Product Radar
Привет, Радар! Меня зовут Виталий Ягодкин. Уже больше пяти лет я руковожу агентством заказной разработки. Мы делаем интерфейсы, много работаем с e-com.
За несколько лет на рынке мы поработали с десятками интернет-магазинов: от моды до техники и сложных B2B-направлений. И почти в каждом проекте натыкались на одно и то же: поиск есть, фильтры работают, каталог структурирован — но пользователю всё равно сложно принять решение о покупке. Уже недостаточно просто «показать клиенту товары», ему нужно помочь сориентироваться и выбрать.
Поменялось поведение людей: пользователи привыкли к персонализированному опыту и всё чаще взаимодействуют с цифровыми продуктами через ИИ-ассистентов. От интерфейсов теперь ждут не выдачу результатов, а помощи в принятии решений — чтобы сервис учитывал контекст и ощущался живым, а не равнодушным.
В этой статье расскажу, как это наблюдение привело нас к собственному продукту Реком — умному поиску с ИИ для интернет-магазинов.
Мы на Product Radar:
Умный поиск с ИИ для интернет-магазинов
Почему классический поиск перестаёт справляться
Если смотреть на поведение пользователей в интернет-магазинах, можно заметить, что люди взаимодействуют с поиском совсем не так, как предполагалось. Они не вводят точные формулировки, не знают названий товаров и не всегда готовы разбираться в фильтрах. Сам процесс фильтрации часто требует слишком много усилий: нужно понимать характеристики, сравнивать параметры, держать в голове несколько вариантов.
Чаще всего пользователь приходит не с запросом, а с конкретной задачей, например:
- подобрать подарок;
- сравнить несколько вариантов в одном ценовом сегменте;
- найти что-то «под себя» без четкого понимания, что именно нужно;
- найти альтернативу в другом бюджете.
И эти задачи редко можно решить одним поисковым запросом.
В результате пользователь начинает навигацию «вслепую»: открывает несколько карточек, возвращается назад, теряется в ассортименте и уходит. С точки зрения функционала магазина всё работает корректно — но пользователю в момент выбора не хватает поддержки. Классическая модель «ввёл запрос — получил список» даёт сбой именно потому, что пользователь на самом деле не ищет: он пытается разобраться и принять решение.
Это не только наше наблюдение: по прогнозу Gartner, к 2026 году объём запросов в классических поисковиках сократится на 25% — люди всё чаще не ищут, а спрашивают. McKinsey при этом фиксирует: компании, которые помогают пользователю с выбором через персонализацию, увеличивают выручку на 10–15% относительно тех, кто этого не делает.
Как появилась идея Реком
Однажды к нам пришёл клиент, магазин авторских стикеров, с задачей — сделать поиск умнее, чтобы искалось не по названию, а по описанию. Хотелось, чтобы пользователь мог написать: «Что-то смешное про кота» — и получить в выдаче именно то, что имел в виду.
Мы начали разбираться и поняли, что это не частный запрос одного клиента, а системная проблема. Раньше мы её решали вручную в каждом проекте: каждый раз заново продумывали логику рекомендаций, собирали подборки, пытались предугадать, что нужно пользователю прямо сейчас.
Постепенно стало понятно, что это системная потребность, которую можно и нужно решать на уровне продукта. Так появился Реком — умный поиск с ИИ для интернет-магазинов.
На разработку ушло четыре месяца. Команда была небольшая — разработчик, продакт и дизайнер. Первую версию сделали с обычной выдачей, как в стандартном поиске, но быстро поняли, что это не работает так, как хотелось. Пересобрали, чтобы Реком открывался в отдельном окне — взаимодействие стало более сфокусированным и не уводило пользователя от контекста страницы.
Как устроен Реком
Пользователь пишет запрос так, как ему удобно, например::
- «ищу подарок до 7 тыс»
- «подбери белую футболку до 5 тыс»
- «нужно что-то похожее, но дешевле»
В ответ он получает не просто список товаров, а более осмысленную выдачу с учётом контекста, задачи и возможных альтернатив.
Реком переводит взаимодействие с поиском из режима «ввёл запрос — получил список» в формат диалога, где система помогает разобраться и подобрать подходящий вариант.
