随着亚马逊新AI算法的引入，搜索规则正在发生剧变，卖家们该如何调整策略

AI算法的引入使得SEO的核心不再仅仅是关键词优化，而是更侧重于理解“用户意图”。搜索系统不仅会分析你使用的词汇，还会努力捕捉用户搜索的真正目的。

自今年起，亚马逊的新AI算法COSMO与Rufus成了卖家们关注的焦点。它们正在迅速引领平台算法的演变，重塑整个流量分发的格局。

我们此前也讨论过，随着新算法的加入，亚马逊标品与非标品的流量发生了细微的变化。根据我们的监测，

一些标品类卖家的产品流量显著下降，下降幅度甚至高达30%。
而某些半标品和非标品的卖家则获得了流量的增加，出单变得更加顺畅，同时也带来了更多爆单的机会。

随着平台引入新AI算法，许多卖家发现自己的产品受到了不小的冲击，尤其是在搜索排名方面的波动。从小匠在卖家群和跨境电商论坛上收集的反馈来看，老产品的销量和流量出现了大幅下降。卖家们表示，虽然会员日的销量略有回升，但其余时间的流量和销量远不如以往，很多卖家都表示“销量进入冰点，局面非常严峻”。

针对这一变化，卖家们提出了两种可能的原因：一方面，其他电商平台的各类活动引发了大量流量转移；另一方面，亚马逊的新算法改变了流量的分配机制，使得原本属于某些产品的流量被其他符合新算法要求的产品所占据。那么，原有流量是如何被重新分配的呢？小匠将通过解析两种新算法的工作原理来为大家详细解答。

COSMO是亚马逊推出的一个创新搜索算法，旨在提升搜索结果的相关性和准确性。不同于传统的个性化推荐系统，COSMO算法利用大型语言模型(LLM)来分析用户的购物行为，并构建了涵盖18个主要商品类别的电商知识图谱。它通过深入学习类目词条的基础知识以及识别用户的购买偏好、兴趣和习惯，为买家进行标签化处理，以便在搜索时向他们推荐符合其习惯和需求的产品。

COSMO算法与亚马逊传统的A9搜索引擎有着明显的区别。A9主要依赖于关键字匹配和产品属性来进行搜索和推荐，而COSMO则更关注用户的需求和行为，通过构建精准的用户画像和更智能的推荐算法，结合全品类的高质量知识图谱，为用户提供更加个性化的搜索体验。

COSMO算法是A9算法的一次优化升级，而非彻底替代。在商品展示上，不仅仅依据搜索的关键词（A9算法），还会考虑用户的行为和需求特征（COSMO算法）。这种结合使得AI能够更精准地进行个性化推荐，甚至根据具体用户的需求做出细致的匹配。

语境解析：COSMO通过对搜索查询的上下文进行全面分析（如考虑买家的历史行为、地理位置和流行趋势等），能够为用户提供更相关的结果。比如，在用户搜索“冬季徒步旅行的保暖夹克”时，COSMO不仅仅局限于夹克这一类别，而是根据对保暖性和徒步旅行需求的理解，推荐更多符合用户需求的相关产品。

语义理解：COSMO通过自然语言处理技术，在用户输入关键词时，首先会识别其背后的意图和含义。它不仅关注关键词本身，还能够分析上下文中的细节，理解同一关键词在不同情境下的多种解释，以便为买家提供更精确的搜索结果。因此，即使是相同的关键词，两个不同的买家可能会根据其个性化的偏好和历史记录获得不同的搜索结果。同时，COSMO还会依据关键词的搜索背景进行调整，确保结果的及时性与相关性。例如，在11月搜索“圣诞礼物”时，COSMO的推荐结果会与7月有所不同，符合节庆和购物趋势。

知识图谱集成：COSMO利用电商行业知识图谱来建立产品、类别与用户偏好之间的关系网络，从而提升搜索结果的精准度。知识图谱是COSMO的核心技术之一，它通过对用户行为数据的深度挖掘和分析，构建起一个庞大的数据网络。这一网络主要在以下几个方面发挥作用：

知识图谱使COSMO能够识别不同术语之间的语义关系。例如，“跑鞋”和“运动鞋”虽然词汇不同，但它们描述的是相似的产品类型。

属性识别：COSMO能够通过解析搜索关键词的属性，提供更精准的结果。比如，当买家搜索“50 美元以下的蓝牙耳机”时，COSMO将“蓝牙耳机”视为产品属性，而“50 美元以下”则被视为价格属性。卖家应当注意，在产品标题和文案中使用多样化的关键词，以便更好地契合COSMO的算法要求。

知识图谱帮助COSMO理解用户的搜索习惯和兴趣，通过这些信息为买家推荐相关的产品。

COSMO通过持续分析买家的互动，不断优化对常识的理解。它通过跟踪买家如何进行查询以及他们的点击选择，逐步提高推荐结果的精确度。

COSMO代表了亚马逊搜索功能的转型，从以产品为主的传统方式，转变为更侧重用户需求的模式。为了实现这一点，卖家需要全面理解买家的需求。COSMO不再仅仅关注产品的属性，而是把买家的需求和背景纳入考虑，确保搜索结果既符合相关性，又能够根据买家的个人偏好进行定制。