提示：本文信息密度较大，已尽可能精简内容和段落

• 引子：

2024 年亚马逊首次在开放 Rufus 测试时，我曾在知无不言发帖提过几个判断：

每一次电商形态的变更，都会带来新的机会窗口。
从 Web 搜索电商，到移动搜索电商、社交营销电商、短视频内容电商，再到今天的 AI 电商——每一次都如此。
当时用的类比是 2022 年一季度：当亚马逊第一次把 APP 流量和 Web 流量分开公布时，给大家产生一个错觉：原来大家之前看的 店铺业务报告Session 只是 Web 渠道的，转化率全是虚高的，使得我们不得不针对app展示逻辑去做对应的内容调整。

24年那会，帖子判断是：等到亚马逊把 Rufus/AI推荐 的流量数据公布出来的那一天，当你发现店铺和链接的流量里，来自AI推荐的流量占比在持续上升时，可能才不得不再去做应对。
时隔两年半多，从Cosmo算法强化，到Alexa搜索框形式加强等，这个变化愈加显著——虽然亚马逊目前还没有公布 AI 推荐的流量占比，但今天将基于一份研究数据+过去一年的一些业务洞察，再进行一些补充思考。
24年原帖：https://www.wearesellers.com/question/88006

• 一、 先看三个反直觉的结论：

结论一：你在亚马逊砸的广告费，亚马逊AI（Alexa for Shopping Atlas）可能一眼都没看。
结论二：你站内足够好的自然权重，未必能直接提升亚马逊AI 的推荐几率——63.9%AI 推荐的listing，这些listing可能不在关键词搜索首页。
结论三：40.9% AI 推荐的listing，其本身自然权重反而可能是很差的。

换句话说：向 Alexa for Shopping Atlas问「最佳推荐」，它给出的答案不完全是搜索排名靠前的产品，而且会展示搜索结果页、关联页面中大多数消费者从不滚动触达的区域。没错——就是我们过去所说的「垃圾展示位」：关联页面轮播要滚动十次以上才会产生有效曝光的位置，搜索页 N 页之外的低点击率位置。

或者这恰恰说明——这些位置从来就不"垃圾"，只是过去的传统搜索排序机制无法把它们和需求匹配起来。Alexa for Shopping Atlas 做的事情是：进一步强化用语义理解，最大程度替代了搜索排序信号。尾部权重那些listing的位置没变，但被AI的匹配方式变了。 这个视角的转换很重要——它意味着不是"捡漏"，而是"匹配价值重估"。

• 二、这份数据是怎么来的？

1. 数据源：The Alexa for Shopping Atlas（源自Autopilotbrand.com采集）
2. 样本：1,963 条非品牌词查询，共采集 12,810 条 AI 商品推荐
3. 采集时间：2026 年 5 月及 6 月
4. 性质：这是首批针对 Alexa for Shopping 推荐回复结果的大规模研究之一

• 实验设计思路：

    向亚马逊AI助手Alexa提的是「最佳推荐问题」——比如「最好的 queen 尺寸床垫是什么？」，对照组则是「在亚马逊前台 按类目词搜索queen mattress」，这个实验设计的价值在于：它把二者差异（向Alexa提问最佳的床垫是什么时,AI所产生的推荐结果，对比传统搜索相关类目词的展示结果）指向一个明确结论—— 被要求「推荐」而非「展示」时，AI助手呈现的商品集合与搜索页结果差异比我们想象的要大，且往往更“深层”（也就是过去的垃圾曝光位置）。
 

