2025版COSMO算法下多变体listing编写方式与广告框架

一、COSMO带来的影响

关于COSMO

COSMO算法实装落地快一年了，COSMO与A9的关系并不是彻底的取代，而是补充关系，在A9算法的基础上添加了COSMO算法的补充，也就是共生的关系，COSMO的工作原理基于对用户意图的深刻理解。举个例子，如果你在亚马逊上搜索“men shoes for wedding”（婚礼男士鞋），COSMO能够识别出你可能实际寻找的是“硬底鞋”（hard bottom shoes），这是一种根据功能需求细化的搜索意图。传统的搜索引擎无法直接识别这种潜在的意图关联，但COSMO应用了常识知识，并强化了搜索结果的相关性，从而能够精准匹配用户需求，除了前台千人千面的现象更加常见外，COSMO算法带来更大的变化是Rufus的加入。

1744796174666

关于Rufus

Rufus简介：

Rufus是亚马逊推出的智能助手，他的主要功能是帮助消费者更精准地找到所需的商品，他的推送逻辑完全基于COSMO算法，可以把Rufus视作COSMO算法的前台具象展现，驯服了Rufus也就解决了COSMO。

Rufus的功能：

精准筛选需求：通过理解消费者提问，帮助他们从广泛类别中筛选出具体需求，减少无效流量，提高购物决策效率。

2.按场合推荐：根据特定场景或目的推荐产品，如“冬季高尔夫装备”或“室内花园工具”，提升场景化购物体验。

3.产品对比：帮助消费者比较不同产品的特性，如功能、价格和用户评价，使购物决策前置到比较环节。

4.定制化推荐：利用AI模型对用户需求的精准理解，提供个性化商品推荐，如“情人节礼物”或“适合5岁孩子的恐龙玩具”。

二、新算法下如何编写多变体Listing

多变体的广告打法，其实是一个来生长谈的问题，这个问题好像永远没有固定的答案，因为个人的产品，认知，资源，模式等不一样会出现很多方法，而在COSMO算法的逻辑下，包含更多的标签也就代表更多被推送的机会，而多变体Listing天生包含了高关键词密度，今天就简单分享一下COSMO算法下多变体listing编写和对应广告打法目的，仅供参考。

一、多变体Listing编写逻辑

首先我们针对链接编写的方式做一下梳理和汇总：
1.在部分类目，产品搜索结果页面和产品详情页面，仅展示同一个父体标题
2.在部分类目，产品在搜索结果页面和产品详情页面，展示不同变体子ASIN标题

无论前台显示与否，COSMO的抓取都是以填写的为准，直接抓取的产品属性。

标题的编写
有些卖家对不展示的标题文案没有特别注重，这是不合理的，因为正常来说在链接里面的关键词基本都是有效搜索词，所以不管是隐藏的父体标题，还是不展示的子体标题，我们应该尽量去完善它们。

所以我们在多变体的链接编写过程中可以出现如下几种情况：
1. 所有变体标题文案均一致
2. 所有变体标题文案均不一致
3. 变体围绕变体属性同一属性标题一致（所有颜色一致/所有相同尺寸一致）
4. 标题前面主打关键词一致，后面长尾不一致
5. 各子体间，关键词一致，词序不一致

Q&A

标题字符数到底放多少合适？
答案一：放满
答案二：放核心关键词即可
个人建议，在亚马逊后台搜索AISN创建政策，找到自己所属类目，查看所属类目链接编写细则，以亚马逊规定之建议为主
多变体父子体标题文案完全一样是否可行？
标题一致可行，亚马逊会根据所填变体属性自动填充子体的标题，所以建议按照亚马逊规定，在子体后面添加属性后缀，如图：
多变体父子体标题文案不一致是否可行？
标题文案不一致也可行，客服有告知，正常情况下不会被判定为变体滥用，如果可以修改成功就可以正常使用，被抓到的话最多就是所有子体更新为统一父体标题，如图：

那么这里针对“正常情况下”的个人理解为：
1.父子体间标题文案词意相识，单关键词不符，被抓，如：shirt /top/blous等
2.父子体间标题文案完全不一致，导致被抓，如：slim fit/loose fit等

