Фраза «потому что вам нравится спорт» звучит убедительно, но может быть неправдой. Товар мог попасть в ленту из блока популярного, платного продвижения или исследования новых интересов. Начните не с генерации красивого текста, а с одного показа: найдите request ID, item ID и реальный этап, на котором кандидат вошёл в выдачу.

Пользователю не нужен дамп весов модели. Ему нужен короткий ответ, который соответствует фактам системы и помогает управлять рекомендациями. Поэтому полезное объяснение — это отдельный продуктовый контракт: причина показа, ограниченный набор доказательств, версия правил и безопасная формулировка. Если причина неизвестна, лучше написать «Популярно сейчас», чем придумать личный мотив.

Сначала фиксируем происхождение каждого кандидата

Источник кандидатаЧто можно сказатьЧего утверждать нельзя
Персональная модельПодобрано по вашей активностиКонкретное действие было единственной причиной
Похожий объектПохоже на просмотренный материалПользователь обязательно предпочитает всю категорию
Популярный fallbackПопулярно среди пользователей сервисаЭто персональный выбор модели
ExplorationПоказываем новое, чтобы разнообразить подборкуВысокий score означает уверенный интерес
ПродвижениеРекомендация продвигаетсяОбъект выбран только из-за релевантности

В Amazon Personalize ответ может включать score, а для некоторых рецептов — список reasons вроде promoted item, exploration и popular item. Эти поля полезны как техническое происхождение, но не являются готовым объяснением поведения человека. Кроме того, scores относительны набору результатов и конкретному рецепту: их нельзя переводить в обещание «вам понравится на 87 процентов».

Reason contract живёт рядом с результатом, а не в логах постфактум

recommendation_id: rec_8f31
item_id: sku_417
reason_code: SIMILAR_TO_RECENT_ITEM
evidence_ids: [sku_112]
candidate_source: item_similarity_v4
ranker_version: ranker_2026_09
rule_version: merchandising_18
is_promoted: false
is_exploration: false
user_text: Похоже на товар, который вы недавно смотрели

Сохраняйте не сырые персональные события, а минимально необходимую ссылку на допустимое доказательство. Интерфейс не должен раскрывать чувствительные категории, действия другого человека или старые события, которые пользователь удалил. Если evidence больше недоступно, текст деградирует до более общего reason code, а не вытаскивает данные из архивного лога.

Контекст запроса тоже важен. Одна и та же модель может учитывать устройство, время или текущую страницу. Документация Amazon Personalize отдельно описывает contextual metadata, передаваемую при запросе. В объяснении следует называть только понятный и разрешённый контекст; технический признак сам по себе не доказывает причинность.

Текст выбирается детерминированно

  1. Если объект промотируется, маркировать продвижение до персональной причины.
  2. Если сработал бизнес-фильтр или обязательный rule, назвать его понятным языком.
  3. Для похожего объекта показать допустимое evidence: название или категорию исходного объекта.
  4. Для персональной модели использовать широкую формулировку об активности, если нет надёжной локальной причины.
  5. Для popular fallback и exploration не маскировать механизм под персональный интерес.
  6. При отсутствии provenance вернуть нейтральное объяснение и записать диагностическое событие.

Большая языковая модель может перефразировать утверждение, но не должна сама выбирать причину. Передавайте ей закрытый reason code и разрешённые факты, затем валидируйте ответ по шаблонам. Иначе «похожий товар» легко превращается в «вы часто покупаете это», хотя покупок не было.

Проверяем объяснение вместе с качеством рекомендации

  • Trace test: каждый текст восстанавливается из сохранённого candidate source и rule path.
  • Counterfactual test: удаление evidence меняет или убирает связанную формулировку.
  • Privacy test: объяснение не раскрывает скрытое действие, профиль семьи или чувствительную категорию.
  • Fallback test: пустая история приводит к popular или contextual reason, а не к выдуманной персонализации.
  • UX test: пользователь понимает причину и может скрыть объект, тему или отключить персонализацию.
  • Impact test: измеряются не только клики, но также hide rate, жалобы и доверие к ленте.

Когда задача действительно решена

Подготовьте несколько реальных трасс: персональную рекомендацию, похожий объект, промо, exploration и пустую историю. Для каждой сверьте reason code, доказательство, пользовательский текст и действие «почему/скрыть». Готовая система не обещает больше, чем знает, одинаково объясняет один и тот же route и сохраняет возможность проверить происхождение конкретного показа после релиза.

Проверенные источники