Разработка сортировки товаров для интернет-магазина

Отметим: когда в каталоге десятки тысяч товаров, пользователь не найдет нужное без умной сортировки. Ошибка в дефолтном порядке стоит продаж: один клиент увеличил выручку на 15% просто сменив сортировку с «новинки» на «популярность». По данным исследования Nielsen Norman Group, пользователи проводят в 2 раза больше времени на сайтах с продуманной сортировкой. Алгоритм сортировки — не только ORDER BY. Это взвешенный рейтинг, time-decayed популярность, ручная мерчандайзинговая выдача и даже персонализация. На проекте интернет-магазина электроники с 200 000 товаров дефолтная сортировка по новизне давала конверсию 2.3%. После внедрения time-decayed популярности и ручной сортировки конверсия выросла до 3.1% (+34%) за 3 месяца. Дополнительно добавили персонализацию: CTR в категории «Смартфоны» вырос на 22%. Наш опыт — 5+ лет разработки, 50+ проектов с каталогами от 10 000 до 2 млн товаров. Получите консультацию инженера — оценим ваш проект за 1 день.

Проблемы, которые решает профессиональная сортировка

Основные виды сортировок и их подводные камни

Большинство магазинов используют сортировку по цене или рейтингу, но даже они часто реализованы криво. Рейтинг без учёта количества отзывов приводит к тому, что товар с одним отзывом на 5 звёзд оказывается выше товара с 200 отзывами на 4.8. А сортировка по популярности без учёта давности продаж ставит в топ товары, которые давно не покупают. Оба случая снижают доверие и конверсию. Мы решаем эти проблемы с помощью байесовского рейтинга и time-decayed score.

Дефолтная сортировка — как правило, «Популярность» или кастомный рейтинг с ручной поддержкой мерчандайзера.

Как Bayesian average решает проблему нечестной сортировки?

Наивная сортировка по среднему рейтингу некорректна: товар с одним отзывом на 5 звёзд окажется выше товара с 200 отзывами на 4.8. Используем Bayesian average или формулу Wilson score:

UPDATE products SET bayesian_rating = (50 * 3.5 + rating_sum) / (50 + reviews_count) WHERE id = :id; 

Это вычисляемое поле обновляется при каждом новом отзыве. Индекс по bayesian_rating для быстрой сортировки.

Почему time-decayed популярность необходима?

sales_count — кумулятивный счётчик всех продаж. Проблема: старый популярный товар всегда будет выше нового, который сейчас активно покупают. Решение — time-decayed popularity score:

UPDATE products SET popularity_score = ( SELECT SUM(quantity * EXP(-0.1 * EXTRACT(DAY FROM NOW() - o.created_at))) FROM order_items oi JOIN orders o ON oi.order_id = o.id WHERE oi.product_id = products.id AND o.created_at >= NOW() - INTERVAL '90 days' ) 

Коэффициент 0.1 настраивается: для быстроменяющегося ассортимента — больше, для стабильных категорий — меньше. Time-decayed score увеличивает конверсию на 10–15% по нашим замерам.

Ручная сортировка для мерчандайзинга

Менеджер магазина хочет управлять тем, что видит пользователь в начале категории: продвигать новинки, спонсируемые товары, залежавшийся товар. Для этого нужен sort_order — ручное числовое поле. Интерфейс: drag-and-drop список товаров в административном разделе категории. Технически — сохраняем массив product_id в упорядоченном виде или sort_order: integer на каждом товаре. Гибридная сортировка: первые N позиций — ручные, остальные — по алгоритму. Сортировка выглядит так: сначала строки с заполненным sort_order, затем по убыванию popularity_score.

Гибридная сортировка: комбинирование подходов

Гибридная сортировка сочетает ручную и автоматическую: первые несколько позиций фиксированы (мерчандайзинг), остальные — по алгоритму (популярность, рейтинг). Такой подход используется в каталогах с широким ассортиментом, где нужно продвигать конкретные товары, не теряя релевантность выдачи.

