Умный поиск в интернет-магазине — это поиск, который находит товар, даже если покупатель ошибся, написал в неверной раскладке или описал нужное своими словами. Строится он по уровням: сначала исправление опечаток и раскладки, затем морфология и синонимы, подсказки и фильтры, и только после этого ИИ-подборщик, который переводит фразу покупателя в фильтры каталога. Начинать стоит с первых уровней: они дешевле и обычно заметно сокращают число пустых выдач.

главное за минуту

  1. Стандартный поиск Битрикса из коробки слабо справляется с опечатками и синонимами, поэтому пустых выдач много.
  2. Умный поиск растёт по 5 уровням, и каждый можно внедрять отдельно.
  3. ИИ-подборщик не выдумывает товары: он разбирает запрос в фильтры вашего каталога и показывает только то, что есть.
  4. Результат мерим по 3 группам показателей: доля пустых выдач, клики из поиска и конверсия сеанса с поиском.

Что не так со стандартным поиском

Покупатель редко пишет запрос так, как товар назван в каталоге. Он пропускает буквы, забывает переключить раскладку, ищет по слову из разговора, а не по названию модели. Штатный поиск Битрикса умеет морфологию и угадывание раскладки (параметр USE_LANGUAGE_GUESS компонента search.page, справка 1С-Битрикс, проверено 19.11.2026), но опечатки и синонимы из коробки обрабатывает слабо: на «телевизр» он легко отвечает пустой страницей, хотя «телевизор» в каталоге есть.

С такой задачей к нам пришёл интернет-магазин. Клиент хотел, чтобы поиск исправлял опечатки вроде «телевизр» → «телевизор», понимал неверную раскладку, подсказывал варианты по ходу набора и предлагал уточнить запрос кнопками-фильтрами. А ещё — чтобы покупатель мог описать, что ему нужно, обычными словами. Запрос клиента сейчас в оценке.

Это стадия оценки: проекта умного поиска по этому запросу ещё нет. Ниже — наш подход к такой задаче и то, как мы будем её решать, а не отчёт о готовом результате.

5 уровней умного поиска

Умный поиск — не один переключатель, а лестница. Каждый уровень решает свою проблему и даёт эффект сам по себе, поэтому внедрять можно по порядку и останавливаться там, где эффект перестаёт окупаться.

  1. Стандартный поиск

    Базовая морфология и угадывание раскладки. Опечатки и синонимы часто дают пустую выдачу.

  2. Опечатки и раскладка

    «телевизр» находит «телевизор», «ntktdbpjh» читается как слово «телевизор».

  3. Морфология и синонимы

    Падежи, числа и словарь магазина: «телевизор» и «ТВ» ведут в один раздел.

  4. Подсказки и фильтры

    Варианты в процессе набора и кнопки уточнения: бренд, тип, цена.

  5. ИИ-подборщик

    Запрос «своими словами» превращается в набор фильтров каталога.

Первые 3 уровня — это настройка поискового движка и словарей, без нейросетей. Они снимают самые частые причины пустых выдач. Подсказки и фильтры меняют сам сценарий: покупателю не нужно угадывать формулировку, он выбирает из того, что есть в каталоге.

Какой именно поисковый сервис стоит под капотом, для покупателя вторично. Подойдёт и движок, встроенный в платформу, и отдельный сервис полнотекстового поиска, и облачный. Выбираем по размеру каталога, нагрузке и тому, насколько легко подключить его к вашим данным; сравнение конкретных продуктов и цен мы здесь не даём, они быстро меняются.

Скорость и артикулы: что мы уже делали на поиске

Поиск ломается не только на опечатках. У ЕЦНК — магазина приборов неразрушающего контроля с каталогом 11 000+ товаров — подсказки поиска появлялись за 4–7 с, а артикулы с дефисом нужно было научиться находить. При обновлении сайта мы переделали поиск: подсказки стали появляться за 1,5–3 с, а артикулы с дефисом находятся.

  • 1,5–3 с время появления подсказок поиска после обновления
  • 4–7 с столько подсказки появлялись раньше
  • 11 000+ товаров в каталоге магазина

источник: опубликованный кейс ЕЦНК

Урок из этого кейса простой: долгие подсказки покупатель может не дождаться. Скорость — такая же часть умного поиска, как исправление опечаток. Подробности проекта — в кейсе интернет-магазина ЕЦНК.

