разработка

AI-поиск для интернет-магазина: когда он окупается и как это проверить

Главная
/
Блог

Максим Жуков

Сооснователь ecommerce-агентства KISLOROD

Представим ситуацию: покупатель вводит в строку: «тихий вертикальный пылесос для квартиры с маленьким ребенком». В каталоге есть подходящая модель, но в ее названии нет ни ребенка, ни квартиры, только мощность и уровень шума. Поиск сопоставляет слова, не находит совпадения и возвращает случайную выдачу. Магазин теряет заказ при наличии нужного товара.

Такие случаи не редкость. По данным исследования Baymard Institute, около половины участников тестов предпочитали искать товар через строку, а не через меню. При этом 56% исследованных сайтов и приложений недостаточно хорошо справлялись с поисковыми запросами.

AI-поиск товаров на сайте обещает понять смысл фразы и показать подходящие товары. Под этой технологией продают очень разные решения: от исправления опечаток до чата с языковой моделью. Разбираемся, где интернет-магазину действительно нужен ИИ-поиск, какие данные потребуются и как проверить его влияние на продажи.

Содержание

Что такое AI-поиск товаров и чем он отличается от обычного
Как работает AI-поиск на сайте: 5 шагов
Где ИИ-поиск для сайта приносит деньги
Если поиск не работает
Какие данные нужны для AI-поиска товаров
Как считать результат
Готовый сервис, собственная разработка или сочетание двух подходов
Как запустить пилот AI-поиска
Пять выводов для руководителя
Настроим AI-поиск под задачи интернет-магазина
Часто задаваемые вопросы

Что такое AI-поиск товаров и чем он отличается от обычного

Классический полнотекстовый поиск сопоставляет запрос с названиями, описаниями и характеристиками товаров. Он хорошо справляется с артикулами, моделями и точными формулировками. Семантический ищет близость по смыслу, поэтому может связать запрос, например, «наушники для самолета» с моделями, у которых есть активное шумоподавление, даже если в карточках не упоминается самолет.

Чаще всего эти способы объединяют. Гибридный поиск одновременно проверяет точные совпадения и смысловую близость, затем собирает общую выдачу. Это полезнее, чем безоговорочно заменить старый движок векторным: артикул он может понять хуже, чем обычный поиск.

Есть еще разговорный интерфейс. Он уточняет запрос, если одного сообщения мало: например, спрашивает размер комнаты или бюджет. Это уже AI-подборщик. Но для большинства коротких запросов диалог не нужен. Покупатель, который ввел артикул, хочет сразу увидеть товар.

Как работает AI-поиск на сайте: 5 шагов

Упрощенно AI-поиск проходит пять шагов:

Разбирает запрос. Исправляет раскладку и опечатки, распознает бренд, категорию, цену, цвет и другие условия.
Отбирает товары. Ищет совпадения по словам и по смыслу. На этом этапе в выборку может попасть больше позиций, чем увидит покупатель.
Проверяет ограничения. Убирает товары без остатка в нужном регионе, неподходящие варианты и несовместимые комплектующие.
Расставляет позиции. Учитывает релевантность, популярность, срок доставки и правила магазина.
Показывает выдачу. Иногда добавляет пояснение: например, сообщает, что модель подходит из-за уровня шума и нужной комплектации.

Генеративная модель нужна далеко не на каждом шаге. Запрос можно разобрать небольшой языковой моделью, кандидатов найти векторным и полнотекстовым поиском, а наличие проверить по каталогу. Чем меньше свободы остается у генерации, тем ниже риск, что сайт уверенно присвоит товару несуществующую характеристику.

Где ИИ-поиск для сайта приносит деньги

Сокращает долю пустой выдачи

Покупатель пишет название бренда кириллицей, путает раскладку или использует привычное сокращение. Товар в каталоге есть, но обычный поиск может его не узнать. AI-поиск сопоставляет разные формулировки и вместо пустой страницы показывает подходящие позиции или замену.

