亚马逊最新cosmo算法解读

图片来源：图虫创意

最近大家都在讨论A9算法失效的问题，亚马逊在A9算法的基础上推出了新武器cosmo算法，魔词也找到了该算法的原论文，一起来了解一下。

什么是cosmo算法？

现有的电子商务知识图谱整合了大量的概念或产品属性，但它们无法发现用户的意图，与人们如何思考、行为和与周围世界互动的方式存在差距。于是在此背景下推出了 COSMO，这是一个可扩展的系统，可从大量行为中挖掘以用户为中心的常识性知识，并构建行业规模的知识图谱，以增强各种在线服务的能力。COSMO-LM 有效地将我们的知识图谱扩展到了亚马逊的 18 个主要类目，仅用 30k 条注释指令就生成了数百万条高质量知识。最后，COSMO已被部署到亚马逊的各种搜索应用中，包括搜索相关性、基于会话的推荐和搜索导航。

COSMO的工作流程：

用户行为发出指令→LLM接收并生成知识图谱→过滤相似产品最终筛选出契合用户需求的结果

从电商用户行为中挖掘隐性常识知识的示例，能够准确捕捉用户的意图，就可以更加智能和人性化地提供推荐和个性化的搜索体验，比如孕妇要买一双鞋，在平台搜索鞋子，，COSMO-LM则基于常识分析得出防滑对于孕妇的重要性，把符合这个特性的产品推给用户，而不是简单的推荐一堆运动鞋和普通拖鞋给用户，能够更好地理解用户需求与用户真实购买意愿匹配。

更进一步而言，COSMO的核心功能便是多轮导航。系统挖掘这些行为背后的意图，以提供更好的在线购物体验。其中，COSMO-LM主要抓取的几个要点，如下图所示：

在传统的商品搜索算法知识图谱中，通过搜索行为分析，无法很确切地了解用户购买商品时的真正意图。而 LLM可以分析用户的搜索行为时的潜在意图。

除了在搜索算法上的应用之外，另一个核心是对搜索导航栏的改进。具体的改进是在搜索结果页下面，新增动态的导航栏，根据搜索词，细化用户的意图，生成动态导航栏。

综合全论文的总结出COSMO算法的的几个要点：

1.更倾向于人们的搜索意图推荐而不是行为；

2.通过对已知订单信息的分析进行推荐；

3.对相似度过高的产品进行过滤；

4.通过智能算法提高互补，替换产品的常识性推荐精准度；

5.原有的页面转化率数据在推荐中依然很重要；

6.根据特定属性进行过滤，并根据个人偏好调整搜索结果；

7.ASIN 标题和五点描述中能详细描述产品特点和使用场景，能有效提高算法匹配准确性。

总而言之，不管是A9算法还是新的COSMO算法，都是要求卖家在运营上，要从用户意图和购买行为出发，让自己的Listing更加贴合新的算法推荐，从而获多流量。虽然COSMO-LM模型带来了新的挑战，但也为我们提供了优化产品展示和提升转化率的新机会。感兴趣的卖家亚马逊可以私信留言：COSMO算法，领取官方亚马逊COSMO算法源文件。

（编辑：江同）

（来源：魔词）

以上内容仅代表作者本人观点，不代表雨果跨境立场！如有关于作品内容、版权或其它问题请于作品发表后的30日内与雨果跨境取得联系。