Как работает ИИ-подборщик «своими словами»

Покупатель пишет: «недорогой телевизор для пожилой мамы, чтобы большой экран и простой пульт». Обычный поиск увидит набор слов и, скорее всего, ничего не найдёт. ИИ-подборщик делает другое: разбирает фразу на признаки, превращает их в фильтры вашего каталога и показывает товары, которые под эти фильтры подходят.

Главное правило — модель не подбирает товары «из головы». Она только переводит запрос в параметры: тип товара, ценовой диапазон, свойства из карточки. Выдачу формирует сам каталог, поэтому выдуманных моделей и свойств в ней не бывает. Та же логика, что мы описывали в статье про описания товаров без выдуманных фактов: ИИ работает в рамках ваших данных.

Путь запроса «своими словами» до выдачи

  1. запрос покупателя обычными словами
  2. разбор запроса модель выделяет признаки
  3. фильтры каталога только существующие свойства
  4. выдача товары из каталога

Если запрос не удалось разобрать или под фильтры ничего не попало, подборщик честно говорит об этом и предлагает ослабить условия — например, убрать ограничение по цене. Такой сценарий мы закладываем заранее, а не оставляем на усмотрение модели.

Типичные ошибки при внедрении

Чаще всего умный поиск не срабатывает не из-за технологии, а из-за подхода. Вот типичные ошибки, и все они дешевле предупредить, чем исправлять после запуска.

Ошибка К чему приводит Как избежать
Начинают с ИИ-подборщика Модель разбирает запрос, а в каталоге нет свойств для фильтров Сначала словари, опечатки и заполненные характеристики
Не смотрят запросы без результата Настраивают поиск «вслепую» Разобрать топ запросов с пустой выдачей до работ
Не проверяют скорость подсказок Покупатель не дожидается и уходит Замерить время ответа на телефоне и в пике нагрузки
Нет сценария «ничего не найдено» Пустая страница вместо следующего шага Предложить ослабить фильтры и показать похожие разделы

Отдельно про данные. Умный поиск работает ровно настолько, насколько аккуратен каталог: одинаково названные свойства, артикулы в едином формате, бренды без дублей. Если в одной карточке бренд записан латиницей, а в другой кириллицей, фильтр по бренду разорвёт товары на 2 списка, и никакая модель этого не исправит.

Ещё один практический вопрос — где живёт поиск. Если витрина работает на отдельном фронтенде поверх Битрикса, как у ЕЦНК, поиск и подсказки не привязаны к шаблонам платформы: данные магазин отдаёт через API, а поиск и подсказки стоят отдельным слоем.

Что это даёт бизнесу и как мерить

Польза умного поиска измеряется просто: меньше покупателей уходят с пустой страницы, больше доходят до карточки и корзины. Поиск — одна из самых коротких дорог к покупке, потому что человек уже сказал, что ему нужно. Ошибки в этом месте стоят дороже, чем в любом баннере.

Измерять результат нужно до внедрения, иначе сравнивать будет не с чем. Мы советуем снять показатели 3 групп (пустые выдачи, клики из поиска, конверсия) и вернуться к ним через месяц после запуска каждого уровня.

Что измерить до внедрения

Первый список запросов без результата почти всегда полезен сам по себе, ещё до любых доработок поиска. Часть из них закрывается словарём синонимов, часть показывает, чего покупателям не хватает в ассортименте. Это работа не ИИ, а аналитики, и делать её стоит в любом случае: так вы увидите реальные слова покупателей.

Умный поиск и подборщик — часть нашей работы по внедрению ИИ, а сам магазин и его каталог — это разработка интернет-магазинов. Если вы пока не знаете, с чего начать внедрение ИИ вообще, посмотрите статью о том, с чего начать внедрение ИИ в компании.

Частые вопросы

Чем умный поиск отличается от стандартного поиска Битрикса?

Штатный поиск Битрикса из коробки слабо справляется с опечатками и синонимами. Умный исправляет опечатки и раскладку, учитывает морфологию и словарь синонимов магазина, подсказывает варианты и предлагает фильтры.

Нужна ли нейросеть, чтобы поиск стал умным?

Нет. Первые уровни — опечатки, раскладка, морфология, синонимы, подсказки и фильтры — настраиваются без нейросетей. ИИ нужен только для запросов «своими словами».

Может ли ИИ-подборщик посоветовать товар, которого нет в каталоге?

Нет, если он построен как разбор запроса в фильтры. Модель определяет признаки, а список товаров формирует каталог, поэтому показываются только существующие позиции.

С чего начать, если каталог большой?

С отчёта по запросам без результата. По нему видно, что закроют опечатки и синонимы, а где нужны подсказки и фильтры. Подборщик подключаем последним.