• 三、具体数据信息：

• 怎么理解这张图？

横轴：样本数量里listing在传统搜索结果中的位置分布
纵轴：AI回复推荐的 listing占比（0% – 40%）

四个分类的数据：

1. 自然搜索排名 Top 10：36.1%
2. 搜索首页第 10 名之后：20.6%
3. 不在搜索首页：40.9%
4. 仅有广告位排名的：2.4%

要点一：最大的一块是「非搜索首页」（40.9%）。也就是AI 的推荐来源listing，以搜索页面的「深处」为主，所谓深处 即根本没有搜索排名或搜索排名比较靠后的 listing 为主。
要点二：处于搜索首页的listing占比合计 56.7%，但超过四成的AI推荐完全跳出首页。56.7% = Top 10 的 36.1% + 首页其余 20.6%。
要点三：纯广告位占比极低（2.4%）。意味着广告目前基本无法「买到」或者影响AI 推荐位。搜索top 10的链接占比显得更低：63.9% 落在自然 Top 10 之外 = 20.6% + 40.9% + 2.4%。
口径说明：「非搜索首页」包含两类——排名在N页的listing，以及关键词无搜索的listing。
 

• 四、把关键数据和26年亚马逊的调整行为，二者抽离出来单独看

1. AI 推荐 vs 传统搜索页的偏离度：

• AI推荐的listing，63.9%落在传统搜索Top 10 之外。
• AI推荐的listing，40.9%完全不在传统搜索第一页。

2. 广告的作用：AI推荐的listing里，投放了广告的listing 14.3%，其中本来就有自然排名的站83%
额外提一点：2025 年，亚马逊卖家在搜索广告上的支出达 686.2 亿美元
3. 平台侧动态

• 2026 年 5 月：亚马逊将 Rufus 更名为 Alexa for Shopping，把AI推荐引擎并入一个更宽泛的搜索助手（有效提升买家使用率，流量入口预计显著提升）
• 同期，Agentic 广告融合（agentic ad convergence）似在关闭最后一条非广告的规模化路径
• 亚马逊在 Rufus 内推出 Sponsored Products 与 Brand Prompts

 
4. 历史演变对比：

• 两年前：亚马逊Rufus只是返回消费者自己也能跑的搜索结果listing（AI 推荐的listing与关键词搜索出现的listing还存在重叠）
• 之后：Rufus、Alexa或者说Cosmo算法变得更“自信”了（不再过于依赖 SEO 机制推荐），但并未更智能
• 现在：按实验数据看，AI推荐结果与搜索排名靠前的2/3listing脱钩，标志着Cosmo算法不再过于“考虑”传统的关键词搜索结果（大幅降低来自站内 SEO 的影响）

 
而关键词搜索权重，正是我们过去绝大多数卖家/运营在优化的目标（各种打法，资源投入堆砌的主要目标），但现在的实验结果是：以前搜索权重较好的listing，未必能直接换来AI推荐权重，而自然权重比较差的listing，反而有40.9%的占比，而这是实验结果里比较反直觉的现象。 与此延伸出来的风险是：一旦未来亚马逊持续增加或强化用户AI搜索的习惯，用户传统的搜索行为逐步转向询问Alexa时，旧的权重积累所带来的曝光流量或会进一步降低。
 
 

• 五、进一步细化的思考

1. 过去，搜索页上获得曝光主要有两条路

• 自然/推荐排名——通过点击率、转化率、销量积累、评论权重等，而付费广告正是用来加速这种效率的
• 付费广告——花钱和广告操盘手解决。

承接前面的实验观点，两者目前对AI 推荐的影响不是非常决定性的， 而且 Top10 排名的listing 出现在AI推荐里的几率可能更低（实验结果仅20%）。也就是按传统的货架电商运营逻辑（从关键词推广，到广告投入，再到listing优化等动作）是无法直接在下一波AI推荐流量里获得明显机会的。

2. 行业专家的观点 Christian Umbach，Autopilotbrand联合创始人兼 CEO：
「我们正在看到第三个货架（流量逻辑）的出现，与自然搜索和付费广告位并列。品牌无法简单地通过购买或排名挤进这个货架；它们需要给亚马逊的 AI Alexa 提供足够的上下文，让它理解自己的商品在何时、为何是最佳推荐。这意味着更丰富的商品目录数据、围绕消费者意图的优化、以及随季节性使用场景和产品差异点演变而持续更新。对于尚未占据搜索顶部的商品，这开辟了一条全新的竞争路径。」

