一两年来，亚马逊的生态系统不断变化。比如亚马逊曾推出过TikTok风格的短视频购物功能 Inspire，试图通过短视频互动形式提高用户的购物体验。然而，这一功能在上线一段时间后未取得预期效果，前阵子已悄然下线。虽然 Inspire 未能成功，但亚马逊并未停下探索步伐，而是将重心迅速转向 AI 购物助手 Rufus。
与 Inspire 不同，Rufus通过 关键词搜索触发推荐问题，帮助买家精准筛选商品，进入更符合需求的商品页面。数据显示，在提升商品发现率方面，Rufus 的表现已经远超 Inspire。
图为Inspire
Rufus从去年Prime Day期间全面上线至今，已有大半年时间。然而，许多卖家发现新算法上线后，链接流量不增反降，转化率也逐渐下滑。出现这种情况的根本原因，很可能与 Rufus 的"意图识别"逻辑过滤掉了你的产品有关。
今天，小匠将带着各位卖家深度了解Rufus的工作原理以及如何写出符合Rufus的listing文案。
Rufus的逻辑基础
传统的A9算法依赖精确的关键词定位，将买家搜索词与产品标题、描述等内容进行匹配。这种方式虽然能够在一定程度上满足用户需求，但往往无法捕捉到用户更深层次的意图。而Rufus采用了对话式和语义理解方法，不仅仅停留在"词"层面，更进一步探究买家"为什么"搜索，从而实现更精准的匹配。
Rufus的核心在于亚马逊COSMO算法，之前我们对COSMO做过多次介绍，这里就不多做赘述。COSMO考虑的是关键词相关性，更注重文本的可读性、语境表达以及合规性等多重因素：
关键词相关性：确保文案能够与买家真实的搜索意图匹配
语境表达与可读性：保证文案简洁明了，并能够清晰解释产品特点及优势，如解释"为什么"某个功能重要
转化潜力：利用买家行为信号（如点击、转化、评分等）预测哪些文案效果最佳
合规性：遵循亚马逊各品类的规定，避免使用敏感词
COSMO对每一条listing内容进行多维度打分，而Rufus不仅依靠COSMO对listing进行评分，在此基础上融入更深层次的语义理解和实时数据反馈，能够理解同义词之间以及具体场景下的产品特性，实现精准推荐。例如，"适合家庭聚会的蓝牙音箱"与"户外派对蓝牙音箱"虽然词汇不同，但在语义上存在高度关联。通过这种方式，Rufus能够将看似不同的产品精准匹配到用户的具体需求中。
过去只有A9算法的时候，卖家只需要在产品标题和其他描述中堆砌精确匹配的关键词，便可被系统收录获取更高的排名。然而，随着COSMO算法和Rufus的推出，系统会深入挖掘用户背后的"为什么"，从而推荐那些能够明确满足买家特定需求的产品。
换句话说，缺乏详细描述或场景信息的产品，可能就无法获得推荐。因此，卖家需要在产品描述中加入更多情境化的信息，让系统更好地理解产品的核心卖点。Rufus再根据这些结构化信息，判断产品是否能够满足买家的具体需求，从而影响其在搜索结果中的展示顺序。
而这个也是很多老链接在新算法推出之后，流量下滑了很多的原因。
Rufus
No comments:
Post a Comment