社區(qū) 發(fā)現(xiàn) Amazon 結(jié)合COSMO算法的最新論文，對(duì)亞馬遜C...
結(jié)合COSMO算法的最新論文，對(duì)亞馬遜COSMO算法的專業(yè)解讀，賣家們?cè)撊绾螒?yīng)對(duì)算法升級(jí)。#最新解讀#
發(fā)帖16次
被置頂3次
被推薦1次
質(zhì)量分0星
回帖互動(dòng)34次
歷史交流熱度2.84%
歷史交流深度0%
近期，亞馬遜團(tuán)隊(duì)發(fā)表了一篇關(guān)于新模型COSMO的論文，引發(fā)了亞馬遜運(yùn)營(yíng)們的緊密關(guān)注。
為了讓大家更加了解清楚COSMO算法給當(dāng)前運(yùn)營(yíng)帶來(lái)的影響，西柚找詞CEO -- Yuhao，給各位柚友分析了Amazon Cosmo的英文論文，幫你快速看懂推薦算法升級(jí)邏輯。
PS：順帶介紹一下本工具：https://www.xiyouzhaoci.com/?chan=2467COSMO
1、每小時(shí)更新關(guān)鍵詞排名，流量數(shù)據(jù)更準(zhǔn)確
2、高效搭建關(guān)鍵詞詞庫(kù)，提升新品推廣效率
3、精準(zhǔn)拆解競(jìng)品流量以及廣告策略，實(shí)時(shí)監(jiān)控廣告投放效果
4、精準(zhǔn)洞察ASIN流量結(jié)構(gòu)，快速找到高性價(jià)比流量缺口
以下是原文，歡迎大家看完后與我們進(jìn)行留評(píng)交流：
?
-------------------
?近期大家關(guān)于亞馬遜?COSMO?算法的討論很熱烈，我也花時(shí)間看了亞馬遜?COSMO?算法的論文。下面我講講我對(duì)這篇論文的理解，可能跟大部分同學(xué)的見(jiàn)解都不一樣。
我先說(shuō)結(jié)論：
1、亞馬遜?COSMO?算法不是淘寶天貓那種千人千面的推薦算法，只是一種提高目前搜索算法準(zhǔn)確率的新手段。
2、因?yàn)?COSMO?算法能大幅提高搜索算法的準(zhǔn)確率，對(duì)用戶行為數(shù)據(jù)的依賴會(huì)降低，利好新品推廣。
3、ASIN?標(biāo)題和五點(diǎn)描述中能詳細(xì)描述產(chǎn)品特點(diǎn)和使用場(chǎng)景，能有效提高算法匹配準(zhǔn)確性，對(duì)買家友好的?listing?也對(duì)算法友好。
4、COSMO?對(duì)搜索導(dǎo)航欄的優(yōu)化，使產(chǎn)品銷售增長(zhǎng)了?0.7%（不包含算法優(yōu)化的部分）。
下面對(duì)論文內(nèi)容做一下解讀：
1、使用?LLM?分析購(gòu)買行為的潛在意圖，構(gòu)建電商知識(shí)圖譜。
?
在傳統(tǒng)的商品搜索算法知識(shí)圖譜中，通過(guò)【搜索?-?購(gòu)買】信息，無(wú)法很確切地了解用戶購(gòu)買商品時(shí)的真正意圖。因?yàn)?LLM（大語(yǔ)言模型）的出現(xiàn)，可以使用?LLM?分析用戶的?【搜索?-?購(gòu)買】行為時(shí)的潛在意圖。通過(guò)這一過(guò)程，COSMO成功構(gòu)建了一份覆蓋亞馬遜18個(gè)主要類別的電商知識(shí)圖譜，其中包含了數(shù)百萬(wàn)條高質(zhì)量的知識(shí)信息?。
?
2、將用戶購(gòu)買意圖引入搜索算法，提升搜索算法準(zhǔn)確率。
?
