亚马逊要给全网商品建图谱

亚马逊想把“万物商店”扩展到整个互联网

亚马逊正在评估一项名为 World Product Graph（世界商品图谱） 的内部计划，目标是收集几乎所有在线销售商品的数据——无论这些商品是否在 Amazon 上架。

这项计划由路透社在 2026 年 11 月 13 日披露，依据是一份亚马逊内部 PR/FAQ 文档及多名知情人士的说法。文档给出了 2027 年 10 月 1 日这一理想化发布日期，但亚马逊强调，这是一份可能已经过时的构想文件，不一定代表公司当前计划；项目仍可能被修改、延期，甚至取消。(investing.com)

World Product Graph 是一个试图统一描述全球商品实体、型号、属性、价格、库存、评价和销售渠道的产品知识图谱。 它不是简单把更多网页塞进搜索索引，而是要回答一个更困难的问题：不同网站上名称、图片和参数各异的商品，究竟是不是同一件东西，它们之间又是什么关系。

亚马逊想解决的痛点很直接：用户经常在 Amazon 找到商品，却要去 Google 查型号差异、到 Reddit 看真实评价、再去品牌官网核对参数。商品可能最终仍在 Amazon 成交，但最有价值的“研究过程”已经发生在平台之外。

内部文档对这一问题的表述近乎直白：如果用户必须离开 Amazon，去品牌网站、测评媒体和技术论坛研究产品关系，Amazon 就无法成为所有购物任务的默认入口。(investing.com)

这不是更大的商品目录，而是一层商品事实数据库

商品图谱的核心价值是实体解析，而不是商品数量。 同一台吸尘器可能在品牌官网使用完整型号，在零售商页面使用营销名称，在测评网站被简称为“2026 新款”，在不同国家还有不同电压、配色和套装版本。传统关键词搜索可以找到这些页面，却不一定知道它们的关系。

一个可用的商品图谱至少需要处理五类数据：

1. 商品身份：品牌、GTIN、UPC、EAN、MPN、型号和代际关系。
2. 商品属性：尺寸、材料、颜色、容量、接口、兼容性和适用场景。
3. 销售状态：商家、价格、折扣、库存、配送范围和退货条件。
4. 商品关系：新旧款、配件、替代品、兼容产品、不同配置和捆绑套装。
5. 外部证据：专业测评、用户评论、问答、论坛讨论和品牌文档。

亚马逊的设想是让品牌和零售商持续提交结构化商品数据，同时由系统抓取其他零售网站，补充 Amazon 本身并未销售的商品。内部文档显示，可口可乐和拜耳已经被列为数据贡献方，亚马逊还曾与宝洁讨论试点。路透社无法确认亚马逊准备如何抓取第三方网站，也无法确认在所有情况下是否会获得许可。(investing.com)

真正困难的部分不是采集，而是判断哪条数据可信。 品牌官网可能最了解规格，但不一定及时更新库存；零售商掌握实时价格，却可能把不同型号合并在同一页面；评论区能揭示实际体验，也可能混入虚假评论、过期信息和错配内容。

因此，World Product Graph 如果落地，必须给每个事实附加来源、时间和置信度。系统不能只记录“这款耳机续航 30 小时”，还要知道这是品牌标称、媒体实测还是用户反馈，以及这一结论对应哪个固件版本和产品批次。

亚马逊已经搭好了前端，现在缺的是数据底座

World Product Graph 并不是一项孤立计划，而是 Amazon 现有 AI 购物产品的底层补全。 亚马逊已经通过 Alexa for Shopping、Shop Direct 和 Buy for Me，把商品发现、比较和下单逐步压缩进同一个界面。

Rufus 是亚马逊在 2024 年推出的生成式 AI 购物助手，并于 2026 年 5 月 13 日更名为 Alexa for Shopping。它可以回答商品问题、比较型号、生成推荐，并执行部分购物任务。亚马逊最新披露，Alexa for Shopping 在过去 12 个月已被超过 4 亿名用户使用，互动量同比增长 570%，新增能力超过 100 项。(aboutamazon.com)

Shop Direct 则把 Amazon 的搜索范围扩展到了站外商品。亚马逊披露，Shop Direct 已经收录超过 1 亿件商品和 40 万家商户；用户可以跳转到商家网站，也可以对符合条件的商品使用 Buy for Me，让亚马逊的智能体代为完成购买。(aboutamazon.com)

| 产品或系统 | 当前规模 | 核心作用 | 主要限制 | |---|---:|---|---| | Alexa for Shopping | 过去 12 个月超过 4 亿用户，互动量同比增长 570% | 对话搜索、比较、推荐和购物任务执行 | 回答质量依赖商品数据准确性 | | Shop Direct | 超过 1 亿件商品、40 万家商户 | 展示 Amazon 站外销售的商品 | 数据覆盖仍依赖商户接入和外部页面 | | Buy for Me | 数千万件商品可使用相关购买能力 | 由智能体在外部商家网站完成购买 | 售后、库存和页面变化增加执行复杂度 | | World Product Graph | 尚未公布规模，仍属内部构想 | 统一全网商品实体、属性和关系 | 数据授权、更新频率和实体匹配尚未解决 |

