社区 发现 Amazon 结合COSMO算法的最新论文，对亚马逊C...
结合COSMO算法的最新论文，对亚马逊COSMO算法的专业解读，卖家们该如何应对算法升级。#最新解读#
发帖4次
被置顶2次
被推荐1次
质量分0星
回帖互动27次
历史交流热度2.88%
历史交流深度0%
近期，亚马逊团队发表了一篇关于新模型COSMO的论文，引发了亚马逊运营们的紧密关注。
为了让大家更加了解清楚COSMO算法给当前运营带来的影响，西柚找词CEO -- Yuhao，给各位柚友分析了Amazon Cosmo的英文论文，帮你快速看懂推荐算法升级逻辑。
以下是原文，欢迎大家看完后与我们进行留评交流：
-------------------
近期大家关于亚马逊 COSMO 算法的讨论很热烈，我也花时间看了亚马逊 COSMO 算法的论文。下面我讲讲我对这篇论文的理解，可能跟大部分同学的见解都不一样。
我先说结论：
1、亚马逊 COSMO 算法不是淘宝天猫那种千人千面的推荐算法，只是一种提高目前搜索算法准确率的新手段。
2、因为 COSMO 算法能大幅提高搜索算法的准确率，对用户行为数据的依赖会降低，利好新品推广。
3、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，对买家友好的 listing 也对算法友好。
4、COSMO 对搜索导航栏的优化，使产品销售增长了 0.7%（不包含算法优化的部分）。
下面对论文内容做一下解读：
1、使用 LLM 分析购买行为的潜在意图，构建电商知识图谱。
在传统的商品搜索算法知识图谱中，通过【搜索 - 购买】信息，无法很确切地了解用户购买商品时的真正意图。因为 LLM（大语言模型）的出现，可以使用 LLM 分析用户的 【搜索 - 购买】行为时的潜在意图。通过这一过程，COSMO成功构建了一份覆盖亚马逊18个主要类别的电商知识图谱，其中包含了数百万条高质量的知识信息。
2、将用户购买意图引入搜索算法，提升搜索算法准确率。
COSMO最显著的创新之一是将传统的【Query - Product】相关性分析升级为【Query - Product - Intent】相关性分析。这一变革极大地提升了搜索算法的性能，使得搜索结果不仅仅基于查询词和产品的直接匹配，而且还考虑了用户的购买意图，从而实现了更加精准的搜索匹配。这种方法的应用显著提升了搜索相关性评分，从而提高了用户满意度和转化率。
下图是引入 Intent 后搜索相关性评分得到大幅提升
搜索算法的准确性提升，我的分析是利好新品推广。
在传统【Query - Product】相关性判断效果不好的情况下，搜索算法是非常依赖用户行为数据（点击率、转化率等等）的，当新的【Query - Product - Intent】相关性分析得分大幅提升之后，则对用户行为数据依赖在降低，利好新品的推广。
3、COSMO 对搜索导航栏的优化，使销售相对增长了 0.7%
论文中提到了COSMO 除了能应用于搜索算法，提高搜索算法准确率，也能应用与对话式购物和搜索导航栏改进这 2 个场景。
关于对话式搜索的应用，论文中并没有提到具体的应用场景，只是跟一些其他算法做了一下推荐准确性的对比，相比于其他算法，也只是有小幅提升，效果并不明显。
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。
COSMO 对搜索导航栏做了改进，并使用美国 10% 的流量进行A/B测试，获得了 0.7% 的销售增长，搜索导航栏的参与率提升 8%。
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。
如下图所示：
这是论文中提到的一个例子：
COSMO的核心功能是多轮导航。在这里，COSMO擅长通过连续推荐提供多轮搜索细化。例如，对“露营”的搜索可能会引导到“充气床垫”的选择，然后细化为“露营用充气床垫”。COSMO接着会提供各种类型的露营用充气床垫，以满足不同需求，如湖边露营、山地露营或4人露营。这种多轮导航允许更深入和更精确的细化，反映了一个自然的发现过程，并显著增强了用户的搜索体验。
综上所述，COSMO 算法并不是像淘宝天猫那样的千人千面算法（欧美的隐私政策，也决定了亚马逊不会使用千人千面算法），对大家的运营也不对产生太多影响，写好Listing还是非常重要，对买家友好的 Listing，也是对算法友好的 Listing 。
