可信购物体验报告

全球零售业已发生巨变，以前所未有的速度，将数十亿客户与数百万卖家联系在一起，跨越数十个国界。买家可以选购来自世界各地的丰富商品，这些商品将比以往更快地直送到家。企业可以轻松触达以往无法覆盖的地区和买家，在短短几年内实现原本需要数十年才能达成的增长。

这带来了巨大的机遇，也带来了严峻的挑战。在亚马逊，我们构建了完善的系统、建立了紧密的合作，并积累了丰富的专业知识，以直面这些挑战。虽然这些系统已经非常先进，但改进之路永无止境。它们始终处于不断变化之中，依托数十年的经验教训、数十亿的数据点以及持续不断的反馈，致力于提供全球最以客户为中心的购物体验。

指导这项工作的四大支柱：

• 强大的主动防控措施通过全面的验证系统与合规项目来保护客户以及合法的卖家。从卖家身份验证到产品安全测试以及主动知识产权保护，这种多层次的方法能在问题影响买家之前就将其阻止。
• 创新工具与技术将先进的技术与人类专业知识相结合，可以预见并领先于不断演变的威胁。多模态系统能够同时分析数十亿个信号——从视觉元素和文本内容到卖家行为和供应链模式——从而揭示孤立的分析会忽略的关联。这种全面的视角使我们能够在风险显现或影响买家之前就事先预判。
• 追究不良行为者的责任，即通过专门的调查团队以及全球范围内的政企合作。这些团队与执法机构、品牌所有者以及行业领导者通力合作，共同打击有组织的零售犯罪、制售假活动、退款欺诈和诈骗网络，从源头摧毁犯罪团伙。
• 保护和教育消费者能够在人们最需要的时候，提供有关反假冒、诈骗和商品安全的关键信息。与世界各地的行业领导者和政府机构合作可以确保消费者能够获取保护自身的知识——无论是灾后安全指导、购物旺季防诈指南、有助于家长了解丰富选择的资源，还是旨在教育下一代了解购买正品重要性的反假冒宣传活动。

全球零售业面临诸多真实的挑战，但我们应对这些挑战而构建的基础设施也同样真实而强大。

确定谁可以在我们的商城中销售商品

许多零售商主要关注在卖家注册时验证其身份。我们长期以来即采用了这一方式，但我们也知道不良行为者手段老练，总是在找办法规避一次性检查。因此，多年以来，我们一直在使用持续监测系统，在卖家的整个销售流程中持续追踪各种信号，以便识别和应对新出现的潜在风险。

我们的系统通过结合先进的技术与专家人工审核来验证新卖家，既在卖家注册时进行前期验证，又于必要时在其整个销售期间进行重新验证。我们让企业能够轻松快捷地开设销售账户，但对于企图伪装的不良行为者，他们在每个环节都会遇到有意设置的阻碍。卖家申请在亚马逊商城销售商品时，必须提供政府签发的身份证件、企业凭证、银行对账单以及地址证明，在可能的情况下根据内部和外部数据库仔细比对这些材料。利用计算机视觉和机器学习技术，我们采用先进的身份检测方法，如文件伪造检测以及图片和视频验证相结合，以确认政府签发身份证件的真实性，以及这些证件是否与申请在商城销售商品的个人相匹配。

但验证是一项持续进行的活动。我们的系统会在卖家的整个销售流程中持续监测活动，检测与之前确定的不良行为者是否存在关联，并标记可能预示有风险的行为模式。在某些情况下，异常活动可能会触发重新验证。这些系统旨在揭露手段复杂的欺诈行为，包括不良行为者招募并付费给真实人员利用其身份开设卖家账户，随后将账户售给他人，成为掩护未授权活动的工具。

如果我们发现有不良行为者避开了验证检查并成功创建了销售账户，会迅速将其从商城中移除。当发现有不良行为者以有组织的方式活动时，我们将与全球的执法部门通力合作，追究其法律责任并摧毁这些犯罪网络，无论其活动地点在哪里。

对于在商城中销售商品的卖家，除了审查其身份之外，我们还会进行账户状况检查。账户健康评级 (AHR)就是一个例子——这是商城级别的评分，反映了卖家对亚马逊政策的合规情况，以及对买家、法律义务和商城声誉的潜在风险。当卖家违反政策时，该评分会降低；而通过成功解决违规问题以及订单良好履约，该评分将提高。如果 AHR 暂停卖家的账户，通常是以下两个原因之一：

