亚马逊COSMO算法更新超详细注释及卖家预置应对方案！
本文叫注释文，会分为上下部分：
上篇：对于COSMO原文一些关键点的解读和预测
下篇：COSMO未来全面更新实装后，对于我们搜索排名的影响以及我们可提前进行的优化操作（测试）
这里解释一下为啥分上下两部分，
一些和Seven一样喜欢研究的卖家，喜欢研究底层归因逻辑的，那么可以从头开始读，毕竟理解了全文的内容才能有自己的见解，
下文则简单的罗列它到来后可能会带来的影响和如何应对的方法，我是比较建议大家全文阅读的，当然如果嫌长可以直接跳转到下篇！
上文
先解答一个问题COSMO是什么？
COSMO是亚马逊目前正在测试的一种新的语言算法模型。
它基于大型语言模型LLMs（注1）实现，通过算法来学习相关类目词条常识性知识，通过对可识别用户（注2）的购买习惯、行为、爱好等因素，对可识别的买家进行标签化处理，在买家搜索时，及时性的展示推荐和可识别用户买家搜索相关度高、符合你购物习惯（注3）、关联购买（注4）较高的的相关商品进行展示，目前COSMO已经小范围测试，并取得了相对优异的结果。
注1：LLMs：LargeLanguageModels，一种可以通过大量内容进行学习并延伸出新内容的人工智能模型，举个栗子来说：OpenAI开发的GPT-3就是基于LLMs模型进行开发。
注2：可识别用户：我在展示型推广的文章里或课程里大量提到这个名词，你的用户（名称、地址、ID等）是可以被亚马逊有效识别的，亚马逊知道你是谁，你喜欢什么，你的账户曾经购买了什么商品，你居住地是哪里等有效信息，亚马逊会认为你为可识别用户。可识别用户目前对于我们在亚马逊广告投放来说过，主要是为了过滤不良点击和人群包无效收录。目前已经在实际使用，例如展示型推广的浏览再营销来说，你如果使用一个纯净IP地址，不登陆任何账号信息，那么你在首页展示型受众展示位大概率会是空置或者随机推荐的商品，但是如果你使用了账户登录，那么你会发现，此处推荐的商品会是你过去曾经浏览过的商品。如图
图片来源：亚马逊
图1
图片来源：亚马逊
图2
图1我未登陆任何账户，因此它仅记录我登录IP的曾经浏览习惯，对于受众定向来说就为空白，但是图2，我登陆了账户，它就会为我推荐受众定向广告。
注3：符合你的购物习惯这点我觉得挺重要的，除了买家平时关注的颜色、款式、型号等选择外，买家的收入区间决定了你的购物取向。例如：喜欢红色的男性、购物喜欢便捷款式、喜欢具备科技外观的商品、会搜索大量结实耐用的词、喜欢购买廉价高性价比的商品等都会成为此词条标签。
注4：关联购买相比不用过多解释了，甚至很多卖家也会使用各种办法达成关联匹配销售的结果，但这里我更多提一下产品的相关性，Seven认为此处的相关性指的是需要一定的上下文，例如你购买了路亚鱼竿，那么你就需要路亚用鱼饵，相应的你也需要控鱼器，甚至会为你推荐钓鱼用皮划艇、遮阳帽等上下文相似类商品。
图片来源：亚马逊
简单花了点时间，我们了解了一下COSMO是什么之后，接下来我们就依据所发布的原文，一起来解读一些重点内容，我会使用截图贴片的形式来解读。（这里感谢在卖家讲师群里田野和软肋发的的中英双文版，节约了我大量时间）
图片来源：亚马逊cosmo算法报告
已经在部分类目实装10%的搜索词展示页面。
也就是说，此广告会直接影响商品推广（SP）的搜索词的展示。
Seven在很多内部课程中讲过，目前搜索结果页自然位排名受到的影响因素为数据留存量，即为：
点击+购买+链接绝对订单量+Other的数据留存量
我们通过广告影响的，也是你获得的数据留存量的多少。通过推广方式，来对于某一些词获得更多的数据留存信息，取得更优势的展示。
对于此点，我们大量测试，是完全属实的。
请大家注意COSMO更新之后，并非是完全推翻了关键词的搜索体系，而是结合A9算法，通过AI对XX人群更喜欢XX词条进行匹配，这个匹配可能是精确到个人维度的超细颗粒度。
对于我们常规卖家来说，未来为你的Listing匹配更多的词条我觉得是更重要的，更多的词条匹配意味着你可以被COSMO推荐给更多的受众目标人群。
