Розробка фільтрації товарів за параметрами для інтернет-магазину

Розробка фільтрації товарів за параметрами для інтернет-магазину

Ми розробляємо фільтрацію товарів, яка не втрачає продажі. Уявіть каталог із 500 ноутбуками: без якісної фільтрації користувач іде до конкурентів. Наше рішення — faceted search: доступні значення фільтрів оновлюються залежно від уже вибраних, і користувач завжди знає, скільки товарів за кожним значенням. Це принципово відрізняє реалізацію від простого WHERE-запиту.

Хороша фільтрація — це комбінація SQL-індексів, кешування та клієнтської синхронізації з URL. Наші інженери з 10+ років досвіду в e-commerce знають, як уникнути типових помилок: N+1 запитів при підрахунку лічильників, Race condition при швидких кліках та невідповідності стану URL і сторінки. Ми гарантуємо, що фільтр працюватиме на каталогах до 1 млн товарів без просадки LCP та INP. Типова помилка — реалізація фільтрації лише на стороні клієнта без синхронізації URL: користувач не може поділитися посиланням на відфільтрований список, а SEO-трафік втрачається. Ми проєктуємо систему так, щоб будь-яка вибрана комбінація фільтрів відображалася в шляху або параметрах URL.

Типи фільтрів

Як реалізувати faceted search на SQL?

Найпростіший підхід — фільтрація через PostgreSQL. Працює до ~100 000 товарів при правильній індексації.

-- Основний запит з фільтрами
SELECT p.* FROM products p
WHERE p.category_id = :cat
  AND (:brands IS NULL OR p.brand = ANY(:brands::text[]))
  AND (:price_min IS NULL OR p.price >= :price_min)
  AND (:price_max IS NULL OR p.price <= :price_max)
  AND (:in_stock IS NULL OR p.stock > 0)
ORDER BY p.sort_order
LIMIT 48 OFFSET :offset;

-- Агрегації для лічильників (окремий запит на кожен фільтр)
SELECT brand, COUNT(*) FROM products p
WHERE p.category_id = :cat
  -- Всі фільтри КРІМ brand
  AND (:price_min IS NULL OR p.price >= :price_min)
GROUP BY brand;

Проблема SQL-підходу: для коректних лічильників потрібен окремий запит агрегації для кожного фільтра, виключаючи цей фільтр з умов. При 10 активних фільтрах — 10 додаткових запитів. На реальному навантаженні це не масштабується.

Що дає Elasticsearch для фільтрації?

Elasticsearch вирішує задачу за один запит через aggregations:

{
  "query": {
    "bool": {
      "filter": [
        { "term": { "category_id": 14 } },
        { "terms": { "brand": ["Apple", "Samsung"] } },
        { "range": { "price": { "gte": 5000, "lte": 30000 } } }
      ]
    }
  },
  "aggs": {
    "brands": {
      "filter": {
        "bool": {
          "filter": [
            { "term": { "category_id": 14 } },
            { "range": { "price": { "gte": 5000, "lte": 30000 } } }
          ]
        }
      },
      "aggs": {
        "values": { "terms": { "field": "brand", "size": 50 } }
      }
    },
    "price_range": {
      "stats": { "field": "price" }
    }
  }
}

Кожна агрегація (brands, ram, screen_size) використовує фільтр без своєї власної умови — це і є faceted search. Один запит повертає і товари, і всі лічильники для всіх фільтрів.

Чому Elasticsearch краще SQL для великих каталогів?

У тестах з каталогом із 200 000 товарів Elasticsearch виконує агрегації в 10 разів швидше SQL. При цьому навантаження на базу знижується, оскільки всі лічильники отримуються за один запит. Для каталогів понад 50 000 товарів Elasticsearch дає якісну різницю у швидкості та багатстві фасетів.

Як синхронізувати фільтри з URL?

URL повинен відображати стан фільтрів для шерінгу та SEO:

/noutbuki?brand=apple,samsung&ram=16&price_min=50000&price_max=100000&sort=price_asc

При зміні фільтра — pushState або replaceState без перезавантаження сторінки. При прямому вході за URL — ініціалізація стану фільтрів із параметрів. SEO-підхід: популярні комбінації фільтрів (бренд + категорія) оформлюються як окремі статичні сторінки з унікальним контентом і canonical. Сторінки з рідкісними комбінаціями — <meta name="robots" content="noindex">.

