亚马逊GEO实战复盘
你打开卖家中心后台，盯着过去三十天的销量曲线。listing 是找专业公司写的，关键词插得严丝合缝，PPC 开着，review 4.3 星。按传统 SEO 的标准，你已经做了所有该做的事。
但曲线在往下走。
你不知道问题出在哪。曝光在掉，转化在掉。
然后你发现了一件事，
你的目标客户早就不在搜索框里敲"瑜伽裤 高腰 不透明"了。她打开手机 App，点开 Rufus，打了一行字：
"我每周练三次热瑜伽，大腿内侧容易磨，买什么瑜伽裤比较适合？"
Rufus 推荐了三个产品。你的不在里面。
不是你做得不好。是你做的是上一代的标准。
亚马逊的搜索系统，变了。
从关键词到意图
做亚马逊的都熟 A9，关键词相关、销售速度、评论星级。这套逻辑玩了很多年，怎么优化大家心里有数。
但 2024 年开始，亚马逊悄悄加了一层新东西：COSMO。
COSMO 是啥？
一句话：亚马逊从海量购物行为里自己长出来的常识图谱。
它不管你 listing 里塞了什么关键词。它问你一个更深的问题，这个产品到底能帮顾客完成什么事？
翻译成大白话：A9 看你说了什么，COSMO 看你到底是个什么东西。
传统 Amazon SEOAmazon GEO顾客怎么搜短词（跑鞋）对话式提问（扁平足跑马拉松穿什么鞋？）系统怎么匹配关键词相关性 + 销量 + 评论深层属性 + 使用场景 + 用户真实语言推荐位有多少48 个搜索结果位2-7 个 AI 引用位你控制的重点关键词优化 + 广告出价listing 数据的完整性
从 48 个位变成了 2-7 个。位子少了，但进来的流量更值钱了。
Sensor Tower 的数据说，顾客通过 Rufus 辅助下单的转化率，比没用 Rufus 的高 3.5 倍。Shopify 那边也有一组数据，AI 推荐来的订单，客单价比普通搜索流量高 30%。
流量其实没少。换了一种分配方式。
一听到 GEO，反应通常是搞站外、写博客、泡 Reddit。实际不是这样。
对大多数中小卖家来说，GEO 的第一战场就在你现有的 listing 里，那些你一直跳过的可选字段，那些你觉得填不填无所谓的地方。
一句话说清楚：GEO 不是另起炉灶，是把你的 listing 从给关键词匹配器看，升级成给 AI 看。
COSMO 到底怎么看你的产品
说穿了很简单。
COSMO 从两类数据里学东西：人们搜了什么然后买了什么（搜索-购买对），还有同一次购物里一起买了什么（共购行为）。把这些行为信号喂给大模型，生成关于产品的常识断言："这个瑜伽垫耐高温适合热瑜伽""这个水壶保温 24 小时""这个背包大学生背出去刚刚好"。
亚马逊官方说了，COSMO 增强的搜索模型，准确度比之前提升 28%。
它识别出了 15 种关系类型。你的 listing 得回答的不是"这是什么"，而是：
- 谁用？
- 干什么用？
- 什么场合用？
- 配什么东西一起用？
- 能帮人做到什么？
你的五点描述回答过这些问题吗？大多数 listing 没有。大多数 listing 还在复述产品参数。
Rufus 是面向顾客的 AI 购物助手，内置在亚马逊 App 里。它查 COSMO 的知识图谱来回答顾客问题。2025 年全年，Rufus 服务了超过 3 亿用户，创造了近 120 亿美元的增量销售额。CEO Andy Jassy 在财报里亲口说的。
不是未来趋势。是已经跑了一年的现实。
COSMO 的运行逻辑其实是个闭环：
COSMO 从购物行为里长知识
→ Rufus 查知识回答顾客问题
→ Rufus 优先推荐数据最完整的产品
→ 顾客买完后产生新行为数据
→ COSMO 更新知识（循环强化）
看懂这个循环，你就懂了一件事：先动手的卖家有复利，拖着的卖家有复亏。
想象一下这个场景：一个顾客刚办完健身卡，教练让她买一双适合深蹲的鞋。她打开亚马逊 App，对着 Rufus 打了一行字："我刚开始练力量举，预算 500 以内，推荐一双适合深蹲的鞋。"
Rufus 没有去翻你标题里出现了多少次深蹲鞋这个关键词。它做的是完全不同的事。
它从 COSMO 的知识图谱里调取关于深蹲鞋的常识：鞋底必须硬、必须平，鞋跟最好有轻微抬高，包裹性要强，不然重心会晃。然后它开始扫描这个品类下所有的 listing，不是比谁关键词多，是比谁的产品数据能勾上这些深层属性。
