Разработка 3D-просмотра товара для интернет-магазина

Покупатель видит фото товара, но не может его покрутить, приблизить, оценить фактуру. Результат — возвраты из-за несоответствия ожиданиям, потерянные продажи. 3D-просмотр решает эту проблему: пользователь самостоятельно исследует объект, вращая, масштабируя, включая дополненную реальность. Исследования показывают: конверсия на карточках с 3D до 40% выше, чем без него (по данным Shopify для мебели — до 65%).

Наш опыт в нишах мебели, ювелирных украшений, обуви и техники подтверждает эту статистику. Мы реализовали более 15 проектов, каждый из которых требовал индивидуального подхода к моделированию, освещению и интеграции. Снижение затрат на контент-продакшн достигает 70% за счёт фотограмметрии, а ROI от внедрения 3D-просмотра может превышать 300%. Свяжитесь с нами, чтобы обсудить 3D-стратегию для вашего каталога.

Какие форматы 3D-моделей лучше для веба?

GLB — де-факто стандарт для 3D в вебе glTF 2.0 specification. Всё упаковано в один файл: геометрия, материалы, текстуры, анимации. Поддерживает PBR-материалы (metalness/roughness workflow), что даёт физически корректный рендеринг.

Three.js — базовый стек

Минимальный 3D-виджет на Three.js:

import * as THREE from 'three';
import { GLTFLoader } from 'three/examples/jsm/loaders/GLTFLoader.js';
import { OrbitControls } from 'three/examples/jsm/controls/OrbitControls.js';
import { DRACOLoader } from 'three/examples/jsm/loaders/DRACOLoader.js';
import { RGBELoader } from 'three/examples/jsm/loaders/RGBELoader.js';

const scene = new THREE.Scene();
const camera = new THREE.PerspectiveCamera(45, container.width / container.height, 0.1, 100);
const renderer = new THREE.WebGLRenderer({ antialias: true, alpha: true });
renderer.setPixelRatio(Math.min(window.devicePixelRatio, 2));
renderer.toneMapping = THREE.ACESFilmicToneMapping;
renderer.outputColorSpace = THREE.SRGBColorSpace;

// OrbitControls — вращение, зум, пан мышью/тачем
const controls = new OrbitControls(camera, renderer.domElement);
controls.enableDamping = true;
controls.dampingFactor = 0.05;
controls.minDistance = 1;
controls.maxDistance = 10;

// DRACO-декомпрессия для сжатых моделей
const dracoLoader = new DRACOLoader();
dracoLoader.setDecoderPath('/draco/');

const loader = new GLTFLoader();
loader.setDRACOLoader(dracoLoader);
loader.load('/models/product.glb', gltf => {
  scene.add(gltf.scene);
  fitCameraToObject(camera, controls, gltf.scene);
});

// HDR-окружение для PBR-освещения
new RGBELoader().load('/env/studio.hdr', texture => {
  texture.mapping = THREE.EquirectangularReflectionMapping;
  scene.environment = texture;
});

Что даёт Draco-компрессия?

Draco — алгоритм сжатия 3D-геометрии от Google. Типовое сжатие: геометрия уменьшается в 5–10 раз без видимой потери качества. Модель кресла 8MB → 800KB после Draco.

Конвертация в pipeline (offline, при загрузке модели администратором):

# gltf-pipeline от Khronos
npx gltf-pipeline -i input.glb -o output.glb --draco.compressionLevel 7

# или через blender CLI
blender --background --python export_with_draco.py

Draco-декодер в браузере — WASM-модуль (~200KB). Нужно разместить на сервере и указать путь в DRACOLoader.setDecoderPath().

<model-viewer> как готовый компонент

Если не нужна глубокая кастомизация, <model-viewer> от Google покрывает 90% задач. Проект с открытым исходным кодом model-viewer активно поддерживается.

<model-viewer
  src="/models/chair.glb"
  ios-src="/models/chair.usdz"
  alt="Офисное кресло Herman Miller"
  camera-controls
  auto-rotate
  auto-rotate-delay="3000"
  rotation-per-second="30deg"
  shadow-intensity="1"
  exposure="0.8"
  environment-image="/env/neutral.hdr"
  ar
  ar-modes="webxr scene-viewer quick-look"
  loading="lazy"
  style="width: 100%; aspect-ratio: 1; background: #f5f5f5;"
>
  <div slot="progress-bar">
    <div class="progress-bar" style="..."></div>
  </div>
  <button slot="ar-button" class="ar-button">
    Посмотреть в вашем интерьере
  </button>
</model-viewer>

Встроено: OrbitControls, touch support, AR (WebXR + Quick Look), shadow, lazy loading, прогресс загрузки.