1. 历史账户健康状况不佳：卖家的评分因累积违规而低于我们的阈值，无论是不同类型的问题，还是反复违反同一政策。
2. 存在单一重大问题：对违规情况立即予以零容忍处理，主要涉及滥用、合规问题或已确认的假冒商品。

这种基于账户健康评级的方法为卖家提供了明确清晰地的途径，帮助其维持并提升信誉评级；与此同时，不良行为者将面临迅速的惩处，使其无法继续滥用系统。通过结合注册时的主动检测、整个卖家生命周期中的持续监测和重新验证，以及账户健康状况监测，我们努力追究不良行为者的责任，并在账户健康状况不佳的实体尚未对买家或卖家造成影响之前将其阻止。

确定谁可以在我们的商城中销售什么商品： 我们的筛选方式

归根结底，我们的筛选方式在于确保客户始终能放心地在亚马逊商城购买商品。

我们从两个层面做出决策：可以销售什么商品，以及销售这些商品必须满足什么要求。在确定销售什么商品时，我们致力于确保商品是正品、安全且合规。我们可能会验证供应链、要求提供安全测试信息或执行其他检查，以确认进入我们目录的产品可靠。对于安全要求高或需要特殊处理的产品，在卖家发布商品之前，我们可能会要求更严格的供应链文件、仓储验证和处理方式，以及具体的采购渠道或最低库存量。在产品质量、客户服务和配送绩效方面，我们也始终坚持高标准的客户体验。未能持续达到这些标准的卖家可能无法发布某些商品，或者可能会失去销售权限，直到他们能够证明其绩效有所改善。

这些措施基于一项基本要求：在亚马逊商城销售的所有商品必须安全且为正品，并符合所有适用法律法规及亚马逊政策。为了帮助卖家，我们开发了相关工具和资源，让合规流程更加简单明了。

确保产品安全且合规

除了正品保障，我们还要确保产品符合严格的安全标准，以保障客户的安全。买家在亚马逊商城购物，即表示他们相信自己选购的每件商品均符合最高的安全标准，而非只是达到法律要求的最低标准。这有时意味着需要移除我们认为不安全的商品，即使该产品符合现行的行业标准。

在零售行业中，一些不良行为者在经营时完全不顾客户安全。正因如此，亚马逊才会采取更周全的措施来保护买家。我们推出了商品直接验证计划，这样就能直接与获得认可的安全实验室合作，以验证商品的合规性。

我们还在探索加强这些工作的全新方式。我们已开始利用代理式 人工智能（AI） 技术，持续扫描可能规避我们现有防控措施的商品，既起到审核的作用，又能提升我们主动发现潜在风险的能力。这些智能体审核，结合客户反馈、监管动态以及专家团队的洞察，有助于我们不断完善和优化安全政策。

保护知识产权

亚马逊的自动化技术和AI每天都会扫描数十亿次针对商品详情页面的更改尝试，检测是否存在潜在滥用迹象。我们部署了先进的 AI技术，可在商品上线之前识别知识产权侵权行为。我们的系统会扫描文本、徽标和图片，以检测是否存在对注册商标或受版权保护作品的潜在侵权行为。

当我们收到有效的侵权通知或客户投诉时，我们的机器学习算法会使用这些信息进行持续学习，从而完善我们的主动防护措施。借助多模态大型语言模型可同时分析文本、视觉元素和定价模式，我们能够更好地识别那些经过精心伪装、通过篡改或遮挡徽标和图片来规避检测的假冒商品。

这一点至关重要，因为当客户购买品牌商品时，我们希望他们确信自己所购的是正品，我们也希望品牌所有者知道，我们正在保护他们的知识产权。

这种主动的做法还延伸到了我们与监管机构的合作中。我们不再是坐等问题出现，而是主动与市场监管机构和标准组织展开对话，以便共同更快地发现潜在的产品安全问题并加以预防。这些合作有助于我们预见潜在安全问题，并确保我们的标准与不断变化的监管要求保持一致。

