Разработка каталога товаров: EAV, SEO, варианты и кеширование

Клиент приходит с жалобой: каталог тормозит, фильтры грузятся по минуте, SEO-трафик падает из-за дублей страниц. Чаще всего причина в архитектуре: неправильно выбрана модель категорий, неэффективная пагинация или отсутствие кеширования. Разработка каталога товаров — центральная задача для интернет-магазина, и её решение может сэкономить до 40% бюджета на поддержку (снижение затрат на инфраструктуру — до 300 тыс. руб. в год). По статистике, 70% пользователей покидают сайт, если каталог загружается дольше 3 секунд, а правильно спроектированный каталог может увеличить конверсию на 20%. Наш опыт — 8 лет в разработке каталогов, более 50 реализованных проектов для интернет-магазинов с трафиком от 10 000 посетителей в день.

Каталог — центральный модуль интернет-магазина. От его архитектуры зависит скорость поиска, удобство навигации и SEO-трафик. Ошибки здесь самые дорогостоящие: они требуют миграции данных и переработки зависимых модулей. Правильно спроектированный каталог товаров позволяет обрабатывать до 500 000 позиций без потери производительности.

Какую модель категорий выбрать?

Дерево категорий хранится в БД. Два распространённых подхода: Adjacency List — каждая запись хранит parent_id. Простота записи, но выборка всего дерева требует рекурсивного CTE:

WITH RECURSIVE category_tree AS (
  SELECT id, name, parent_id, 0 AS depth
  FROM categories WHERE parent_id IS NULL
  UNION ALL
  SELECT c.id, c.name, c.parent_id, ct.depth + 1
  FROM categories c
  JOIN category_tree ct ON c.parent_id = ct.id
)
SELECT * FROM category_tree ORDER BY depth, name;

Nested Sets (MPTT) — каждая запись хранит lft и rgt значения. Выборка поддерева: WHERE lft BETWEEN :parent_lft AND :parent_rgt — один запрос без рекурсии. Запись сложнее: при добавлении узла обновляются все правые соседи. Пакет kalnoy/nestedset для Laravel.

Closure Table — отдельная таблица всех предок-потомок пар. Самый гибкий, занимает больше места. Для сложных операций с деревом (перемещение поддеревьев) оптимален.

Рекомендация: для каталогов до 10 000 категорий Adjacency List с кешированием дерева в Redis — достаточно. MPTT — при частых выборках поддеревьев без кеша.

Как правильно реализовать атрибуты товаров?

Товары разных категорий имеют разные наборы атрибутов. Три подхода:

• Таблица с фиксированными колонками: products.color, products.size, products.weight. Работает только при однородном ассортименте. Добавление нового атрибута — ALTER TABLE, миграция, деплой.
• EAV (Entity-Attribute-Value): гибко, но медленно при JOIN-ах. Для фильтрации по атрибутам нужен Elasticsearch или денормализованный индекс.
• JSONB-колонка в PostgreSQL:

ALTER TABLE products ADD COLUMN attributes JSONB;
CREATE INDEX ON products USING GIN (attributes);

Компромиссный вариант: гибкость EAV, но без избыточных JOIN-ов. Как указано в PostgreSQL документации, JSONB-колонки обеспечивают гибкость EAV без избыточных JOIN-ов. Подходит для каталогов до 500 000 товаров.

Варианты товара: Parent-Child

Товар с вариантами (цвет × размер) — распространённая задача. Два паттерна:

• Simple SKU: каждая комбинация — отдельная запись в products. Просто, но сложно управлять родительской карточкой.
• Parent-Child: родительский товар типа 'variable' и дочерние 'variant' с конкретными комбинациями атрибутов.

products (id, type, parent_id, sku, name, price, stock)
-- type: 'simple' | 'variable' | 'variant'
-- variant: parent_id → variable product

При отображении карточки товара загружаем родителя + все его варианты. Пользователь выбирает комбинацию атрибутов → находим соответствующий variant → обновляем цену, фото, наличие. Для матрицы вариантов используйте объект, индексированный по ID атрибута.