Освещение и PBR-материалы

Качество рендеринга в браузере определяется освещением. Без правильного окружения даже хорошая модель выглядит плоской.

HDR environment map — сферическая HDR-панорама студийного или нейтрального освещения. Она создаёт корректные отражения на металлических и глянцевых поверхностях. Размер: 2MB–8MB, загружается один раз и кешируется.

Для продуктов: нейтральный студийный HDRI (серый фон, ровный свет) — neutral.hdr из репозитория model-viewer. Для ювелирных украшений — HDRI с выраженными бликами.

Анимированные материалы: смена варианта (цвет, материал) — меняем material.color, material.roughness, material.metalnessMap. Без перезагрузки модели:

const materials = model.querySelector('model-viewer').model.materials;
const chairMaterial = materials.find(m => m.name === 'Fabric');
chairMaterial.pbrMetallicRoughness.setBaseColorFactor([0.8, 0.2, 0.2, 1]); // красный

Как оптимизировать производительность?

Размер модели: целевой размер GLB для карточки товара — до 2MB. Больше — пользователь ждёт, конверсия падает. Методы оптимизации:

• Draco-компрессия геометрии (5–10x)
• KTX2 / Basis Universal компрессия текстур (3–5x, с GPU-декодированием)
• Retopology модели: убрать скрытые грани, упростить невидимые части
• Запечь (bake) детали из high-poly в normal map low-poly модели

Lazy loading: Three.js/WebGL инициализируется только при попадании виджета в viewport с помощью IntersectionObserver. Когда виджет вне видимости, рендеринг приостанавливается.

Pixel ratio: на mobile ограничиваем devicePixelRatio до 1.5 максимум — экономит GPU на ретина-дисплеях.

Используйте <model-viewer> со встроенной ленивой загрузкой, если не требуется кастомная логика.

Аннотации и хотспоты

Аннотации — точки на 3D-модели с пояснениями. Пользователь наводит / кликает — появляется tooltip с информацией о детали.

В <model-viewer> аннотации — через слоты:

<model-viewer src="headphones.glb" camera-controls>
  <button
    slot="hotspot-ear-cup"
    data-position="-0.3 0.1 0.2"
    data-normal="-1 0 0"
    data-visibility-attribute="visible"
  >
    <div class="hotspot-label">
      <strong>Амбушюры</strong>
      Память-пена с эффектом памяти, 40мм
    </div>
  </button>
</model-viewer>

Координаты data-position — мировые координаты в системе координат модели. Определяются в Blender или через встроенный picking в Three.js.

Конвейер подготовки контента

Разработка виджета и подготовка моделей — параллельные задачи. Типовой pipeline:

1. 3D-моделирование (Blender, Cinema 4D) или фотограмметрия (RealityCapture, Meshroom)
2. Оптимизация (Blender: retopology, LOD), Draco-компрессия
3. PBR-текстурирование (Substance Painter) + конвертация текстур в KTX2
4. QA в браузере: проверка в model-viewer, тест на мобайле
5. Конвертация в USDZ для iOS AR (Reality Converter, online-конвертеры)
6. Загрузка в CDN с правильными заголовками (Content-Type: model/gltf-binary)

Сроки разработки

Подготовка 3D-моделей (если нет): от 4 часов до 2 дней на один артикул. При большом каталоге фотограмметрия снижает стоимость контент-продакшна в 5–10 раз по сравнению с ручным моделированием.

Что входит в наш комплекс работ

• Анализ существующих моделей и подготовка рекомендаций по оптимизации
• Выбор и настройка окружения (HDR, освещение)
• Интеграция виджета в вашу CMS или фронтенд
• Настройка ленивой загрузки и кеширования
• Документация по управлению моделями
• Обучение администраторов загрузке и замене моделей
• Гарантийная поддержка в течение месяца после сдачи

Закажите разработку 3D-просмотрщика — пишите для оценки вашего проекта. Получите консультацию по вашему каталогу. Мы предложим оптимальное решение под ваш бюджет и ассортимент.

