海量关键词上首页 帮你提升50%自然单占比

海量用户人群推流 帮你节省30%无效广告费

新一期更新PSPS线性文案结构化方法、COSMO视觉识别算法“三位一体”、COSMO算法图片识别到内容关联的底层原理、以及文案测试“四准三多一广”等多个内容！

课程名额紧张，欲报从速！

自亚马逊新算法Rufus全面上线至今，已经过去有一年多了。但不少卖家发现，新算法上线后，一年多以来链接流量并没有上升，反而下滑了。出现这种情况的根本原因，很可能是新算法Rufus的“意图识别”逻辑，正在过滤掉你的产品。

那问题来了——

Rufus究竟是根据什么来推荐产品的？为什么有些Listing被频频推荐，而另一些却“毫无存在感”？你的链接有被Rufus推荐过吗？

今天我们根据一组研究数据，来深入了解亚马逊Rufus的推荐机制。

一、亚马逊Rufus推荐产品的核心特征

根据一份对300个搜索提示、1000多款被推荐产品的研究分析结果显示，发现：

Rufus只推荐评分4星及以上的产品推荐产品的平均评论数量高达9000条评论数极低的产品几乎不会被推荐（仅1条评论的产品被推荐概率只有0.2%）

数据来源：Profitero+

在统计被推荐的产品中，产品的最低星级为4.0，平均星级4.5，各评分星级占比情况：

4.0-4.2的占比6%4.2-4.4的占比19%4.4-4.6的占比为41%4.6-4.8的占比为31%

最低评论数为1条，平均为9023条，各评论数量占比情况：

1-100条的占比7%100-1000条占比25%1000-10000条占比38%10000条以上30%

从数据上看，Rufus推荐时首要标准是评论星级，换句话说，如果评论星级低，即便价格有优势，广告打得再多，也很难进入Rufus的推荐列表。

不过，星级与评论数量只是表层逻辑，Rufus的推荐逻辑，还不止于这些。

二、Rufus的推荐逻辑：从关键词到语义理解

在COSMO算法还没有出现时，过去A9算法依赖精确的关键词定位，将买家搜索词与产品标题、描述等内容进行匹配来决定曝光。这种方式虽然能够在一定程度上满足用户需求，但往往无法捕捉到用户更深层次的意图。

而新算法COSMO出现后，不再停留于关键词的匹配，而是识别“买家想解决什么问题”，分析买家的搜索背后动机。COSMO在分析listing时，会综合考虑一下维度：

关键词相关性：文案是否与买家真实搜索意图匹配语境表达：场景及功能体现，是否清晰解释“为什么这个功能重要及适合什么人群在哪些场景使用”转化潜力：通过历史行为数据（如点击、转化、评分等）预测转化概率

COSMO为每条Listing生成“语义质量得分”，而这个得分，正是Rufus推荐的基础。

如果说COSMO是算法大脑，那么Rufus就是与买家对话的“前台AI”。当买家在Rufus对话框输入问题时，Rufus会主动提取listing里的结构化信息和评论信息：用户人群、使用场景、核心痛点、解决方案，然后生成推荐，甚至附上智能标签，对比推荐。

这也就意味着，listing不再是只写给人看的，也要让AI读得懂。根据语义相关性、内容完整度、评论星级和评论数量来决定是否推荐。

这也是为什么一些listing，即便历史表现不错，但最近一年来流量却下滑严重——因为它的文本结构已经不再适配Rufus的AI推荐逻辑。而且现在不光是lisitng文本，还有图片、视频都在利用AI识别。谁能提供更优质、结构化的信息供AI提取，谁就能获得更高的搜索权重倾斜。

所以过去那种“关键词堆砌”的Listing正在失效，现在算法更看重：

文案是否清晰呈现用户人群和场景是否解释产品如何解决痛点是否语义自然、结构完整、可被AI理解

如果文案过于简单或者不够结构化，Rufus就难以抓取核心语义，即使评论星级和评论数量达标，也无法将你的产品推荐给目标买家。

那卖家如何根据Rufus推荐逻辑写好Listing？

面对新算法的推荐机制，董老师在《亚马逊操盘手亿级卖家班》中提出PSPS线性文案结构化方法，通过该模型让文案精准匹配COSMO与Rufus抓取偏好，获取精准的AI推荐流量。

同时还更新了COSMO视觉识别算法“三位一体”（“文本描述 × 图片验证 × 评论佐证”），解读从图片识别到内容关联的底层原理，并结合案例让卖家理解链接如何通过场景化图片与内容一致性优先获取排名和推流。

不少同学反馈，通过调整listing图片与文案的一致性，点击率翻倍增长，有的同学从从1%左右提升了10%。

还有的同学通过5.0 PSPS线性结构化文案，实现FBM出单，客单价比同行高30%的情况下，不打广告日出10单，并且还在不断递增。

新一期《亚马逊操盘手亿级卖家班》

开课时间：10月24-25号

课程详情

课程名额紧张，欲报从速！