Вводная история: как мы столкнулись с нетипичной для fashion-ритейла задачей
Когда команда магазина обратилась к нам с запросом на улучшение поиска, мы быстро поняли: речь идёт не о стандартной оптимизации. Их поиск должен был работать не только для покупателей, но и для сотрудников магазинов, которые ежедневно ищут модели по сложным артикулам.
Артикулы у партнёра часто состоят из 12+ символов, а сотрудники обычно вводят только последние 5−8. Текущий поиск не понимал такие фрагменты, возвращал пустой ответ — и увеличивал время обслуживания клиента.
Параллельно мы увидели, что частая смена коллекций и обновление цветовой палитры приводили к «потере» релевантных товаров: покупатель вводил «зелёный», а фактические цвета в фиде значились как «оливковый» или «хаки». Выдача не совпадала с ожиданиями, и рос процент нулевых запросов.
Мы взялись за задачу комплексно — без правок фида со стороны магазина — и предложили серию улучшений, которые можно гибко развивать внутри anyQuery.
Артикулы у партнёра часто состоят из 12+ символов, а сотрудники обычно вводят только последние 5−8. Текущий поиск не понимал такие фрагменты, возвращал пустой ответ — и увеличивал время обслуживания клиента.
Параллельно мы увидели, что частая смена коллекций и обновление цветовой палитры приводили к «потере» релевантных товаров: покупатель вводил «зелёный», а фактические цвета в фиде значились как «оливковый» или «хаки». Выдача не совпадала с ожиданиями, и рос процент нулевых запросов.
Мы взялись за задачу комплексно — без правок фида со стороны магазина — и предложили серию улучшений, которые можно гибко развивать внутри anyQuery.
«Умный поиск начинается с понимания деталей»: рыночный контекст
Рынок fashion-е-commerce в России продолжает расти двузначными темпами. По данным аналитических центров, сегмент онлайн-моды демонстрирует ежегодный темп прироста около 11−12% до 2029 года. Этот рост сопровождается всё более высокой конкуренцией и всё более критичным значением качества клиентского пути — включая поиск.
Для брендов, у которых ассортимент часто обновляется, эффективность поиска напрямую влияет на:
глубину просмотра каталога,
восприятие ассортимента,
и самое главное — на то, будет ли пользователь считать бренд «понятным».
Именно поэтому для нас важно строить технологии поиска, которые учитывают специфику товара, сезонность и особенности поведения пользователей бренда.
Когда артикул превращается в блокер: разбираем кейс магазина женской одежды
1. Поиск по частям артикула оказался критически важен
Сотрудники вводили только хвост артикула, а обычный поиск не понимал такие короткие фрагменты. Это формировало значительную часть нулевых запросов, замедляло работу продавцов и влияло на качество обслуживания покупателей.
2. Цвета жили своей жизнью
Fashion-ассортимент динамичен: коллекции обновляются, оттенки меняются, названия цветов в фиде не стандартизированы. «Зелёный» легко превращался в «хаки», «оливковый», «глубокий зелёный» и ещё десяток вариаций. Поиск не распознавал такие связи, и релевантные товары выпадали из выдачи.
3. Клиент не хотел менять фид — и мы полностью поддержали этот подход
Партнёр поставил важное условие: все улучшения должны быть реализованы без изменений в их фиде. Мы сделали всю работу внутри anyQuery, так, чтобы клиент не тратил ресурсы на переработку данных.
Наше решение: кастомная модель артикула + расширенная семантика цвета
Поиск по последним 5−8 символам артикула
Мы разработали кастомную модель, которая понимает фрагменты артикула и связывает их с соответствующими товарами. Теперь запросы вроде «2 219» или «9 102 219» приводят к корректной выдаче всех моделей, содержащих этот артикул.
Расширенная база синонимов по цветам
Мы построили интеллектуальную карту цветовых групп, которая объединяет родственные оттенки. Теперь запрос «зелёный» охватывает «оливковый», «хаки» и все близкие тона.
Эти изменения позволили:
сократить нулевые запросы,
повысить точность поиска по атрибутам,
устранить расхождения между реальными товарами и пользовательскими формулировками.
Какие результаты мы получили вместе с партнёром
Для оценки эффективности мы использовали ключевые метрики Any: nDCG, Items, Category, Attributes и нулевые запросы.
Для расчета nDCG мы формируем «идеальную» выдачу по запросу: ранжируем по популярности товары, просмотренные по запросу. Затем сравниваем с эталонной выдачей ответ, который выдает ранжирование AnyQuery.
Для расчета nDCG мы формируем «идеальную» выдачу по запросу: ранжируем по популярности товары, просмотренные по запросу. Затем сравниваем с эталонной выдачей ответ, который выдает ранжирование AnyQuery.
1. Сильный рост NDCG
nDCG (Normalized Discounted Cumulative Gain) — внутренняя метрика Any, отражающая соответствие выдачи «идеальному» списку товаров.
Q1 2025: 0,58
Q3 2025: 0,75
Рост качества релевантности стал заметен сразу после внедрения двух ключевых улучшений.
2. Нулевые запросы сократились почти втрое
nDCG (Normalized Discounted Cumulative Gain) — внутренняя метрика Any, отражающая соответствие выдачи «идеальному» списку товаров.
9,69% → 3,51% за полгода
Q3 2025: 0,75
Это прямой показатель того, что поиск стал находить товары там, где раньше возвращал «ничего не найдено».
3. Улучшение поиска по атрибутам (цвет, категория)
Метрика Attributes выросла с 0,79 до 0,84, что особенно важно в fashion-категории. Поиск начал корректнее понимать оттенки, вариации названий и группы характеристик.
Что говорит клиент
«Мы видим заметное снижение числа нулевых запросов и рост качества выдачи. Особенно важным стало улучшение поиска по артикулам — теперь сотрудники магазинов находят нужные модели значительно быстрее»
Product Owner интернет-магазина
Почему этот кейс важен для рынка fashion-e-commerce
Мы ещё раз убедились: в fashion каждый бренд живёт в режиме постоянного обновления ассортимента, поэтому поиск должен быть гибким, контекстным и максимально адаптированным под реальные запросы пользователей.
Наш опыт показывает:
проблемы с артикулами и цветами встречаются у большинства fashion-ритейлеров,
кастомизация поиска без изменения фида — реальна,
метрики релевантности могут расти быстро при правильном подходе,
снижение нулевых запросов даёт прямой вклад в глубину просмотра и вероятность покупки.
Главная мысль
РРаботая вместе с командой магазина, мы показали, что даже в условиях быстро меняющегося ассортимента и сложной структуры артикула поиск может быть точным, гибким и предсказуемым.
И главное — всё это можно сделать без изменений фида, полностью на стороне anyQuery.
И главное — всё это можно сделать без изменений фида, полностью на стороне anyQuery.
Расскажем как повысить выручку в вашем интернет-магазине
