Как SearchBooster помог Askona снизить долю пустых результатов до 0,09%

Достигнутые результаты

x25

Поисковые запросы

-94%

Доля пустых результатов

+14%

Запросы через автодополнение

Исходная ситуация

По мере роста мобильного приложения встроенный поиск перестал полностью соответствовать ожиданиям пользователей. Покупатели искали товары по-разному: вводили названия категорий, брендов и конкретных моделей, использовали характеристики, допускали опечатки и могли писать запрос в другой раскладке. В результате часть запросов приводила к пустой или нерелевантной выдаче. Перед командой SearchBooster стояли несколько основных задач:

• снизить долю пустых результатов;

• сделать поиск более удобным для пользователей мобильного приложения;

• сократить время от ввода запроса до нужного товара;

• сделать поиск инструментом, который помогает пользователю быстрее перейти к покупке.

Особенно важной задачей стало решение проблемы с пустыми результатами. Если пользователь вводит запрос с опечаткой или использует другую формулировку, он всё равно должен получить релевантные товары, а не сообщение о том, что ничего не найдено.

Что мы сделали

Чтобы сделать поиск в мобильном приложении Askona более точным, быстрым и удобным, мы интегрировали SearchBooster и настроили несколько ключевых сценариев работы с каталогом.

В результате пользователь получил возможность быстрее находить нужные товары, даже если не знает их точного названия или допускает ошибку в запросе.

1. Подключили мгновенное автодополнение

Первым шагом сделали поиск более быстрым уже на этапе ввода запроса. Подсказки начинают появляться после первых трёх символов, поэтому пользователю не нужно полностью набирать название товара и только потом переходить к результатам поиска.

Например, если пользователь начинает вводить название нужного товара, система сразу предлагает подходящие варианты. Если нужный товар уже появился в подсказках, достаточно выбрать его — переход к карточке происходит без дополнительных действий. Такой сценарий особенно удобен в мобильном приложении, где длинный ввод запроса занимает больше времени и требует дополнительных действий от пользователя.

В результате поиск стал работать не только как инструмент для получения готовой выдачи, но и как навигатор по каталогу: пользователь начинает вводить запрос и практически сразу получает варианты, которые могут его заинтересовать.

Рис. 1. Автодополнение

2. Настроили нечёткий поиск и обработку ошибок

Отдельно проработали ситуации, когда пользователь знает, что хочет найти, но вводит запрос не совсем корректно. В реальном поиске это происходит постоянно: человек может допустить опечатку, использовать другую форму слова, написать название бренда иначе или случайно оставить неправильную раскладку клавиатуры.

Поэтому поиск научили учитывать разные варианты написания запроса и находить нужные товары даже тогда, когда введённый текст не полностью совпадает с данными в каталоге.

Система учитывает:

• опечатки и небольшие ошибки в написании;

• разные грамматические формы слов;

• различные варианты написания брендов;

• неверную раскладку клавиатуры.

Например, если пользователь вводит название бренда с ошибкой или использует не ту раскладку, поиск не останавливается на буквальном совпадении, а пытается понять, какой товар или бренд имелся в виду.

Нечёткий поиск позволяет не терять таких пользователей и сокращает количество ситуаций, когда нужный товар есть в ассортименте, но из-за особенностей запроса пользователь получает пустую выдачу.

Рис. 2. Опечатки

3. Добавили поиск по характеристикам товаров

Ещё одна важная задача — научить поиск понимать не только название товара, но и его характеристики. Покупатель далеко не всегда ищет конкретную модель. Часто он сразу описывает, какой товар ему нужен: указывает размер, тип, материал или несколько параметров одновременно.

Поэтому пользователь может сформулировать запрос привычным для себя способом — например, «матрас 160 на 200 ортопедический». Вместо того чтобы сначала открыть категорию «Матрасы», а затем отдельно выставлять размер и другие фильтры, он сразу получает подборку товаров, соответствующих запросу.

Для каталога Askona мы настроили работу с основными характеристиками товаров: цветом, размером, наполнителем, типом, глубиной, высотой, шириной и материалом.