3. 对亚马逊卖家的价值判断启示：

我相信今年Cosmo算法进一步强化的背景下，大家都能感受到流量侧、关键词搜索排名有着微妙的变化（知无不言论坛里也有很多这类的案例帖子）

• 第一，潜在的流量风口（当前竞争小），AI 货架是目前罕见的、被头部listing垄断性还不强的流量竞争页面。

63.9% 的推荐来自 Top 10 之外、40.9% 来自首页之外——说明 AI 的选择逻辑与搜索排名基本脱钩。对非头部品牌而言，这是一条不依赖传统自然权重的新通路。一个搜索排名很靠后的listing，现在可以出现在AI推荐的头部位置（而且过往传统搜索排名靠前的listing不一定和你同时出现）。想想过去我们抢一个关键词的头部搜索位置不仅曝光点击有难度，即便抢到了也要和头部listing去竞争（买家货比 加购后的流损）。而现在这个新货架页面，似乎不完全被旧的算法逻辑所束缚。

• 第二，AI推荐位目前无法只靠钱就能解决。

仅 14.3% 的推荐品有赞助广告，且其中 83% 本身已有自然排名。这意味着 AI 推荐目前还不是又一个「靠广告预算决定胜负」的界面——短期内的竞争要素是内容与数据质量，而非出价能力。但最早关键词搜索展示逻辑也是类似这样开始的——直到后来付费广告嵌入到推动搜索权重增长的机制里，大家才开始有明确「卷」的点（花钱推动自然搜索权重）

• 第三，AI 货架的推荐逻辑（包括投入产出）还没被真正定义。

否则目前 AI 不会出现这么多搜索权重弱的产品推荐。也就是提高AI推荐权重的投入，除了语料信息堆砌之外（各种PR 权威报道等），其他的有效方法有待进一步探索。

• 第四，窗口期有限，且方向很清晰。

「搜索页曾经也是这样的开始和趋势，直到广告卷进来了」，且亚马逊已在 Rufus 内上线 Sponsored Products。这意味着 AI 货架的广告时代已经逐步开始了，先进入者建立的优势，后期有可能又形成护城河（参考传统关键词搜索页面的历史演变过程）

• 第五，用户需求类区分理解：

需求大致分三类：

1. 明确需求（"Apple AirPods pro"）→ 品牌搜索，AI 几乎无影响
2. 模糊需求（"降噪耳机"）→ 传统搜索与AI推荐相互竞争
3. 无意识需求（"我想要更好的睡眠"）→ AI 推荐的主场

AI 推荐的价值之一主要在"激发需求"，而非传统的"承接需求"。

 
 

• 六、当前我们能做些什么？（特别是品牌型卖家）

1. 方向上拆解为三条路径（了解过Cosmo算法的运营可能都熟知，本次不做赘述）：

 

• 路径一：更丰富的商品目录数据

补全属性字段、使用场景、规格参数等等——这是 AI 理解商品的原料。按costume算法原文来理解，包括：
用途 used_for_func，场景 used_for_event，人群 used_for_aud / used_by，功能 capable_of，互补 used_with，季节 used_on，地点 used_in_loc，身体部位 used_in_body，是/类 is_a / used_as（类目、描述）另外，别为了讨好 AI 去堆砌关键词。那是搜索思维，AI 要的是理解（意图、语义），不是传统匹配。
 

• 路径二：围绕消费者意图优化

从「关键词覆盖」转向「场景-需求」的表达。
比如对比一下两种写法：

1. 参数堆砌：蓝牙 5.3、主动降噪、40 小时续航、IPX5 防水
2. 场景表达：地铁通勤时能把车厢噪音降到几乎听不见，一次充电够用一整周；出汗淋雨都不怕

差别在哪？ 前者是给搜索引擎看的（关键词匹配），后者是给 AI 看的（它需要理解什么情况下该推荐你）。
注意：不是二选一。标题和搜索词该保留的还得保留，场景表达主要放在五点描述、A+ 页面和属性字段里。

