众所周知，亚马逊正在准备进行一次重大算法改革，这将彻底改变其网站和应用程序的搜索体验。这家零售巨头将从1月起在美国推出升级的生成人工智能功能，提供更对话、更详细、更个性化的用户体验。
据Business Insider报道，购物者将能够使用这项新技术进行实时产品比较，并根据自己的搜索环境寻求更多的细节、评论和建议。亚马逊研发团队把升级的A9算法命名为COSMO-LM新模型（即亚马逊大型常识生成和服务系统）。
相关论文指出，大规模知识图在电子商务平台中的应用可以改善客户的购物体验。虽然现有的电子商务知识图集成了大量的概念或产品属性，但它们未能发现用户意图，从而与人们的思维、行为以及与周围世界的互动方式产生了差距。在这项工作中，我们提出了COSMO，这是一个可扩展的系统，可以从海量行为中挖掘以用户为中心的常识知识，并构建行业规模的知识图，为多样化的在线服务赋能。特别是，我们描述了一个用于收集高质量种子知识的通道，这些种子知识从大型语言模型（LLM）中提取，并不断通过大量数据学习进一步重新定义。
COSMO-LM有效地将我们的知识图谱扩展到亚马逊的18个主要类别，仅用3万条注释指令就产生了数百万个高质量的知识。最后，COSMO已经部署在亚马逊的搜索应用程序中，如搜索导航。离线和在线A/B实验都表明，我们提出的系统取得了显著的改进。此外，这些实验还突出了从微调的大型语言模型中提取知识的巨大潜力。
了解在线电子商务平台中大量嘈杂行为背后的用户意图对许多下游应用程序（如推荐和产品搜索等）是有益的。从认知科学的角度来看，意图是人类可以致力于行动的状态，行为是由意图产生的。例如，“参加婚礼派对，我们需要购买正常的衣服”，其中意图，即“参加婚礼聚会”用于合理化和解释用户行为，即“购买正常衣服”。在网上购物场景中，如果电子商务平台能够准确地捕捉用户的意图，那么它们可以更加智能和用户友好地提供可解释的推荐和个性化搜索体验。然而，人类并没有明确表达这种意图，这需要常识来理解，因此机器很难以可扩展的方式进行提取。
在此基础上，亚马逊高层希望，构建一个人工智能会话式购物代理将有助于改善用户体验，通过提供搜索结果、专家答案和产品建议，帮助购物者更容易地找到他们想要的产品。这将带来更多的销售额和更高的投资回报率，尤其是在移动领域。
亚马逊新的生成人工智能工具将由人工智能培训师开发，培训师将不断审查机器人提供的答案的质量。此外，该工具还可以访问来自亚马逊广泛产品目录的专有购物数据，并辅以用户行为数据以及购买和审查信息。
亚马逊指出，该网站的新人工智能功能应该被视为一名知识渊博的店内销售人员。
“在之前的电子商务不同，商店的销售人员就是你的搜索引擎。那个人知道产品的一切……他们会看着你，知道你可能想要什么，因为像你这样的顾客以前去过那家商店。”
“他们可能亲自认识你，也可能知道你的偏好，然后他们可以在与你的自然语言对话中综合所有这些信息，并帮助你完成购物任务。如果你能将其扩展到亚马逊的一切，这将是我们想要追求的未来任务。”
“如果我们能提高移动设备的转化率，因为我们提供了很棒的体验，很棒的专家答案，那么这对亚马逊来说可能是一个潜在的重大提升。”
亚马逊在日本大阪举行的第27届亚太知识发现和数据挖掘大会上公布了这些见解。销售过千万美金的卖家Kevin King解释了传统搜索方法目前的局限性，即只依赖于产品数据和描述中的精确单词匹配。当有人搜索时出现拼写错误或同义词时，这种方法可能会忽略产品。
使用LLM模型，亚马逊通过“语义匹配”来解决这一问题，LLM可以理解单词背后的含义及其上下文，而不仅仅依赖于关键词。Kevin举了一个例子，“搜索‘运动鞋’也会显示‘跑鞋’。”
长期以来，影响A9算法的一些主要因素：
1.相关性：首先，A9算法检查您的关键词与列表的标题、描述和后端关键词的相关性。
2.价格：有竞争力的定价会影响排名，即如果与类似产品相比，您的定价过高，您的产品排名可能会更低。
3.客户满意度和忠诚度：亚马逊关注产品评论、评级和整体客户反馈。高回报率也会对排名产生负面影响。
4.转化率和销售速度：客户在观看后购买你的产品的频率越高，它的排名就越高。这就是为什么获得高质量的图片、描述和正面评价至关重要。
5.库存情况：如果你的产品缺货，它的排名会更低。确保你的产品有一致的库存水平，避免缺货。
对于亚马逊新算法，Kevin King认为，“亚马逊正在研究基于物理GPU的技术和自己独特的电子商务LLM语言模型。它可以处理大量与人工智能相关的搜索分析，一眨眼就能得出结果。”
他补充道，“这可以消除对所有内容进行索引的需要，消除关键字填充，并改变我们试图优化列表以获得今天排名的方式。”
正如Kevin所描述的，搜索引擎的整个格局正在发生变化。未来的重点将不再是关键词填充，而是制作一个专注于转化和质量的复杂列表。
现在，您可能想知道亚马逊是如何训练这种大型语言模型的。让我们把这个过程分解为四个易于理解的步骤。
1.特定领域的预培训：Talking shop
2.查询产品交互预微调：匹配单词
3.匹配微调：寻找素材
4.知识提炼到一个更小的模型：让它变得简单
这些技术术语可能让您难以理解，让我们看下面更直观的解释。
1.Talking shop：首先，亚马逊对LLM进行了超过10亿种与在线购买相关的产品和单词的培训。
2.匹配单词：接下来，系统会猜测缺失的单词和上下文，并学会将你想要的东西与正确的购买物品联系起来。
3.寻找东西：然后，它使用一种称为“微调”的独特方法，善于将你的要求与你能买到的东西相匹配。
4.简单一点：最后，将复杂的系统转移到一个适合实时产品搜索的较小模型中，使您能够快速轻松地找到想要购买的产品。
这一变化对卖家关键词策略产生潜在影响：“产品列表中的一句话很快就会匹配数百个搜索短语，而关键词却没有明确提及所有短语。”
A9算法的这一变化可能会改变卖家处理产品列表优化的方式。专注于关键词研究的工具可能需要适应LLM辅助搜索算法的新世界。
院长认为，作为当前最重要的跨境电商平台，亚马逊算法的任何改变将会对中国卖家产生直接的重大影响。卖家需要吃透亚马逊新算法的精髓对运营迅速作出改变。
*温馨提示：因公众号平台近期更改推送规则，大家可将派代公众号设为星标（“☆”），确保我们文章能第一时间出现在您的推送列表里。
如果您觉得本文有价值，请记得转发给您身边有需要的朋友！赠人玫瑰，手留余香！或者扫描二维码直接联系作者本人。
图片使用免责声明：本公众号使用图片/引用文章均来自搜索引擎，所用图片未标注发布者，使用图片仅为分享使用，网络平台提供者发现后联系本站，如果情况属实，我们会第一时间给予删除。
【欢迎更多战略合作伙伴】
