亚马逊Interests是什么？

例如，一个用户要购买“咖啡工具”和“户外装备”，可以输入“手冲咖啡爱好者的冲泡工具和配件”“户外运动爱好者的装备”等。

不过，这些描述过于笼统，无法让nterests筛选出非常符合用户细分需求的商品，因此，用户还可以输入较长的提示（prompt），以进一步“定制”自己的购物页面。

例如，一个用户正在给家里搞装饰，其想要的装饰风格，比较复杂，他可以写一段很长的提示，让Interests帮他找到对应的装饰品，比如，可以输入一个这样的长提示：“家里正在装修，我在寻找墙壁艺术装饰品，风格必须是抽象或现代的，由黑色金属制成（不要帆布），可能是几何风格的极简主义作品，能彰显个性的工业风格装饰，切记，不要太传统。”

用户如果同时有N个需求，就可以同时输入N个提示。

在用户创建了“购物提示”之后，系统会自动“保存”，接着，Interests就会在后台持续运行，开足马力地为用户筛选、匹配其“感兴趣”的商品。

值得注意的是，该“匹配”和“推荐”过程，不是静态的，而是动态的。Interest推荐了一轮商品之后，如果某一天某一个卖家又上架了一个新商品，该商品又非常符合用户之前“定制”的需求，此时，Interests就会通知该用户，又一个新商品“到货”了。此外，相关商品有打折优惠活动、缺货补货等情况等，Interests也会及时通知到用户。

Interests 依托于大型语言模型 (LLM)，将用户的“日常语言”，“翻译”成传统搜索引擎可以理解并处理的“查询指令”（queries），最后转化成“商品推荐”。

总体而言，Interests与我们熟悉的“千人千面”个性化推荐，有一定的区别。

传统电商的“千人千面”有一定的弊端，算法根据用户的浏览、搜索、购买等行为数据，描绘出用户画像，然后推送他们可能感兴趣的商品。然而，算法容易陷入信息茧房之中，推荐的内容过于单一化和片面化，容易让用户产生审美疲劳，降低购物体验。

Interests不仅会抓取用户的历史轨迹，最重要的是让用户直接参与进来，自己提出需求，自己定制购物页面，最关键的是，Interests基于亚马逊AI算法COSMO，更加擅长于透视和挖掘用户意图（intent），从这个角度上讲，比传统的“千人千面”的个性化推荐，Interests可能会更懂用户的需求。