Amazon AI 正在重写流量分配：3C、智能家居、美妆卖家要重新理解关键词

如果你现在还把 Amazon 运营理解成“找词、埋词、投词、抢排名”，这套方法当然没有失效。但到 2026 年，Amazon 已经在关键词之上叠加了一套更强的意图理解系统。

消费者越来越可以直接说出完整问题：“我家客厅不大，白天也要看得清，电视应该怎么选？”“我经常出差，耳机要戴久不痛、开会麦克风清楚，买哪种？”“我是油皮但屏障最近比较差，护肤流程怎么搭？”

过去，这些问题通常需要消费者先读攻略、再搜索、再比较。现在 Amazon 正把“搜索—筛选—比较—判断”中的一部分交给 AI。前台有 Alexa for Shopping，搜索与推荐侧有 COSMO 这样的意图知识系统，广告侧则有 AMC、Sponsored Prompts、Ads Agent 和 Full-Funnel Campaigns。

很多卖家仍习惯叫它 Rufus。2026 年 5 月 13 日，Amazon 将 Rufus 与 Alexa+ 的能力整合并正式推出 Alexa for Shopping。Amazon 官方披露，Rufus 在 2025 年帮助超过 3 亿消费者研究、比较和购买商品；到 2026 年第二季度，过去 12 个月已有超过 3.5 亿消费者使用 Alexa for Shopping，Q2 活跃用户接近翻倍，互动次数同比超过 5 倍。

更重要的是交互方式。用户已经可以直接在 Amazon 主搜索框里提问，Amazon 官方给出的示例包括“男士如何建立护肤流程”、咖啡机型号比较、Kindle 对比，以及大件商品的个性化购物指南。Alexa for Shopping 还能在搜索结果和商品详情页生成 AI 概览，并提供最长一年的价格历史。

资料来源：Amazon｜Alexa for Shopping 产品发布

资料来源：Amazon｜2026 Q2 AI Shopping 数据

3C 是观察 AI 导购最好的类目之一，因为购买决策天然需要大量比较。耳机要比较降噪、舒适度、麦克风、延迟、续航和系统兼容；电视要比较尺寸、亮度、面板、刷新率、HDR、接口和游戏模式。消费者并不总能先把这些技术参数翻译成准确关键词。

Amazon Ads 对消费电子类目的研究显示，高考虑度电子产品的购买旅程经常超过 60 天；调查中还有 42% 的消费电子消费者在最终于其他渠道购买前访问过 Amazon Store。对品牌来说，Amazon 已经不只是最后成交的货架，也承担研究、比较和决策入口。

资料来源：Amazon Ads｜Consumer Electronics Marketing

所以 3C 卖家需要保留 Keyword Mapping，但再增加一套 Intent Mapping。例如一副开放式耳机，除了“open ear headphones”，还要回答：跑步时会不会掉？戴眼镜是否冲突？办公室连续戴三小时是否更舒适？开会时麦克风是否够用？需要听见环境声的人为什么更适合？

这些问题未必都是高搜索量关键词，却非常接近消费者向 AI 描述真实需求时使用的语言。

COSMO 是 Amazon Science 公开的一套大规模电商常识知识生成与服务系统。传统商品知识图谱擅长知道“这是什么”，例如品牌、材质、尺寸和属性；COSMO 更关注“这个商品在什么人、什么任务、什么场景下有用”。

Amazon Science 用“shoes for pregnant women”举例：商品标题未必直接写“孕妇鞋”，但系统可以从行为中推断，孕妇在某些场景可能更重视防滑，于是“孕妇—需要—防滑”成为一种可用于搜索和推荐的常识关系。

公开论文显示，COSMO-LM 用约 3 万条人工标注指令扩展到 Amazon 18 个主要类目，生成数百万条高质量知识关系，并已部署到搜索相关应用。Amazon Science 的实验中，在固定编码器条件下，加入 COSMO 关系的模型 Macro F1 相对最佳基线提升最高达到 60%。这个数字是模型实验结果，不等同于卖家流量提升。

