2026年7月28日 · Nudging Sustainable Choices through LLM-Generated Recommendation Explanations
Nudging Sustainable Choices through LLM-Generated Recommendation Explanations
研究团队通过两项随机实验（N=529）发现，在推荐解释中仅披露可持续性信息不会改变用户选择，而采用框架效应或描述性社会规范则显著增加可持续选择。
EVENT STORY
发展脉络
- 首次出现Nudging Sustainable Choices through LLM-Generated Recommendation ExplanationsarXiv cs.AI
- 当前判断推荐系统领域正从单纯优化点击率转向影响用户行为，可持续性助推成为新方向。该研究为电商、旅游等平台提供了低成本干预手段，但需注意不同领域效果差异。Agent Pulse · 分析
该研究利用生成式AI生成可持续性感知的推荐解释，基于助推理论设计不同行为框架，并通过人工评估和LLM-as-a-judge审计验证。在低参与度（速溶咖啡）和高参与度（酒店预订）两个领域进行随机实验，结果表明：仅披露可持续性信息无效，而框架效应或社会规范显著提升可持续选择。
研究验证了LLM生成的推荐解释可作为行为助推工具，通过文本框架（如增益/损失框架）和社会规范引用改变用户决策。实验设计包含人类评估和LLM审计，表明LLM可辅助生成符合助推理论的解释文本。
推荐系统领域正从单纯优化点击率转向影响用户行为，可持续性助推成为新方向。该研究为电商、旅游等平台提供了低成本干预手段，但需注意不同领域效果差异。
平台可通过调整推荐解释的措辞（如强调社会规范）提升可持续产品转化率，无需改变推荐算法或增加成本。
未来可探索更细粒度的助推策略（如个性化框架），以及长期行为改变效果。LLM-as-a-judge的可靠性需进一步验证。