这套组合的逻辑非常清楚：Alexa for Shopping 负责理解需求，World Product Graph 负责提供事实，Shop Direct 负责扩大商品覆盖，Buy for Me 负责完成交易。 如果只有聊天模型而没有可靠商品图谱，AI 购物助手就容易变成一个表达流畅但经常认错型号的导购员。

Rufus 的问题不是不会聊天，而是不够了解商品

内部文档把商品数据不足视为 Alexa for Shopping 准确率和成本问题的根源之一。 文档称，当时 Rufus 每周处理约 8300 万次搜索，但不少回答存在事实错误或信息不完整，而且运行成本较高；更完整的结构化数据可以让 Amazon 在部分任务中使用更小、更便宜的模型。(investing.com)

亚马逊对此回应称，文档中的使用数据已经严重过时，并表示 Alexa for Shopping 在全球范围内的准确率约为 97%。这里需要注意，亚马逊并未公开这项准确率的测试集、评分规则和问题类型，因此它不能直接等同于“97% 的购物建议完全正确”。(investing.com)

商品搜索的准确率也很难用一个数字概括。系统正确识别了手机型号，却引用了旧款电池容量；正确找到了跑鞋，却忽略了宽楦版本；正确比较了价格，却读取了过期促销——这些情况在普通问答测试中可能只是局部错误，在真实交易中却足以导致退货。

World Product Graph 的潜在价值，是把大量开放式生成任务改造成受约束的数据检索任务。 与其让大模型从商品描述和评论中临时猜测两款电视的区别，不如先从图谱中取出屏幕尺寸、面板类型、接口和上市年份，再让模型负责解释这些差异对用户意味着什么。

这类似于让导购员先拿到一张持续更新的产品数据库，再组织答案，而不是要求导购员凭记忆背下整个商场的货架。

亚马逊真正瞄准的是 Google 的购物数据优势

World Product Graph 最直接的竞争对象不是另一款聊天机器人，而是 Google Shopping Graph。 Google 已经把商品数据图谱部署到搜索、Shopping、Gemini、Lens 和 AI Mode 等入口，并在 2026 年 5 月披露其 Shopping Graph 已拥有超过 600 亿条商品列表，Google 平台每天发生超过 10 亿次购物行为。(blog.google)

| 对比维度 | Amazon World Product Graph | Google Shopping Graph | |---|---|---| | 当前状态 | 内部规划曝光，未正式发布 | 已大规模运行多年 | | 已公开规模 | 未公布 | 超过 600 亿条商品列表 | | 数据来源 | 品牌提交、零售商数据、外部网站抓取 | Merchant Center、零售商 Feed、网页结构化数据和搜索索引 | | 核心入口 | Alexa for Shopping、Amazon 搜索、Shop Direct | Google Search、AI Mode、Gemini、Shopping、Lens | | 交易闭环 | 可连接 Amazon 结账及 Buy for Me | 主要连接商家和 Universal Cart 等购物能力 | | 最大优势 | 购买历史、转化数据、履约和广告系统 | 全网索引规模、搜索意图和站外信息覆盖 |

Amazon 与 Google 的优势并不相同。Google 更擅长回答“互联网上有哪些选择”，Amazon 更擅长回答“哪些商品更可能成交、能否快速送达、用户是否会退货”。

路透社援引摩根士丹利 2025 年的研究称，在宽泛的商品研究场景中，约 57% 的在线消费者从 Google 开始，只有 16% 从 Amazon 开始；但当消费者已经明确知道要买什么时，Amazon 的起始占比升至 41%，高于 Google 的 **23%**和 Walmart 的 18%。(investing.com)

这组数据解释了 Amazon 为什么要做 World Product Graph：它在交易终点有优势，却没有完全控制决策起点。亚马逊希望把用户从“我已经知道要买哪个型号”提前到“我还不知道该买什么”的阶段。

AI 购物智能体正在改变平台之间的权力关系

AI 购物正在把搜索、比较、推荐和下单合并为一次购买任务。 用户不再输入“降噪耳机”，而是提出“找一副适合长途飞行、夹头感较轻、能同时连接两台设备、预算 300 美元的耳机”。

