Как мы переделывали поиск для vazaro.ru — и почему коробочный AI не сработал
Vazaro — мультибрендовый ритейлер премиальной посуды, кухонной утвари и предметов интерьера. Проект начинался как нишевый интернет-магазин с каталогом около 5 000 товаров и 20 брендов. Сегодня это e-commerce-платформа с 58 000 SKU, 200 брендами, ежедневными обновлениями каталога, интеграциями с ERP, маркетплейсами, службами доставки, рекламными и аналитическими системами.
С 2008 года мы отвечаем за развитие онлайн-платформы Vazaro: продуктовую стратегию, UX, дизайн, разработку, техническое SEO, интеграции, аналитику, серверную поддержку и развитие контентного слоя.
Задача
Когда клиент попросил улучшить поиск, был большой соблазн пойти по очевидному пути: AI, семантика, эмбединги, «понимание смысла», готовые коробочные решения, которые обещают найти то, что пользователь имел в виду. Мы тоже туда пошли. И довольно быстро — вышли обратно. Контекст был простой, но жёсткий: Vazaro — это магазин, куда приходят не смотреть, а находить.
Вместо “магического AI” мы выбрали управляемый подход: SOLR как основа и AI-слой на базе GigaChat для обработки словоформ, синонимов и уточнения запросов. Это позволило сохранить точность выдачи и улучшить навигацию по большому каталогу.
Почему пришлось отказаться от «умных» AI-решений
1. Они спорили с покупателем.
Люди ищут конкретику («сковорода с крышкой»). AI же мог показать «похожую» сковороду без крышки — и раздражал.
Если человек написал «с крышкой», показывать ему товар без крышки — это не «умно». Это раздражает.
2. Результаты выглядели правдоподобно только на поверхностный взгляд
Ищем кастрюлю из чугуна красную - получаем помимо красных кастрюль еще другие цвета, ищем конкретный артикул - получаем какие-то другие товары. Нам нужен был не универсальный интеллект, а контролируемый инструмент под конкретный ассортимент — где можно управлять релевантностью, контекстом и жёсткостью поиска. Поэтому мы собирали решение так, чтобы оно работало быстро на реальном каталоге. Не за счёт железа, а за счёт архитектуры и алгоритма.
Нам нужен был не универсальный интеллект, а контролируемый инструмент под конкретный ассортимент — где можно управлять релевантностью, контекстом и жёсткостью поиска. И ещё одно ограничение, о котором редко говорят вслух — скорость. Легко быстро искать по 100 товарам, сложнее по 100 000 sku c кучей характеристик. Если ответ приходит с задержкой или «плавает» по качеству, пользователь просто перестает использовать поиск.
Решение
Этап 1. Буквальное соответствие (hard-filter)
Это самый жесткий и самый важный слой. Все параметры запроса («с крышкой», «6 л», «24 см») фильтруются без интерпретаций. Все ключевые слова из запроса должны присутствовать. Не «похоже», не «по смыслу», а буквально. Формы слов учитываются, но не подменяются.
Пример: «сковорода с крышкой» → «сковорода без крышки» не проходит
Если на этом этапе не найдено ничего — это честный ноль, а не «что-нибудь похожее».
Этап 2. Аккуратное расширение (soft-filter)
Только после того, как базовое намерение соблюдено. Здесь допускаются словоформы, безопасные варианты написания, уточняющие характеристики, но только внутри того, что «поиск» уже отобрал.
Алгоритм не расширяет поиск — он уточняет найденное.
Этап 3. Ранжирование
Только на этом этапе система решает, что выше, что ниже, что чуть более релевантно.
Важно: ранжирование не может протащить товар в результат поиска, который не прошёл базовое условие запроса.
Результат
- Скорость: Стабильное время ответа даже на большом каталоге.
- Контроль: Поисковым результатом можно управлять.
- Доверие: Пользователь получает именно то, что просил, а не «версию алгоритма».
Технически решение получилось даже проще, чем «умный AI-поиск». Мы перестали ранжировать весь каталог и применять тяжёлые операции ко всем товарам. Вместо этого сначала жестко сужаем выборку и ранжируем только то, что точно подходит. Решение работает лучше «умного» поиска, потому что пользователь чувствует контроль, а система перестает спорить.
Product discovery вырос на 28%, а добавления в корзину у пользователей поиска после обновления 2025 года — на 72%.
Хороший поиск — это когда пользователь не замечает алгоритм.
🚀 Начать очень просто – напишите нам на hi@okc.media или заполните короткую форму здесь. Мы свяжемся с вами в течение одного рабочего дня.
🚀 Подписаться на наш тг-канал.