COSMO最顯著的創(chuàng)新之一是將傳統(tǒng)的【Query?-?Product】相關(guān)性分析升級(jí)為【Query?-?Product?-?Intent】相關(guān)性分析。這一變革極大地提升了搜索算法的性能，使得搜索結(jié)果不僅僅基于查詢?cè)~和產(chǎn)品的直接匹配，而且還考慮了用戶的購(gòu)買意圖，從而實(shí)現(xiàn)了更加精準(zhǔn)的搜索匹配?。這種方法的應(yīng)用顯著提升了搜索相關(guān)性評(píng)分，從而提高了用戶滿意度和轉(zhuǎn)化率。
?
下圖是引入?Intent?后搜索相關(guān)性評(píng)分得到大幅提升
搜索算法的準(zhǔn)確性提升，我的分析是利好新品推廣。
在傳統(tǒng)【Query?-?Product】相關(guān)性判斷效果不好的情況下，搜索算法是非常依賴用戶行為數(shù)據(jù)（點(diǎn)擊率、轉(zhuǎn)化率等等）的，當(dāng)新的【Query?-?Product?-?Intent】相關(guān)性分析得分大幅提升之后，則對(duì)用戶行為數(shù)據(jù)依賴在降低，利好新品的推廣。
?
3、COSMO?對(duì)搜索導(dǎo)航欄的優(yōu)化，使銷售相對(duì)增長(zhǎng)了?0.7%
?
論文中提到了COSMO?除了能應(yīng)用于搜索算法，提高搜索算法準(zhǔn)確率，也能應(yīng)用與對(duì)話式購(gòu)物和搜索導(dǎo)航欄改進(jìn)這?2?個(gè)場(chǎng)景。
關(guān)于對(duì)話式搜索的應(yīng)用，論文中并沒(méi)有提到具體的應(yīng)用場(chǎng)景，只是跟一些其他算法做了一下推薦準(zhǔn)確性的對(duì)比，相比于其他算法，也只是有小幅提升，效果并不明顯。
?
除了在搜索算法上的應(yīng)用之外，另一個(gè)核心是對(duì)搜索導(dǎo)航欄的改進(jìn)。
COSMO?對(duì)搜索導(dǎo)航欄做了改進(jìn)，并使用美國(guó)?10%?的流量進(jìn)行A/B測(cè)試，獲得了?0.7%?的銷售增長(zhǎng)，搜索導(dǎo)航欄的參與率提升?8%。
具體的改進(jìn)是在搜索結(jié)果頁(yè)下面，新增動(dòng)態(tài)的導(dǎo)航欄，根據(jù)搜索詞，細(xì)化用戶的意圖，生成動(dòng)態(tài)導(dǎo)航欄。
?
如下圖所示：
?
這是論文中提到的一個(gè)例子：
COSMO的核心功能是多輪導(dǎo)航。在這里，COSMO擅長(zhǎng)通過(guò)連續(xù)推薦提供多輪搜索細(xì)化。例如，對(duì)“露營(yíng)”的搜索可能會(huì)引導(dǎo)到“充氣床墊”的選擇，然后細(xì)化為“露營(yíng)用充氣床墊”。COSMO接著會(huì)提供各種類型的露營(yíng)用充氣床墊，以滿足不同需求，如湖邊露營(yíng)、山地露營(yíng)或4人露營(yíng)。這種多輪導(dǎo)航允許更深入和更精確的細(xì)化，反映了一個(gè)自然的發(fā)現(xiàn)過(guò)程，并顯著增強(qiáng)了用戶的搜索體驗(yàn)。
綜上所述，COSMO?算法并不是像淘寶天貓那樣的千人千面算法（歐美的隱私政策，也決定了亞馬遜不會(huì)使用千人千面算法），對(duì)大家的運(yùn)營(yíng)也不對(duì)產(chǎn)生太多影響，寫好Listing還是非常重要，對(duì)買家友好的?Listing，也是對(duì)算法友好的?Listing?。
為了讓大家更加了解清楚COSMO算法給當(dāng)前運(yùn)營(yíng)帶來(lái)的影響，西柚找詞CEO -- Yuhao，給各位柚友分析了Amazon Cosmo的英文論文，幫你快速看懂推薦算法升級(jí)邏輯。
PS：順帶介紹一下本工具：https://www.xiyouzhaoci.com/?chan=2467COSMO
1、每小時(shí)更新關(guān)鍵詞排名，流量數(shù)據(jù)更準(zhǔn)確
2、高效搭建關(guān)鍵詞詞庫(kù)，提升新品推廣效率
3、精準(zhǔn)拆解競(jìng)品流量以及廣告策略，實(shí)時(shí)監(jiān)控廣告投放效果
4、精準(zhǔn)洞察ASIN流量結(jié)構(gòu)，快速找到高性價(jià)比流量缺口
以下是原文，歡迎大家看完后與我們進(jìn)行留評(píng)交流：
?
