Как SearchBooster помог Laplanger повысить CTR выдачи до 58,8%

Достигнутые результаты

+74%

Клики по товарам

+89%

Обращений к автодополнению

Исходная ситуация

До начала работы SearchBooster.io поиск на сайте уже использовался покупателями, однако перед началом сезона его возможности требовали дальнейшей настройки.

В ходе работы мы выделили несколько основных сценариев, которые необходимо было учитывать:

1. Поиск конкретной модели по названию

Для Laplanger характерен спрос на конкретные модели одежды. Пользователь может уже знать, какую именно вещь хочет найти, и вводить только её название — например, «Торнадо», «Суоми», «Эстери» или «Аманда».

В таком сценарии покупателю не нужны общие результаты по категории «пуховики» или «куртки». Его задача намного проще — как можно быстрее найти конкретную модель и перейти к её карточке.

Поэтому поиску важно корректно распознавать названия моделей и выводить соответствующий товар на релевантной позиции. Если нужная модель оказывается далеко в выдаче или не находится из-за особенностей запроса, пользователю приходится самостоятельно просматривать каталог и тратить больше времени на поиск.

2. Неполные запросы

Другой распространённый сценарий — пользователь помнит название не полностью. Например, человек знает только начало названия модели или начинает вводить несколько первых букв, рассчитывая, что система сама предложит подходящий вариант.

В этом случае особенно важна работа автодополнения. Пользователь не должен каждый раз вспоминать точное название товара и вводить его целиком. Достаточно начать набор, после чего система может предложить подходящие модели. Такой сценарий сокращает количество действий, вместо полного ввода запроса и перехода на страницу результатов пользователь сразу выбирает нужный товар из подсказки.

3. Разные варианты написания

Название товара в каталоге и запрос пользователя не всегда выглядят одинаково. Покупатель может использовать другой вариант написания, допустить небольшую опечатку или написать часть запроса иначе, чем он указан в карточке товара.

Для поиска это означает, что простого точного совпадения недостаточно. Система должна уметь сопоставлять пользовательский запрос с соответствующим товаром даже тогда, когда формулировка немного отличается от названия в каталоге.

Это особенно важно для названий моделей, которые покупатель может помнить по звучанию, но не обязательно вводить абсолютно точно.

4. Поиск должен помогать уже во время ввода

Отдельное внимание поэтому требовалось уделить автодополнению.

Для Laplanger это особенно важно, поскольку многие пользователи ищут конкретные модели. Если нужный товар можно показать уже после нескольких введённых символов, покупателю не приходится полностью формулировать запрос.

Например, пользователь начинает вводить название модели и сразу получает соответствующую товарную подсказку. Он может выбрать её и перейти непосредственно к карточке товара.

Что мы сделали

Команда SearchBooster провела настройку поискового виджета с учётом особенностей каталога Laplanger и поведения его пользователей.

1. Адаптировали поиск под каталог Laplanger

Мы подключили поисковый виджет SearchBooster к каталогу и настроили обработку запросов с учётом названий моделей, характеристик и различных вариантов пользовательского ввода.

Особое внимание уделили моделям, которые покупатели ищут непосредственно по названию.

Например, при запросах вроде:

• «торнадо»;

• «суоми»;

• «эстери»;

• «аманда»;

• «бьёрн»

пользователь может сразу перейти к соответствующей модели, вместо того чтобы искать её среди всех товаров каталога.

Также поиск учитывает неполные и составные запросы. Это позволяет работать с ситуациями, когда пользователь помнит только часть названия или использует несколько характеристик одновременно.

В результате поиск стал лучше соответствовать реальному сценарию поведения покупателя,Н человек может сформулировать запрос привычным для себя способом, а система помогает сопоставить его с товарами каталога.

Рис. 1. Поиск по названию модели

Рис. 2. Составной запрос

2. Настроили интеллектуальное автодополнение

Вторым важным направлением стала настройка автодополнения. Теперь во время ввода пользователь может сразу увидеть подходящие товарные варианты и перейти к нужной модели ещё до открытия полноценной поисковой выдачи.

Например, если покупатель начинает вводить название модели, ему не обязательно дописывать его полностью. Подходящий товар может появиться среди подсказок, после чего пользователь сразу переходит на карточку.

Для Laplanger этот сценарий особенно важен, поскольку значительная часть запросов связана именно с конкретными моделями. Кроме того, автодополнение помогает пользователю в ситуации, когда он не уверен в точном написании. Вместо того чтобы несколько раз изменять запрос, он может начать вводить слово и выбрать подходящий вариант из предложенных результатов.

Таким образом, автодополнение стало не просто технической функцией, а отдельным инструментом навигации по каталогу.

Рис. 3. Автодополнение

3. Улучшили ранжирование результатов

Мы также настроили ранжирование поисковой выдачи.

Задача ранжирования — не просто найти товары, которые соответствуют словам запроса, но и определить, какие из найденных позиций должны быть показаны пользователю в первую очередь.

При этом можно учитывать поведение пользователей и востребованность отдельных моделей.

Такой подход особенно полезен для сезонного каталога. По мере изменения спроса популярные товары и модели получают больше внимания, а поиск может адаптироваться к реальному поведению аудитории.

Результаты в цифрах

Чтобы оценить динамику работы поиска, мы сравнили ключевые показатели за июнь и июль 2026 года. Смотрели не только на объём поискового трафика, но и на то, насколько активно пользователи взаимодействуют с результатами: переходят к товарам, используют автодополнение и кликают по подсказкам.

Поиск стали использовать чаще.

Количество поисковых запросов выросло с 217 до 313 — на 44%.

При этом число пользователей поиска увеличилось с 66 до 88, а количество поисковых сессий — со 140 до 226, то есть на 61%.