Реком встраивается в сайт как альтернатива привычному поиску. Каталог остаётся — пользователь может скроллить его как раньше, но теперь у него есть инструмент, который сокращает путь до нужного товара. Дальше логика строится вокруг диалога. Сервис понимает естественный язык, уточняет параметры, предлагает альтернативы и дополняющие товары, учитывает контекст: где находится пользователь и что он уже просмотрел.
Пользователь может сформулировать запрос, как ему удобно, а система интерпретирует его и помогает двигаться дальше по выбору.
Реком не требует сложной интеграции и может быть подключен к любому интернет-магазину, независимо от платформы. С технической стороны всё просто: достаточно добавить код на сайт и загрузить товарный фид. После этого система начинает работать и постепенно адаптируется под структуру каталога и сценарии пользователей.
Отдельно мы создали личный кабинет для бизнеса. В нем можно настраивать поведение поиска, управлять логикой рекомендаций, кастомизировать внешний вид и сценарии взаимодействия. Также в личном кабинете доступна аналитика. Она показывает, как именно Реком влияет на продажи. Можно увидеть, сколько заказов через поиск, какую выручку он приносит, сколько товаров добавляется в корзину и какие сценарии работают лучше всего.
Сейчас мы также работаем над векторным поиском и поиском по фото — скоро будет доступно для клиентов.
Где сервис особенно полезен
Реком помогает компаниям повышать конверсию и средний чек: рекомендации работают как живой консультант, а не просто выдают список товаров. Он лучше всего работает в сферах, где у пользователя высокий уровень неопределённости:
- фэшн — важно учитывать размер, посадку, стиль и сочетания;
- техника и электроника — пользователь сталкивается со сложными характеристиками и не всегда понимает, что для него действительно важно;
- товары для красоты и здоровья — выбор зависит от типа кожи, задач, состава и личных предпочтений;
- мебель и товары для дома — нужно учитывать контекст пространства, стиль и сочетание с другими элементами;
- подарки — пользователь часто не знает, что именно ищет, и нуждается в идеях.
Во всех этих категориях пользователь сомневается, сравнивает и откладывает решение — или уходит, так ничего и не выбрав. Реком снижает сложность выбора и помогает дойти до покупки быстрее. Чем сложнее выбор, тем заметнее эффект.
Реком работает как дополнительный слой продаж внутри сайта.
Чем Реком отличается от текущих решений
На рынке давно есть поиск и рекомендательные системы — но чаще всего они работают как набор отдельных инструментов: фильтры, правила, скрипты, блоки «похожие товары». Такие решения помогают сузить выбор, но не помогают в нём разобраться. Они не учитывают контекст, не ведут диалог и не подстраиваются под ситуацию конкретного человека.
Реком соединяет поиск, рекомендации и логику консультанта в одном интерфейсе — пользователь не просто получает выдачу, а постепенно приходит к решению. Если сайт не поддерживает такой формат, пользователь уходит туда, где процесс проще и привычнее.
Зачем мы пришли на Радар
Мы ищем первых партнёров среди владельцев интернет-магазинов. Готовы бесплатно помочь с внедрением — в обмен на честную обратную связь от рынка. Нам важно понять, как Реком работает на реальных задачах, и познакомиться с людьми, которые тоже строят продукты.
Если у вас интернет-магазин и вам интересно попробовать — напишите, пообщаемся.
Будем рады поддержке лайком и комментом на Product Radar:
Умный поиск с ИИ для интернет-магазинов
⭐️ Эту статью написал «Друг Радара». Вы можете добавить свою статью или обсудить ее идею с нами в боте. Мы поможем на всех этапах подготовки и публикации статьи, а также разметим ее в сторисах нашего Telegram-канала @productradar_official. Редакция Блогов Product Radar бережно сохранила авторский стиль, орфографию и пунктуацию.
Привет! Я – сооснователь Реком+. Если вы работаете в екоме или у вас есть интернет-магазин, будем рады показать вам как работает наш продукт.
Сейчас мы внедряем новые фичи, например: поиск по фото и рекомендации от ИИ.
Тем кто придет с Product Radar – дадим демо-период на 14 дней.
Ну и в целом будем рады обратной связи и любой коллаборации))