-------------------
?近期大家關(guān)于亞馬遜?COSMO?算法的討論很熱烈，我也花時(shí)間看了亞馬遜?COSMO?算法的論文。下面我講講我對(duì)這篇論文的理解，可能跟大部分同學(xué)的見(jiàn)解都不一樣。
我先說(shuō)結(jié)論：
1、亞馬遜?COSMO?算法不是淘寶天貓那種千人千面的推薦算法，只是一種提高目前搜索算法準(zhǔn)確率的新手段。
2、因?yàn)?COSMO?算法能大幅提高搜索算法的準(zhǔn)確率，對(duì)用戶行為數(shù)據(jù)的依賴會(huì)降低，利好新品推廣。
3、ASIN?標(biāo)題和五點(diǎn)描述中能詳細(xì)描述產(chǎn)品特點(diǎn)和使用場(chǎng)景，能有效提高算法匹配準(zhǔn)確性，對(duì)買家友好的?listing?也對(duì)算法友好。
4、COSMO?對(duì)搜索導(dǎo)航欄的優(yōu)化，使產(chǎn)品銷售增長(zhǎng)了?0.7%（不包含算法優(yōu)化的部分）。
下面對(duì)論文內(nèi)容做一下解讀：
1、使用?LLM?分析購(gòu)買行為的潛在意圖，構(gòu)建電商知識(shí)圖譜。
?
在傳統(tǒng)的商品搜索算法知識(shí)圖譜中，通過(guò)【搜索?-?購(gòu)買】信息，無(wú)法很確切地了解用戶購(gòu)買商品時(shí)的真正意圖。因?yàn)?LLM（大語(yǔ)言模型）的出現(xiàn)，可以使用?LLM?分析用戶的?【搜索?-?購(gòu)買】行為時(shí)的潛在意圖。通過(guò)這一過(guò)程，COSMO成功構(gòu)建了一份覆蓋亞馬遜18個(gè)主要類別的電商知識(shí)圖譜，其中包含了數(shù)百萬(wàn)條高質(zhì)量的知識(shí)信息?。
?
2、將用戶購(gòu)買意圖引入搜索算法，提升搜索算法準(zhǔn)確率。
?
COSMO最顯著的創(chuàng)新之一是將傳統(tǒng)的【Query?-?Product】相關(guān)性分析升級(jí)為【Query?-?Product?-?Intent】相關(guān)性分析。這一變革極大地提升了搜索算法的性能，使得搜索結(jié)果不僅僅基于查詢?cè)~和產(chǎn)品的直接匹配，而且還考慮了用戶的購(gòu)買意圖，從而實(shí)現(xiàn)了更加精準(zhǔn)的搜索匹配?。這種方法的應(yīng)用顯著提升了搜索相關(guān)性評(píng)分，從而提高了用戶滿意度和轉(zhuǎn)化率。
?