Разработка интернет-магазинов

Мы знаем: интернет-магазин — это не просто «сайт с корзиной». Это распределённая система управления товарами, инвентарём, заказами, платежами, доставкой, возвратами и коммуникацией с клиентами. Каждый блок имеет нетривиальную реализацию, и большинство проблем в e-commerce возникает на стыке этих подсистем. Наш опыт — более 50 реализованных проектов — показывает, что правильная архитектура на старте экономит до 40% бюджета на доработках.

Почему производительность каталога деградирует при росте SKU?

Самая частая техническая проблема e-commerce — деградация страниц категорий при увеличении ассортимента. Страница работает хорошо на 500 товарах и начинает тормозить на 10 000. Причины почти всегда одни и те же.

N+1 на атрибутах. Загружаете список товаров — 50 элементов. Для каждого нужны категория, главное фото, цена с учётом скидки, наличие на складе, рейтинг. Без правильного eager loading это 250+ запросов на страницу. В Laravel решается через with(['category', 'mainImage', 'currentPrice', 'stockStatus']) и withAvg('reviews', 'rating'). Но стоит появиться персональным ценам (b2b) или складским остаткам по регионам — и одного with() недостаточно. Нужны Query Object или выделенный ReadModel.

Фасетная фильтрация без индексов. Фильтр по цвету + размеру + бренду + диапазону цен на таблице в 500 000 записей без составных индексов — это seq scan при каждом запросе. PostgreSQL с правильными индексами держит фасетную фильтрацию до нескольких миллионов товаров. Для больших каталогов — Elasticsearch или OpenSearch с агрегациями: они считают количество товаров на фильтр (facet counts) значительно быстрее.

Пагинация через OFFSET. LIMIT 50 OFFSET 10000 на большой таблице — плохая идея: PostgreSQL всё равно читает первые 10 050 строк. Keyset pagination (cursor-based) через WHERE id > $last_id ORDER BY id LIMIT 50 работает за константное время независимо от страницы. Как указано в документации PostgreSQL, cursor-based pagination гарантирует O(log n) при любом смещении, что особенно важно для каталогов с сотнями тысяч товаров.

Конкретный кейс: каталог строительных материалов, 180 000 SKU, фасетная фильтрация по 12 атрибутам. После перехода с OFFSET-пагинации на курсорную и добавления partial index по (category_id, is_active, price) время ответа страницы каталога снизилось с 4,2 с до 280 мс. Экономия на серверных ресурсах составила около 30 000 ₽ в месяц. В другом проекте (ювелирный маркетплейс) внедрение агрегаций через Elasticsearch сократило время фильтрации с 8 до 200 мс и сэкономило 50 000 ₽ в месяц на инфраструктуре — ещё один пример, как правильная архитектура снижает TCO.

Что такое race condition в корзине и как его избежать?

Checkout — место, где деньги либо попадают на счёт, либо нет. Технические проблемы здесь стоят дорого.

Race condition при резервировании товара. Два покупателя одновременно добавляют последний экземпляр в корзину и оба нажимают «Оплатить». Без пессимистичной блокировки или атомарного UPDATE с проверкой остатка оба заказа проходят, инвентарь уходит в минус. В PostgreSQL:

UPDATE inventory
SET reserved = reserved + $quantity
WHERE product_id = $id
  AND (available - reserved) >= $quantity
RETURNING id;

Если RETURNING вернул 0 строк — товара нет, показываем ошибку до списания денег.

Идемпотентность платёжных вебхуков. payment.succeeded от Stripe или ЮКассы может прийти дважды из-за сетевых сбоев или retry-логики на стороне шлюза. Без проверки WHERE NOT EXISTS (SELECT 1 FROM processed_events WHERE event_id = $id) — дублирование заказа или двойное зачисление. Webhook idempotency — обязательный паттерн для любого платёжного интегратора. Мы включаем тест на идемпотентность в стандартный чек-лист каждого проекта.

Checkout в несколько шагов. Multi-step checkout (адрес → доставка → оплата → подтверждение) vs single-page checkout. Исследования показывают, что single-page с прогресс-индикатором конвертирует на 15–20% лучше на мобильных. Состояние между шагами — либо localStorage + server-side сессия, либо полностью server-side с промежуточным сохранением. Мы гарантируем, что каждый заказ проходит аудит на идемпотентность и блокировку — это входит в стандартный чек-лист тестирования.

