01
太多人搞亚马逊自动化，死得悄无声息——不是工具不行，是方向错了。
n8n 拖了一堆 HTTP 请求、LLM 调用、条件分支，最后吐出来的 Listing，连你自己都不想点开。
为什么？
因为你没意识到：2026年的亚马逊，根本不是人在选产品，是三个AI在替用户做决策。
你的Listing，表面写给消费者，实则要同时通过 A9A10、COSMO、Rufus 三重审判。
漏掉任何一个，流量再高也是无效曝光；自动化跑得再快，也只是在加速报废库存。
▶ A9/A10：你的“入场券”，解决「能不能被搜到」
老将不死，只是进化。
A9A10依然是底层索引引擎——它不关心你文案多漂亮，只看三件事：
- 关键词是否精准匹配搜索词（尤其是标题、五点、后台Search Terms）
- 点击率（CTR）是否高于同类（主图+价格+评分共同作用）
- 转化率（CVR）是否稳定（差评、库存、物流都会拉低权重）
✦ 关键认知：A9A10 是“守门人”。你连门都进不去，后面两个AI根本看不见你。
▶ COSMO：你的“推荐官”，解决「值不值得推给你」
这才是过去两年真正的游戏规则改变者。
COSMO 不再满足于字面匹配。它构建了一张常识推理图谱，能读懂用户搜索背后的真实意图。
举个例子：
用户搜 “collapsible stool” ——
- A9A10 只看：你有没有写 “collapsible stool”？
- COSMO 却在问：
- 这人是要去钓鱼？露营？还是阳台小憩？
- 他怕不怕侧翻？在乎重量吗？需要承重多少？
- 你的文案里有没有提到 “non-slip base for rocky terrain” 或 “fits in backpack side pocket”？
如果你的Listing只有参数堆砌（如“400lbs capacity, aluminum frame”），COSMO 会判定你“不懂用户”，直接把你从高意向流量池中剔除。
✦ 关键认知：COSMO 奖励的是场景化叙事，惩罚的是功能自说自话。
▶ Rufus：你的“临门一脚”，解决「为什么买你而不是别人」
Rufus 是藏在亚马逊App里的AI导购员，它干的事更狠——主动干预购买决策。
当用户犹豫时，Rufus 会弹出：“根据你的需求，这款比那款更适合，因为……”
它的判断依据是什么？
- 你的五点是否清晰对比了竞品短板？
- 产品描述是否回答了高频QA（比如“能放平吗？”“适合沙滩吗？”）？
- Review 中是否反复验证了核心卖点？
如果你的Listing缺乏对比锚点和信任证据链，Rufus 根本不会为你说话——它宁愿推荐一个Review更多、问答更全的对手。
✦ 关键认知：Rufus 不看“你说什么”，看“用户信什么”。
所以，真正的Listing自动化，不是让AI抄竞品，而是让AI同时扮演：
- A9A10 的关键词工程师（埋词精准、结构合规）
- COSMO 的场景编剧（痛点+场景+解决方案闭环）
- Rufus 的信任构建者（预判质疑、提供证据、制造对比优势）
做不到这三点协同，你所谓的“智能生成”，不过是不精准批量生产得更快而已。
别再写“Best Quality”了，AI已经把你拉黑
你以为你在写文案？
不，你是在给三个AI喂数据。
而其中最狠的那个——Rufus，根本不吃形容词。
你说“超静音”，它当耳旁风；
你说“专业级性能”，它直接跳过；
你说“用户一致好评”，它反问：证据呢？在哪？
“写个好一点的便携式露营 stove listing”
而应该是：
我们选一个典型品类：便携式露营 stove（露营炉） —— 高竞争、强场景、参数敏感，非常适合演示三重算法协同。
🔄 替换后完整示例（结合前文逻辑）：
用户问 Rufus：“这个露营炉能在帐篷里用吗？”
如果你只写：“安全可靠，适合室内使用” → Rufus 无法回答。
但如果你写：“通过 UL 484 室内燃烧安全认证，CO 排放 <50ppm（远低于 ANSI 200ppm 标准）” →
Rufus 立刻回复：“是的，该产品符合室内安全使用标准，一氧化碳排放仅为 50ppm。”
✨ 优化后的 Listing 片段（露营炉版）：
标题（A9A10友好）
Compact Camping Stove – UL-Certified Indoor Safe, 10,000 BTU, Boils Water in 3 Mins, Fits Backpack Side Pocket for Hiking & Emergency
五点描述（COSMO + Rufus 协同）
🔥 Safe for indoor use: Certified to UL 484 standard with CO emission under 50ppm — safe even in poorly ventilated tents or emergency shelters.
⚡ Boils water in 180 seconds: 10,000 BTU output verified by third-party lab test (report available on request).
🎒 Fits anywhere: Only 4.2" tall and 1.8 lbs — slips into backpack side pocket or car glovebox.
💨 Wind-resistant flame: Dual-valve design maintains consistent heat in 15mph winds (tested at Rocky Mountain Field Lab).
🔋 No batteries needed: Works with standard 8oz propane canisters (sold separately), lasts up to 2 hours per canister.
✅ 全程无“best”“great”“amazing”
✅ 每句含可验证事实（认证、数据、测试来源）
✅ 场景明确（帐篷、背包、应急、大风环境）
✅ 关键词自然嵌入（camping stove, indoor safe, boils water fast）
▶ Rufus 是 AEO 引擎，不是 SEO 引擎
很多人还在用 SEO 思维做 Listing，以为堆关键词就行。
但 Rufus 的逻辑完全不同——它是 Answer Engine Optimization（答案引擎优化）。
▶ 三重算法，三种“食物”
你的Listing必须同时喂饱三个AI，缺一不可：
表格
AI 它要什么？ 你该给什么？
A9A10 关键词匹配 核心词埋入标题/五点/后台，符合搜索语法
COSMO 场景与意图理解 把产品放进真实生活场景：“露营时放在背包侧袋”“钓鱼坐3小时不累”
Rufus 可验证的事实数据 噪音45dB、重量1.2kg、充电2小时续航8天、IPX7防水
形容词是空气，数据才是粮食。
Rufus 饿的时候，连“Premium”都懒得看一眼。
▶ 人脑搞不定，必须上工作流
靠人工一边查ABA关键词、一边编场景故事、一边核对参数真实性？
效率低、易出错、还容易自以为。
真正的解法是：用自动化工作流，把三重算法需求拆解成结构化输入。
总结：
砍掉所有模糊形容词，用认证、测试、标准、数值替代
产品可换，逻辑不变：任何品类都要同时喂饱 A9A10（词）、COSMO（场景）、Rufus（事实）
自动化工作流的核心：输入结构化参数 → 输出算法可读内容
这样，AI 输出的不是“文案”，而是算法友好型内容资产——
1. 名称
填一个能体现这个 Gem 功能的好记名字，比如：亚马逊listting专家
2. 说明
（这里是写给自己看的）简单介绍这个 Gem 的用途，和告诉自己要上传：亚马逊的关于listing的官方说明 这个产品的ABA 买家搜索词 出单词 AC词 产品参数
3. 指令
你是一位精通亚马逊底层算法（A9A10、COSMO、Rufus）且具备高度合规意识的Listing撰写专家。
4.上传在亚马逊后台关于listting的知识点 和产品的ABA 买家搜索词 出单词 AC词 产品参数
然后就可以保存。
