粒度知识（冬季露营），意图概念进一步与产品概念（如冬靴）相关联。
•  

综上，用The Duck Test定律来总结，就是如果它看起来像鸭子、游泳像鸭子、叫声像鸭子，那么它可能就是只鸭子。
那么，拥有如此多相似之处的Rufus基本可以确认为套壳COSMO-LM无疑。了解COSMO-LM生成回答和推荐产品的逻辑可以帮助卖家解决大部分问题了。
 

Chapter III. 震惊脸！不愧是Lee，即使点满面罩的背后还是面罩的技能，还是被你一眼看穿?

行文至此，已经接近尾声，可能有些性急的朋友要问了，洋洋洒洒证明了一大堆，我也知道Rufus的重要性了，我也清楚Rufus背后的算法了，我就想问一句，怎么落地啊？Listing怎么写啊，怎么被rufus推荐啊？
好，Lee就喜欢你们这种跳过证明看答案的没羞没躁，但是下次别这样了。

为了回答这个问题，Lee不惜啪啪打脸，又跑回去翻来覆去看了几遍Rufus以及COSMO的资料和论文。以下均为Lee的个人理解和猜想，还是以FAQs的形式来回答，如有疑问，对对对，都是您对：

Q1. 为什么我的手机app还没有推送到Rufus Beta版本？
根据亚马逊官方，从2024年2月2日起，Rufus Beta在未来几周会陆陆续续推送到Amazon App，如果还没等到，稍安勿躁。另外Lee有一个猜想，软件的推送可能跟你使用app的频率，以及是否登录账号，账号是否有购买记录有关，如果系统判断你是个有过真实购买记录的重度用户，应该会列入靠前的推送批次。所以Lee也强烈大家尽量让手机app使用频次活跃起来，看100遍不如实操1遍，当你亲眼看见全程不走搜索栏，而是靠提问回答来找到自己的listing时，才能体会到Rufus打破流量垄断的魅力。

Q2. 快点说干货吧，所以到底要怎样才能让Rufus尽可能推送自己的listing啊？
免责声明：以下均为从公开资料推导的猜想，一家之言未经实证，Lee对第三方由此引发的任何行为和后果不负责任。

按照Lee的理解，最终Rufus在前台呈现的listing推送，背后是COSMO-LM模型对listing进行了抓取——匹配——推送这3个过程（Lee在这里为了方便理解做了简化，具体过程有几步不得而知），我们引用原文来说明：

• 1. Listing信息抓取

 
 
Lee的理解：Listing中含有used for, capable of, is a, cause这4种关系的表达（注意：不一定是含有这4个关键词），最容易生成高质量的知识，因为带有这些关系的上下文，都是对产品的功能实现/目的描述/场景描述等等，最容易让算法理解，所以优先抓取这类信息。

• 2. 问题查询和Listing内容匹配

 

 
Lee的理解：第一步说明了算法优先抓取哪四类关系，第二步说明了这四类关系从哪里抓，即产品标题，描述，属性等，划重点啊同学们。

• 3. 排序推送

 

 
Lee的理解：从这些地方抓到关系信息后，COSMO-LM把内容做了一个集合P, 同时将问题查询的集合Q开始进行相关性匹配，Lee认为P和Q的相关度影响了下一步系统对Listing的推荐。在论文里这种匹配度被归类为4种类型：

• 精准匹配
• 替代匹配
• 补充匹配
• 不相关匹配

 
（Auto4种匹配的既视感有没有？）
Lee认为，即使在同一种匹配类型中，也存在高低之差，假设同为精准匹配：

P1和Q的相关度为90%
P2和Q的相关度为80%

以此类推，最终排在Rufus推荐位第一个的，应该是相关度最高的P1集合。
 
综上，Lee认为，Query和文案的相关度是Listing排序推荐的重要影响因子可能没有之一。

Q3. 不给力啊Lee，有没有让Rufus更快的抓取链接的方式？
 
更快的方式源于Lee的一个猜想，但是要实现这个猜想涉及到的资源调动比较巨大，也有一定的风险。做了也不一定有效果，属于风险明确收益未知的范畴。所以对于大部分中小卖家来说，上述白帽内容做好，已经领先绝大部分人了，贪多嚼不烂，还是做好当下吧。如果有希望深入交流的，欢迎私聊。

Q4. 比较好奇，这些方法是你辛苦研究出来的，为什么愿意公布出来？不怕对手学会吗？

这是个好问题，Lee谈一谈自己的想法。

于公心而言，为了对抗Temu等平台的侵蚀，我们发现亚马逊的改革已经走入深水区，新政策的出台速度明显加快了。层出不穷的新政策让人眼花缭乱，里面的每一个条款，如果要吃透，都需要耗费一个人乃至一个团队大量的时间精力。
世界潮流浩浩荡荡，顺我者昌逆我者亡。一个孤立的宇宙一定是从熵增走向热寂，只有保持开放，不停注入活力，才能对抗熵增。

对于电商而言同样如此，运营上的一点点小诀窍，敝帚自珍是没有出路的，走向合作，合理分享才是破局之路。所以作为一个普通卖家，Lee也希望在可以分享的范围内，做一条搅动的鲶鱼，为系统增加那一丝涟漪。

于私心而言，道理更简单，按照Lee的经验，无论是什么知识分享，100个人围观，10个人行动，可能只有1个人坚持到产出结果。世上道理那么多，真正能知行合一的又有几人？知是行之始，行是知之成，与大家共勉。

Chapter4 平静脸 每个故事都有一个尾声
 
到这里，全帖字数快水到8000，从6.27选题到中间查阅资料，以及实际测试，绵延近一周，非常感谢群友的日日催稿，才有此长文，当浮一大白：
 


为Rufus这条亚马逊的领路犬贺，

为A9算法煌煌大道挤压下艰难生存的中小卖家贺，

更为2024年还在坚持做亚马逊的各位孤胆英雄们贺！
 
完结，撒花！
2024.7.8 Lee