Интеграции: 1С, склад, доставка

1С — отдельная глава. Три распространённых способа интеграции:

1. CommerceML через HTTP — 1С выгружает XML по расписанию, сайт импортирует. Работает для небольших каталогов, есть задержка синхронизации.
2. REST API / OData от 1С — двусторонняя синхронизация в реальном времени. Требует настройки на стороне 1С, капризна к версиям конфигураций.
3. Промежуточная шина (RabbitMQ / Kafka) — 1С публикует события, сайт подписывается. Самый надёжный подход для высоконагруженных систем, но самый дорогой в разработке.

Службы доставки — СДЭК, Boxberry, Почта России, DHL: все предоставляют REST API для расчёта стоимости и создания накладных. Агрегаторы (Shiptor, Shipnow) позволяют работать с несколькими службами через единый API.

Платёжные шлюзы

Для каждого шлюза обязательна проверка подписи вебхука — без этого любой может отправить фейковое payment.succeeded.

CMS vs собственная разработка

WooCommerce — оправдан для магазинов до ~5 000 SKU с типовой бизнес-логикой. Быстрый старт, огромная экосистема плагинов. Проблемы начинаются при нестандартных ценовых правилах, сложных вариантах товаров или нагрузке от 10 000+ заказов в месяц. Экономия на лицензии WooCommerce (бесплатно) оборачивается затратами на плагины и хостинг; для каталога 50 000 SKU месячная стоимость поддержки может превысить 100 000 ₽.

OpenCart, Prestashop — аналогичная история. Хороши для старта, ограничены при росте.

Собственная разработка на Laravel — для:

• Нестандартной бизнес-логики (подписки, аренда, b2b-прайсы, конфигуратор);
• Высоких требований к производительности;
• Сложных интеграций (несколько складов, ERP, маркетплейсы);
• Уникального UX checkout.

Как мы разрабатываем интернет-магазин: пошаговый процесс

1. Аналитика и проектирование. Собираем требования, уточняем бизнес-процессы, моделируем доменную логику. На выходе — техническое задание и архитектурная схема.
2. Backend и API. Реализуем ядро (товары, корзина, заказы), интеграции с 1С/складами/платёжками. Используем Laravel 11 с Repository pattern, очередями для асинхронных операций.
3. Frontend и checkout. Настраиваем React 18 / Next.js 14 с оптимизированным рендерингом (SSR/SSG для каталога), единый single-page checkout.
4. Тестирование. Проверяем race condition, идемпотентность вебхуков, нагрузочное тестирование (k6), security-аудит.
5. Деплой и мониторинг. Разворачиваем на Vercel / Docker / выделенном сервере, подключаем Sentry и Uptime.

SEO для e-commerce

Canonical и дублирование. Фасетная фильтрация генерирует тысячи URL (?color=red&size=M&sort=price). Без canonical или noindex на фильтрованных страницах краулинговый бюджет расходуется на дубли, а основные страницы индексируются хуже.

Structured data. Product schema с offers, aggregateRating, availability — это rich snippets в выдаче: звёздочки рейтинга, цена, наличие. Влияет на CTR.

Core Web Vitals на страницах товаров. Hero image товара — это LCP element. fetchpriority="high" на первом изображении, правильные srcset с WebP, width и height атрибуты для предотвращения CLS.

Что входит в результат работы

После завершения проекта вы получаете:

• Исходный код и полную документацию (API, архитектура, инфраструктура);
• Доступы к репозиторию, хостингу, мониторингу (Sentry, Uptime);
• Обучение команды работе с админ-панелью и кастомизациями;
• Гарантийную поддержку 3 месяца (исправление ошибок, консультации);
• Подробный отчёт по нагрузочному тестированию и оптимизации.

Ориентиры по срокам

Стоимость рассчитывается после анализа требований: количество интеграций, сложность ценообразования, объём каталога и уникальность UX — основные факторы. Оценим ваш проект бесплатно — закажите консультацию.

Чек-лист перед запуском

• Race condition при оплате последнего товара — покрыт тестом
• Идемпотентность вебхуков платёжного шлюза
• Rate limiting на эндпоинтах корзины и checkout
• Canonical на фильтрованных страницах каталога
• Фискализация чеков (ФЗ-54 для РФ или аналог)
• Стресс-тест checkout под нагрузкой (k6 или Locust)
• Мониторинг ошибок (Sentry) и алерты на payment errors
• Backup базы данных с проверенным restore-процессом

Гарантируем — каждый проект проходит этот чек-лист перед релизом. Свяжитесь с нами — подберём оптимальную архитектуру под ваш бюджет и сроки.