Клієнтська реалізація

Стан фільтрів зберігається в URL (source of truth) і дзеркалюється в React state:

type FilterState = {
  brands: string[];
  ram: number | null;
  priceMin: number | null;
  priceMax: number | null;
  inStock: boolean;
  sort: 'price_asc' | 'price_desc' | 'popularity' | 'rating';
};

function useFilters() {
  const [searchParams, setSearchParams] = useSearchParams();

  const filters = useMemo(() => parseFilters(searchParams), [searchParams]);

  const setFilter = (key: keyof FilterState, value: unknown) => {
    const next = { ...filters, [key]: value };
    setSearchParams(buildParams(next), { replace: true });
  };

  return { filters, setFilter };
}

При кожній зміні фільтра — debounce 300ms, потім запит до API. Результати оновлюються без перезавантаження сторінки.

Ціновий слайдер

Компонент діапазону цін — окрема задача. Вимоги:

• Два handle (min і max), які не можуть перетнутися
• При введенні з клавіатури — валідація та clamp
• Гістограма розподілу цін за слайдером (показує, де сконцентровані товари)

Гістограма: Elasticsearch aggregation histogram з interval = (max_price - min_price) / 20. Відображається через SVG path або tiny bar chart. Готові компоненти: @radix-ui/react-slider, rc-slider, noUiSlider. Radix-варіант переважний при Tailwind-стеку.

Оптимізація продуктивності

Кеш агрегацій: результати підрахунку фасетів змінюються не при кожному запиті. Кешуємо агрегації для категорії з типовим набором фільтрів у Redis на 5–10 хвилин. При оновленні товару інвалідуємо кеш категорії.

Індекси PostgreSQL:

-- Складений індекс для типового запиту
CREATE INDEX ON products (category_id, brand, price)
  WHERE status = 'active';

-- GIN-індекс для JSONB-атрибутів
CREATE INDEX ON products USING GIN (attributes);

Lazy loading фасетів: показуємо перші 5–7 значень, кнопка «Показати всі» підвантажує решту окремим запитом.

Мобільна адаптація

На мобайлі фільтри приховані за кнопкою «Фільтри» → відкривається нижній drawer (bottom sheet) на весь екран. Всередині — ті самі компоненти, але зі збільшеними touch targets. Кнопка «Застосувати» фіксована внизу. При застосуванні drawer закривається, список оновлюється.

Що входить у роботу

• Документація схеми фільтрації: опис індексів, агрегацій та API
• Налаштування індексів і кешування (Redis, Elasticsearch)
• Розробка клієнтських компонентів на React із синхронізацією URL
• Тестування на навантаження до 1 млн товарів
• Навчання команди роботі з фасетами
• 30 днів підтримки після запуску

Скільки часу займає розробка?

• Базова фільтрація (SQL, чекбокси по 3–4 атрибутах, діапазон цін): 1–2 тижні
• Faceted search на Elasticsearch (динамічні лічильники, всі типи фільтрів, URL-синхронізація): 3–4 тижні
• Додавання гістограми цін і кешування агрегацій: +1 тиждень

Вибір між SQL і Elasticsearch визначається розміром каталогу. До 50 000 товарів добре спроєктований SQL впорається. Вище — Elasticsearch дає якісну різницю у швидкості та багатстві фасетів.

Порівняння підходів: SQL vs Elasticsearch

Оцінимо ваш проєкт за 1 день. Зв'яжіться з нами, щоб отримати консультацію щодо вибору підходу та точних термінів.

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.

Як інтегрувати 1С з інтернет-магазином?

1С — окрема глава. Три поширених способи інтеграції:

1. CommerceML через HTTP — 1С вивантажує XML за розкладом, сайт імпортує. Працює для невеликих каталогів, є затримка синхронізації.
2. REST API / OData від 1С — двостороння синхронізація в реальному часі. Вимагає налаштування на стороні 1С, примхлива до версій конфігурацій.
3. 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

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

1. Аналітика та проектування. Збираємо вимоги, уточнюємо бізнес-процеси, моделюємо доменну логіку. На виході — технічне завдання та архітектурна схема.
2. Backend та API. Реалізуємо ядро (товари, кошик, замовлення), інтеграції з 1С/складами/платіжками. Використовуємо Laravel 11 з Repository pattern, чергами для асинхронних операцій.
3. Frontend та checkout. Налаштовуємо React 18 / Next.js 14 з оптимізованим рендерингом (SSR/SSG для каталогу), єдиний single-page checkout.
4. Тестування. Перевіряємо race condition, ідемпотентність вебхуків, навантажувальне тестування (k6), security-аудит.
5. 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

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.