• 路径三：随季节场景与差异点持续更新，这个是最灵活的操作点。

建立定期刷新机制，而非一次性的 listing 优化或固定语料产出，因为传统一个核心大词，可能每年的搜索热度都是top1，而当下同一个产品，买家在一年四季的搜索意图可能都是不一样的，我们的目的是一条listing覆盖足够多的搜索意图。
 
       2. 具体操作层面上：
A. PR、站外营销方面，不要把AI 应用当成一个整体来思考和优化。
以国内为例，各家 AI 入口的语料池是有差异的：

• 豆包侧重抖音、头条系内容
• 千问跑阿里系、夸克搜索的内容
• DeepSeek似乎更重视知乎、百科等权威性网页

同一份 PR（或各种宣发物料），按照这些不同的语料池去修改结构、内容、标题，分发多次——工作成本可能增加，但被索引的几率也可能翻倍。

B. 让机器更容易识别你的内容。

• 结论前置
• 事实句子完整——内容主体、时间、数据都要齐全
• 精简直观——用一句话说清一件事

原因是生成式引擎更多是抓「句子」，而不是读「一整篇文章」。
在各种博客、YouTube评测、Reddit、Pinterest等论坛做场景/用途型内容，而非纯参数硬广，比如"给猫主人的 5 个夏日用品"、"新手露营装备清单"，内容中反复出现"场景词 + 产品用途 + 搭配"，让站外语义和站内 Listing 形成一致的信息闭环。注意：目的是喂给 AI 的语义一致性，不是简单发外链。

C.广告与Cosmo算法中的"预测 CTR/CVR"逻辑对齐，缩短冷启动
个别SKU新品期订单少、系统无法识别人群标签、曝光概率天然低时，建议"集中广告费快速测试长尾/场景流量"。新品期用精准长尾/场景词广告快速跑数据，让帮系统建立你的意图画像（冷启动越快，COSMO 附加作用越早生效），实际 CTR/CVR 低于预测会被降权，所以广告素材/主图要和搜索意图一定要强匹配，宁可精准点击数量少也不要泛流量拉低CTR/CVR指标（有条件的适当补一些“操作”）

D. SKU、品线这么多，我该怎么聚焦和区分AI权重的建设投入？
不同产品类型，用户决策成本的差异—— 这决定了用户使用AI搜索的几率大小

• 高决策成本品类（床垫、高客单价耳机、投影仪）→ 用户需要"被建议", AI 搜索价值大
• 低决策成本品类（充电线、数据线）→ 用户直接靠传统搜索可以解决需求, AI 价值小

 这决定在不同产品类型下，我们在AI推荐上的运营推广所投入的上下限。
因为要提拉AI推荐几率，需要的工作量不小，以及当前还处于摸索中阶段，建议当前还可以按用户决策成本（周期）×需求明确度，大概分四类：

• 高决策成本 + 模糊需求，重点投入（比如大件/高客单价的家居和消费电子）
• 高决策成本 + 明确需求，维持搜索基本盘
• 低决策成本 + 模糊需求，低优先（低客单价，偏标品类）
• 低决策成本 + 明确需求，维持搜索基本盘

E. 确认要做AI权重建设的listing之后，如何监测效果？
相当于从传统的关键词排名记录，转为新增AI权重记录。如果没有反馈闭环，所有优化都是盲调，比如：

1. 固定10–20个品类非品牌词，每周同一天问 AI 同样的或者多样问题（最好用的、什么功能下的最佳、什么用途下的、我在冬天/夏天 某些场景需要用什么...）
2. 记录：是否被推荐、哪个 SKU、第几位
3. 至少观察 4–8 周看趋势（AI 有随机性，单次结果不可信）
4. 用不同的amazon买家号去发起询问

以上可以通过RPA等自动化工具实现操作和记录。有条件的话，可以把你的主要竞争对手也作为记录对象，说白了流量结构分析上，把对手的AI权重也作为记录对象。
 
 

