在亚马逊的算法系统中。A9算法一直以来是卖家提高链接排名的核心。然而，伴随用户需要的变化与人工智能技术的进步，亚马逊去年3月对搜索引擎算法进行了重大更新，推出了新的人工智能算法——cosplayMO。cosplayMO算法的推出标志着亚马逊在商品排名推荐和客户体验方面的进一步升级。从“人找货”到“货找人”，是亚马逊对用户需要的深度重构。两大算法下，卖家面临着“既要让A9看得懂，又要让cosplayMO看得上”的挑战。
今天，大家将分别分析A9算法和cosplayMO算法，指出两者的本质不同，并探讨针对这两大算法怎么样优化Listing，帮助卖家更好提高链接排名。
1、亚马逊网站优化核心：A9算法
在知道亚马逊A9算法前，大伙先认识一下网站优化这个定义。网站优化是网站SEO的缩写，一种通过网站或链接文案优化内容和结构，使其在搜索引擎的自然搜索结果中排名更高的过程，从而获得更多的自然流量，也可称之为搜索免费流量或关键字流量。
而A9算法就是亚马逊搜索引擎优化的核心，它决定了商品在搜索结果中的自然排名地方，即网站优化达成商品关键字的网站收录到自然排名靠前的解决方案。也就是说A9算法就是亚马逊网站优化的“大脑”，它负责决定什么商品会出目前用户搜索结果中与在哪个位置出现。A9算法会决定用户在进行搜索时会看到什么商品。
亚马逊的网站优化跟传统的网站优化有的不同。亚马逊的搜索是买卖性的，而不是信息性的，由于平台用户不会在亚马逊上搜索有关资料或者信息，只能在上面探寻有购买意向的商品。所以亚马逊的网站优化是专门针对亚马逊市场的独特算法和顾客行为量身打造，旨在让用户在最短期内迅速买到最好且最满足需要的商品。这就意味着A9算法需要对用户的搜索关键词就是剖析或拆解，以确定商品与搜索关键字之间的有关性，并决定该商品的在搜索结果中的地方，可以理解为网站收录，网站收录即A9算法系统抓取到商品关键字信息，以词根形态抓取。网站收录分两种：从链接刊登开始A9抓取商品文案内容的关键字信息叫做静态网站收录；新产品链接上线后用户通过关键字搜索点击到商品且被A9抓取的关键字信息叫做动态网站收录。
而且A9算法主要依据有关性和绩效来确定排名，具体影响原因分别是：
商品有关性销售排名商品价格点击率实际转化的比例商品图片用户评价用户认可度QA的回话状况搜索结果页详细情况级别
2、亚马逊人工智能算法：cosplayMO算法
cosplayMO作为一个高级大型的数据语言模型算法，与A9相比，它更重视用户的实质需要和行为，与它有着更精确的用户画像理解、更智能的推荐算法与覆盖到全品类的优质常识图谱。其核心是通过人工智能语义理解重构用户搜索意图，将“用户说了什么”升级为“用户真的想要什么”。而A9更多关注于与关键字有关性强的搜索结果和产品推荐。
cosplayMO算法具备的核心能力主要有需要预判、跨品类关联、动态语义拓展等。
需要预判：当用户搜索“露营装备”时，A9会匹配标题含“帐篷”“睡袋”的商品；而cosplayMO能推断用户可能需要“便携式户外电源”“防蚊喷雾”，甚至推荐“合适家庭露营的折叠桌椅套装”。
跨品类关联：通过常识图谱剖析用户行为，比如购买“瑜伽垫”的用户，可能被推荐“泡沫滚轴”“运动耳机”等非直接关联但场景匹配的商品。
动态语义扩展：对模糊搜索关键词自动分析为细分需要，并依据用户的搜索购买历史记录进行推荐。
cosplayMO算法更像是对A9算法搜索引擎的补充和升级，主要表目前以下六个方面：
1、深层次的用户意图挖掘：在关键字网站收录辨别基础上，cosplayMO算法专注于从用户的行为中挖掘深层次的购物意图，从搜索关键词理解用户的购物意图，可以更准确地预测的需要。