我们的政企合作工作不仅限于满足监管合规性，更致力于推动整个行业转型，为即将重塑产品追踪、验证和保护方式的变革做好准备。

纵观全局： 我们的创新之道

孤立地解决个别问题无法建立客户的信任。威胁并非来自单一维度，因此需要能够识别并利用所有可用信息的系统。不仅要能够应对威胁，更要预测并主动防范。

正因如此，我们构建了能够分析整个销售和购物体验中各种细节的系统，包括视觉元素、文本内容、卖家身份、行为模式、供应链数据以及网络连接。这种全面的视角能够揭示孤立分析无法发现的关系和模式。

所有这些技术的进步都归功于一个关键因素：反馈。客户通过多种方式与我们分享他们的体验，包括评论、退款请求和客户服务联系。此外，我们还确保客户和卖家在发现任何异常情况时，都能直接举报：疑似假冒商品、滥用评论、诈骗以及潜在安全问题等。当客户和卖家向我们反馈其遇到的情况时，无论他们选择以何种方式分享，我们都可以更快地采取行动，并预见潜在威胁。

零售业的未来充满可能性，包括新技术、客户发现商品的新途径以及企业发展的新机遇。但是，每次进步都会带来新的挑战。正因如此，我们致力于代表客户进行创新。我们开发的所有新功能，从能够揭示原本难以察觉的行为模式的 AI 系统，到以前所未有的规模验证真实性的技术，都让客户可以更轻松地放心购物，并让合法企业得以蓬勃发展。我们正在为日益完善、更加安全且更加顺畅的购物体验构建基础。

AI 驱动的防护： 在客户看到虚假评论之前就将其拦截

自 1995 年推出客户评论以来，我们已对真实的评论模式和欺诈信号建立了全面的理解。通过将先进的 AI 检测技术和近三十年的数据相结合，我们可以更准确地识别虚假评论。

绝大多数商品评论都符合亚马逊严格的真实性标准，并会立即发布。但在某条评论出现在我们的商城中之前，人工智能会同时分析数千个数据点，包括账户关系、登录模式、评论历史记录以及行为异常。机器学习与大语言模型和深度图神经网络协同工作，以发现人类无法察觉的模式。

评论数量迅速增加的商品说不定就是一款优质商品。评论中出现语法错误并不一定意味着存在欺诈。要区分真实评论与恶意或虚假评论，需要通过 AI 对近三十年来积累的数十亿条评论进行分析，从而找出那些只有通过这种分析才能发现的模式。

但是，保护客户评论的真实性不仅仅需要技术，更要确保数百万依赖真实评论的客户和企业能够信任他们每次阅读的内容。

虽然 AI 可以帮助我们验证客户对商品的反馈，但我们也使用先进技术对产品本身进行验证，以确保商品在送达客户之前符合质量标准

Project PI： 在配送前检测是否存在缺陷

在亚马逊遍布北美各地的运营中心内，商品会经过专门设计的成像通道，这些通道可以根据商品的目的地进行分拣。Project PI 将这些通道成为双重用途系统 ——在商品通过我们的配送网络时，利用抓取的图像检查商品是否存在潜在缺陷。计算机视觉技术会分析商品图片以确认有效期未过期，并将实际商品图像与产品目录中的参考图片进行比较，以检测是否存在图书封面弯折或屏幕破裂等损坏情况。然后，我们的团队会使用生成式 AI 同时分析图片和客户反馈，从而更快采取纠正措施。

虽然 Project PI 能够捕捉到摄像头可见的缺陷，但是有些问题从表面上是看不出来的。因此，我们需要更深入的检测方法。

高级检测方法可在商品级别识别高仿假冒商品或潜在安全问题。但是，如果这些不良行为者属于较大的犯罪团伙，仅阻止个别人员是远远不够的。

知识图谱技术： 洞察重要关联

欺诈并不总是线性的，通常是一团需要识别、分类、关联和分析的信号。

与社交网络映射人际关系的方式相似，知识图谱技术有助于我们关联账户、商品、交易和行为之间的信号，从而发现那些若仅孤立查看每个数据点无法察觉的模式。该技术与机器学习、大语言模型、计算机视觉以及调查专家协同工作，可全面了解风险。因为保护客户不仅仅在于阻止个别威胁，更在于了解这些威胁是如何相互关联并形成网络的。