就影响来说，除了那种依托单个关键词上首页玩法的卖家，对于大多数卖家而言反倒不会非常巨大变革。
因为目前来说排名靠前的商品同样也是大多数词条买家选择的商品，BSR商品的关键词匹配量往往也是类目里也是最大最多的，我认为不用特别担心。
反而是那些刷单的违规卖家，因为大量订单来源并非依靠搜索的词条匹配，用户画像不明确，对于此类卖家，我反倒觉得影响是更大的。
图片来源：亚马逊cosmo算法报告
第二页的主要内容其实就是在告诉卖家们，这个语言模型有多么庞大，采用了百万级别的量级数据进行测试和教育AI。那么对于COSMO这个模型而言，亚马逊将它教育的会更加的合理以及更符合一个人类的购物习惯。
对于更加合理而言，它为你推荐的商品不应该仅仅只是一件你会点击的商品，而是一件你会购买的商品。
“例如：你有一条拉布拉多，需要一个宠物狗的引导绳，在你搜索引导绳的过程中，系统会为你显示很多种款式，有一些款式很漂亮，价格也很便宜，但是却只适合小型犬（例如泰迪等），很明显你的拉布拉多并不适用，那么你产生了点击，却无法购买它。”
COSMO叠加A9算法的推荐，就会让你的搜索页面出现的仍然是宠物引导绳子，但是它会考虑你的狗是拉布拉多，是大型狗，需要更加结实的绳子，因此那些轻便纤细的宠物绳就会减少显示，更多的去展示相对粗壮的绳子。
因此在文章中他说让购买率调高了0.7%，我觉得也是此点带来，因为展示页面无效曝光减少了。
图片来源：亚马逊cosmo算法报告
对于上下文语意来说，并非是新东西，内容定向里现在也在使用，匹配逻辑就是相关性。
我们其实已经可以看到，在你五点和购物车下方你从未看到过与你商品完全无关的广告，这就是因为上下文的存在。
但是亚马逊觉得单纯使用上下文会出现一定的偏差，因此将搜索购买（原有的上下文匹配）+新增的共同购买（其实这点在展示型的内容定向目前已经存在的，如图所示）
图片来源：亚马逊
但是在搜索匹配页面，目前还是空白。
对于此点更新，Seven认为在未来，大家在搜索页面也可以看到一定版位的关联/共同购买的直接曝光位出现（猜测）。
这里文中举了一个例子，<相机和相机保护膜>。相机保护膜属于相机的下文，它们存在多次共同购买行为，因此在搜索页面也许就可以同时进行展示，以期待更多的共同购买产生，因为在亚马逊看来，同一个页面展示的过程，如果能让订单金额更高，也可以有效提高销售行为。
图片来源：亚马逊cosmo算法报告
我认为此页（上图）非常重要，中文版有点不太准确，我直接使用英文版本。
就此页的内容来说，Seven认为是COSMO依旧会更多考虑共同购买的因素，它测试了314万件共同购买中，其中有140万个产品类型对。
也就是说共同购买具有很强的发散性，它不会是一个标准结果，你购买了一条拉布拉多，一定会共同购买一个狗绳，也许会是狗绳、也许可能是狗窝、也有可能会是狗饭盆。
这些发散性让之前依据销量进行的推荐匹配产生很大的“杂音”。
因此，未来它们试图依托COSMO对此进行一些改变。它们会依托AmazonSearch的一个内部评分系统对不用的共同购买结果进行打分，同样可能会将颗粒度细致到每个人，亦希望匹配结果更符合购买预期。
同样，由于发散度导致的差异性，COSMO设置了点击和转化阈值。
阈值这个词Seven三年前就讲关键词分级表中就多次提到，某一个词的偶然性1次曝光、1次点击和1次购买，让它达到了100%的点击率、和购买率，这其中包含了太大的偶然性。
因此COSMO也为此设置了阈值，避免这种偶然性状况。对于阈值的解释，这里不再多提，想更多了解的可以翻看Seven关键词分级表这节课。
图片来源：亚马逊cosmo算法报告
这页（上图）算是亚马逊明确公布了计算方式的影响值的相关“加权”算法。
但是先泼一盆冷水哈，计算公式告诉你了，没有给具体函数。额，只能对它有个认知，确实很难影响它，姐夫发东西还是严谨。