A 卖家的 listing：标题塞了"深蹲鞋""举重鞋""力量训练鞋"三个关键词，齐活。但后端属性字段只填了尺码和颜色。五点描述里写的全是"高品质""专业级""值得信赖"一类的词。COSMO 读完后知道了一件事："这是双运动鞋。"
B 卖家的 listing：标题一句 Stable Training Shoe for Squats and Deadlifts — Firm Flat Sole, Raised Heel。后端属性填了鞋底硬度、适用运动、目标人群、使用场景。五点里写了跟普通跑鞋相比，为什么鞋底不软反而是对的。A+ 里放了一张对照表，左边是这双鞋，右边是三个竞品，一行一行比过去，材料、厚度、适合体重、质保。
COSMO 读完 B 的 listing，得到了 12 个确定的事实。读完 A 的，得到了 3 个。
Rufus 推荐了 B。
区别就在那 9 个空着的属性字段里。就在那一段没有写上去的"跟竞品比好在哪"。就在那一张没做的对照表里。
这就是 GEO 的全部秘密。不是谁塞了更多关键词。是谁让 AI 真的懂了你在卖什么。
三件事，让 Rufus 开始认你
一个刚入场的卖家，不需要同时搞定七件事。先做三件，立竿见影。
第一件：把后端属性填满
这是 GEO 最大的低垂果实。
你打开 Seller Central 的 Category Listing Report，看一眼你的品类有多少个可选属性字段，材质、目标人群、场合、认证、兼容性、尺寸多单位。大概率有一半空着。
为什么空着？因为 A9 时代这些字段你填不填，排名不差那一点。没必要折腾。
COSMO 时代不一样了。这些属性字段就是你 listing 的 Schema 标记。COSMO 的论文里写得很清楚：产品标题、描述和属性会被拼接成一段文本，一起喂给相关性模型。
你填了 15 个字段，竞品只填了 5 个。即使其他文案差不多，你的竞争优势是显著的。
每个空白的可选字段，都是你免费送给竞品的 GEO 信号。
别小看这个。不花钱，不动脑，纯体力活。但效果是实的。
第二件：把标题和五点从关键词乱炖改成说人话
亚马逊标题被关键词堆砌毒害了多少年："不锈钢水壶保温 BPA Free 冷热运动登山露营旅行"。
人看着难受。但 A9 吃这套。
Rufus 不吃。
Rufus 优先选清晰、描述性强、用自然语言解释利益的产品。同样的水壶，换一个写法：
Stainless Steel Insulated Water Bottle for Hiking — Keeps Drinks Cold 24 Hours, BPA-Free, Fits Standard Cup Holders
不用堆关键词。说清楚三件事：谁用、能干嘛、凭什么。
五点也是一个道理。别复述特性，先说这对买家意味着什么，再说特性，最后给证据。
记住一句话：你在回答"这对我有什么好处？"，不在背产品说明书。
第三件：把 A+ Content 当成给 AI 看的教科书来写
A+ Content 在 GEO 下的角色变了。它不光是帮人下单的页面，更是 AI 理解你产品的知识库。
最有 GEO 价值的三个模块：
对比图表。Rufus 会直接读这个来回答"A 和 B 哪个更适合露营？"。你的竞品对比表，就是 Rufus 替顾客做选购决策的原材料。
FAQ 模块。用标题直接写问题："这个咖啡研磨机容易清洁吗？"，底下直接回答。每个被回答的问题，都是 AI 可永久检索的数据点。
信息图。在图片上叠文字："BPA-Free""Fits 15-inch Laptops""FDA Approved"。就算 Rufus 不做 OCR（亚马逊的专利提到了视觉标签系统，但没正式说 Rufus 用了），这些文字也能帮真人下单，不亏。
有个反直觉的点值得停一下。
很多卖家把 A+ Content 当装修——页面好看点，转化高一点，仅此而已。花两小时做 A+ 是锦上添花，花一下午调关键词才是正经事。
不是。
在 GEO 时代，A+ Content 不是 listing 的装饰层。是 COSMO 理解你产品的教科书。