После обновления поиска на shop.megafon.ru пустых результатов стало на 29% меньше, а в подсказках — на 47%. По данным SearchBooster, выручка из подсказок выросла в 2,52 раза. На результат повлияли не только алгоритмы: команда также настроила синонимы, региональные остатки и порядок товаров в выдаче.

Улучшает первые позиции

На самом деле, нейросети мало найти двадцать подходящих товаров. Нужно правильно расставить их на первом экране.

В поиске цена ошибки особенно заметна: человек уже сформулировал потребность, а магазин прячет выгодный вариант на пятой странице. В 2026 году команда Ozon изменила ранжирование так, чтобы учитывать не только историю карточки, но и конкретное предложение: цену, доставку и другие текущие условия. Два последовательных A/B-теста показали рост конверсии из поисковой сессии в заказ на 0,4% и рост GMV, то есть оборота площадки, на пользователя на 0,9%. Результаты опубликованы в блоге Ozon Tech.

Цифра не выглядит рекламным фейерверком. На большом трафике он и не нужен: доли процента превращаются в заметный оборот.

Принимает запросы обычным языком

В сложных категориях покупатель не всегда знает правильное название характеристики. Он пишет «чтобы рубашка не липла в жару» или «часы для бега без телефона». ИИ переводит такое описание на язык каталога.

Именно в эту сторону движутся российские площадки. В 2025 году Яндекс Маркет запустил ассистента для поиска и сравнения товаров. В качестве примеров компания приводит подбор часов для бега и выбор материала летней рубашки. Формат пока ближе к диалогу, но задача та же: связать бытовую формулировку с характеристиками товара.

Показывает, чего не хватает в каталоге

Запросы полезны и без нейросети. Они сообщают, какими словами покупатели называют товары, какие свойства считают важными и что ищут без результата.

В одном из проектов KISLOROD доработка обычного поиска снизила показатель отказов на 9%, увеличила глубину просмотра с 7,28 до 8,97 страницы, а число транзакций среди пользователей мобильного поиска выросло на 49%. Эти изменения описаны в отдельном кейсе. AI там не был главным героем. И это полезное напоминание: иногда магазину сначала нужны нормальные подсказки, работа с раскладкой и понятная выдача, а уже потом — векторы и языковые модели.

Если поиск не работает

Не каждая плохая выдача требует ИИ. Сначала стоит понять, где именно ломается путь покупателя.

Небольшому магазину с понятным каталогом и заказами по артикулам AI-поиск может не окупиться. То же касается сайта, где поиском пользуются редко. Сначала полезнее сделать строку заметной и убрать ошибки в каталоге.

AI-поиск для интернет-магазинов есть смысл делать с большим ассортиментом, где один товар описывают десятком способов: электроника, автозапчасти, товары для ремонта, косметика, одежда, зоотовары. Еще один признак — заметная доля длинных запросов, повторных формулировок и пустой выдачи.

Какие данные нужны для AI-поиска товаров

Хорошая модель не знает, какой товар лежит на складе в нужном городе. Эти сведения приходят из систем магазина.

Для запуска нужны:

названия, категории, бренды и описания;
характеристики в отдельных полях, а не одним абзацем;
связи между моделями, вариантами и совместимыми товарами;
цены и остатки по регионам;
события просмотра, клика, добавления в корзину и покупки;
история запросов, включая пустые и переформулированные.

Документация Google AI Commerce Search также разделяет эти данные на две большие группы: каталог и события пользователей. По ним система обучается ранжировать товары под выбранную цель — клики, конверсию или выручку.

Самая трудная часть часто находится в расхождении характеристик. У одного поставщика цвет записан как «графит», у другого — как «темно-серый»; диагональ хранится то числом, то текстом; совместимость указана в описании или вовсе отсутствует. AI-поиск может связать близкие слова. Достоверно восстановить характеристику, которой нет в данных, он не сможет.

Как считать результат

Нужен эксперимент. Одной части трафика показывают текущий поиск, другой — новый. Затем сравнивают одинаковые группы пользователей и запросов.