传统欺诈检测技术是逐个分析信号： 此账户是否可疑？ 此评论是否为虚假评论？ 但是不良行为者已经学会了钻这些系统的漏洞。一条评论或许单独看很真实，但是当您结合其他账户和行为模式分析其关系时，就会发现协同滥用网络。

我们的许多系统都使用知识图谱技术来分析这些复杂的关系。深度图神经网络通过行为模式发现信号，以发现若单独评估每个信号则难以察觉的协同滥用行为，无论是虚假评论团伙、假冒商品网络、退款欺诈行为，还是诈骗活动。

知识图谱技术有助于我们发现商城中的协同滥用行为。但是，要实现全面保护，眼光必须放得更加长远——识别并消除针对全球消费者的外部威胁。

要阻止不良行为者首先必须改变使制售假、欺诈和有组织零售犯罪有利可图的根本逻辑。这需要任何单一组织都无法独自实现的东西——跨越国界、行业和司法管辖区的协同应对。

在亚马逊，我们利用自己的数据，与品牌和执法部门合作，从源头找到并瓦解整个生产网络。我们的执法团队负责拦截货运集装箱，突击非法生产设施，并没收用于大规模制造假冒商品的所有模具和其他机器。

亚马逊全面的治理措施

犯罪网络并非孤立运作。他们利用零售供应链中的漏洞，跨境协调，分散活动，从而逃避侦查。如果您捣毁一个窝点，他们只需在其他地方重操旧业即可。正因如此，我们打击不良行为者的行动需要系统规划、各方协作并坚持不懈。也正因如此，追究他们的责任并不仅仅涉及单一后果，关键在于加大犯罪成本：明确冒险在我们的商城内或周围开展犯罪活动得不偿失。由于这些是整个行业面临的挑战，因此唯一有效的应对措施是协调各方、集整个行业之力应对。

阻止不良行为者网络的系统化路径
亚马逊构建了基础设施，从犯罪活动的各个方面打击不良行为者，保护我们的商城和买家免受威胁。这包括：

• 全球诈骗预防。冒充诈骗 —— 不良行为者通过技术支持诈骗、网络钓鱼和出版诈骗等手段冒充亚马逊工作人员欺骗客户，造成超出经济损失之外的伤害。亚马逊借助司法和非司法工具打击这些犯罪行为，不仅针对个人不良行为者，还针对助长大规模诈骗活动的基础设施。
• 有组织的零售犯罪 (ORC)。ORC 是指协同运作的团伙犯罪。这些犯罪网络通过有组织的退款欺诈、赃物走私和货物盗窃系统性地瞄准零售商和物流网络，然后试图将这些商品洗白，重新流入合法商业渠道。赃物对整个零售供应链构成严重威胁。
• 网络犯罪。犯罪网络通过账户盗用行为、网络钓鱼和恶意软件瞄准亚马逊买家、卖家和供应商账户，利用数字漏洞窃取商品、转移财务付款以及破坏信任。亚马逊的执法战略针对整个犯罪生态系统：网络钓鱼运营商、基础设施提供商和转运网络。
• 假冒商品执法行动。亚马逊通过民事诉讼、刑事移送和协调突击来打击假冒商品的制造商、供应商和分销商。
• 保护卖家和买家免受欺诈。这包括打击利用亚马逊退货和退款系统的不良行为者、防止盗用和滥用个人身份信息，以及保护诚实的卖家免受假冒卖家注册中介机构和账户盗用行为的侵害。

通过合作实现事半功倍

任何一家公司都无法单独阻止遍及整个行业的犯罪网络。亚马逊的治理行动建立在与世界各地的执法机构、海关机构、品牌和监管机构的合作基础之上。

亚马逊一直支持美国联邦、州及地方执法部门为遏制ORC而采取的政策措施和行动，并参与了超过14个由各州主导的ORC特别工作组，定期与业界及执法部门开展合作。我们的团队在执法过程中提供现场支持，在审判期间提供证据，并通过例如 EUIPO 知识产权执法门户等渠道主动分享情报。