简单解释一下Seven的理解，如果更多的购买苹果手表的人只是为了智能功能，而忽略苹果品牌因素影响，也有很大可能购买其他品牌的智能手表的话，那么在未来相似属性画像的消费者在搜索时，展示页面里其他品牌的手表（被同类型画像客户购买多的）会占据更多的搜索展示版位。
图片来源：亚马逊cosmo算法报告
这部分（上图）为调教AI的过程和方式，此部分可以跳过。
图片来源：亚马逊cosmo算法报告
此部分（上图）我觉得是一个重要的表述，哪怕未来COSMO大范围列装，在产品标题的关键词标签仍然为重要的参考取值。
也就是说，Seven一直讲的通过广告对关键词带来数据留存的方式提高词在搜索结果页的表述目前看来未来依旧是极为有效的，接下来我们更需要更注重标题对于核心关键词的收录表述。
当然，对于产品的描述，仍有关键词信息会被收录。
图片来源：亚马逊cosmo算法报告
这段（上图）我的理解是未来会基于搜索结果页的点击等会话情况，来修正下个页面的搜索排序。
例如服装：A产品定价17美金，B产品定价57美金，它们同时展示在搜索结果第三页，当消费者浏览第一页的搜索结果页面时更多的点击浏览相对低价商品，那么A产品就会在挑战搜索结果页第二页时展示，那么对于我们卖家而言，其实是无法调控的。
图片来源：亚马逊cosmo算法报告
多轮导航的介入，将更加细化商品的标签分支，他使用了一个野营气垫床的例子，随着客户的多轮搜索，你的展示商品将越来越精确，经过COSME的测试，转化结果相对提升了0.7%。
这点很有意思，未来的AC推荐词是否会更长更多？如果能更多，那无疑是好事，细分分支的精细化将会让更多中小特色类卖家获得更多的展示曝光机会。
上篇的解读到这里基本结束，下文我们开始来聊一下COSMO实装后可能会对我们卖家会有什么具体的影响，以及我们在现阶段做些什么未来可能会有所帮助。
下文
01学习/分类/粘贴标签
COSMO会花费大量时间学习，学习类目商品知识、学习商品功能、价格体系、学习买家购物兴趣喜好，以及为买家粘贴标签。
那么这点也可以分为可识别买家和新买家。
对于可识别买家而言，那么在搜索页面，它会主动为呈现更多的符合你标签定位的商品，例如你喜欢的颜色、你常购物的价格区间。
举例：Seven经常在亚马逊进行购物，因为我出差，所以会买大量旅行袜，那么我喜欢纯色纯棉中筒长度，未来我在搜索袜子的过程中，可能会呈现首页一半结果是纯棉中筒袜的情况，但是普通买家呈现的可能就仍是包含男性、女性、儿童、卡通、蕾丝边等多种多样的颜色款式的袜子。
我简单通俗解释就是通过对我的过往购物和点击，对我的搜索词进行了一个包含价格区间的二级定向来精准搜索。
对于新用户或者未收录的用户，那么这个优化可能就存在于二级页面或者三级页面等后续点击上，随着你的点击，亚马逊通过上下文关联匹配（上篇有介绍）的方式修正你后续的展现结果，让呈现的结果更趋近于你的购买目标。
在这里你可能会想，“不对啊Seven，这是买家，对我卖家有什么影响呢？”
影响在于流量。
未来亚马逊其实是在走流量精准化的道路，通过对消费者的洞察来直接推荐精准商品，那么有一些特殊类Asin所获得的流量势必会减少，比如花色袜子势必会减少对于男性用户的展示，我们卖家需要做的其实就是让我们的商品符合更多的关键词匹配和更多的人群用户标签。
就标签这个词而言，我个人认为，不会特别的细。这点可以参考我们后台SD的IM/LS标签和STV的IM标签，我这里放一个展示型推广SD的IM/LS标签大全。
图片来源：原创文档
图片来源：原创文档
（需要的卖家可以找Seven私信索取/查询）
我们可以看到，亚马逊目前对于标签的梳理其实颗粒度还是很粗的。不是因为不想更细，额，着实是因为人类的行为库体系太过于庞大了，哪怕粗略归类，已经数千种。
我个人认为，未来也就是使用相应的此类较为粗糙的颗粒度的标签对一个消费者进行交叉定向，用来做此消费的人群画像梳理。
如果你非要说每个人都生成一个细分群体的标签，例如到具体价格区间、具体厚度储存等细节，这个数据量有多庞大我都不敢去想。
因此，现有标签为底层进行一些补充，用来填充行为标签库，然后再利用这上万种标签库的词条对消费者交叉定向，这已经是我认知中比较可行的方案了。