下圖是引入?Intent?后搜索相關(guān)性評(píng)分得到大幅提升
搜索算法的準(zhǔn)確性提升，我的分析是利好新品推廣。
在傳統(tǒng)【Query?-?Product】相關(guān)性判斷效果不好的情況下，搜索算法是非常依賴用戶行為數(shù)據(jù)（點(diǎn)擊率、轉(zhuǎn)化率等等）的，當(dāng)新的【Query?-?Product?-?Intent】相關(guān)性分析得分大幅提升之后，則對(duì)用戶行為數(shù)據(jù)依賴在降低，利好新品的推廣。
?
3、COSMO?對(duì)搜索導(dǎo)航欄的優(yōu)化，使銷售相對(duì)增長(zhǎng)了?0.7%
?
論文中提到了COSMO?除了能應(yīng)用于搜索算法，提高搜索算法準(zhǔn)確率，也能應(yīng)用與對(duì)話式購(gòu)物和搜索導(dǎo)航欄改進(jìn)這?2?個(gè)場(chǎng)景。
關(guān)于對(duì)話式搜索的應(yīng)用，論文中并沒(méi)有提到具體的應(yīng)用場(chǎng)景，只是跟一些其他算法做了一下推薦準(zhǔn)確性的對(duì)比，相比于其他算法，也只是有小幅提升，效果并不明顯。
?
除了在搜索算法上的應(yīng)用之外，另一個(gè)核心是對(duì)搜索導(dǎo)航欄的改進(jìn)。
COSMO?對(duì)搜索導(dǎo)航欄做了改進(jìn)，并使用美國(guó)?10%?的流量進(jìn)行A/B測(cè)試，獲得了?0.7%?的銷售增長(zhǎng)，搜索導(dǎo)航欄的參與率提升?8%。
具體的改進(jìn)是在搜索結(jié)果頁(yè)下面，新增動(dòng)態(tài)的導(dǎo)航欄，根據(jù)搜索詞，細(xì)化用戶的意圖，生成動(dòng)態(tài)導(dǎo)航欄。
?
如下圖所示：
?
這是論文中提到的一個(gè)例子：
COSMO的核心功能是多輪導(dǎo)航。在這里，COSMO擅長(zhǎng)通過(guò)連續(xù)推薦提供多輪搜索細(xì)化。例如，對(duì)“露營(yíng)”的搜索可能會(huì)引導(dǎo)到“充氣床墊”的選擇，然后細(xì)化為“露營(yíng)用充氣床墊”。COSMO接著會(huì)提供各種類型的露營(yíng)用充氣床墊，以滿足不同需求，如湖邊露營(yíng)、山地露營(yíng)或4人露營(yíng)。這種多輪導(dǎo)航允許更深入和更精確的細(xì)化，反映了一個(gè)自然的發(fā)現(xiàn)過(guò)程，并顯著增強(qiáng)了用戶的搜索體驗(yàn)。
綜上所述，COSMO?算法并不是像淘寶天貓那樣的千人千面算法（歐美的隱私政策，也決定了亞馬遜不會(huì)使用千人千面算法），對(duì)大家的運(yùn)營(yíng)也不對(duì)產(chǎn)生太多影響，寫好Listing還是非常重要，對(duì)買家友好的?Listing，也是對(duì)算法友好的?Listing?。
倒計(jì)時(shí)：
40 個(gè)回復(fù)
Yanchuan - 美國(guó)站專業(yè)背鍋運(yùn)營(yíng)
贊同來(lái)自: 嗯啊哦233 、 起來(lái)起來(lái)起來(lái) 、 等待168168 、 BF2394 、 噩夢(mèng)拂曉。 、 用戶名隨便名 、 片刻之前DYKnow 、 xq007mn 、 jack0908 、 AnderAnder 、 xiaohan 、 西瓜88866 、 平凡人生 、 Shaun2018 、 JamYaung 、 arrivederci 、 muyan067 、 無(wú)羈之極 、 Wordworld123 、 hahaha哈 、 lilliann 、 pingpong17 、 Jia_玲 更多 ?
?