2、构建规模的常识图谱：cosplayMO算法通过剖析很多的用户行为数据，构建了一个品类规模的常识图谱，从常识图谱判断用户还需要探寻什么商品或需要。
3、个性化推荐：cosplayMO算法可以依据用户的购物历史、浏览习惯等数据，智能地推送用户可能有兴趣的商品，达成愈加个性化的购物体验。依据偏好个性化推荐算法，推荐相应商品给到用户，提升了用户的点击率和实际转化的比例。
4、提高搜索有关性：cosplayMO算法通过将知识常识融入搜索步骤，增强了搜索有关性，使搜索结果愈加符适用户的实质意图。这种改进提高了用户迅速找到准确需要商品的速度，从而可能提升顾客认可度和实际转化的比例。
5、多场景应用：cosplayMO算法不只应用于搜索有关性提高，还应用基于会话的推荐和搜索导航等多个场景。这种多场景应用使得cosplayMO算法可以全方位改变用户的购物体验。
6、持续的优化和迭代：cosplayMO算法的引入并不意味着A9算法的完全取代，而是作为一种补充和升级。伴随时间的推移，cosplayMO算法将继续优化和迭代，以适应电子商务范围的新趋势和用户行为的变化。
图片来源：董海温
cosplayMO算法的主要影响主要有三大方面：一是让流量碎片化，精确长尾关键词、场景词、模糊词的网站权重显著提高；二是Listing文案优化维度升级，从“卖点”转向“需要场景化表达”，卖家需在文案中植入用户隐性需要触点；三是，削弱头部垄断，中小卖家可通过精确场景绑定，绕过头部大卖的“垄断”优势，达成差异化突围。
3、A9算法与cosplayMO算法有什么区别
A9算法与cosplayMO算法主要有五大不同：
1、核心算法规则
2、关联关系的结构差异
3、排名规则的差异
4、用户搜索结果的差异
5、算法技术的本质差异
具体不同卖家可以点击这篇文章进行查询：《亚马逊cosplayMO算法与A9算法的5大不同》
4、针对这两大算法卖家怎么样优化Listing文案
伴随cosplayMO算法的逐步应用和深化，卖家们面临的挑战是怎么样依据这两大算法的特征来优化他们的商品Listing。毕竟，A9和cosplayMO算法各有侧重点，一个强调有关性与关键字匹配，另一个则侧重于个性化推荐和用户需要的深度挖掘。
在文案上，关键字从精确匹配到深度需要挖掘。在A9算法的框架下，文案关键字的选择依旧是重点。确保商品的标题、五行描述、A+内容以中包括最有关的关键字，以便A9算法抓取网站收录。然而，伴随cosplayMO算法的引入，卖家不只要关注关键字的精确匹配，更要从用户的行为和需要出发，进行深度的需要挖掘。
为了适应cosplayMO的个性化推荐机制，卖家应当愈加重视用户意图词和场景化关键字的用法。这种关键字可以更好地捕捉到用户潜在的需要，并可以在cosplayMO算法中提升展示的机会。
此外，卖家还需要更多地关注图片的场景化展示。cosplayMO依靠于人工智能推理用户的潜在需要，因此在图片展示和文案描述中，增加与用户生活场景有关的内容可以帮助商品获得更精确的个性化推荐。
另外卖家要愈加关注用户评价。无论是A9算法还是cosplayMO算法，用户评价都在排名和揭秘中起着至关要紧有哪些用途。A9算法依靠于高评和好评反馈来提高商品的排名，而cosplayMO算法则通过评价、问答等社交信号判断商品的受青睐程度，进而影响个性化推荐的频率。
总之，A9算法与cosplayMO算法的结合使得亚马逊网站优化的优化变得愈加复杂，但也提供了更多机会。卖家不只要依据A9算法的规则优化文案，还要深入理解cosplayMO算法对用户需要和个性化推荐的关注点。
