Высокий recommendation score не означает, что товар можно купить. Возьмите один SKU без остатка и запишите: location, sales channel, variant, requested quantity, inventory version у каталога и у recommender, а также время формирования ответа. Часто модель работает корректно, но получает вчерашний catalog snapshot или фильтрует parent product вместо конкретного размера.

Доступность должна быть жёстким ограничением возле момента ответа. Обучать модель только на товарах в наличии полезно для качества кандидатов, но этого недостаточно: stock меняется быстрее retraining. Последний gate обращается к актуальному inventory read model и не выпускает позицию, которая не удовлетворяет контракту `sellable`.

Сначала формализуем слово «в наличии»

Поле контекстаПочему меняет решениеПример
Location или regionОстаток локаленЕсть в Москве, нет в Казани
ChannelРезервы и ассортимент различаютсяPickup доступен, delivery нет
VariantПокупают размер или цвет, не parentФутболка M закончилась
QuantityПоследней единицы мало для заказа 3available_to_promise >= 3
Safety bufferЧасть остатка нельзя обещатьon_hand минус reservations и buffer
TimeПредзаказ и расписание публикацииsellable_from наступил, sellable_to нет

Контракт хранит reason code: OUT_OF_STOCK, WRONG_REGION, NOT_PUBLISHED, RESTRICTED или UNKNOWN. Не сводите всё к boolean, иначе команда не отличит задержку inventory от policy-фильтра. UNKNOWN по умолчанию не должен превращаться в доступный товар только ради заполнения блока.

Выдача строится как candidates → gate → refill

context = {user, region, channel, quantity}
candidates = model.rank(user, limit = 60)
status = inventory.batchGet(candidates.ids, region, channel)

eligible = candidates.filter(item =>
  status[item.variant_id].available_to_promise >= quantity &&
  catalog[item.id].published &&
  policy.allows(item, context)
)

result = diversify(eligible).take(12)
if result.size < 12: refillFromFallback(context, exclude = seen_ids)

Overfetch нужен, потому что фильтр уменьшает список. Его коэффициент измеряют по реальному rejection rate, а не задают навсегда. Batch lookup предотвращает N+1 запросов к складу; короткий cache допустим только с version или ограниченным staleness budget и понятным поведением при timeout.

Фильтр провайдера не всегда знает локальный склад

Amazon Personalize поддерживает include/exclude filters по item attributes и передаваемым параметрам. Google Cloud Retail позволяет фильтровать рекомендации по `availability: IN_STOCK`, но документация отдельно указывает ограничение локального inventory и предлагает post-processing перед отправкой клиенту. Поэтому platform filter можно использовать как первый gate, а финальную региональную проверку оставить собственному inventory service.

Учтите fallback самого сервиса. Amazon Personalize описывает placeholder popular items, которые могут добавляться после фильтра для заполнения `numResults` и при этом должны удовлетворять filter criteria. Собственный fallback также прогоняется через тот же eligibility contract; нельзя вернуть популярный out-of-stock SKU из обходной ветки.

События остатков должны переживать опоздание и перестановку

inventory_event {
  variant_id: SKU-42-M
  location_id: MSK-1
  available_to_promise: 0
  version: 1842
  occurred_at: 2026-10-04T12:10:00Z
}

apply only if incoming.version > stored.version
metric: now - occurred_at
alert: stale_version served in recommendation response

Идемпотентное применение version защищает от повторов, а monotonic comparison — от позднего старого события. Если inventory API недоступен, выберите явную деградацию: скрыть блок, показать неперсональные категории без обещания наличия или использовать очень свежий snapshot. Молчаливое fail-open особенно дорого рядом с кнопкой покупки.

Проверка ломает каждый канал обновления

  • Обнулить остаток между ranking и render и убедиться, что SKU исчез.
  • Оставить stock у parent, но обнулить выбранный variant.
  • Задержать inventory event и проверить метрику возраста версии.
  • Доставить события 1842, затем 1841 и не откатить остаток назад.
  • Получить timeout batch lookup и увидеть выбранную деградацию.
  • Исчерпать основной список фильтром и проверить fallback тем же gate.

Критерий готовности связывает показы с покупкой

Подготовьте контракт available-to-promise, иерархию product/variant, mapping регионов и складов, SLA inventory updates, fallback rules и примеры response trace. Решение готово, когда доля показов с последующим OUT_OF_STOCK измеряется, stale version видна в логах, каждый fallback проходит общий gate, а отключение gate является наблюдаемым аварийным режимом, а не скрытой оптимизацией.

Проверенные источники