亚马逊运营一组内部培训资料
亚马逊Cosmo算法下
广告的布局影响及应对措施
亚马逊的新AI算法COSMO成为了公司运营们热议的焦点。每一次算法的变化都可能引起流量分发机制的改变。从A9到COSMO，算法更新迭代，给我们公司们带来了新的挑战和机遇，我们该如何改变自己的运营策略来跟上变化呢？
新算法带来的影响
我近期发现自动广告数据比手动广告的数据还要好看，订单量和acos都要更好，效率比手动好。
为什么会这样呢？
给大家举个例子，如果说手动广告对投放的方向把控是100%的，那么以前自动广告就是无法把控的，完全依靠你的listing信息了解产品，匹配链接出现在什么搜索词和ASIN页面上。而在接入cosmoAI算法之后，相当于自动广告也有了一半的把控，因为AI一直在学习，分析消费者的行为数据，因此有了AI的助力，自动广告投放的效果就更好了。
首先要搞清楚什么是COSMO-LM
据亚马逊官方介绍，COSMO算法是一种旨在提高搜索结果准确性的技术，不是传统的个性化推荐算法。它利用大型语言模型(LLM)分析用户的购买行为（一种可以通过大量内容进行学习并延伸出新内容的人工智能模型。
注意：LLM是文本模型而非图片模型或图文混合模型），构建了覆盖亚马逊18个主要类别的电商知识图谱。通过学习这些类目词条常识性知识，以及对可识别用户的购买习惯、行为、爱好等因素，对可识别的买家进行标签化处理，在买家搜索时，及时性的展示推荐和可识别用户买家搜索相关度高、符合购物习惯的平台产品。COSMO作为一个高级大型的数据语言模型算法，与A9相比，它更注重用户的实际需求和行为，以及它有着更精准的用户画像理解、更智能的推荐算法以及覆盖到全品类的高质量知识图谱。而我们熟知的A9，作为亚马逊核心搜索引擎，更多关注于与关键词相关性强的搜索结果和商品推荐。
COSMO与A9的区别：
深层次的用户意图挖掘
在关键词收录识别基础上，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词理解用户的购物意图，能够更准确地预测的需求。
构建规模的知识图谱
算法通过分析大量的用户行为数据，构建了一个品类规模的知识图谱，从知识图谱判断用户还需要寻找哪些产品或需求。
个性化推荐
算法能够根据用户的购物历史、浏览习惯等数据，智能地推送用户可能感兴趣的产品实现更加个性化的购物体验。根据偏好个性化推荐算法，推荐相应产品给到用户，提高了用户的点击率和转化率。
提升搜索相关性
算法通过将常识知识融入搜索流程，增强了搜索相关性，使搜索结果更加符合用户的实际意图。这种改进提升了用户快速找到准确需求产品，从而可能提高客户满意度
和转化率。
多场景应用
算法不仅应用于搜索相关性提升，还应用于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算法能够全面改善用户的购物体验。
持续的优化和迭代
算法的引入并不意味着算法的完全取代，而是作为一种补充和升级。随着时间的推移算法将继续优化和选代，以适应电商领域的新趋势和用户行为的变化。
COSMO-LM算法对新品广告的影响
亚马逊推出的COSMO-LM算法对广告投放进行了重大调整，尤其是在新品广告上表现得尤为明显。传统的广告系统允许通过较低的出价逐步积累曝光，但随着新算法的上线，新品广告往往需要2-5倍的建议竞价才能在初期获得曝光，而广告预算需要4-8天才能逐步消耗完。
新算法带来的问题
前期曝光不足：即使竞价提高，刚开始的几天广告仍然没有显著的曝光。
预算消耗过慢：即使设置了较高的预算，前几天预算烧不完，广告效果难以显现。
转化延迟：因曝光不足，转化效果显现时间也被延后，影响了推广节奏。
新算法下的广告策略
为了应对COSMO-LM算法带来的挑战，卖家需要采取更加灵活的广告策略，并结合优化技巧来确保新品广告能够快速获得曝光和转化。
提高竞价但控制预算
面对2-5倍的竞价要求，卖家应根据实际情况适当提高竞价，但不要盲目加大预算。具体操作建议如下：
初期策略
在新品推广初期，建议将竞价设置为原建议出价的1.5倍左右，避免因出价过低导致无曝光。
预算控制
由于广告消耗预算的速度较慢，建议逐步增加预算，避免一次性设置过高的预算。初期可以设置较低的预算来观察广告表现，在曝光增加的同时再适当调高。
缩短广告组时间窗口
COSMO-LM算法下，广告的预算分配周期变长，因此卖家可以通过缩短广告组的时间窗口来提升广告的曝光速度。具体操作步骤：
创建短期广告组
将广告投放时间设定为较短的时间周期，如1天，以便加快预算消耗。
监控广告表现
在短期广告组中密切监控广告的曝光、点击和转化数据，及时做出调整。
采用多广告组测试策略
为了在前期测试出最优的广告组合，建议卖家使用多广告组测试策略。通过创建多个广告组，并针对不同的关键词、受众和创意进行测试，可以加快