这种模式扩展到每个执法领域： 亚马逊成为美国国家老年人欺诈协调中心的创始成员，负责打击针对老年人的欺诈行为；与欧洲执法部门开展协调行动，逮捕网络钓鱼者；与北美和欧洲的执法部门合作，瓦解造成数亿美元损失的货物盗窃网络。

2026 年，亚马逊基于全球打假团队 (CCU)在中国的专门团队取得的成功经验，将CCU的调查工作扩展到印度，创建了一个由律师、调查员和数据分析师组成的专门团队，致力于保护客户和卖家免受生产和分销假冒商品的造假者和犯罪组织的侵害。利用亚马逊现有的调查和法律资源，该团队将使用内部数据建立可付诸行动的案件移交，同时与印度执法部门、检查官和品牌建立重要的合作关系，通过刑事移送和民事诉讼来对不良行为者进行追责。

目标不仅仅是阻止不良行为者在我们的商城中实施犯罪活动，更是阻止他们在任何地方实施犯罪活动。

这项工作的成果

执法行动取得了显著成果，包括逮捕、刑事定罪、资产查封、民事判决以及对受害者的赔偿。每次调查、每个案例、每项执法行动都使后续行动更加有效。每个环节都帮助我们更好地了解犯罪网络，提前发现风险模式，并在假冒商品、诈骗和欺诈行为对各地买家造成伤害之前有效阻止。

当零售商与执法部门共享情报，品牌所有者与海关机构合作，政府建立框架来迅速采取行动，那么不良行为者在其活动的任何地方都将被追责，而不仅仅是在个别地区受到惩罚。以下案例展示了这种协作机制的重要性。

对抗欺诈、假冒产品和不安全产品的最强大防御之一是具备相关知识的消费者。在亚马逊，我们认为消费者教育计划不仅仅是分享信息，更是在人们最需要的时候提供正确的知识。无论是在自然灾害后几个小时内送达的安全指南、购物高峰期的诈骗预防提示，还是帮助新手父母应对海量选择的资源，我们的核心策略始终是在客户最需要的时候，提供他们能够立即派上用场的信息。

但是我们也意识到，仅在我们自己的商城建立信任是远远不够的。消费者面临从复杂的网络钓鱼骗局到假冒商品的挑战，不受公共部门与私营部门的限制。因此，我们的消费者教育计划包括与世界各地的政府、安全组织、教育机构和倡导组织合作。我们携手共进，确保每位消费者都能获得所需的知识和工具，让他们不仅在亚马逊商城，也能在任何地方自信、安全地购物。

以下举措展示了这一愿景如何在不同地区、人群和挑战中实现，每一个举措都旨在通过知识赋能消费者，让他们能够保护自己并建立持久的信任。

这些举措不仅仅代表单个项目，更是为所有人打造值得信赖的购物体验不可或缺的基石。每一场研讨会、每一份安全指南、每一次合作带来的影响都远超单笔交易。不良行为者的手段日益复杂，集体应对的需求也愈发迫切。随着商业版图扩展到新的社区，消费者教育工作也应随之跟上，在人们所在之处、用他们使用的语言、通过他们信任的渠道向其普及相关知识。

本报告中的每一项统计数据均出自于真实的受访者，包括为家人选购商品的客户、不断成长的小型企业、钻研创新的品牌，以及与全球行业领导者并肩协作的团队。

亚马逊的使命是，坚持不懈地从客户出发发明创造，让客户每天的生活更美好、更轻松。打造值得信赖的购物体验是这一使命的重要部分，是一段需要不断改进和持续创新的旅程。本报告中所搭建的体系尚未结束，每天都在不断进化。

当今全球零售行业所面临的挑战在十年前并不存在。同样，许多应对这些挑战的解决方案，在十年前也并不存在。随着零售行业的不断发展，保护零售行业的基础设施也必须随之发展。我们正在努力打造这一未来，不过我们不是单打独斗，而是与世界各地的品牌、执法部门、监管机构及行业合作者并肩作战。我们共同发明新方法，提前发现威胁，从源头瓦解犯罪网络，并为消费者提供如何在购物时保护自己的知识。

您在本报告中看到的代表了业内最全面、最具协作性的可信购物体系，也是我们持续发展的基石。我们会继续努力，推出更智能的系统，拓展更广泛的合作，构筑更坚实的保护。因为赢得客户信任不是终点，而是我们的职责。