标题和五点能写进去的东西有限，篇幅就那么多。但 A+ 不一样。一张对比表格就是一个结构化的知识块，一个 FAQ 模块就是一组问答对，一个场景描述就是一条"谁 + 在什么情况下 + 怎么用"。每多做一个模块，等于多给 COSMO 喂了十几个可以交叉验证的数据点。
你做了一份到位的 A+，等于你对 Rufus 说了一句话：这是我的产品，这是我给你准备好的全部语言。你不用靠猜。
你靠关键词堆砌赢不来的那 2-7 个 AI 推荐位，靠的是数据的厚度。而数据厚度，主要加在哪？A+ Content。
不是锦上添花。是在盖楼的时候多打了一层地基。以前这层地基没人看，现在它是 AI 的第一手教材。
新手最容易栽的三个坑
别把 GEO 当一次性项目。AI 引擎持续在重新评估。新手栽跟头，往往不是因为做太少，是做错了方向。
坑一：关键词堆砌
2024 年普林斯顿大学的论文已经证明了，在 AI 引擎面前，关键词堆砌不灵。人家不是匹配字符串，人家在理解语义。
堆砌除了让 listing 看起来像淘宝 2015 年的页面，没第二个效果。
坑二：只盯 listing，不看评论和 Q&A
很多卖家把评论当社交证明，有几颗星、有几条好评、差评没炸就行。
GEO 时代不一样了。Rufus 直接总结评论情感来回答顾客问题。如果你的评论区关于"耐用性"全是"两周就坏了"，这就是 Rufus 对潜在顾客说的原话。
反过来，顾客在评论里写"露营带这个超好用""敏感肌用了没过敏""我家宝宝超爱"——这些场景化的真实语言直接喂进了 COSMO 的知识图谱。
Semrush 分析了 15 万条 AI 模型引用，发现 Reddit 单独出现在约 40% 的引用中。用户真实说的话，是 AI 最信任的信息源。
这件事有点反直觉：你控制最少的内容，评论和 Q&A，对 AI 推荐的影响最大。
怎么做？两件事。第一，在售后邮件里引导顾客写买了之后在什么场景下怎么用的，别只求五星。第二，在 Q&A 板块主动播种 10-15 个问题，兼容性、使用场景、跟替代品对比，每个回答都是永久数据。
坑三：当成一锤子买卖
GEO 的反馈环是这样跑的：listing 越清晰 → COSMO 知识表征越好 → Rufus 越容易推荐 → 顾客互动越强 → 知识位置越牢固。
反过来也成立。竞品优化得比你好，它的位置在涨，你的在掉。
这不是改一次就能放着的活儿。这是一个新的运营习惯。
你上次打开后端属性页一项项核对填没填全，是啥时候？如果答案是没干过，今天就是开始的日子。
关于数据，说一句实在话
前面提到的很多效果数据，20%-35% 的改善、2 倍销售速度提升，这些来自服务商的营销文章和卖家案例。除了亚马逊官方财报和 Sensor Tower 的独立数据，其他的未经第三方严格验证。
说白了：GEO 有用，方向是对的，但具体能提升多少，跟你的品类、你的 listing 基础、你的竞品环境都有关系。
别指望改一次就能翻倍。能稳定提个 15%-20%，已经是很好的结果了。
从今天开始：换个眼睛看自己的 listing
GEO 不是替代 SEO。是叠在 SEO 上面的一层新逻辑。
标题还得写。五点还得打磨。PPC 还得跑。只不过现在多了一件事，让你的 listing 能被 AI 理解。
亚马逊 2025 年的增量销售额是近 120 亿美元。这个数字还在涨。
你不需要成为几亿美金品牌来参与这件事。你需要做到的只有一件事：打开 listing，用 Rufus 的眼睛重新看一遍。
具体怎么做？在 App 里点开你自己的产品页面，问 Rufus 五个问题：
- 这个产品是干什么用的？
- 人们喜欢它什么？
- 人们不喜欢它什么？
- 人们买了什么替代它？
- 为什么顾客选它而不是替代品？
把 Rufus 的回答复制出来。仔细看。
有一个做足部按摩器的卖家就这么干的。他一直定位运动员，问完 Rufus 才发现，主力客群是长时间站立的护士。改了定位、换了图片、调了描述。转化和互动明显改善。
另一个卖背包的，通过问 Rufus 发现品类放错了、价格比预期高了 15%、错过了大学生群体。修正之后，销售速度翻了倍。
这就是 GEO 的起点。不是学一个更玄乎的技能。是换一双眼睛。
打开你的 App，问 Rufus 那五个问题。今天。