资料来源：Amazon Science｜COSMO 论文

资料来源：Amazon Science｜COSMO 技术解读

图1｜根据 Amazon / Amazon Science / Amazon Ads 官方资料整理：AI购物链路的三层分工。

智能家居比普通 3C 更依赖场景。消费者真正想说的经常不是“我要一个 Matter 15A 智能插座”，而是“出门后门没锁提醒我”“老人起夜时自动亮走廊灯”“我想让卧室温度高于某个值时自动开风扇”。

这和 Alexa+ 的方向高度一致。Amazon CEO Andy Jassy 在 2025 年致股东信中披露，Alexa 拥有约 6 亿个活跃终端；Alexa+ 推出后，用户与 Alexa 的交流约增长至 2 倍，设备端购买行为达到约 3 倍，智能家居功能使用增长约 50%。

资料来源：Amazon｜2025 Shareholder Letter

因此，智能家居产品内容不能只停留在电流、电压、协议、App Control 和 Voice Control。卖家需要让系统更容易读懂：它和哪些设备兼容、在什么条件下触发、能组成哪些 Routine、一个家庭成员的动作如何触发另一个设备。消费者买的是一个 Plug 或 Camera，AI 需要理解的是它能替家庭完成什么任务。

美妆是另一种典型 AI 导购类目。消费者往往先有问题，再寻找产品：油皮、缺水、泛红、爆痘、妆前搓泥、屏障脆弱、想抗老，或者只是“我需要一套男士基础护肤流程”。Amazon 在 Alexa for Shopping 的官方演示中就直接使用了“男士护肤流程”这个问题。

Amazon Shopping App 此前也推出过 Skincare Quiz，通过皮肤类型等问题推荐清洁或保湿产品。Amazon Ads 与 Kantar 的历史研究显示，45% 的美妆购买属于半计划购买，即消费者已经想买某类产品或某个品牌，但还没有确定具体商品。这个数据来自较早研究，本文只用它解释美妆决策结构，不把它当作 2026 年市场份额。

资料来源：Amazon｜Skincare Quiz

资料来源：Amazon Ads｜Beauty Marketing

所以美妆 Listing 不能只堆 Hyaluronic Acid、Ceramide、Niacinamide。还要让系统理解：什么肤质适用、针对什么需求、早晚如何使用、和什么产品搭配、什么情况下不建议一起用，以及消费者 Review 是否反复验证了这些使用结果。

一个消费者可能先看视频广告，第二天搜索类目，和 Alexa for Shopping 比较几款商品，再浏览详情页和 Review，三天后看到 Sponsored Products 才成交。如果团队只看最后一次点击，前面的教育和比较环节很容易被忽略。

Amazon Marketing Cloud（AMC） 是 Amazon 的隐私安全数据净室。Amazon 官方说明，AMC 建立在 AWS Clean Rooms 上，可以把 Amazon Ads 信号、广告主自己的输入以及符合条件的第三方信号放在隐私安全环境中查询，用于洞察、构建受众和激活投放。

资料来源：Amazon Ads｜Amazon Marketing Cloud

真正有价值的不是“做一份更复杂的报表”，而是把行为重新变成人群。3C 可以识别“看过旗舰耳机视频、浏览过 PDP、14 天未购买但仍在搜索相关类目”的人；智能家居可以识别“看过门铃又看过摄像头，但还没购买安防设备”的人；美妆则可以做“已买洁面、未买保湿”“老客补货周期”“浏览高端护肤但未转化”的分层。

2026 年 3 月，Sponsored Products Prompts 和 Sponsored Brands Prompts 在美国进入 GA。Amazon Ads 说明，这些 AI 对话广告可以出现在搜索结果和详情页，点击后可能进入 Alexa for Shopping 对话；系统会利用商品详情页、Brand Store、Campaign Data 等第一方信号生成相关产品信息。

资料来源：Amazon Ads｜Sponsored Products / Brands Prompts

Amazon Ads 后续披露的早期测试中，接近 20% 与 Sponsored Brands Prompt 互动的消费者会继续围绕该品牌展开对话；在其测试口径下，为 Sponsored Brands 增加 Prompt 带来约 6% 的转化提升。这里同样不能把平台测试数据直接等同于每个卖家的增量效果。

资料来源：Amazon Ads｜What agentic shopping means for advertising

但方向已经很清楚：广告的路径开始从“曝光 → 点击 → PDP”扩展为“曝光 → 问题 → AI 解释 → 比较 → 购买”。高参数 3C、需要场景说明的智能家居、需要教育消费者的美妆，会更容易感受到这种变化。

