亚马逊AI助手如何推荐产品
了解亚马逊Rufus如何利用生成式AI和机器学习，提供个性化产品推荐。探索其技术、功能以及对电商行业的影响。
1 分钟阅读
亚马逊Rufus是什么以及为什么重要
亚马逊Rufus是一款AI购物助手，让客户可以用自然语言提问关于产品的问题，并获得对话式的回答，而非一个排序后的结果页面。自推出以来，超过2.5亿客户使用过Rufus，它目前驱动着大约13.7%的亚马逊搜索，月活跃用户增长149%，互动量飙升210%（同比增长）。使用Rufus的客户购买可能性比仅使用标准搜索框的客户高出60%。本指南是一份以机制优先的解析：Rufus究竟是什么、它是如何构建的，以及它与亚马逊运行了二十年的关键词搜索有何不同。如果您是卖家，正在寻找可逐步操作的任务清单——实际需要更改产品列表中的哪些内容以及按什么顺序更改——请参阅卖家的战术性Rufus优化手册 ，而非本指南。
Rufus背后的技术：RAG、Bedrock和自定义模型
Rufus运行在检索增强生成（RAG）之上：它不是仅凭语言模型在训练时记住的内容来回答，而是检索当前特定的产品信息——产品列表、评论、问答、A+内容——并将其输入模型以生成回复。这一检索步骤使Rufus能够回答关于那些在其底层模型上次训练之后才出现的产品和属性问题。亚马逊在Amazon Bedrock上构建了Rufus，结合了Claude Sonnet、Amazon Nova和亚马逊专有模型，通过持续的批处理和流式架构运行，确保即使在购物高峰时段也能保持低响应时间。该AI助手还整合了实时反馈循环，因此当它观察到客户实际与哪些推荐互动时，其输出也会随之调整。这些都不会改变卖家向亚马逊提交的内容——产品列表字段与以往完全相同——但它改变了这些信息的利用方式：不再是索引和排名，而是被检索并合成为对话式回答。
Rufus与传统亚马逊搜索（A9）对比
| 方面 | A9（传统搜索） | Rufus AI助手 |
|---|---|---|
| 查询类型 | 基于关键词 | 对话式、自然语言 |
| 数据来源 | 标题、要点、后台关键词 | 描述、评论、问答、A+内容、购买历史 |
| 响应格式 | 产品列表排序 | 带推理过程的对话式回答 |
| 个性化 | 限于浏览历史 | 跨购买、浏览、评论的购物记忆 |
| 上下文理解 | 字面关键词匹配 | 意图的语义理解 |
| 学习方式 | 静态排名算法 | 持续实时反馈 |
A9和Rufus并非竞争系统——它们是亚马逊并行运行的互补层。A9仍然处理大部分搜索流量：它决定客户在搜索框中输入关键词时显示什么结果，权衡关键词相关性、转化率和价格等信号。Rufus负责在此基础上处理对话层：那些不能简单映射到单个关键词查询的问题、比较和推荐。目前每100次亚马逊购买中不到3次涉及Rufus，因此A9目前仍然是主要的发现机制——但这两个系统都依赖相同的基础产品数据，这就是为什么提高产品列表质量往往能同时惠及两者，而非迫使你在两者之间做出取舍。
从关键词到对话式查询的转变
这一转变最明显的证据就在于查询行为本身。过去客户搜索"蛋白粉"，现在他们向Rufus提问：“对预算有限、想避免人工甜味剂的初学者来说，最好的蛋白粉是什么？“这不是一个带修饰词的关键词——这是一个复合问题，包含隐式的预算限制、经验水平和成分排除，全部在一句话中。A9的排名模型是为匹配关键词而构建的，不是为解析复合意图而设计的，而这正是Rufus所要填补的空白。由于Rufus是基于自然语言推理而非对搜索字符串进行分词，因此它可以推荐一个在产品列表中从未字面包含"适合初学者的蛋白粉"这个短语的产品，只要其底层属性与客户描述匹配。这就是为什么产品内容深度现在比关键词放置本身更重要的结构性原因——战术性Rufus优化手册 将这一区别转化为具体的产品列表修改方案。