Структура URL и SEO

URL категорий — критично для SEO. Три варианта:

• Плоский: /catalog/noutbuki — просто, теряет контекст иерархии.
• Иерархический: /catalog/elektronika/kompyutery/noutbuki — лучше для SEO, сложнее при перемещении категории.
• Гибридный: /noutbuki-c142 — читаемый slug + уникальный ID (устойчив к переименованиям).

Для фильтрованных страниц: /noutbuki?brand=apple&ram=16 с canonical на /noutbuki или отдельные SEO-страницы для популярных комбинаций (/noutbuki-apple-16gb как статичная страница-агрегатор). Schema.org: ItemList на страницах категорий с ListItem для каждого товара в листинге.

Пагинация и бесконечная прокрутка

Offset-пагинация: LIMIT 48 OFFSET 144. Работает, но при глубоких страницах (OFFSET 10000) PostgreSQL всё равно читает 10048 строк. Решение — keyset pagination:

SELECT * FROM products
WHERE (sort_value, id) > (:last_sort_value, :last_id)
ORDER BY sort_value, id
LIMIT 48;

Keyset pagination мгновенна при любой глубине, но не поддерживает переход на произвольную страницу.

Для мобайла — бесконечная прокрутка с IntersectionObserver, для десктопа с SEO-приоритетом — классическая пагинация (поисковики лучше индексируют страницы с явными номерами).

Управление каталогом в CMS

Административный интерфейс каталога:

• Bulk editing: выделить 50 товаров → изменить категорию/статус/цену.
• Импорт из CSV/XLSX: маппинг колонок, предпросмотр с ошибками, фоновая загрузка через queue.
• Drag-and-drop сортировка категорий: визуальное дерево с возможностью перетаскивания.
• Управление атрибутами: добавить атрибут в категорию — он появится на формах редактирования всех товаров категории.

Для bulk-импорта: Laravel Jobs + Horizon. Файл загружается в S3, задача берётся из очереди, парсится построчно (через league/csv или PhpSpreadsheet), товары вставляются batch-ами по 100 записей.

Как ускорить каталог с помощью кеширования?

Страницы каталога — основная нагрузка на БД. Стратегия кеширования:

При изменении товара сбрасываем кеш только тех страниц, где он присутствует. Cache tags в Laravel: Cache::tags(['category:electronics'])->flush(). Оптимальная конфигурация кеширования может снизить время загрузки страницы с 3 до 0.5 секунд. Кеширование позволяет сократить расходы на серверы до 200 000 руб. в год.

Для каталогов с высокой динамикой (частые изменения цен или остатков) стоит сократить TTL листинга до 1-2 минут и использовать invalidate по тегу. Для статичных каталогов — увеличить TTL до часа.

Сроки

• Базовый каталог (категории, список товаров, карточка, пагинация): 2–3 недели.
• С вариантами, EAV-атрибутами, импортом и кешированием: 4–7 недель.
• Интеграция с Elasticsearch для поиска и фильтрации добавляет 2–3 недели.

Что входит в работу

1. Подготовка технического задания с детальной моделью данных.
2. Проектирование и реализация иерархии категорий, атрибутов и вариантов.
3. Разработка SEO-оптимизированной структуры URL и Schema.org-разметки.
4. Настройка пагинации и кеширования.
5. Интеграция с административной панелью для управления ассортиментом.
6. Документирование кода и API, обучение команды, передача доступов.
7. Гарантийная поддержка в течение 30 дней после сдачи.

Если хотите оценить объём работ для вашего проекта, свяжитесь с нами — мы проанализируем текущий каталог и предложим решение. Получите бесплатный аудит вашего каталога: оставьте заявку на консультацию инженера. Наш специалист свяжется с вами в течение дня.

Типичные ошибки при проектировании каталога

• Использование offset-пагинации для каталогов >10 000 товаров — приводит к тормозам на глубоких страницах.
• EAV без индексации и кеша — убивает производительность при фильтрации.
• Отсутствие canonical на фильтрованных страницах — плодит дубли и снижает ранжирование.
• Плоский URL без защиты от переименований — теряется SEO-вес.

Эти ошибки увеличивают время загрузки на 40% и снижают конверсию. Избежать их поможет грамотное проектирование с учётом современных практик.

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.