为了让大家更加了解清楚COSMO算法给当前运营带来的影响，西柚找词CEO -- Yuhao，给各位柚友分析了Amazon Cosmo的英文论文，帮你快速看懂推荐算法升级逻辑。
以下是原文，欢迎大家看完后与我们进行留评交流：
-------------------
近期大家关于亚马逊 COSMO 算法的讨论很热烈，我也花时间看了亚马逊 COSMO 算法的论文。下面我讲讲我对这篇论文的理解，可能跟大部分同学的见解都不一样。
我先说结论：
1、亚马逊 COSMO 算法不是淘宝天猫那种千人千面的推荐算法，只是一种提高目前搜索算法准确率的新手段。
2、因为 COSMO 算法能大幅提高搜索算法的准确率，对用户行为数据的依赖会降低，利好新品推广。
3、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，对买家友好的 listing 也对算法友好。
4、COSMO 对搜索导航栏的优化，使产品销售增长了 0.7%（不包含算法优化的部分）。
下面对论文内容做一下解读：
1、使用 LLM 分析购买行为的潜在意图，构建电商知识图谱。
在传统的商品搜索算法知识图谱中，通过【搜索 - 购买】信息，无法很确切地了解用户购买商品时的真正意图。因为 LLM（大语言模型）的出现，可以使用 LLM 分析用户的 【搜索 - 购买】行为时的潜在意图。通过这一过程，COSMO成功构建了一份覆盖亚马逊18个主要类别的电商知识图谱，其中包含了数百万条高质量的知识信息。
2、将用户购买意图引入搜索算法，提升搜索算法准确率。
COSMO最显著的创新之一是将传统的【Query - Product】相关性分析升级为【Query - Product - Intent】相关性分析。这一变革极大地提升了搜索算法的性能，使得搜索结果不仅仅基于查询词和产品的直接匹配，而且还考虑了用户的购买意图，从而实现了更加精准的搜索匹配。这种方法的应用显著提升了搜索相关性评分，从而提高了用户满意度和转化率。
下图是引入 Intent 后搜索相关性评分得到大幅提升
搜索算法的准确性提升，我的分析是利好新品推广。
在传统【Query - Product】相关性判断效果不好的情况下，搜索算法是非常依赖用户行为数据（点击率、转化率等等）的，当新的【Query - Product - Intent】相关性分析得分大幅提升之后，则对用户行为数据依赖在降低，利好新品的推广。
3、COSMO 对搜索导航栏的优化，使销售相对增长了 0.7%
论文中提到了COSMO 除了能应用于搜索算法，提高搜索算法准确率，也能应用与对话式购物和搜索导航栏改进这 2 个场景。
关于对话式搜索的应用，论文中并没有提到具体的应用场景，只是跟一些其他算法做了一下推荐准确性的对比，相比于其他算法，也只是有小幅提升，效果并不明显。
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。
COSMO 对搜索导航栏做了改进，并使用美国 10% 的流量进行A/B测试，获得了 0.7% 的销售增长，搜索导航栏的参与率提升 8%。
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。
如下图所示：
这是论文中提到的一个例子：
COSMO的核心功能是多轮导航。在这里，COSMO擅长通过连续推荐提供多轮搜索细化。例如，对“露营”的搜索可能会引导到“充气床垫”的选择，然后细化为“露营用充气床垫”。COSMO接着会提供各种类型的露营用充气床垫，以满足不同需求，如湖边露营、山地露营或4人露营。这种多轮导航允许更深入和更精确的细化，反映了一个自然的发现过程，并显著增强了用户的搜索体验。
综上所述，COSMO 算法并不是像淘宝天猫那样的千人千面算法（欧美的隐私政策，也决定了亚马逊不会使用千人千面算法），对大家的运营也不对产生太多影响，写好Listing还是非常重要，对买家友好的 Listing，也是对算法友好的 Listing 。
倒计时：
34 个回复
Yanchuan - 美国站专业背锅运营
赞同来自: 嗯啊哦233 、 起来起来起来 、 等待168168 、 发光球 、 噩梦拂晓。 、 用户名随便名 、 酥酥脆脆小面包 、 xq007mn 、 jack0908 、 AnderAnder 、 xiaohan 、 西瓜88866 、 平凡人生 、 Shaun2018 、 JamYaung 、 arrivederci 、 muyan067 更多 »