2026 年 9 月 29 日，Amazon Ads 发布 Amazon Ads Agent，并把 sponsored ads、Display / Video / Audio 和 Full-Funnel Campaigns 放进一个 AI-first 广告平台。Amazon 表示，这些能力背后会利用数万亿级购物、浏览和流媒体信号。

同日进入美国 Open Beta 的 Full-Funnel Campaigns 允许广告主提供商品、预算和可选 ROAS 门槛，由 Amazon AI 在 Sponsored Ads、Display、Video、Streaming TV 之间选择形式，并实时分配不同漏斗阶段预算。

资料来源：Amazon Ads｜Amazon Ads Agent

资料来源：Amazon Ads｜Full-Funnel Campaigns

这会改变过去“SP 团队只看 SP、DSP 团队只看 DSP、品牌团队只看内容”的组织方式。Amazon 看到的是同一个消费者，只是处在不同决策阶段。AI 可以代替更多手工操作，但前提是商品信息、创意内容、转化信号和人群数据足够清楚。

图2｜3C重“比较”、智能家居重“任务”、美妆重“人群与Routine”。数据来源见正文对应Amazon官方资料。

3C：参数不是目的，比较理由才是。卖家需要结构化地解释性能、适用场景、取舍、兼容性和竞品差异。

智能家居：产品不是孤立 SKU，而是家庭任务节点。卖家需要把协议、触发条件、Routine、设备联动和家庭成员场景说清楚。

美妆：消费者先描述“我是谁、我有什么问题”，再决定产品。卖家要把肤质、需求、成分、Routine、搭配和使用边界写得可验证。

过去很多 Amazon 团队的核心资源是关键词库、广告预算、Review、Listing、排名和库存。

这些都不会消失，但 AI 购物环境下还要再增加五类资产：

因此新的资源关系更接近：商品知识 → 场景关系 → 内容证据 → 消费者信号 → AMC 受众 → AI投放 → 新行为数据。

不用等所有 AI 功能完全成熟。现在就可以从前 20 个核心 ASIN 开始，在 Keyword Sheet 旁边增加一张 Intent & Scenario Sheet。每个 ASIN 至少回答：

3C 再增加参数差异和竞品对比；智能家居增加兼容协议、触发条件和组合场景；美妆增加肤质、Routine、成分与使用边界。然后检查这些答案是否真实存在于 Title、Bullet、A+、图片、视频、Brand Store、Q&A 和 Review 能够验证的信息中。

这张表的价值，不是为了制造更多“AI关键词”，而是把原本散落在产品、客服、Review 和广告里的知识结构化。AI只是放大器，卖家自己必须先把产品说清楚。

2026 年 9 月，Amazon Ads 公布 Branded Conversations，计划从 2027 年 1 月首先在美国推出。它会在 Sponsored Brands Prompts 的基础上进一步引入品牌提供的专业知识。Amazon 官方给出的例子正是护肤：品牌可以告诉 Alexa for Shopping 哪款洁面更适合油皮、敏感肌或第一次建立 Routine 的消费者，以及不同产品之间如何搭配。

资料来源：Amazon Ads｜Branded Conversations

这个变化会把一个过去很少有人认真讨论的问题推到运营台前：如果 Alexa for Shopping 是你品牌的 AI 导购员，你准备给它什么知识？ 对耳机品牌，是佩戴、音质、会议和设备兼容；对智能家居，是场景、协议和自动化；对美妆，是肤质、需求、配方、Routine 与使用边界。

关键词不会消失，SEO 不会消失，Sponsored Products 也不会消失。变化是 Amazon 正在它们上面增加一套更强的意图理解和信号决策层。

消费者提出问题，AI理解意图；搜索和知识系统寻找更匹配的商品；商品内容和真实反馈提供证据；Sponsored Prompts 进入对话；AMC 把跨触点行为重新组合成人群；Ads Agent 与 Full-Funnel Campaigns 再决定下一笔预算如何触达。

对 3C、智能家居和美妆来说，这个问题已经值得现在开始准备。未来更有价值的 Amazon 资产，不会只有关键词排名，还包括一整套能够被机器理解、被消费者验证、被广告系统调用的商品知识、场景知识和消费者信号。