Інтернет-магазини втрачають до 30% виручки через відсутність рекомендаційних блоків. Ми реалізували cross-sell та up-sell для більш ніж 50 проєктів — середній приріст чека становить 20–40%. Розробка під ключ займає від 4 до 6 робочих днів, а окупається за 2–4 тижні. У цій статті — розбір механік, моделей даних та метрик. На прикладі одного впровадження: ручні зв'язки для 300 товарів окупилися за 14 днів, а автоматичні за cooccurrence дали додатковий 15% ріст після 1000 замовлень. Вартість проєкту розраховується індивідуально.
Як cross-sell та up-sell збільшують середній чек
| Параметр |
Cross-sell |
Up-sell |
| Що пропонується |
Доповнюючі товари |
Преміум-версія поточного |
| Де показується |
Сторінка товару, корзина |
Сторінка товару, до додавання в корзину |
| Метрика |
Збільшення кількості позицій |
Збільшення суми однієї позиції |
| Приклад |
Чохол до телефона |
128 ГБ замість 64 ГБ |
Чому варто розділяти cross-sell та up-sell?
Плутанина між цими механіками призводить до помилок в інтерфейсі: up-sell часто показують в корзині, де користувач вже готовий купувати, а cross-sell — на сторінці товару до вибору варіанта. Це знижує конверсію. Чітке розділення дозволяє налаштувати тригери: up-sell — до корзини, cross-sell — в корзині та після.
Модель даних: ручні зв'язки
Для невеликих каталогів — ручне задавання зв'язків в admin-панелі:
CREATE TABLE product_relations (
id BIGSERIAL PRIMARY KEY,
product_id BIGINT NOT NULL REFERENCES products(id) ON DELETE CASCADE,
related_product_id BIGINT NOT NULL REFERENCES products(id) ON DELETE CASCADE,
type VARCHAR(20) NOT NULL, -- 'cross_sell', 'up_sell', 'accessory', 'spare_part'
sort_order SMALLINT DEFAULT 0,
UNIQUE(product_id, related_product_id, type)
);
CREATE INDEX idx_product_relations_pid_type ON product_relations(product_id, type);
В admin-панелі — пошук товарів та додавання зв'язків drag-and-drop з вибором типу.
Як налаштувати автоматичні cross-sell через категорії
Якщо зв'язки не задані вручну — автоматичний fallback за спільними покупками або категоріями-аксесуарами:
class CrossSellResolver
{
public function resolve(Product $product, int $limit = 4): Collection
{
// 1. Ручні зв'язки
$manual = $product->relations()
->where('type', 'cross_sell')
->with('relatedProduct')
->orderBy('sort_order')
->limit($limit)
->get()
->map(fn($r) => $r->relatedProduct);
if ($manual->count() >= $limit) return $manual;
// 2. Автоматичні з cooccurrences (якщо є достатньо даних)
$needed = $limit - $manual->count();
$auto = DB::table('product_cooccurrences')
->where('product_a', $product->id)
->whereNotIn('product_b', $manual->pluck('id'))
->orderByDesc('cooccurrence_count')
->limit($needed)
->pluck('product_b');
$autoProducts = Product::whereIn('id', $auto)->where('is_active', true)->get();
return $manual->merge($autoProducts);
}
}
Що робити, якщо даних для автоматичних рекомендацій мало?
Для нових магазинів використовуємо категоріальні ознаки: товари з однієї категорії або підкатегорії вважаються потенційними cross-sell. Наприклад, якщо в каталозі немає історії покупок, система пропонує товари з тієї ж групи (аксесуари для телефонів). У міру накопичення даних (від 1000 замовлень) вмикається cooccurrence-аналіз.
Up-sell: варіанти одного товару
Для варіативних товарів (телефон з різним об'ємом пам'яті) up-sell — це навігація між варіантами з акцентом на преміум:
const UpSellVariants = ({ currentVariant, variants }: UpSellProps) => {
const betterVariants = variants.filter(v => v.price > currentVariant.price);
if (!betterVariants.length) return null;
return (
<div className="border rounded-lg p-4 bg-amber-50">
<p className="text-sm font-medium mb-2">Розгляньте покращену версію:</p>
{betterVariants.slice(0, 2).map(variant => (
<div key={variant.id} className="flex items-center justify-between py-2">
<span className="text-sm">{variant.label}</span>
<div className="flex items-center gap-2">
<span className="text-xs text-gray-500">
+{formatPrice(variant.price - currentVariant.price)}
</span>
<Button size="sm" variant="outline" onClick={() => selectVariant(variant)}>
Вибрати
</Button>
</div>
</div>
)}
</div>
);
};
Cross-sell в корзині: «Доповніть замовлення» та Quick-add
Найконверсійніший момент для cross-sell — сторінка корзини. Блок «Часто беруть разом» агрегує рекомендації за всіма товарами в корзині. А кнопка «Додати в корзину» прямо в картці (quick-add) прискорює покупку. Ручні зв'язки тут ефективніші за автоматичні в 1.5 рази за CTR (13% проти 9%).