这种任务通常需要智能体同时查询商品规格、价格库存、评测结论、历史价格和用户偏好。谁掌握更完整、更实时、更容易被机器读取的数据，谁就更可能进入智能体的候选集。

对 Amazon 来说，第三方购物智能体既是流量来源，也是渠道风险。它们可能在 Amazon、Walmart、品牌官网和垂直零售商之间比较商品，最终把订单交给价格最低或数据最完整的平台。Amazon 即使负责履约，也可能失去搜索入口、推荐控制权和广告展示机会。

World Product Graph 的战略目的，是让外部智能体也不得不依赖 Amazon 的商品索引。 如果 Amazon 能提供最完整的型号关系、规格、库存和购买选项，其他 AI 助手可能会把它当成商品事实来源，Amazon 就能从封闭电商平台升级为购物基础设施。

这也是该计划最值得警惕的地方。一个同时掌握商品索引、推荐排序、广告竞价、交易数据和履约网络的平台，很容易把“最相关商品”和“最有商业价值的商品”混在一起。图谱越完整，排序规则的透明度就越重要。

这项计划最大的障碍不是模型性能

World Product Graph 最难解决的是数据治理，而不是大模型参数量。 全网商品数据高度动态，价格和库存可能数分钟内变化，商品页面可能使用反爬机制，不同地区还存在税费、型号和合规差异。

首先，外部网站是否允许 Amazon 抓取和长期保存商品数据，将决定图谱能覆盖多大范围。公开网页可以被访问，不代表其内容可以被无限制地重组、商业化并用于训练或驱动购物智能体。

其次，品牌未必愿意把最完整的数据交给 Amazon。商品关系、配件兼容性和渠道价格不仅是目录信息，也可能涉及渠道策略和竞争情报。

再次，图谱需要处理冲突事实。品牌说续航 20 小时、媒体实测 16 小时、用户评论普遍只有 12 小时，系统不能简单选一个数字，而应保留测试条件和证据层级。

最后，AI 推荐必须区分事实与判断。“这台相机支持 4K 120fps”是可验证属性，“这台相机最适合新手”则依赖预算、经验和拍摄场景。图谱可以降低幻觉，却无法消除推荐中的价值判断。

品牌和开发者需要开始适应“机器先读商品”

World Product Graph 释放出的明确信号，是商品页面正在从给人阅读转向同时给智能体解析。 品牌只优化标题关键词和广告投放已经不够，商品身份、属性和渠道数据的一致性会直接影响 AI 是否把它识别为正确候选。

对品牌方来说，优先级将包括：

• 为商品维护稳定的 GTIN、UPC、EAN、MPN 和型号标识。
• 保证官网、Amazon、Walmart 和其他渠道的价格、图片、规格与库存尽量一致。
• 明确标注不同代际、配色、容量和套装之间的关系。
• 提供机器可读的结构化数据和稳定商品 Feed。
• 持续纠正外部测评、论坛讨论和零售页面中的错误信息。

对 AI 产品开发者来说，商品图谱也会成为比通用网页搜索更重要的数据接口。一个购物智能体的竞争力，越来越取决于它能否正确完成商品实体消歧、时间敏感检索、证据排序和交易状态确认，而不是能否生成更像真人导购的话术。

OpenAI Hub 观点：这是一场商品数据层争夺战

World Product Graph 值得重视，但现阶段更像战略宣言，而不是即将上线的成熟产品。 亚马逊使用 PR/FAQ 讨论新业务是常见做法，不是每一份文档都会变成正式服务；2027 年 10 月 1 日也只是内部材料中的愿景日期，不能视为正式发布时间。

不过，这份计划准确指出了 AI 购物的真正瓶颈：模型已经足够会说，数据却仍然碎片化、不一致且缺乏实时性。

Google 已经用超过 600 亿条商品列表建立先发优势，Amazon 则拥有更接近交易结果的数据，包括购买、退货、履约、评价和广告转化。前者控制更广泛的商品发现入口，后者控制更深的交易闭环。

亚马逊如果真能把全网商品数据、Alexa for Shopping 和 Buy for Me 连成一体，它得到的不会只是更好用的搜索框，而是一套面向 AI 智能体的购物操作系统。 但如果数据授权、实体匹配和排序公正性处理不好，World Product Graph 也可能只是一个规模更大、错误更难被发现的商品目录。

参考来源

• https://www.reddit.com/r/epyhia/comments/1xvp2lg/amazons_world_product_graph_aims_to_index_every/ —— Reddit 对 World Product Graph 报道的讨论，可用于观察用户对全网商品索引和平台控制力的看法。
• https://www.reddit.com/r/amazonprime/comments/1qvaw2t/why_does_rufus_lie/ —— 用户对 Rufus 商品回答准确性的实际反馈，仅作为体验层面的补充材料。
• https://www.reddit.com/r/AmazonExternalTraff/comments/1ugy9jh/amazon_killed_rufus_last_month_and_replaced_it/ —— 社区对 Rufus 更名为 Alexa for Shopping 及搜索入口变化的讨论。