Таким образом, рост произошёл сразу по нескольким показателям. Поиск стали использовать не только больше пользователей, но и чаще внутри отдельных сессий. Для Laplanger это особенно важно в преддверии осенне-зимнего сезона, когда количество покупателей и поисковых запросов к каталогу традиционно увеличивается.

Кликов по товарам стало на 74% больше.

Количество всех кликов по товарам выросло со 187 до 326.

При этом поисковые запросы выросли только на 44%, а клики — на 74%. То есть пользователи стали не просто чаще пользоваться поиском, но и активнее взаимодействовать с товарами, которые он предлагает. Количество пользователей, кликнувших хотя бы по одному товару, увеличилось с 45 до 81 человека — на 80%.

Это показывает, что изменения затронули не только отдельных наиболее активных пользователей поиска, но и более широкую аудиторию.

Клики по товарам в выдаче выросли на 72%.

Если отдельно посмотреть на основную поисковую выдачу, количество кликов выросло со 107 до 184. Пользователь после ввода запроса стал чаще переходить к конкретному товару. Одновременно вырос CTR выдачи — с 49,3% до 58,8%. Таким образом, улучшение показателей связано не только с увеличением количества поисковых запросов. Сама выдача стала чаще приводить пользователя к взаимодействию с товаром.

Автодополнение стало использоваться почти в два раза чаще.

Количество обращений к автодополнению увеличилось с 1 345 до 2 536 — на 89%. Это один из наиболее заметных показателей динамики. Пользователи стали чаще взаимодействовать с поиском уже на этапе ввода запроса, ещё до перехода на страницу результатов.

При этом количество кликов по товарам непосредственно из подсказок выросло с 80 до 142 — на 78%. Получается, что товарные подсказки стали отдельным каналом перехода к продукции Laplanger. В июле на них пришлось 142 из 326 кликов по товарам.

Для каталога с большим количеством конкретных моделей это особенно полезно, так как покупателю не всегда нужно видеть всю поисковую выдачу — иногда достаточно нескольких букв, чтобы найти нужную вещь.

Почему получилось

Главным фактором результата стала адаптация поиска под конкретный каталог Laplanger и реальные сценарии поведения пользователей.

Вместо того чтобы ограничиваться базовым поиском по названиям товаров, мы работали сразу с несколькими элементам:

Поиск учитывает специфику названий моделей

У Laplanger значительная часть поискового спроса связана с конкретными моделями. Покупателю может быть не нужна категория целиком — он уже знает, что хочет найти определённую модель. Поэтому возможность быстро обработать запрос «Торнадо», «Суоми» или «Эстери» и показать соответствующий товар имеет большое значение.

Поиск помогает сократить путь от запроса до конкретной карточки и избавляет пользователя от необходимости самостоятельно просматривать каталог.

Автодополнение помогает ещё до страницы результатов

Отдельную роль сыграли товарные подсказки. Пользователь может начать вводить название модели и сразу получить подходящий вариант. В этом случае поиск фактически помогает сформулировать запрос за пользователя. Для интернет-магазина верхней одежды это особенно удобно, так как покупатель может не помнить точное название модели или не хотеть вводить его полностью, но нужный товар всё равно может появиться уже на первых этапах поиска.

Результаты выдачи стали чаще приводить к клику

Количество запросов выросло на 44%, но кликов по товарам стало на 74% больше. Одновременно CTR выдачи увеличился с 49,3% до 58,8%.

Это показывает, что рост активности пользователей сопровождался более активным взаимодействием с результатами. Поиск не просто получил больше обращений — пользователи стали чаще переходить от запроса к конкретному товару.

Возможности для дальнейшего роста

Развивать поисковый мерчандайзинг

Поиск можно использовать не только для навигации, но и для решения бизнес-задач.

Например, в выдаче можно дополнительно продвигать:

• новинки;

• сезонные модели;

• товары со скидками;

• отдельные коллекции;

• приоритетные модели.

Это позволит управлять тем, какие товары пользователь видит в первую очередь, не нарушая при этом релевантность выдачи.

Подключить рекомендательные виджеты

Следующим направлением развития может стать использование рекомендаций на карточках товаров.

Для Laplanger можно реализовать сценарии:

• «Похожие товары»;

• «С этим товаром смотрят»;

• «Другие модели»;

• рекомендации альтернативных вариантов. Например, если пользователь открыл одну модель пуховика, рекомендации могут предложить несколько похожих моделей, отличающихся цветом, фасоном или характеристиками.

Так поиск и рекомендации будут работать совместно: поиск помогает быстро найти нужное, а рекомендации — продолжить выбор.

Использовать генерацию видео для карточек

Для визуального продукта, такого как верхняя одежда, дополнительный видеоконтент может помочь лучше показать модели.

Генератор видео можно использовать для создания коротких роликов для карточек товаров, чтобы дополнить стандартные фотографии и показать изделие в движении.

Это может стать отдельным направлением для повышения вовлечённости пользователей после перехода из поиска на карточку товара.

У Normal достаточно специфичный ассортимент, пользователи часто приходят уже с конкретной моделью или представлением о том, что хотят найти. Поэтому для нас было важно, чтобы поиск корректно воспринимал названия товаров, разные варианты запросов и помогал быстро сориентироваться в каталоге. С SearchBooster поиск стал удобнее именно с точки зрения пользовательского сценария. Автодополнение подсказывает подходящие товары ещё в процессе ввода, а сам поиск лучше справляется с неточными и нестандартными запросами. Это особенно полезно, когда пользователь помнит только название модели или её часть. В результате поиск стал заметно более понятным и полезным инструментом внутри каталога. Мы также получили больше данных о поисковом поведении пользователей, которые можно использовать для дальнейшего развития каталога и улучшения клиентского опыта.