Rufus virou Alexa for Shopping
A Amazon aposentou o Rufus como assistente independente e lançou o Alexa for Shopping em seu lugar, em 13 de maio de 2026, disponível para todos os clientes dos EUA no app e no site da Amazon. A diferença não é só de nome: o novo assistente fica direto na barra de busca principal, gera resumos de IA acima dos resultados e roda comparações de produtos lado a lado dentro da própria página de resultados — mais integrado à jornada de compra do que o Rufus original era.
O que ele lê para responder ao cliente
O Alexa for Shopping usa um modelo de linguagem para interpretar a intenção do cliente e gerar sua própria busca a partir desse contexto — diferente da busca tradicional por palavra-chave. Para responder sobre um produto específico, ele lê o título, os bullet points, o Conteúdo A+, as imagens e as avaliações de clientes, além de outros dados que a própria Amazon já tem sobre o produto.
Como otimizar para essa leitura
Produtos com atributos estruturados completos (material, uso pretendido, certificações) tendem a performar melhor do que listings baseados em empilhamento de palavras-chave. Copy alinhada à intenção de compra — "ideal para viagem", "silencioso para apartamento", "indicado para pele sensível" — converte mais do que adjetivos genéricos. Na prática: se título, bullets, A+ e imagens deixam claro o que o produto é e para quem serve, a IA tem material mais limpo para resumir — o conteúdo deveria responder as perguntas que o cliente faria em voz alta, não só as que ele digitaria na busca.
O que é o COSMO
O COSMO é bem menos conhecido do público e não teve um anúncio de lançamento como o Rufus — a informação disponível vem de um artigo científico publicado pela própria Amazon no SIGMOD 2024. É um sistema que usa modelos de linguagem para minerar conhecimento de "senso comum" a partir do comportamento real de busca e compra dos clientes, construindo um grafo de relações do tipo "sapato antiderrapante → indicado para → gestantes" ou "case de câmera + protetor de tela → serve para → proteger a câmera" — mesmo quando essas associações nunca foram escritas literalmente em nenhum anúncio.
Segundo o próprio artigo, o COSMO já foi testado em cerca de 10% do tráfego de busca dos EUA, cobrindo 18 categorias principais de produto, com melhoria de 60% na relevância de busca (F1 macro) e ganho de 0,7% em vendas no teste A/B. É importante entender que ele não substitui o algoritmo de busca A9 — é uma camada adicional de inteligência que o complementa.
O que isso muda na prática
Como o COSMO infere uso e público a partir de comportamento de compra (não só do texto do anúncio), um produto pode passar a aparecer para buscas de uso implícito que nunca foram alvo direto da otimização de palavra-chave — desde que o histórico de compra real sustente essa associação. Isso não significa abandonar a otimização de keywords tradicional: significa que informação estruturada, precisa e consistente (atributos, categoria correta, reviews reais sobre o uso do produto) ajuda tanto na leitura direta do Alexa for Shopping quanto na inferência comportamental do COSMO.
Como a EcomVision ajuda
O Otimizador de Listings do EcomVision já estrutura título, bullets e A+ com os atributos e a linguagem de intenção que tanto o Alexa for Shopping quanto o COSMO usam para entender um produto — sem depender de empilhamento de palavras-chave.