# Август '26. Фидбек по ответам Shopping Assistant

![Фидбек по ответам Shopping Assistant](/blog/assets_shopping_feedback/feedback-cover-ralphy.png)

После запуска AI-ассистента важно понимать не только сколько людей им пользуется, но и насколько полезными получаются конкретные ответы. Общая активность может расти, а отдельные ошибки — неверно учтённое ограничение, слабая подборка или неточный совет — оставаться незаметными в агрегированных метриках.

В личном кабинете Shopping Assistant появился **фидбек по ответам**. Покупатель может оценить ответ, а команда — поставить собственную оценку, добавить комментарий и разобрать проблемные случаи. На экране «Обзор» эти сигналы собираются в метрики, тренд и очередь ответов, которые требуют внимания.

!!!primary Главное
Теперь команда видит реакцию покупателя на каждый ответ, может оставить внутреннюю оценку и комментарий, а затем следить за качеством ассистента в динамике и быстро переходить к проблемным диалогам.
!!!

## Два источника обратной связи

Под каждым ответом ассистента отображаются две независимые оценки:

- **Клиент** — реакция конечного пользователя: нравится или не понравилось.
- **Оценка команды** — внутренняя реакция пользователя личного кабинета и комментарий для разбора ответа.

Так можно разделить пользовательское восприятие и экспертную проверку. Например, покупатель поставил dislike, потому что рекомендация не решила его задачу, а команда уточнила причину: ассистент предложил пауэрбанк на 20 Вт для MacBook Air, хотя для стабильной зарядки ноутбука нужна модель с Power Delivery от 30 Вт.

![Реакция покупателя и оценка команды в контексте диалога о выборе пауэрбанка](/blog/assets_shopping_feedback/feedback-dialog-compact.jpg)

Оценку можно поставить прямо в сохранённом диалоге или в «Превью» при тестировании ассистента. Повторное нажатие снимает реакцию, а выбор противоположной оценки переключает её.

## Комментарии к оценкам

Like или dislike показывает итог, но не всегда объясняет, что именно нужно исправить. Поэтому к ответу можно добавить внутренний комментарий: зафиксировать ошибку, правило проверки, недостающие данные каталога или идею для следующей итерации.

![Комментарий команды к проблемному ответу Shopping Assistant](/blog/assets_shopping_feedback/feedback-dialog.jpg)

В карточке также видны автор и время последнего изменения. Команда получает общий актуальный контекст по ответу и может продолжить разбор без отдельной таблицы или пересылки скриншотов в рабочий чат.

Комментарии особенно полезны, когда нужно:

- объяснить, почему рекомендация не подходит покупателю;
- отметить недостающую характеристику или ошибку в товарных данных;
- сохранить пример для доработки промпта, сценария или правил подбора;
- передать наблюдение продуктовой, контентной или support-команде;
- проверить после изменения, стал ли следующий ответ корректнее.

## Метрики качества на экране «Обзор»

Новый блок **«Фидбек по ответам»** показывает результаты отдельно для конечных пользователей и команды личного кабинета.

![Фидбек по ответам Shopping Assistant: метрики, тренд и ответы, требующие внимания](/blog/assets_shopping_feedback/feedback-overview.jpg)

Для реакций покупателей доступны:

- количество ответов с оценкой;
- coverage — доля оценённых ответов среди всех ответов ассистента;
- likes и dislikes;
- positive rate — доля положительных реакций среди всех поставленных оценок.

Для пользователей личного кабинета дополнительно отображаются количество просмотренных ответов и ответы с комментариями. Так можно контролировать не только пользовательский sentiment, но и объём внутренней проверки качества.

## Динамика оценок

График **Positive rate** показывает динамику положительных оценок покупателей и команды. Он помогает сравнивать сигналы после обновления промпта, каталога, модели, сценария или интерфейса ассистента.

Например, после добавления фильтра по выходной мощности пауэрбанка можно проверить, снизилось ли число негативных реакций в следующих диалогах. Если пользовательский positive rate растёт, а внутренняя оценка команды остаётся низкой, это отдельный сигнал: ответы могут выглядеть полезными для покупателей, но всё ещё содержать неточности, которые важно исправить до масштабирования сценария.

Метрики и тренд учитывают выбранный период и тип трафика. Боевые обращения можно анализировать отдельно от тестовых диалогов команды.

## Ответы, требующие внимания

В правой части блока собраны ответы с dislike покупателя, dislike команды или внутренним комментарием. Для каждого случая видны:

- источник сигнала;
- фрагмент ответа ассистента;
- комментарий команды, если он есть;
- время последнего изменения;
- ссылка на исходный диалог.

Вместо случайного просмотра истории команда получает приоритизированный список конкретных ответов. Из него можно сразу перейти в диалог, увидеть формулировку покупателя, контекст страницы, метаданные и последующие сообщения.

## Работа с обратной связью

Для системного развития ассистента можно использовать короткий цикл:

1. Выбрать период и боевой трафик на экране «Обзор».
2. Проверить coverage, positive rate и динамику dislikes.
3. Открыть ответы из блока «Требуют внимания».
4. Зафиксировать причину проблемы в комментарии команды.
5. Определить действие: обновить промпт, каталог, правило подбора, сценарий или интерфейс.
6. После изменения сравнить тренд и новые оценки.

Так обратная связь превращается из набора разрозненных реакций в рабочий процесс улучшения Shopping Assistant: от сигнала покупателя — к конкретному ответу, причине проблемы и измеримой следующей итерации.