Как SearchBooster помог normal.ru увеличить CTR выдачи до 88,8 %

Достигнутые результаты

×4,1

Клики по товарам

×5,1

Уникальные пользователи поиска

Исходная ситуация

На старте перед командой SearchBooster.io стояла задача адаптировать его под специфику каталога и реальные сценарии поведения покупателей.

Главная особенность заключалась в том, что значительная часть запросов связана не с общими категориями, а с конкретными названиями моделей.

Например, пользователь может искать:

• «зеро»;

• «зеро 2»;

• «зеро 2 si/pu»;

При этом один и тот же товар пользователь может назвать немного по-разному. Он может написать только название модели, добавить номер версии, указать тип или характеристику либо объединить название товара с его назначением.

Для поиска это означает, что простой проверки точного совпадения недостаточно. Нужно понимать связь между разными частями запроса и находить нужную позицию даже тогда, когда формулировка пользователя отличается от названия товара в каталоге.

Дополнительную сложность создают варианты написания. Пользователь может не помнить точное название модели, допустить опечатку или написать только часть слова. В некоторых случаях используются разные раскладки или смешанные варианты написания.

Если поиск работает только по точному совпадению, даже небольшое отличие в запросе может привести к тому, что нужный товар окажется ниже в выдаче или пользователь вообще не получит подходящего результата.

Ещё один важный сценарий — запросы, в которых пользователь одновременно указывает модель и дополнительную информацию. Например:

• «палатка ладога 3»;

• «зеро 2 si/pu»;

• «футпринт для зеро».

Такие запросы содержат сразу несколько смысловых частей. Пользователь сообщает поиску не только название, но и тип товара, версию или назначение.

Поэтому поиск должен учитывать весь запрос целиком и понимать, какая часть информации является основной, а какая помогает уточнить нужную позицию.

Что мы сделали

Команда SearchBooster провела комплексную настройку поиска с учётом структуры каталога Normal и того, как пользователи ищут туристическое снаряжение.

1. Адаптировали поиск под реальные запросы покупателей

В первую очередь мы настроили поиск так, чтобы он корректно работал с названиями моделей и их вариантами. Поиск работает со всеми товарными позициями каталога. Пользователь может вводить название модели полностью или использовать составной запрос с дополнительными характеристиками.

Например, запрос «зеро 2» должен вести к конкретной модели, а запрос «футпринт для зеро» — уже к соответствующему аксессуару.

Таким образом, поиск учитывает не только наличие отдельных слов в названии товара, но и смысловую структуру запроса.

Особое внимание уделили моделям, которые имеют несколько вариантов или модификаций. Пользователю не нужно заранее знать точное техническое название позиции — поиск помогает сопоставить его формулировку с товарами каталога.

Рис. 1. Поиск по названию модели

2. Настроили интеллектуальное автодополнение

Следующим этапом стало развитие автодополнения.

Теперь поиск начинает помогать пользователю ещё в процессе ввода. Когда человек начинает набирать название модели, система предлагает подходящие варианты товаров и запросов. Например, при вводе «зеро» пользователь может увидеть связанные позиции, включая «Зеро 2» и аксессуары для этой модели.

Это сокращает количество действий между началом поиска и переходом к товару. Пользователю не обязательно помнить точное название или полностью формулировать запрос. Автодополнение также помогает пользователю ориентироваться в ассортименте. Если он знает только начало названия, подсказки позволяют быстро понять, какие варианты представлены в каталоге. Для Normal это особенно важно, поскольку многие модели имеют собственные названия, которые пользователь может помнить не полностью.

В результате автодополнение стало не просто техническим элементом поисковой строки, а самостоятельным способом навигации по каталогу.

Рис. 2. Интеллектуальное автодополнение

3. Настроили поведенческое ранжирование

Отдельно мы настроили ранжирование результатов с учётом поведения пользователей. Система анализирует взаимодействия с товарами и позволяет более востребованным моделям подниматься выше в результатах поиска.

Это особенно полезно для Normal, где популярность конкретных моделей может меняться в зависимости от сезона, спроса и интереса аудитории. Например, если определённую модель пользователи регулярно выбирают после поиска, система получает дополнительный сигнал о её востребованности.

В результате клиенту не приходится постоянно вручную прописывать правила для каждой модели. Поиск постепенно адаптируется к реальному поведению пользователей.

Результаты в цифрах

Чтобы оценить эффект от работы, мы сравнили показатели поиска в марте 2026 года, когда проект находился на старте, и в июле — спустя пять месяцев.

Поиск стали использовать значительно чаще.

За пять месяцев количество поисковых запросов выросло с 214 до 635 . Ещё заметнее изменилась аудитория поиска. Количество уникальных пользователей увеличилось с 45 до 228.

Это показывает, что поиск стал использоваться значительно более широкой аудиторией сайта. Если на старте к нему обращалась относительно небольшая группа пользователей, то к июлю поиск стал заметным инструментом навигации по каталогу.

При этом рост количества пользователей сопровождается ростом поисковых сессий — со 163 до 475. Пользователи не только чаще начинают поиск, но и совершают больше поисковых взаимодействий.

Для Normal это особенно важно: при каталоге из 344 позиций поиск позволяет пользователю быстро перейти непосредственно к нужной модели, не проходя весь путь через категории.

Количество кликов по товарам выросло с 232 до 959.

При этом клики по товарам непосредственно в поисковой выдаче выросли с 147 до 564, а клики по товарам в подсказках — с 85 до 395.

Получается, рост произошёл сразу в двух ключевых точках взаимодействия с поиском.