Такой подход делает поиск более естественным, так как пользователю не приходится подстраиваться под структуру каталога или точно знать, где находится нужный фильтр. Он может просто описать свой запрос словами, а система учитывает указанные параметры при формировании выдачи.

В результате поиск становится удобнее именно в тех сценариях, где покупатель приходит не за конкретным товаром, а с определёнными требованиями к нему.

Рис. 3. Поиск по характеристике товара

Результаты в цифрах

После настройки SearchBooster поиск на сайте стал быстрее реагировать на запросы пользователей и помогать им находить нужные товары ещё на этапе ввода. Полученные результаты показывают, что поиск стал более удобным инструментом навигации по каталогу и помогает пользователям быстрее переходить к интересующим товарам.

Поиск стали использовать значительно чаще

Одним из самых заметных результатов стало существенное увеличение количества поисковых запросов. В январе 2026 года пользователи совершили 443 537 поисковых запросов, а уже в апреле — 3 240 336. Таким образом, объём поиска вырос в 7,3 раза.

Такой рост показывает, что поиск перестал быть второстепенным инструментом и стал одним из основных способов навигации по каталогу. Пользователи всё чаще предпочитают не просматривать категории и десятки страниц товаров вручную, а сразу формулировать свою потребность через поисковую строку.

Для бизнеса это означает, что всё больше пользовательского спроса проходит через поисковую систему. Следовательно, качество поиска напрямую влияет на то, какие товары увидит покупатель и насколько быстро он сможет перейти к подходящей позиции.

Практически исчезли пустые результаты

Одновременно с ростом количества запросов значительно улучшилось качество поисковой выдачи. Количество запросов, по которым пользователь не получил ни одного результата, сократилось с 6 795 в январе до 3 018 в апреле. Ещё более показательна динамика доли пустых результатов: она снизилась с 1,53% до 0,09%. То есть вероятность столкнуться с пустой выдачей уменьшилась примерно в 17 раз.

Это особенно важно для интернет-магазина с большим и постоянно меняющимся ассортиментом. Пользователь может ошибиться при вводе, использовать разговорное название товара, другую форму слова или сформулировать запрос не так, как он записан в каталоге. Если поиск понимает только точное совпадение, такая ситуация легко заканчивается страницей «Ничего не найдено».

Автодополнение стало основным сценарием поиска

Заметно изменилось и поведение пользователей непосредственно во время ввода запроса. Доля поисковых запросов, которые пользователи начинают через автодополнение, выросла с 74% до 84%.

За счёт этого меняется сама логика поиска. Пользователь не столько «пишет запрос и ждёт результата», сколько получает помощь в формулировке запроса непосредственно во время ввода. Для Askona это особенно важно при большом ассортименте, так как чем быстрее покупатель может перейти от нескольких введённых символов к нужному товару или категории, тем короче становится путь до покупки.

Почему получилось

Ключевым фактором успеха стало не использование одного отдельного инструмента, а комплексное улучшение поиска на всех этапах взаимодействия пользователя с каталогом.

1. Автодополнение сократило путь до товара

Раньше пользователю нужно было самостоятельно полностью сформулировать запрос, отправить его и только после этого перейти к результатам поиска. Это создавало дополнительный шаг между намерением пользователя и нужным товаром.

После подключения мгновенного автодополнения подсказки начинают появляться уже после ввода первых символов. Пользователь сразу видит подходящие варианты — конкретные товары, категории, бренды и популярные запросы — и может выбрать нужный вариант ещё до перехода на страницу поисковой выдачи.

Таким образом, поиск стал работать не только как инструмент для обработки готового запроса, но и как помощник в его формулировке. Чем быстрее пользователь находит нужный вариант, тем меньше действий ему требуется совершить до перехода к товару.

2. Нечёткий поиск закрыл проблему опечаток и разных формулировок

Одной из основных проблем классического поиска становятся ошибки при вводе. Пользователь может пропустить букву, переставить символы, использовать другую форму слова или написать запрос не совсем так, как он представлен в каталоге.