目前来说子体之间变体标题不一直没有被抓的情况，具体以个人实际情况为主

二、结合cosmo算法逻辑优化Listing

现在COSMO算法对买家搜索端的影响已经显现，而最终Rufus在前台呈现的listing推送，背后也是COSMO-LM模型对listing进行了抓取——匹配——推送这3个过程，所以需要根据COSMO算法的抓取逻辑来编写Listing。

我们从两个案例来感受RUFUS对于买家搜索的影响。

例子一：

搜索Office Chair，会在前四个商品下面出现相关问题，选择问题会直接推荐产品

例子二：

搜索dress，会在第一页12个商品下面出现入口和问题

在选择对应问题后，会推荐多轮搜索的下一轮关键词

大家可以在自己的类目关键词下面看一下rufus的预设问题和下一步推荐的内容，有针对性地调整自己的listing内容。

Listing信息抓取

解读：

Listing中含有used for, capable of, is a, cause这4种关系的表达（注意：不一定是含有这4个关键词），最容易生成高质量的知识，因为带有这些关系的上下文，都是对产品的功能实现/目的描述/场景描述等等，最容易让算法理解，所以优先抓取这类信息。

问题查询和Listing内容匹配

解读：

第一步说明了算法优先抓取哪四类关系，第二步说明了这四类关系从哪里抓，即产品标题，描述，属性等。

排序推送

解读：

从这些地方抓到关系信息后，COSMO-LM把内容做了一个集合P, 同时将问题查询的集合Q开始进行相关性匹配，P和Q的相关度影响了下一步系统对Listing的推荐。在论文里这种匹配度被归类为4种类型：

精准匹配

替代匹配

补充匹配

不相关匹配

即使在同一种匹配类型中，也存在高低之差，假设同为精准匹配：

P1和Q的相关度为90%

P2和Q的相关度为80%

以此类推，最终排在Rufus推荐位第一个的，应该是相关度最高的P1集合。

综上，搜索和文案的相关度是Listing排序推荐的重要影响因子可能没有之一。

三、针对埋词的广告布局

屡清楚标题写法之后，针对这些标题写法的广告投放及流量分布做基本介绍：

1.所有变体标题文案均一致：

但是所有子体和父体均一致，这里把子体后缀因不一样的变体属性也视为标题一致

此种类型的标题写法，应该偏向几种大某几个大词或重大词，抢占标题内大词搜索份额，提升关键词排名，需求库存较多若无特殊速推手法，相对耗时长，所以流量分布应该集中在某些AISN上，AISN之间搜录关键词数量差异很大，因为所有ASIN全部进行投放时，势必会有AISN得不到展示或数据较少，如果有主推ASIN则表现更加明显，关键词应该有主推大词，且占比份额较高，初期流量以广告流量为主，按正常来说，广告应该主投大词或链接标题内关键词如图：

所以个人认为，这里的广告打法适合大词，单广告活动单广告组，单独投放，应该以精品模式下使用，季节性明显产品/供应链不强/预算不充足等情况下不适合使用

所以如果是标品，建议创建更多的listing对同一产品进行推广，增加推广成功率，下图中，广泛/词组等可以根据产品实际适合的流量类型调整为精准

2.所有变体标题文案均不一致：

此类标题写法流量应该没有较为集中的关键词，流量应该以中词或小词为主，且广告投放时适合将所有aisn都投放进去，因为词序和精准度等关系，每个asin增添了更多的可能性，所以相较而言，asin间搜录关键词的数量不会出现断崖式下降，下降应该较为缓慢，因为每个aisn均有转化的可能性，所以广告跳出率应该会稍高，在相同预算投放的情况下，自然流量应该不会与广告流量有太大的差异，即自然订单与广告订单占比不会出现两级分化，当然这里指投放一段时间后，而不是刚开始投放，正常来说不是非常好的产品，前期都需要广告带动

产品广告可以看出是新品，所有流量基本都以广告为主，一段实际后可以查看，流量占比情况，但投放关键词基本为中词，个人认为这种更加适合流量足够泛的类目，所有标题均不一致，尽量埋更多关键词，让asin获得更多的机会