Пользователи стали чаще переходить к товарам после отправки запроса, но ещё активнее стали использовать подсказки и выбирать товар непосредственно во время ввода. Это особенно хорошо соответствует сценарию Normal, так как покупатель часто знает конкретную модель и хочет максимально быстро попасть к ней.

Количество кликов в подсказках выросло.

Количество кликов по товарам в подсказках увеличилось с 85 до 395.

В июле на клики по товарам из подсказок пришлось 395 из 959 всех кликов по товарам — около 41%. Это показывает, что значительная часть пользователей получает нужный результат ещё до перехода на полноценную страницу поисковой выдачи.

Для пользователя это означает более короткий путь: начать вводить название модели, увидеть подходящий вариант и сразу открыть товар.

CTR выдачи вырос с 68,7% до 88,8%.

CTR выдачи увеличился на 20,1 процентного пункта. При этом количество запросов выросло почти в три раза, а клики по товарам росли ещё быстрее.

Это говорит о том, что пользователи стали чаще взаимодействовать с результатами поиска после ввода запроса.

Автодополнение стало использоваться значительно активнее.

Количество обращений к автодополнению выросло с 1 681 до 5 354 — на 219%.

Это означает, что пользователи всё чаще взаимодействуют с поиском ещё до формирования окончательного запроса. Для Normal такой сценарий особенно важен: если человек помнит название модели только частично, ему не нужно угадывать точное написание. Достаточно начать вводить запрос и посмотреть подходящие варианты.

Рост количества кликов по товарам в подсказках одновременно показывает, что пользователи не просто видят подсказки, а активно используют их для перехода к товарам.

Почему получилось

Результат проекта связан не с одной отдельной настройкой, а с комплексной адаптацией поиска под особенности каталога Normal. Ключевой задачей было сделать поиск максимально близким к реальному языку покупателей и сократить путь от запроса до товара.

Поиск адаптировали под названия моделей

Для Normal название модели — один из главных способов идентификации товара. Пользователь может написать «Зеро», «Зеро 2», «Кондор 3» или «Ладога 3» и ожидать, что поиск сразу поймёт, о каком товаре идёт речь.

Мы адаптировали поиск именно под такие сценарии. Теперь он учитывает не только точное совпадение с названием товара, но и различные варианты запросов, неполные формулировки и дополнительные характеристики.

Это позволяет пользователю формулировать запрос привычным для себя способом и при этом получать релевантный результат. В результате, поиск становится не отдельным техническим элементом сайта, а способом быстро ориентироваться в ассортименте.

Автодополнение сократило путь до товара

Автодополнение стало активно использоваться пользователями как самостоятельный способ поиска товаров. Покупателю не обязательно сначала сформировать идеальный запрос. Он может начать вводить название модели, увидеть подходящие варианты и сразу выбрать нужный товар.

Особенно хорошо этот сценарий работает для Normal, поскольку названия моделей являются узнаваемыми, но не всегда очевидными для пользователя. Подсказки фактически помогают вспомнить нужное название и одновременно показывают, какие варианты представлены в каталоге.

Таким образом, автодополнение выполняет не только навигационную, но и ориентирующую функцию.

Нечёткий поиск помогает не терять пользователей из-за ошибок

В поиске по специализированному ассортименту важна не только скорость, но и устойчивость к ошибкам. Пользователь может не помнить точное написание модели, пропустить символ или ввести запрос немного иначе, чем он записан в каталоге.

Нечёткий поиск позволяет учитывать такие ситуации и искать не только точное совпадение, но и близкие варианты. Это снижает зависимость результата от того, насколько точно пользователь воспроизвёл название товара.

Для Normal это особенно важно из-за большого количества моделей с короткими и похожими названиями, а также модификаций отдельных товаров.

Возможности для дальнейшего роста

Рекомендательные виджеты

Следующим направлением развития может стать подключение Creative Booster и использование рекомендаций на карточках товаров, так как для Normal особенно логичны рекомендации, связанные с конкретной моделью.

Например, после просмотра палатки можно показать:

• подходящий футпринт;

• комплектующие;

• аксессуары;

• похожие модели;

• товары, которые интересуют покупателей вместе с этой палаткой.

Такой сценарий позволяет продолжить пользовательский путь после поиска. Если человек уже нашёл нужную модель, ему не нужно снова самостоятельно искать подходящие аксессуары. Система может предложить их непосредственно на странице товара.

Сезонный поисковый мерчандайзинг

Туристическое снаряжение имеет выраженную сезонность, поэтому следующим этапом может стать использование поискового мерчандайзинга.

В зависимости от сезона и текущих задач бизнеса в выдаче можно дополнительно продвигать:

• новинки;

• сезонные модели;

• акционные товары;

• приоритетные позиции;

• товары, которые необходимо дополнительно подсветить пользователям.

Это позволит объединить релевантность поиска с коммерческими задачами компании. При этом пользователь по-прежнему будет получать подходящие результаты, но внутри релевантной выдачи можно будет управлять приоритетом отдельных товаров.

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.

Normal — хороший пример проекта, где поиск напрямую связан с особенностями самого каталога. У бренда много товаров с узнаваемыми названиями моделей, поэтому пользователю важно быстро найти именно тот вариант, который он имеет в виду. Основная задача для нас была не просто подключить поиск, а научить его понимать специфику каталога. Отдельное внимание уделили автодополнению, чтобы пользователь мог увидеть подходящий товар ещё до перехода на страницу результатов. В результате поиск стал гораздо удобнее для пользователей, а команда Normal получила понятную аналитику по тому, что именно люди ищут и какие товары им интересны. Дальше мы видим возможности для развития в работе с пустыми запросами, рекомендациями и персонализацией. Это позволит использовать поиск не только как инструмент навигации по каталогу, но и как полноценный канал для увеличения вовлечённости и продаж.