亚马逊进入千人千面的时代，A9算法将成为历史？
亚马逊进入“千人千面”的时代了吗？这两天，亚马逊卖家群讨论得最热的话题应该就是关于亚马逊A9算法是否会被其他新算法替代的话题。
看到以上消息对于最近参加课程的同学来说并不意外，因为董老师更新4.0打法在亚马逊政策公布之前且能够吻合官方AI推流规则。同时也证明了董老师的运营打法具有前瞻性。
根据亚马逊官方AI推流引擎政策公告，意味着亚马逊平台存在两大流量引擎分发机制，原来的A9搜索引擎及最近更新的AI推荐引擎
亚马逊推荐引擎是一种基于机器学习的系统，旨在为用户推荐产品。这个系统通过分析用户的购物历史、浏览行为、产品搜索记录以及用户评价等信息，来预测用户可能感兴趣的商品，并向他们展示推荐产品。这种推荐机制有助于增加用户满意度，提高购物体验，同时也能促进销售额的增长。基于往年的历史记录，推荐引擎为亚马逊电商平台收入带来贡献占比超过35%以上。
目前亚马逊推荐引擎系统分为监督学习、半监督学习和无监督学习的机器学习的系统，随之亚马逊算法的深度学习、机器学习到AI演算。随之机器学习系统的不断完善与更新，有可能出现我们说的"千人千面”局面。
以下跟大家分享目前亚马逊官方已公告的AI推荐引擎系统的两个模型：
1、亚马逊全新AI智能算法COSMO
关于这个新算法的讨论，源于amazon.science网站的一篇论文。这篇论文提到在现有电商平台中，虽然商品信息不计其数，但缺乏对用户意图的理解，与用户的思考和行为存在一定差距。
因此，提出一个名为COSMO的系统算法，从用户行为数据中挖掘常识性知识，构建规模的知识图谱，为用户提供更多样化的在线服务，以此来改善用户体验。
图片来源：amazon.science
值得亚马逊卖家注意的是，论文里提到，COSMO不仅将知识图谱扩展到亚马逊的18个主要类别中，且COSMO已经成功部署在各种亚马逊搜索应用程序中，包括搜索相关性、基于用户会话的推荐和搜索导航中。
并且通过实验，已经发现我们COSMO在改善用户体验方面取得了显著进展。有卖家称，亚马逊团队从关键词搜索结果中抽取了10%来测试这个新算法，提升了0.7%的转化率。并且这一部分优化一年能带来49亿美元的额外销售额。
根据论文中的内容，预测未来亚马逊可能会发生的变化：
1、COSMO算法会根据购物习惯、浏览行为来推送买家感兴趣的产品，推荐流量会分走一部分搜索流量；
2、不再是单纯的搜索算法电商，会偏向兴趣电商，根据买家偏好推荐产品；
3、产品属性标签化，各类属性需要进行更加精细的分类；
4、关键词排名机制可能会有所变化，传统的关键词调研工作可能会转而研究人群需求，通过满足人群需求，来体现产品和需求的强相关性；
5、差异化的产品会获得更多推荐流量，因为满足了更多人群的需求，而越同质化的产品可能会变得更难推；
6、广告依旧是运营重点，从亚马逊广告收益上来说，目前的广告机制应该不会做出太大的改变。
一旦亚马逊改变了它的算法，作为卖家，我们就得跟着变化。
所以，小匠建议各位卖家要密切关注亚马逊算法的变化，并根据变化及时调整自己的经营策略。只有跟上亚马逊的步伐，提前了解并适应新的趋势，我们才能在竞争激烈的电商市场中保持竞争力。
2、新版AI搜索引擎Rufus
其实在之前，我们在前面的文章提过，最近这一年，亚马逊在AI上的投入越来越大，试图在平台中引入更多新的生成式人工智能功能，来让买家的购买体验变得更加便利。
比如生成式的对话式购物体验AI——Rufus，类似于导购功能，一个融入AI功能的新版搜索引擎，目前正在面向部分亚马逊美国站用户内测试用。
目前美国站的买家使用 Rufus，只需开始在亚马逊移动应用程序的搜索栏中输入或说出他们的问题，屏幕底部就会出现一个 Rufus 聊天对话框。卖家可以展开聊天对话框以查看问题的答案，点击建议的问题，并在聊天对话框中提出后续问题（如下图所示）。
图片来源：亚马逊
这个AI模型一旦大范围使用，预计亚马逊的搜索算法逻辑也会跟着变化，流量分发的原则估计会重新调整。
据亚马逊描述，Rufus接受过亚马逊广泛的产品目录、买家评论、社区问答以及来自整个网络的信息的培训，可以回答买家关于各种购物需求和商品的问题，提供比较，并根据对话上下文提出建议。并帮助买家找到更适合自己的产品。
其实这个说法，跟前面的COSMO很类似，最终的目的就是利用AI实现买家偏好推荐。
Rufus的推出，对于卖家来说，内容布局变得极为重要。卖家需要准备更多面向买家的产品内容。站内将标题、产品描述、A+、Post、视频全部做好，站外在各大社交媒体、也逐步发布出去。只要用户能看到的可触及到的，买家都尽可能去准备。
也就是意味着内容越精准，Rufus更有机会抓取这些内容，从而推荐给更多的需求用户。
后续关于亚马逊算法变化，我们也会持续更进，卖家可以关注我们，获取第一手运营干货。
图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!
内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!
免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!
