亚马逊Cosmo算法深度解读：揭秘其技术原理与未来应用趋势2025年视角

最近关于A9算法失效的讨论引起了广泛关注，而亚马逊在此基础上推出了全新的cosmo算法。对此，魔词也获取了该算法的相关论文，让我们一同探究其原理。

什么是cosmo算法？

现有的电子商务知识图谱虽然涵盖了大量的概念或产品属性，但它们往往无法准确捕捉用户的真实意图，与用户的思考、行为和互动方式存在差距。在此背景下，COSMO应运而生。它是一个可扩展的系统，能够从大量用户行为中挖掘出以用户为中心的常识性知识，并构建出行业规模的知识图谱，以增强各种在线服务的能力。COSMO-LM能够有效地将知识图谱扩展到亚马逊的18个主要类目，仅使用30k条注释指令就生成了数百万条高质量知识。目前，COSMO已被广泛应用于亚马逊的各类搜索应用中，包括搜索相关性、基于会话的推荐和搜索导航。

COSMO的工作流程是怎样的呢？

用户的搜索行为发出指令，LLM（大型语言模型）接收这些指令并生成相应的知识图谱。然后，通过过滤相似产品，最终筛选出符合用户需求的结果。

这一算法在电商领域的应用示例中，能够准确捕捉用户的意图，从而更智能、更人性化地提供推荐和个性化的搜索体验。例如，当孕妇想要购买一双鞋时，在平台上搜索“鞋子”，COSMO-LM基于常识分析得出防滑对孕妇的重要性，并推荐符合这一特性的产品。而不仅仅是推荐一堆普通运动鞋和拖鞋。

更值得一提的是，COSMO的核心功能是多轮导航。它通过挖掘用户行为背后的意图，以提供更好的在线购物体验。其中，COSMO-LM主要关注以下几个方面：

传统的商品搜索算法往往难以确切了解用户购买商品时的真实意图。而COSMO通过LLM技术，能够深入分析用户的潜在意图。

除了应用于搜索算法，COSMO还改进了搜索导航栏。根据用户的搜索词，动态生成导航栏，细化用户意图。

综合论文内容，我们可以总结出COSMO算法的以下几个要点：

1. 更倾向于根据人们的搜索意图进行推荐，而非单纯的行为分析；

2. 通过分析已知订单信息来进行精准推荐；

3. 对高度相似的产品进行过滤，避免信息冗余；

4. 使用智能算法提高互补和替换产品的常识性推荐精度；

5. 原有的页面转化率数据在推荐中仍然具有重要地位；

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标题和五点描述中详细的产品特点和使用场景描述，能有效提高算法匹配准确性。

无论是A9算法还是COSMO算法，都要求卖家从用户意图和购买行为出发进行运营。新的COSMO算法为卖家提供了优化产品展示和提升转化率的新机会。感兴趣的卖家可以通过私信留言获取官方亚马逊COSMO算法的源文件。

（编辑：江同）

（来源：魔词）本文仅代表作者个人观点，不代表风口星跨境的立场。如有关于作品内容、版权或其他问题，请在发表后的30日内与风口星跨境联系。