Як налаштувати bundle (фіксовані комплекти)
Окремий тип cross-sell — фіксовані комплекти зі знижкою. Для кожного набору створюється зв'язок із зазначенням відсотка знижки. На сторінці основного товару показується блок «Купити комплектом» з підсумковою ціною. Додавання в корзину — однією кнопкою. При цьому ми враховуємо залишки: якщо одного товару немає в наявності, комплект не відображається.
Як швидко окупаються рекомендаційні блоки?
Окупність залежить від обсягу трафіку та маржинальності. Для магазину з 5000 відвідувачів на день і середнім чеком 3000 гривень впровадження cross-sell дає приріст виручки близько 600 000 гривень на місяць. Інвестиції в розробку відбиваються за 2–4 тижні. Ручні зв'язки для 300 товарів окупилися за 14 днів в одному з проєктів — це типовий термін.
Які метрики відстежувати для рекомендаційних блоків?
| Метрика |
Опис |
Норма |
| Impressions |
Скільки разів блок показано |
— |
| CTR |
Кліки / Покази |
>5% |
| Add-to-cart rate |
Додавання / Кліки |
>15% |
| Uplift |
Зростання середнього чека з рекомендаціями |
+15–40% |
Дані дозволяють оптимізувати розміщення, кількість рекомендацій та вибір алгоритму. Зазвичай 4 рекомендації показують кращий CTR, ніж 2 або 8.
Що входить у розробку рекомендаційних блоків?
- Аналіз каталогу та вибір стратегії (ручні / автоматичні / змішані).
- Проектування таблиць зв'язків та індексів.
- Розробка admin-інтерфейсу для ручних зв'язків.
- Реалізація fallback-алгоритму (категорії → cooccurrence).
- Верстка блоків (React/Vue) з quick-add та up-sell.
- Інтеграція з корзиною та логування метрик.
- Документація, навчання команди та моніторинг після запуску.
Ми надаємо гарантію на код 6 місяців, передаємо повну документацію та навчаємо ваших менеджерів роботі з адмін-панеллю. Після запуску підключаємо моніторинг метрик та при необхідності оптимізуємо алгоритми. Замовте розробку рекомендаційних блоків і збільште середній чек вже через тиждень. Зв'яжіться з нами для розрахунку окупності вашого проєкту.
Розробка інтернет-магазинів
Ми знаємо: інтернет-магазин — це не просто «сайт з кошиком». Це розподілена система управління товарами, інвентарем, замовленнями, платежами, доставкою, поверненнями та комунікацією з клієнтами. Кожен блок має нетривіальну реалізацію, і більшість проблем в e-commerce виникає на стику цих підсистем. Наш досвід — понад 50 реалізованих проектів — показує, що правильна архітектура на старті економить до 40% бюджету на доробках.
Чому продуктивність каталогу деградує при зростанні SKU?
Найчастіша технічна проблема e-commerce — деградація сторінок категорій при збільшенні асортименту. Сторінка працює добре на 500 товарах і починає гальмувати на 10 000. Причини майже завжди одні й ті ж.
N+1 на атрибутах. Завантажуєте список товарів — 50 елементів. Для кожного потрібні категорія, головне фото, ціна з урахуванням знижки, наявність на складі, рейтинг. Без правильного eager loading це 250+ запитів на сторінку. В Laravel вирішується через with(['category', 'mainImage', 'currentPrice', 'stockStatus']) та withAvg('reviews', 'rating'). Але варто з'явитися персональним цінам (b2b) або складським залишкам по регіонах — і одного with() недостатньо. Потрібні Query Object або виділений ReadModel.
Фасетна фільтрація без індексів. Фільтр за кольором + розміром + брендом + діапазоном цін на таблиці в 500 000 записів без складених індексів — це seq scan при кожному запиті. PostgreSQL з правильними індексами тримає фасетну фільтрацію до кількох мільйонів товарів. Для великих каталогів — Elasticsearch або OpenSearch з агрегаціями: вони рахують кількість товарів на фільтр (facet counts) значно швидше.
