圖片來源：圖蟲創意
最近大家都在討論A9算法失效的問題，亞馬遜在A9算法的基礎上推出了新武器cosmo算法，魔詞也找到了該算法的原論文，一起來了解一下。
什麼是cosmo算法？
現有的電子商務知識圖譜整合了大量的概念或產品屬性，但它們無法發現用戶的意圖，與人們如何思考、行爲和與周圍世界互動的方式存在差距。於是在此背景下推出了 COSMO，這是一個可擴展的系統，可從大量行爲中挖掘以用戶爲中心的常識性知識，並構建行業規模的知識圖譜，以增強各種在線服務的能力。COSMO-LM 有效地將我們的知識圖譜擴展到了亞馬遜的 18 個主要類目，僅用 30k 條註釋指令就生成了數百萬條高質量知識。最後，COSMO已被部署到亞馬遜的各種搜索應用中，包括搜索相關性、基於會話的推薦和搜索導航。
COSMO的工作流程：
用戶行爲發出指令→LLM接收並生成知識圖譜→過濾相似產品最終篩選出契合用戶需求的結果
從電商用戶行爲中挖掘隱性常識知識的示例，能夠準確捕捉用戶的意圖，就可以更加智能和人性化地提供推薦和個性化的搜索體驗，比如孕婦要買一雙鞋，在平臺搜索鞋子，，COSMO-LM則基於常識分析得出防滑對於孕婦的重要性，把符合這個特性的產品推給用戶，而不是簡單的推薦一堆運動鞋和普通拖鞋給用戶，能夠更好地理解用戶需求與用戶真實購買意願匹配。
更進一步而言，COSMO的核心功能便是多輪導航。系統挖掘這些行爲背後的意圖，以提供更好的在線購物體驗。其中，COSMO-LM主要抓取的幾個要點，如下圖所示：
在傳統的商品搜索算法知識圖譜中，通過搜索行爲分析，無法很確切地瞭解用戶購買商品時的真正意圖。而 LLM可以分析用戶的搜索行爲時的潛在意圖。
除了在搜索算法上的應用之外，另一個核心是對搜索導航欄的改進。具體的改進是在搜索結果頁下面，新增動態的導航欄，根據搜索詞，細化用戶的意圖，生成動態導航欄。
綜合全論文的總結出COSMO算法的的幾個要點：
1.更傾向於人們的搜索意圖推薦而不是行爲；
2.通過對已知訂單信息的分析進行推薦；
3.對相似度過高的產品進行過濾；
4.通過智能算法提高互補，替換產品的常識性推薦精準度；
5.原有的頁面轉化率數據在推薦中依然很重要；
6.根據特定屬性進行過濾，並根據個人偏好調整搜索結果；
7.ASIN 標題和五點描述中能詳細描述產品特點和使用場景，能有效提高算法匹配準確性。
總而言之，不管是A9算法還是新的COSMO算法，都是要求賣家在運營上，要從用戶意圖和購買行爲出發，讓自己的Listing更加貼合新的算法推薦，從而獲多流量。雖然COSMO-LM模型帶來了新的挑戰，但也爲我們提供了優化產品展示和提升轉化率的新機會。感興趣的賣家亞馬遜可以私信留言：COSMO算法，領取官方亞馬遜COSMO算法源文件。
（編輯：江同）
（來源：魔詞）
以上內容來自"雨果跨境"，僅代表作者本人觀點，不代表本站立場！如有關於作品內容、版權或其它問題請於作品發表後的30日內與本站取得聯繫。
*上述文章存在營銷推廣內容（廣告）