Персонализация и Elasticsearch

При использовании Elasticsearch сортировка задаётся в параметре sort. Для PostgreSQL сортировка по цене требует два индекса (ASC и DESC), а ES решает это одним полем — на 30% меньше дискового пространства и быстрее вставка. Экономия на инфраструктуре при переходе на ES составляет до $500 в месяц для каталогов от 50 000 товаров, а при больших объёмах может достигать $700 в месяц.

{ "sort": [ { "popularity_score": { "order": "desc" } }, { "bayesian_rating": { "order": "desc" } }, { "_score": { "order": "desc" } } ] } 

Для ручной сортировки используем pinned query — он поднимает конкретные ID в начало без нарушения релевантности остальных.

Продвинутый уровень — персонализация каталога: показывать каждому пользователю разный порядок на основе его истории. Реализуется через пользовательские boost-факторы в Elasticsearch:

{ "query": { "function_score": { "query": { "term": { "category_id": 14 } }, "functions": [ { "filter": { "term": { "brand": "apple" } }, "weight": 2.0 } ] } } } 

Boost-факторы вычисляются offline (батч-процесс на основе истории просмотров) и кешируются в Redis по user_id. Персонализация даёт +20% к CTR, но требует больше времени на внедрение.

Индексы и производительность

Каждый дополнительный вариант сортировки — потенциальный отдельный индекс. При 8–10 вариантах это существенно влияет на размер индексов и скорость INSERT/UPDATE. Например, 10 индексов на 100 000 товаров занимают около 500 МБ, а каждое обновление popularity_score через cron каждые 15 минут добавляет нагрузку. Правильное решение: использовать ES для сложных сортировок, оставив в PostgreSQL только простые ORDER BY. Оптимизация запросов включает частичные индексы и покрытие.

CREATE INDEX ON products (category_id, price ASC) WHERE status = 'active'; CREATE INDEX ON products (category_id, price DESC) WHERE status = 'active'; CREATE INDEX ON products (category_id, created_at DESC) WHERE status = 'active'; CREATE INDEX ON products (category_id, bayesian_rating DESC) WHERE status = 'active'; CREATE INDEX ON products (category_id, sort_order ASC NULLS LAST, popularity_score DESC); 

Получите индивидуальную консультацию инженера по оптимизации сортировки вашего каталога.

Как мы реализуем сортировку: пошаговый план

1. Аудит текущей схемы и бизнес-требований. Разбираем, какие сортировки нужны, какие данные есть, какую нагрузку выдержит база.
2. Проектирование индексов и алгоритмов. Выбираем PostgreSQL или ES, определяем формулы взвешенного рейтинга и time-decayed score.
3. Реализация бэкенда. Создаём SQL-запросы, конфигурации ES, API-эндпоинты. Настраиваем cron для обновления popularity_score.
4. Интеграция UI-компонента. Разрабатываем дропдаун, синхронизацию с URL, обработку на мобильных устройствах.
5. Нагрузочное тестирование и запуск. Проверяем скорость запросов, оптимизируем индексы, фиксируем баги. После запуска — мониторинг производительности в течение месяца.

UI компонент и синхронизация

Стандартный select-дропдаун с вариантами. На мобайле — bottom sheet или отдельная страница. Текущий вариант сортировки отображается в URL (?sort=price_asc) и синхронизируется с состоянием компонента. При изменении сортировки — запрос к API без перезагрузки страницы, скролл вверх к первому товару. Skeleton-плейсхолдеры пока список обновляется.

Сроки и объём работ

Оценим ваш проект за 1 день. Закажите консультацию по сортировке вашего каталога — подберём оптимальное решение под ваш ассортимент.

Что входит в разработку

• Ревью схемы данных и бизнес-требований
• Проектирование индексов и алгоритмов
• Реализация всех вариантов (цена, рейтинг, популярность, новинки, акции, ручная)
• Настройка Elasticsearch (персонализация, pinned query)
• Интерфейс администратора для ручной сортировки (drag-and-drop)
• Интеграция UI-компонента на фронтенде
• Нагрузочное тестирование и оптимизация
• Документация и поддержка 1 месяц после запуска

Обратитесь к нам для получения детального технического аудита и подбора оптимальной схемы сортировки.