卖家需要做的
头部卖家：让我们的商品被更多标签收录。
例如词来说，我们就可以使用相对万能一些的词，有限的标题就可以更多使用多种描述词。
例如手机壳，我们比较万能，排名也足够靠前，那么标题就可以使用诸如Magsafe、Silicone、FullBody、Shockproof、Slim、Anti-Scratch、Soft、stand等相对大曝光描述词。
我们产品本身排名靠前，那么仅仅依照订单得来的大量数据留存，其实就足以支持此类词汇的匹配优先。
再比如定价，例如一个商品，高价和相对低价往往很难出现。
但是，国内电商体系的人就把这块玩的很溜，仍然举个栗子：Seven这块已经着手对部分可以添加变体的商品进行低价或者高价的迭代款开发。未来，是吧，这个商品也就可能能具备了2个不同价格区间的标签收录了，至少，我们可以做到不同子体被不同价格区间收录，花色、款式自己发挥一下主观能动性思考一下。
头部卖家可以表述更宽泛，因为他有足够的订单量来支撑他的数据留存量（此词看下文有具体解析）。
但是对于很多细分类中小卖，其实我们所做的就是描述词表述更深，更深的意思就是出现次数更多，或者数据留存量更大。也就是对于某一个词的标签匹配度更高，那么你就需要为它进行更多种描述匹配词。
同样以刚才的狗绳为例子，为了体现它转为大狗设计，你就可以在标题和描述中使用大狗专用、粗壮、坚韧等多重词汇。以此来增加我们对于某一词条的数据留存量来达成更深度匹配。
当然有卖家说了，“Seven、Seven，有没有可能我两者都占，前期我精准，后期我宽泛？”
这个话题额，也不是不行。
比如改标题这个玩法，当然以前可用，COSMO实装后，你修改标题带来的数据留存量/匹配度的变化是否有改变，这个很难说，上线后我会第一时间测试，所以点一下关注吧。
02关联/拓展
文中提到的COSMO关联匹配Seven也做了一定解释，那么这个关联会是AI对于你预期用途和多次统统购买、以及用途关联的集合体。
以LS的生活事件举例，一个女性买家购买了一件婚纱，那么相应的你就需要一枚钻戒、一束手捧花等类似的商品进行展示，那么相应的，你的商品也许就需要更多的关键词标签作为支持，因为只有更多的关键词标签定位，系统才会为你的商品做准确定向。
如何多用关键词定向？
我们仍然依照钻戒为例，首要词肯定是engagementring或者diamondring。但是，你想想如何让你的商品也具备cubiczirconiaring、ringsforquinceanera、whitering等属性标签，我见到一个夸张的例子，一个戒指它有三种材质词大词作为它的主要搜索词
图片来源：sif后台数据
作为卖家而言，我认为目前需要做的有2件事。
1、在自己的核心匹配类别内，拥有更多的关键词定向目标结果。
因为COSMO大规模上线后依据的产品标签分类一定仍是依照你的关键词作为分类标定物进行分类的，SP广告关键词定向在这个阶段仍是不错的选择（很多卖家会说，Seven你不应该说SD嘛，Seven也很想说SD毕竟SD是我吃饭的家伙，但是实际上这个过程中，确实还是SP关键词定向的帮助最大）
2、可以准备做更多的绑定营销了。
图片来源：亚马逊
你捆绑的越多，在Seven的猜测中，未来你能获得在搜索曝光的机会相应的也就会增加。
你购买了一根路亚用鱼竿，那么相应的，你也需要路亚用鱼饵，鱼饵都有了，你必然不会遗漏一个控鱼器，那么钓鱼用遮阳帽也应该在你的考虑范围内。
这就是COSMO为你户外钓鱼进行的思考，当然这个思考更多的依据仍然是需求思路，另一部分就是大多数顾客产生的绑定营销。
对此SP的Asin定向，和SD的内容定向都可以很好的帮助到你。
如何进行更多捆绑，这篇内容就不讲了，我搭档Mark老师有一节课就总结了10种能达成捆绑的办法，大家也可以在众合云创的课程库里找到。
（哦抱歉顺带说一句，课程库没对外卖，只对众合云创现在服务的客户开放。）
03关键词
我看到网上有公众号说COSMO一出来，A9就完全过时了。