• 结尾

我们到底在追什么？

过去以来：我们研究关键词，研究广告算法，研究自然权重如何持续提升。
 

• 今天，我们研究 AI 会怎么"理解"一条 listing。

每一次，我们都以为自己在追赶一个新的规则。但如果把时间轴拉得足够长，会看到一件更本质的事——
我们追的从来不是规则，而是"确定性"。
 关键词一定程度是可以穷举的，bid是可以计算的，搜索排名是可以监控的。搜索时代给了卖家一种罕见的东西：一个可以被争夺、也可以被验证的世界。你投入，你看到反馈，你调整，你再投入。辛苦，但踏实。
AI 推荐打破的，恰恰是这份踏实。
 它不告诉你标准是什么。它今天推荐你，明天可能不推荐。它让你做了很多事，却不给你一个可以归因的数字。
于是我们开始慌，开始找"AI 优化的方法"——就像当年找"关键词布局的技巧"一样。
 但这里有一个更值得停下来想一想的问题。
搜索排名，本质上是什么？
它不是需求本身，它只是需求的一个代理。作为运营，我们一开始没办法直接知道买家想要什么，所以用销量、点击率、转化率去近似它。我们优化这些数字，是因为相信：数字逼近了真实。
 

• 可古德哈特有句话：当一个指标成为目标，它就不再是一个好指标。

当所有卖家都开始优化点击率，点击率就不再代表"用户觉得有用"。
当所有卖家都开始堆评论，评论就不再代表"产品真的好"。
当排名可以被预算加速，排名就不再代表"这个商品被需要"。
搜索排名不是被打败的，它是被优化到失效的。
而 AI推荐，某些层面而言，是平台的一次退守——它试图绕开那些已被污染的“信号”，回到更接近本体的地方：这条listing，究竟在描述一个什么样的商品？它在什么场景下，真的能最大程度解决用户需求？
这就是为什么"垃圾展示位"里的商品，也能出现在 AI 的推荐里。
不是它们突然变好了。而是评价它们的尺子，换了一把。
 

• 那么，接下来可能会发生什么？

如果你熟悉跨境电商的历史，答案几乎是注定的：
今天 AI 推荐看重"内容与数据质量"——因为这套信号目前似乎还很干净。但只要它开始决定销量，就一定有人去研究怎么"表演"给它看。属性字段会被堆砌，场景描述会被模板化，语料会被批量生产...懂得都懂
信号会再次被污染。然后平台可能会再退守一次？
 所以，话到这里，其实不是思考"如何优化 AI 推荐"。
而是——
在一个指标不断失效的世界里，什么才是不会被优化掉的东西？
像安克给的答案是：那些无法被"表演"的东西。
你可以优化一条 listing 的描述，但你没法优化一个产品在深夜地铁里的降噪效果。
你可以堆砌属性字段，但你没法堆砌一个用户用了两年后，还愿意推荐给朋友的理由。
你可以研究 AI 的偏好，但你没法让一个平庸的产品，被反复推荐之后依然留得住人。
——产品/品牌的口碑
 能被优化的，终将被优化至失效。不能被优化的，才是真正的护城河。
这不是悲观，这是这个行业运转的方式。
红利会一直在。只是每一轮，它停留的时间更短，门槛更高，留给"只想赚快钱的人"的空间更小。
而每一次红利退潮时，留在沙滩上的，永远是同一批东西：真正被需要的好产品。
所以，去学 AI 怎么选，去补数据、改表达、建监测——这些都该做，而且要快。
但别把手段当成了目的。
 排名第一也好，被 AI 推荐也好，它们都只是"被看见"的一种方式。
而一门生意能走多远，最终取决于——被看见之后，你还剩下什么？
 
  

• 注意以上的分析数据和结论提示：

这只是来自单一美国账户、在单位时间采集的一份数据样本
结论不应被过度理解为「AI 推荐已取代传统搜索」
不要因为 AI 推荐的趋势加强就放松搜索优化。
搜索仍然是基本盘——AI 推荐的 40.9% 虽然不在首页，但剩下近六成还是来自首页。AI 推荐是增量机会，不是替代。

但可以比较明确的一点：
「现在就开始学习和理解精准提升listing的AI推荐权重的卖家/运营，将是那些在规则改变的那一天率先获利的人。」