Пагінація через OFFSET. LIMIT 50 OFFSET 10000 на великій таблиці — погана ідея: PostgreSQL все одно читає перші 10 050 рядків. Keyset pagination (cursor-based) через WHERE id > $last_id ORDER BY id LIMIT 50 працює за постійний час незалежно від сторінки. Як зазначено в документації PostgreSQL, cursor-based pagination гарантує O(log n) при будь-якому зміщенні, що особливо важливо для каталогів із сотнями тисяч товарів.
Конкретний кейс: каталог будівельних матеріалів, 180 000 SKU, фасетна фільтрація по 12 атрибутах. Після переходу з OFFSET-пагінації на курсорну та додавання partial index по (category_id, is_active, price) час відповіді сторінки каталогу знизився з 4,2 с до 280 мс. Економія на серверних ресурсах склала близько 30 000 ₽ на місяць. В іншому проекті (ювелірний маркетплейс) впровадження агрегацій через Elasticsearch скоротило час фільтрації з 8 до 200 мс та заощадило 50 000 ₽ на місяць на інфраструктурі — ще один приклад, як правильна архітектура знижує TCO.
Що таке race condition у кошику та як його уникнути?
Checkout — місце, де гроші або потрапляють на рахунок, або ні. Технічні проблеми тут коштують дорого.
Race condition при резервуванні товару. Два покупці одночасно додають останній екземпляр у кошик і обоє натискають «Оплатити». Без песимістичного блокування або атомарного UPDATE з перевіркою залишку обидва замовлення проходять, інвентар іде в мінус. В PostgreSQL:
UPDATE inventory
SET reserved = reserved + $quantity
WHERE product_id = $id
AND (available - reserved) >= $quantity
RETURNING id;
Якщо RETURNING повернув 0 рядків — товару немає, показуємо помилку до списання грошей.
Ідемпотентність платіжних вебхуків. payment.succeeded від Stripe або ЮКассы може прийти двічі через мережеві збої або retry-логіку на стороні шлюзу. Без перевірки WHERE NOT EXISTS (SELECT 1 FROM processed_events WHERE event_id = $id) — дублювання замовлення або подвійне зарахування. Webhook idempotency — обов'язковий патерн для будь-якого платіжного інтегратора. Ми включаємо тест на ідемпотентність у стандартний чек-лист кожного проекту.
Checkout у кілька кроків. Multi-step checkout (адреса → доставка → оплата → підтвердження) vs single-page checkout. Дослідження показують, що single-page з прогрес-індикатором конвертує на 15–20% краще на мобільних. Стан між кроками — або localStorage + server-side сесія, або повністю server-side з проміжним збереженням. Ми гарантуємо, що кожне замовлення проходить аудит на ідемпотентність та блокування — це входить у стандартний чек-лист тестування.
Чому варто уникати CommerceML для великих каталогів
CommerceML через HTTP — класична інтеграція 1С з сайтом. 1С вивантажує XML за розкладом, сайт імпортує. Для невеликих каталогів (до 5 000 SKU) це прийнятно, але при зростанні до 50 000+ SKU виникають проблеми: файл вивантаження 200 МБ кожні 30 хвилин, парсинг блокує чергу, імпорт займає 10–15 хвилин, в цей час на сайті старі ціни. Рішення — інкрементальне вивантаження (тільки зміни) та фонова обробка через Laravel Queue з кількома workers. Для високонавантажених систем ми рекомендуємо REST API або проміжну шину (RabbitMQ).
Як інтегрувати 1С з інтернет-магазином?
1С — окрема глава. Три поширених способи інтеграції:
-
CommerceML через HTTP — 1С вивантажує XML за розкладом, сайт імпортує. Працює для невеликих каталогів, є затримка синхронізації.
-
REST API / OData від 1С — двостороння синхронізація в реальному часі. Вимагає налаштування на стороні 1С, примхлива до версій конфігурацій.
-
Проміжна шина (RabbitMQ / Kafka) — 1С публікує події, сайт підписується. Найнадійніший підхід для високонавантажених систем, але найдорожчий у розробці.
Служби доставки — СДЕК, Boxberry, Пошта Росії, DHL: всі надають REST API для розрахунку вартості та створення накладних. Агрегатори (Shiptor, Shipnow) дозволяють працювати з кількома службами через єдиний API.