Долю пустой выдачи лучше смотреть по типам запросов. Снижение показателя само по себе может обмануть: система начнет показывать хоть что-нибудь, но покупателю это не поможет. Поэтому рядом нужны клики, корзина и заказы.

Готовый сервис, собственная разработка или сочетание двух подходов

Для российского e-commerce особенно важен тест на живых запросах. Демо на английском мало что говорит о том, как система обработает «айфон пятнашка», cfvceyu a52, «шуруповерт 18в без акб» или смесь кириллицы с латиницей в названии бренда.

Также стоит заранее выяснить, куда уходят запросы и история поведения, использует ли поставщик эти данные для обучения своих моделей и можно ли развернуть решение в контуре компании. Чем больше трафик, тем заметнее становятся и расходы на каждый запрос.

Как запустить пилот AI-поиска

1. Поднимите историю запросов

Соберите популярные фразы, пустую выдачу, запросы с низким числом кликов и цепочки переформулировок. Разберите их вручную. Уже здесь станет понятно, нужен ли ИИ или обычный поиск просто не знает нескольких синонимов.

2. Составьте проверочный набор

В него должны попасть точные модели, артикулы, опечатки, разговорные названия, запросы по характеристикам и длинные фразы. Для каждого запроса команда отмечает подходящие товары. Этот набор понадобится и при выборе сервиса, и после запуска.

3. Проверьте товарные данные

Выберите одну категорию и посмотрите, заполнены ли характеристики, варианты, совместимость, цены и остатки. Если данные расходятся, сначала исправьте их. Модель не должна угадывать факты о товаре.

4. Ограничьте пилот

Подойдет категория, в которой поиском часто пользуются, а выбор зависит от нескольких параметров. Запускать новый движок сразу на весь каталог рискованно: по средним показателям трудно понять, где выдача улучшилась, а где просела.

5. Сохраните точный поиск

Артикулы, модели и бренды лучше по-прежнему искать по словам и кодам. Семантический слой подключают для запросов, где важен смысл. Затем результаты объединяют и проверяют правилами магазина.

6. Проведите A/B-тест

До запуска зафиксируйте основную метрику: например, выручку на поисковую сессию. Дополнительными могут быть пустая выдача, добавление в корзину и скорость ответа. Не меняйте во время теста одновременно дизайн страницы, ассортимент и рекламный трафик — иначе результат будет трудно объяснить.

7. Оставьте поиск под наблюдением

Ассортимент, спрос и язык покупателей меняются. Появляются новые бренды, сленг и сезонные формулировки. Команде все равно придется разбирать плохие запросы, обновлять словари и следить за качеством первых позиций.

Пять выводов для руководителя

AI-поиск в e-Commerce лучше всего начинать с журнала запросов. Так видно, сколько денег магазин теряет на пустой и слабой выдаче.
Гибридный подход надежнее полной замены. Точный поиск отвечает за артикулы и модели, семантический — за смысл.
Каталог задает потолок качества. Если характеристики и остатки не передаются в поиск, нейросеть не исправит ситуацию.
Эффект проверяют по деньгам. Рост кликов приятен, но решение о масштабировании лучше принимать по выручке или валовой прибыли на поисковую сессию.
Начинать стоит с одной категории. Пилот проще проверить, посчитать и остановить, если гипотеза не сработала.

Настроим AI-поиск под задачи интернет-магазина

Если покупатели не находят товары, которые есть в каталоге, команда KISLOROD разберет поисковые запросы, проверит данные и предложит подходящий сценарий — от доработки текущего движка до пилота AI-поиска.

Часто задаваемые вопросы

Что такое AI-поиск товаров?

Это поиск, который учитывает не только совпадение слов, но и смысл запроса. Он может распознавать категорию, характеристики и задачу покупателя, а затем подбирать товары из каталога. Например, связывать запрос «наушники для самолета» с моделями, у которых есть активное шумоподавление.

Чем AI-поиск для интернет-магазина отличается от обычного поиска по сайту?

