亚马逊算法新规！如何通过COSMO算法与购物助手Rufus优化Listing，突破排名和销量瓶颈。（含实操）

COSMO算法想必大家都听说，这是亚马逊在2024年推出的一个新算法，但很多人不知道它是如何应用，也不知道这个应用对自己类目影响大不大。

以下会根据4个内容详细展开

1.COSMO算法的详细介绍

2.Rufus的工作原理

3.Rufus对卖家listing的具体影响

4.结合COSMO算法和Rufus的listing优化实操

COSMO算法

COSMO（Customer-Oriented Search & Match Optimization）主要是通过和学习整理消费者大量的购买行为，搜索习惯，场景应用等数据，生成一个卖点优势最匹配买家的结果，从而将最合适买家的产品推荐给她。

简单的例子，当用户搜索的浏览和购买记录中出现瑜伽服，算法会结合用户的搜索词以及对于瑜伽健身人士对服装“速干”的需求输出，最终会将标题，文案等对“速干”这个场景描述和使用好评更高的产品推荐给用户。

这种算法其实更能提高搜索结果的精准度，提高用户的购物体验。用户还可以通过多轮导航逐步细化搜索需求，精准用户需求，让用户更容易找到心仪的商品。

例如，用户搜索“夏季防晒衣”，COSMO会通过多轮导航引导用户进一步细化需求，如“Floral Summer maxi dress”（碎花长款夏季裙）

那么，COSMO怎么精准地判断客户的购物需求呢？同时又是如何运转的呢？这就要结合AI购物助手Rufus。

购物助手Rufus

它是通过收集整理了亚马逊广泛的产品目录，客户的评论，QA和互联网上各类型的信息的一个工具助手。它能根据客户的问题慢慢了解和引导用户到具体的产品页面。同时还可以进行产品的比较以及给出具体的购买建议。可以说是一位随时在线聊天的私人购物伙伴。

例如，当我们搜索Sun Protection，Rufus会在最底部出现关于防晒相关的问题。“你需要什么材质的？”“防晒衣是否需要满足全部的户外活动需求？”“防晒产品中应寻找的关键成分是什么？”

从给出的问题能看出，关于防晒这个大词，更多用户购买的都是防晒衣，因此它的前两个问题会出现防晒衣相关的引导，其次是是防晒其他相关的问题引导。当推荐的问题是我们感兴趣或者更接近选择的，可以点击进入查看回答。

像图例是选择了第三个问题，它就会给我介绍购买防晒用品的注意的关键成分：SPF 等级；广谱防护；活性成分；防水性；配方；皮肤类型；年龄等。然后会给我推荐几款链接让我进去选购。

    

再来，我们有具体的产品，女性防晒衣，那我们细化我们的关键词“sun protection shirts for women ”,出现了更细分的推荐问题，户外使用的袖套，透气舒适，速干，如何保养防晒衣等？

 像图例是选择了第二个问题，修改成防晒衣的具体推荐，最终给出的输出和链接推荐。    

 综上所述，大家有没有看出一些COSMO算法与购物助手Rufus的一些工作原理和逻辑。

总的一句话：这是亚马逊的大数据收集工具，我们可以利用这个工具进行我们listing的优化，增加更多场景化的词语和长尾词的使用。同时，根据回答也可以排查自己链接卖点布局和场景化布局的提升优化空间，得到这部分推荐流量。

Rufus抓取数据维度

那么，我们了解到的Rufus主要是通过收集整理了亚马逊内部的数据进行问题推荐和回答的。那么抓取的源数据肯定也是亚马逊内部的数据。主要包括以下方面：

1.亚马逊商品数据：其中包括标题，五点，长描述，A+文案，图片和产品的详细参数等。这部分对于链接的权重也是最高的。

2.用户的评论数据：优先推荐对应的高评分且评论数多的商品，同时Rufus会通过与用户聊天的输出，确认用户对产品中最需要的卖点进行产品推荐。

3.QA板块：通过用户的提问和卖家的回答，得到用户在选购产品前产品的疑惑，选购产品后最关心的问题等。在聊天过程中，可以根据常见的疑问及时给出解释，减少下单顾虑点，提高转化。

4.用户行为和偏好数据：这和用户经常使用的搜索长尾词，场景词相关，同时也会结合评论中出现更多的场景描述去推荐。

5.实时上下文数据：聊天过程中用户的一些场景词使用，一些问题的提问等都会对Rufus抓取的数据有影响，同时也要结合节假日，圣诞节和一些固定的场景词等。

listing优化方向

1.详细介绍产品的卖家和优势

从以上防晒霜的推荐可以看出，Rufus在回答防晒的关键点时提到了关于防晒霜的具体卖点，同时详细到这个卖点的使用场景---防水性，在游泳和出汗的时候。涂抹时间：40-80分钟重新涂抹一次。

反推我们应该在五点，长描述，标题等产品详细的介绍进行更多的说明和补充。这对于推荐流量来说，抓取到的概率更大。

2.优化Q&A和评论：

详细阅读评论是每一个卖家做到精细化运营必不可少的，这一步紫苑并不推荐使用AI快速提炼评论关键词的方式，因为用户在评论区的很多细节的场景，使用产品的具体感受和语气词等，都不是统一的表达方式，AI也不能完全识别。

因此在首次了解产品或者重新调研市场的时候，需要一句句去阅读和收集用户的评论，将提取到的场景词，长尾词等，再结合Rufus聊天工具中经常提到的场景和长尾词等结合使用，巧妙嵌入自己的文案和图片中。

QA的布局，现阶段已经隐藏，但也可以在A+的QA板块上布局，这样也可以让Rufus抓取到相应的产品信息。

3.更完善的信息补充

这一点主要是针对后台的一些产品描述，类似于尺寸，颜色，重量等，这种数据的识别也会作为Rufus和用户聊天的时候抓取的数据源。

4.优化长尾词和场景词

根据推荐算法的个性化原理，他们的插入口是精准的长尾词和明确的场景词。因此有意识在文案中，图片中，A+埋词中，ST中加入长尾词和场景词的埋词，有助于系统抓取到更精准的关键词，从而将你的产品推荐给用户。

5.拓展广告投放词

根据第四点的延伸，当推荐算法已经明确会增加更多长尾词和场景词的推荐之后，我们可以在广告投放中增加更多的长尾关键词组和一些场景词的广告组合。也可以补充一些关联流量的广告入口。

6.秒杀参报

这个是每个卖家经常参加的，因此这部分流量对于所有卖家基本是平等，只是说，当你和你的对标竞对同时参加活动，但你的关键词布局和链接整体表现更优于竞对，Rufus的对比产品功能，也会优先将你的产品推荐给用户。

对于亚马逊卖家来说，对产品的优化是持之以恒的事情，无论是算法还是市场的变化，我们对文案的优化也是一直在做的。同时，新的算法的出现总的分析是一种提升效率，让我们换一种角度去调研市场的方式，我们应该要积极了解和应用起来。

当然，现阶段亚马逊依旧以A9算法为主，COSMO算法为辅，排名算法和推荐算法相结合的方式来推动产品转化的。下一篇会详细出一个关于A9算法与COSMO算法的区别分析。喜欢的可以关注留意。

关注【紫苑 AI 电商星球】，一起深挖亚马逊运营逻辑。

这里会不定期推送前沿亚马逊市场动态，超实用 AI 跨境工具和运营使用知识点。无论你小白还是老手，这里都藏着让你蜕变的干货。快来关注我吧，开启亚马逊运营的学习之旅！