Платіжні шлюзи
| Шлюз |
Особливості інтеграції |
| Stripe |
Webhook-based, відмінна документація, Stripe Elements для PCI DSS |
| ЮКасса |
Популярний в РФ, підтримка ФЗ-54 (фіскалізація) |
| ЄРИП |
Білоруська система, SOAP API, специфічна документація |
| Tinkoff Acquiring |
REST API, 3D Secure 2.0, webhook-повідомлення |
Для кожного шлюзу обов'язкова перевірка підпису вебхука — без цього будь-хто може відправити фейковий payment.succeeded.
CMS vs власна розробка
WooCommerce — виправданий для магазинів до ~5 000 SKU з типовою бізнес-логікою. Швидкий старт, величезна екосистема плагінів. Проблеми починаються при нестандартних цінових правилах, складних варіантах товарів або навантаженні від 10 000+ замовлень на місяць. Економія на ліцензії WooCommerce (безкоштовно) обертається витратами на плагіни та хостинг; для каталогу 50 000 SKU місячна вартість підтримки може перевищити 100 000 ₽.
OpenCart, Prestashop — аналогічна історія. Хороші для старту, обмежені при зростанні.
Власна розробка на Laravel — для:
- Нестандартної бізнес-логіки (підписки, оренда, b2b-прайси, конфігуратор);
- Високих вимог до продуктивності;
- Складних інтеграцій (кілька складів, ERP, маркетплейси);
- Унікального UX checkout.
Як ми розробляємо інтернет-магазин: покроковий процес
-
Аналітика та проектування. Збираємо вимоги, уточнюємо бізнес-процеси, моделюємо доменну логіку. На виході — технічне завдання та архітектурна схема.
-
Backend та API. Реалізуємо ядро (товари, кошик, замовлення), інтеграції з 1С/складами/платіжками. Використовуємо Laravel 11 з Repository pattern, чергами для асинхронних операцій.
-
Frontend та checkout. Налаштовуємо React 18 / Next.js 14 з оптимізованим рендерингом (SSR/SSG для каталогу), єдиний single-page checkout.
-
Тестування. Перевіряємо race condition, ідемпотентність вебхуків, навантажувальне тестування (k6), security-аудит.
-
Деплой та моніторинг. Розгортаємо на Vercel / Docker / виділеному сервері, підключаємо Sentry та Uptime.
SEO для e-commerce
Canonical та дублювання. Фасетна фільтрація генерує тисячі URL (?color=red&size=M&sort=price). Без canonical або noindex на фільтрованих сторінках краулінговий бюджет витрачається на дублі, а основні сторінки індексуються гірше.
Structured data. Product schema з offers, aggregateRating, availability — це rich snippets у видачі: зірочки рейтингу, ціна, наявність. Впливає на CTR.
Core Web Vitals на сторінках товарів. Hero image товару — це LCP element. fetchpriority="high" на першому зображенні, правильні srcset з WebP, width та height атрибути для запобігання CLS.
Що входить у результат роботи
Після завершення проекту ви отримуєте:
- Вихідний код та повну документацію (API, архітектура, інфраструктура);
- Доступи до репозиторію, хостингу, моніторингу (Sentry, Uptime);
- Навчання команди роботі з адмін-панеллю та кастомізаціями;
- Гарантійну підтримку 3 місяці (виправлення помилок, консультації);
- Детальний звіт по навантажувальному тестуванню та оптимізації.
Орієнтири за термінами
| Тип магазину |
Термін |
| Малий (до 1 000 SKU, типова логіка) |
8–12 тижнів |
| Середній (до 50 000 SKU, інтеграція 1С) |
14–20 тижнів |
| Великий (100 000+ SKU, ERP, маркетплейси) |
24–40 тижнів |
Вартість розраховується після аналізу вимог: кількість інтеграцій, складність ціноутворення, обсяг каталогу та унікальність UX — основні фактори. Оцінимо ваш проект безкоштовно — замовте консультацію.
Чек-лист перед запуском
- Race condition при оплаті останнього товару — покритий тестом
- Ідемпотентність вебхуків платіжного шлюзу
- Rate limiting на ендпоїнтах кошика та checkout
- Canonical на фільтрованих сторінках каталогу
- Фіскалізація чеків (ФЗ-54 для РФ або аналог)
- Стрес-тест checkout під навантаженням (k6 або Locust)
- Моніторинг помилок (Sentry) та алерти на payment errors
- Backup бази даних з перевіреним restore-процесом
Гарантуємо — кожен проект проходить цей чек-лист перед релізом. Зв'яжіться з нами — підберемо оптимальну архітектуру під ваш бюджет та терміни.