这种看法我不太认同，我认为COSMO会相当于A9关键词的一个修正补充，用来修正A9中的匹配展示结果。
但是它的底层展示基础依然是A9的关键词。
关于A9的关键词留存归因方式，Seven在很多线下场合也简单分享过，我认为未来搜索曝光展示的基础依然是关键词的数据留存量（这个词Seven用的比较多，简单解释一下，就是某个词在消费者搜索展示的过程中被点击/购买的数据留存的率和量，当然不是简单的点击率和购买率，它们存在一定的阈值，类目或者词不同阈值不同，我们正确广告投放的目的也就是为了增加它的数据留存量。）
搜索留存量是目前是搜索匹配展示的核心，对于大多数类目新客户而言，它的匹配结果可能会是随着你的点击来进行修正，我用图片来表述一下可能更加简单。
图片来源：原创文档图片
图片来源：原创文档图片
因此，我们对于现有关键词的定向和努力不仅要继续做，我认为甚至要更加精细的去做，甚至有必要将你的类目相似的词根进行总结，因为词根可能将会是对此进行匹配的基础，依照phone case为例子，我大概做了一个表述：
图片来源：原创文档图片
那么，如果你是卖手机壳的，未来在符合产品的情况下，请尽量添加更多的词根类表述词到你的产品标题和描述（请注意，文中明确提到，描述中的也算），它们仍会影响你的搜索匹配结果和被COSMO所参考（PS：这个phone case词我自己随便写的，大家看看就行）
至于怎么做词库和词根，众合云创从23年开始就开始对客户交付做了升级，此处应有展示。
图片来源：文档
图片来源：文档
图片来源：文档
04什么广告受它影响？
目前明确的是SP广告会被COSMO直接影响。
SD目前在我看来，内容为上下文，受众为人群包，在竞价阶段，已经结合了相应的人群等级划分，那么SD我个人认为可能不会受到影响。
至于SB，额，不知道，不能胡说。
05大数据洞察
机器学习的反应过程往往会比人工更快，对于一些热点的反馈也往往能通过大数据快速把握，因此一些新出现的热点或者关联匹配结果往往会被大量搜索所引爆。
就例如国内抖音，一个很小的热点有些时间就可能会被迅速燃爆，就是因为系统觉得短期内搜索上升是有可能更多的人需要，只要粘贴一点标签，那么就可能会被推荐。
对于此条有2个好处给予到卖家：
1、我们需要更多的去关注往年的搜索趋势/ABA了，因为热点的上升加上广告的有意助推，可能会让我们更快速的推爆一个爆款。
2、品牌广告可能更重要，品牌也可能更容易去做了，往往品牌词的搜索只能为我们品牌本身带来相应的流量，这部分流量本身也就是我们曝光之后所产生的。对于知名品牌，品牌词的投放往往只能做流量承接却很难开拓新的目的，这本身对于品牌词投放就合理。但是结合关联和热点，那么未来品牌词投放+站外KOL的方式，可能会更容易让我们的品牌出圈吧。。。也许吧。
最后总结
先给个定义：更新是正向的，会给小卖家更多出头的机会。当然前提是你够专业，所以多学习吧少年少女们，毕竟机会是留给有准备的人的，毕竟快人一步就快了很多步。
关键词库的搭建未来依然会非常有用，因为COSMO的基础是关键词匹配带来的搜索展示和关键词分类的标签分级。懒是一点也偷不了，甚至到未来需要更勤劳的二级长尾定向和为广泛否词了。
关联匹配是我目前可以确定的，因此早做准备，目前就开始为我们的产品和更多有竞争力的互补品做捆绑吧。
有品牌承载力的品牌可能更容易推爆款了，这样一些腰部垂直品牌可能真的有机会熬出头了，品牌词未来结合站外搞头可能非常大，提前准备一下资源也不错。
以上内容因为未完全实装，Seven只能对现存内容真实性负责，后续如有更新，以亚马逊更新发布为准！
写在最后的最后。。
终于写完了，以上内容花了我半个月时间查询资料，准备文案和图片，包括这篇文稿，我也修改了至少三遍才拿出来发，毕竟Seven出品的内容，从来不都不糊弄人。我写文章从不遮掩一些干货内容，每条我都试图解释详细，你读我的文章也无需付费，那么请你帮我点赞加转发就可以了。
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!
