亚马逊上线新AI助手，流量重新排位

近日，亚马逊美国站搜索框旁边发生了变化，AI 购物助手“Rufus”消失了，取而代之的是“Alexa for Shopping”。

它是亚马逊最新发布的 AI 助手，由“Rufus”（AI购物助手，适用于商城）和“Alexa+”（AI语音助手，适用于智能音箱）合并而成。接下来，Rufus 将隐藏在幕后，为新的 AI 购物助手服务。

亚马逊新 AI 助手的功能，不再是“你问我答”的聊天机器人，而是可以执行具体任务的 Agentic AI，相当于“购物龙虾”（之前的 AI 助手也有不少相同的功能），例如，帮消费者“盯价格”，一旦价格降到预期水平，就会提醒消费者下单，也可以“自动补货”，对咖啡、纸巾等常购商品，定时加入购物车，甚至可以“全网比价”，并跳转到站外下单（例如独立站），然后将货交给亚马逊 FBA 物流，配送到家，等等。

图/亚马逊站内显示的某独立站商品，可跳转购买

亚马逊的意图很清晰，即要成为“一站式购物入口”，不管站内有的产品，还是站内没有产品，亚马逊都可以通过 Alexa for Shopping 帮消费者找到，并迅速配送到家。

近年来，消费者的“需求理解”“商品筛选”“价格比较”等行为，大量发生在 ChatGPT、Gemini、Perplexity 等 AI 新贵之上，亚马逊成为“下单结账”这一最后环节的承载者。亚马逊不甘心，想把从“需求理解”到“加购下单”的所有环节，都留在自己的站内，以对 ChatGPT 等对手，形成有效的战略性防御。

对于卖家而言，需要重点关注的是，Alexa for Shopping 将在很大程度上改变亚马逊流量分配规则。

买家的购物过程将发生巨大的变化，从原来的“搜索关键词”“自己研究详情页”“自己比较产品”“自己下单”，变成了“向 AI 提需求”“AI 理解需求”，“AI 筛选、推荐、解释产品信息”再到“买家做最后决策”。整个过程中，AI 的参与度越来越高，买家的参与度越来越低。

在这一背景下，卖家要获取流量，做到“人类的文本可读性”（Human-Readable），是远远不够的，还需要思考“AI的语义可读性”（Machine-Readable）。

这意味着，我们不仅需要依照 A9 算法的规律去布局“关键词”，做好 SEO（搜索引擎优化），同时要做好生成式引擎优化（GEO），例如“买家会问AI什么问题”“AI 能不能读懂我的产品链接（listing）”“我有没有给出足够的答案让 AI 抓取”等等。

Alexa for Shopping 不再只抓 “孤立关键词”，而是用“自然语言语义 + 场景 + 痛点 + 人群”，来回答用户问题。接下来，卖家的运营逻辑，要变了。

Alexa for Shopping能干什么？

Alexa for Shopping 既是生活顾问，也是购物助手，致力于满足“一千个人的一千个需求”。

在回答跟产品有关的问题方面，Alexa for Shopping 可能会比 ChatGPT 或 Gemini，更方便一些。

例如，我们正在用的洗碗机突然出了故障。 那么，Alexa for Shopping 可以根据“我们过往购买洗碗机的洗涤剂”的记录，判断出该洗碗机的型号，并给出排除故障的建议。 相比之下，如果求助于 ChatGPT 或者 Gemini，我们还得先在洗碗机的边边角角里找半天，查到型号之后，才能向他们提问。

庞大的商品和订单交易数据，给亚马逊 AI 提供了源源不断的“粮草”，使它在解决购物相关问题时的能力，超过了其他 AI 竞品。

Alexa for Shopping 还有几个功能，值得关注：

一、盯价格：假如一个买家在亚马逊商城看到一部手机，一切都很满意，但是价格超过了预算。那么，买家可以让 Alexa 设置价格提醒，一旦价格降到预期的水平，亚马逊的智能音箱 Echo，就会提醒买家下单，得到确认后，再执行下单动作；

二、查看“一年内的历史价格”：如果买家看上一款产品，但不知道现在是不是最低价，那么，买家可以在任意一个产品的详情页里，点击“历史价格记录”，或者直接询问 Alexa，就可以查询一年之内的价格。

这样一来，买家就不容易吃亏，不会买在更高的价格。 不过，这对于卖家来说，可能不太友好。在这种一览无余的曝光之下，卖家不敢轻易涨价，甚至只能降价，向 AI 呈现一条持续下行的价格曲线，才能吸引顾客下单。