Обычный поиск особенно хорош в точных запросах: названиях, моделях и артикулах. AI-поиск для интернет-магазина полезен там, где человек описывает товар своими словами. В интернет-магазине разумно сочетать оба подхода, чтобы не потерять точность ради понимания смысла.

Обязательно ли использовать большую языковую модель?

Нет. Для поиска по смыслу можно использовать векторную модель, полнотекстовый движок и правила работы с каталогом. Большая языковая модель пригодится для разбора сложных фраз или диалога с покупателем, но отправлять в нее каждый запрос необязательно.

Заменит ли AI-поиск фильтры и категории?

Нет. Категории удобны тем, кто изучает ассортимент, а фильтры помогают уточнить уже полученную выдачу. AI-поиск дает еще один путь: покупатель сразу описывает нужный товар и получает подходящую подборку. Эти инструменты решают разные задачи и могут работать вместе.

Какому интернет-магазину нужен ИИ-поиск?

В первую очередь магазину с большим или сложным ассортиментом, где товары ищут по характеристикам, назначению и совместимости. Повод проверить гипотезу — высокая доля пустых запросов, частые переформулировки и слабые продажи после поиска. При небольшом каталоге и заказах преимущественно по артикулам эффект может не покрыть расходы.

Какие данные нужны для запуска?

Понадобятся каталог с заполненными характеристиками, цены, остатки и история поведения покупателей: запросы, клики, добавления в корзину и заказы. Для некоторых категорий нужны также сведения о вариантах и совместимости. Если этих данных нет, работу начинают с каталога и аналитики.

Можно ли подключить AI-поиск к действующему интернет-магазину?

Да, обычно новый поиск получает каталог и остатки через выгрузку или API, а затем передает результаты в интерфейс сайта или приложения. Объем работ зависит от CMS, структуры товарных данных, текущего поискового движка и требований к скорости.

Как понять, что AI-поиск повышает конверсию?

Новый и прежний поиск сравнивают в A/B-тесте. Основной показатель выбирают до запуска: например, конверсию в заказ или выручку на поисковую сессию. Долю пустой выдачи, клики и добавления в корзину используют как дополнительные метрики.

Сколько стоит внедрение AI-поиска?

Единой цены нет. На нее влияют размер каталога и трафика, готовность данных, число интеграций, способ размещения модели и выбранный подход — готовый сервис или собственная разработка. До оценки бюджета полезно посчитать поисковые сессии и возможный прирост валовой прибыли: так станет понятно, какой уровень затрат допустим.

Работает ли AI-поиск с 1С-Битрикс и другими CMS?

Да. ИИ-поиск для интернет-магазина обычно не зависит от платформы: он получает каталог через фид или API и возвращает выдачу на сайт. Так его подключают к 1С-Битрикс, InSales, WooCommerce и самописным системам. В Битрикс фид формируют стандартной YML-выгрузкой, а при частых изменениях цен и остатков данные лучше передавать через API. Трудности чаще возникают не с CMS, а с данными.

Сколько времени занимает подключение?

Установить готовый сервис через товарный фид и JS-виджет можно за несколько дней. Интеграция через API дольше, зато позволяет подстроить поиск под дизайн сайта. Основное время уходит на подготовку характеристик, настройку остатков и A/B-тест. Поэтому пилот AI-поиска на одной категории занимает несколько недель, а собственная разработка — несколько месяцев.

Можно ли искать товары по фото?

Да, но это отдельная функция, а не часть текстового AI-поиска товаров. Покупатель загружает снимок или скриншот, система переводит изображение в числовое описание и находит в каталоге позиции, похожие по форме, цвету и фактуре. Многие сервисы умного поиска подключают ее отдельным модулем.

Получайте полезный контент от KISLOROD в любом из мессенджеров

При переходе в одну из указанных социальных сетей вы автоматически даете согласие на обработку персональных данных и согласие на получение рекламной рассылки. Подробнее об обработке данных в Политике конфиденциальности.