Раньше подобные ситуации могли приводить к нерелевантной или полностью пустой выдаче. В результате пользователь мог решить, что нужного товара нет, хотя подходящая позиция фактически присутствовала в каталоге.

Нечёткий поиск позволяет учитывать подобные варианты написания и сопоставлять запрос пользователя с товарами даже при неточностях. Система анализирует не только точное совпадение слов, но и близость запроса к названиям и характеристикам товаров.

3. Поиск по характеристикам сделал сложные запросы удобнее

Покупатели не всегда ищут товар только по его названию. Часто в одном запросе они сразу указывают несколько важных параметров: тип товара, размер, материал, назначение или другие характеристики. Например, пользователь может сразу указать тип и размер матраса, вместо того чтобы сначала найти категорию, затем открыть фильтры и последовательно выбирать нужные параметры.

Поиск научился учитывать такие сложные запросы и связывать отдельные характеристики с товарами в каталоге. В результате пользователь может сформулировать запрос привычным для себя способом и сразу получить более релевантную выдачу.

Это сокращает количество промежуточных действий и делает поиск особенно удобным для пользователей, которые уже понимают, какой именно товар им нужен.

Возможности для дальнейшего роста

После улучшения базового поиска у Askona остаются дополнительные возможности для развития поискового сценария. Следующий этап — не просто помогать пользователю быстрее находить нужный товар, а сопровождать его на следующих этапах выбора и дополнительно работать с конверсией и средним чеком.

1. Рекомендательные виджеты

Следующим шагом может стать подключение персональных рекомендаций непосредственно в поисковом сценарии. Например, блоки «Похожие товары», «С этим покупают», «Вам также может понравиться» или «Другие товары из этой категории».

Такие рекомендации позволяют не завершать взаимодействие с пользователем после того, как он нашёл первый подходящий товар. Если покупатель открыл определённую модель матраса, ему можно сразу предложить альтернативные варианты с похожими характеристиками или товары, которые дополняют покупку.

Например, вместе с матрасом можно рекомендовать основание, подушку, защитный чехол или другие товары для спальни. При этом рекомендации могут учитывать характеристики просмотренного товара и поведение самого пользователя.

В результате поиск становится не только точкой входа в каталог, но и инструментом для дальнейшего сопровождения пользователя по ассортименту.

2. Creative Booster

Ещё одно направление развития — улучшение визуального и текстового представления товаров с помощью Creative Booster.

Для большого каталога важно не только показать пользователю правильный товар, но и сделать его привлекательным и понятным с первого взгляда. Качественные изображения, понятные описания и единообразная подача помогают быстрее оценить товар и принять решение о покупке.

С помощью Creative Booster можно масштабировать создание и улучшение контента для товарных карточек: генерировать или адаптировать изображения, улучшать визуальную подачу и работать с описаниями товаров.

Для нас было важно сделать поиск в приложении действительно удобным для пользователя, особенно с учётом большого ассортимента Askona. После подключения SearchBooster мы увидели заметные изменения, наш поиск стал лучше понимать запросы с опечатками, разные формулировки и характеристики товаров, а автодополнение помогает быстрее находить нужные позиции. Мы видим, что поиск стал полноценным инструментом навигации по каталогу и помогает пользователям быстрее находить подходящие товары. Для нас это важный результат, который напрямую влияет на качество пользовательского опыта

Askona — отличный пример того, как правильно настроенный поиск становится важной частью пользовательского опыта в мобильном приложении. Мы проработали основные сценарии: от автодополнения и обработки ошибок до поиска по характеристикам и ранжирования товаров с учётом наличия. Особенно показательная динамика — рост поисковых запросов с 443 тысяч до 3,2 млн при одновременном снижении доли пустых результатов с 1,53% до 0,09%. Это показывает, что поиск смог масштабироваться вместе с нагрузкой и при этом сохранить качество выдачи. Для пользователя всё происходит максимально просто, он вводит запрос, система понимает его даже при неточностях и быстро показывает подходящие товары. Именно такой сценарий и должен быть у современного e-commerce-поиска