这一功能，对亚马逊也很有利。将卖家的所有调价行为，都置于AI的“监控”之下，可以使整个平台的产品变得越有性价比，进而使亚马逊进行拉锯战时，不至于那么被动。  

三、购买站外产品：亚马逊推出了“Shop Direct”功能，允许消费者在亚马逊商城里购买站外产品。

例如，一个买家在站内搜索“Anker”的产品，不仅可以看到 Anker 在亚马逊站内的产品，也能看到 Anker 独立站的一些产品。如果买家看上了其独立站的产品，也可以委托亚马逊的AI，以“Buy for me”的形式下单，并由 FBA 物流配送到家。

这种“站外成交”，在表面上对亚马逊是不利的，它只能赚到一点点“跑腿费”，而无缘商品交易的佣金、广告费等。那么，亚马逊为何要这么做呢？

这是因为，ChatGPT、Gemini 等在 AI 电商业务方面的布局进度很快，已经与 Shopify 大量独立站、Etsy、沃尔玛等商城完成了衔接，极大丰富了商品选择。为此，亚马逊不得不向站外商品开放一部分窗口，以丰富自己的商品 SKU，让消费者在站内完成各类商品的购买，以实现其“一站式购物入口”的战略目标，对 ChatGPT 等形成有效防御。

四、定期自动下单：买家可以向 Alexa 提出要求，定期将一些日常消耗品加入购物车，并结账下单，包括“添加我常买的狗零食”“添加我常用的清洁用品”或“将我最喜欢的蛋白棒添加到购物车”，等等。

总体而言，Alexa for Shopping 在给买家提供便利的同时，实际上也同时改写了流量分配规则，对于卖家的店铺运营，有着深远的影响。

AI在多大程度上改写亚马逊的流量规则？

因为 Alexa for Shopping 更智能，更懂消费者的需求，买家使用它的频次会越来越高。

这意味着，AI 的推荐流量会持续攀升，而搜索框的流量，会在一定程度上让渡给 Alexa for Shopping。

这样一来，卖家的运营逻辑，也不得不随之变化。

卖家在打磨产品链接（listing）时，不仅要围绕着亚马逊的 A9 算法来布局关键词（标题、五点描述、Search Term），更要围绕着“AI 的语义可读性”来布局链接内容。

在 A9 算法的框架下，卖家布局的是“关键词”，是高度概括的，甚至抽象的，例如，你要卖一款椅子，你的关键词往往是“人体工学椅”（Ergonomic Office Chair）、高背办公椅（High Back Office Chair）、承重加固（Heavy Duty），缓解久坐疼痛椅（Pain relief office chair），等等。

在 Alexa for Shopping（含原 Rufus）的场景下，买家不是输入这些关键词来查找了，而是对着 AI“口喷”（举例）：

°我久坐腰疼，买什么椅子？

°我体重 200 斤，请帮我推荐一款承重好的人体工学椅；

°我在办公室要午休，请给我推荐午休时可以放倒躺下，又有脚踏板的人体工学椅。

Alexa for Shopping 不再只抓 “孤立关键词”，而是用“自然语言语义 + 场景 + 痛点 + 人群”，来回答用户问题。

这意味着，卖家在打磨产品链接时，不要堆砌抽象的“概念词”“形容词”了，而是要尽量写成短句，去描述具体的应用场景，满足具体的痛点，尽量让 AI 马上可以理解这把椅子“到底解决了人群的痛点”“满足了哪些人群的需求”“符合什么应用场景”。

那么，承重加固（Heavy Duty ）是不够的，或许写成“可以承受体重 200 斤以上的人”，缓解久坐疼痛椅（Pain relief office chair）也是不够的，或许要写成“给腰部提供支撑，舒缓久坐疼痛”等。

乔布斯在推出第一代 iPod 时说“把 1000 首歌装在口袋里”，而不是一直强调 iPod 尺寸有多小，容量有多大。乔布斯的做法，也是对 AI 比较友好的。

总之，AI 更理解“场景化、有画面感、直指利益”的文案，而不是“堆砌抽象词语”的文案。

我们要做的是，在优化链接时，尽量要覆盖到：

一、人群与场景：产品适用于什么人群？在什么场景下使用？

二、痛点和决策信息：解决了人群什么痛点？哪些功能是解决这些痛点的？解决了这些痛点，有助于推动买家做出购物决策。

三、管理评论：亚马逊非常重视用户评论，会根据评论来决定排名，同样，亚马逊的 AI 也会被注入这一精神。AI会抓取评论里的负面和正面的信息，推荐给买家，因此，做好评论管控非常重要。

四、差异化信息：我们跟竞品有什么区别？尽量用短语、场景化的语言来强调这些差异，AI 会侧重于抓取这些差异信息，推荐给消费者。

当然，话说回来，AI 不会全面取代搜索框。亚马逊的 A9 算法依然在持续发挥作用，用一系列精准关键词去“勾住”流量的做法，依然非常重要。