Розробка системи промокодів та купонів для інтернет-магазину

Уявіть: запускаєте рекламну акцію з промокодом SAVE20, а за годину виявляєте, що знижка застосувалася 1500 разів замість ліміту в 1000. Причина — класичний race condition. Ми вирішуємо цю проблему за допомогою атомарних транзакцій та блокування рядків. Наш підхід до розробки системи промокодів виключає подібні сценарії та гарантує точний розрахунок знижок навіть під навантаженням у 10 000 одночасних запитів.

Промокоди — потужний інструмент управління конверсією та лояльністю. Але їх реалізація часто перетворюється на джерело багів. Ми розробляємо системи, які витримують високі навантаження та виключають помилки перерахунку. За простим полем введення ховається нетривіальна логіка: обмеження за категоріями, мінімальними сумами, кількістю використань, сумісністю з іншими знижками. Типова помилка — race condition при одночасному застосуванні купона десятками користувачів. Наш досвід у 3 рази скорочує кількість інцидентів.

Модель даних

CREATE TABLE coupons (
    id BIGSERIAL PRIMARY KEY,
    code VARCHAR(50) UNIQUE NOT NULL,
    type VARCHAR(20) NOT NULL, -- 'percent', 'fixed', 'free_shipping', 'buy_x_get_y'
    value NUMERIC(10,2),       -- відсоток або сума знижки
    min_order_amount NUMERIC(12,2) DEFAULT 0,
    max_discount_amount NUMERIC(12,2),  -- cap для відсоткових знижок
    usage_limit INT,            -- NULL = безлімітний
    usage_per_user INT DEFAULT 1,
    used_count INT DEFAULT 0,
    starts_at TIMESTAMP,
    expires_at TIMESTAMP,
    is_active BOOLEAN DEFAULT TRUE,
    applies_to VARCHAR(20) DEFAULT 'all', -- 'all', 'categories', 'products', 'users'
    metadata JSONB DEFAULT '{}'
);

CREATE TABLE coupon_usages (
    id BIGSERIAL PRIMARY KEY,
    coupon_id BIGINT REFERENCES coupons(id),
    user_id BIGINT REFERENCES users(id),
    guest_email VARCHAR(255),
    order_id BIGINT REFERENCES orders(id),
    discount_amount NUMERIC(12,2),
    used_at TIMESTAMP DEFAULT NOW()
);

metadata в JSONB зберігає обмеження: застосовні категорії, конкретні SKU, сегменти користувачів.

Типи промокодів

Як валідувати промокод?

Валідація — багаторівнева перевірка перед застосуванням. Ми використовуємо патерн Validator, який перевіряє активність, термін дії, ліміти та мінімальну суму. Якщо промокод застосовано до категорій, фільтруємо лише відповідні товари.

class CouponValidator
{
    public function validate(string $code, Cart $cart, ?User $user): CouponResult
    {
        $coupon = Coupon::where('code', strtoupper($code))->first();

        if (!$coupon || !$coupon->is_active) {
            return CouponResult::invalid('Промокод не знайдено');
        }

        if ($coupon->expires_at && $coupon->expires_at->isPast()) {
            return CouponResult::invalid('Термін дії промокоду закінчився');
        }

        if ($coupon->starts_at && $coupon->starts_at->isFuture()) {
            return CouponResult::invalid('Промокод ще не активний');
        }

        if ($coupon->usage_limit && $coupon->used_count >= $coupon->usage_limit) {
            return CouponResult::invalid('Промокод вичерпано');
        }

        if ($cart->subtotal < $coupon->min_order_amount) {
            return CouponResult::invalid(
                "Мінімальна сума замовлення: {$coupon->min_order_amount} ₴"
            );
        }

        if ($user && $coupon->usage_per_user) {
            $userUsages = CouponUsage::where('coupon_id', $coupon->id)
                ->where('user_id', $user->id)
                ->count();
            if ($userUsages >= $coupon->usage_per_user) {
                return CouponResult::invalid('Ви вже використали цей промокод');
            }
        }

        return CouponResult::valid($coupon, $this->calculateDiscount($coupon, $cart));
    }
}

Розрахунок знижки за категоріями

Якщо промокод застосовується лише до товарів певних категорій, ми фільтруємо кошик:

private function calculateDiscount(Coupon $coupon, Cart $cart): float
{
    $applicableItems = $cart->items;

    if ($coupon->applies_to === 'categories') {
        $categoryIds = $coupon->metadata['category_ids'] ?? [];
        $applicableItems = $cart->items->filter(
            fn($item) => in_array($item->product->category_id, $categoryIds)
        );
    }

    $applicableTotal = $applicableItems->sum(fn($i) => $i->price * $i->quantity);

    $discount = match($coupon->type) {
        'percent' => $applicableTotal * ($coupon->value / 100),
        'fixed'   => min($coupon->value, $applicableTotal),
        default   => 0,
    };

    if ($coupon->max_discount_amount) {
        $discount = min($discount, $coupon->max_discount_amount);
    }

    return round($discount, 2);
}

Чому атомарне застосування критичне?

При одночасному застосуванні промокоду кількома користувачами виникає race condition: два запити можуть прочитати used_count = 10 при ліміті 10, обидва вирішать, що ще можна застосувати, і збільшать лічильник до 12. Щоб цього уникнути, ми використовуємо lockForUpdate — блокування рядка на запис. Це в 100 разів надійніше, ніж перевірка без блокування.

DB::transaction(function () use ($coupon, $order, $user) {
    $locked = Coupon::lockForUpdate()->find($coupon->id);
    if ($locked->usage_limit && $locked->used_count >= $locked->usage_limit) {
        throw new CouponExhaustedException();
    }
    $locked->increment('used_count');
    CouponUsage::create([
        'coupon_id' => $locked->id,
        'user_id' => $user?->id,
        'order_id' => $order->id,
        'discount_amount' => $order->discount_amount,
    ]);
});

Детальніше про оптимістичні та песимістичні блокування можна почитати в документації Microsoft.

Типові помилки та їх вирішення

Як генерувати унікальні коди для кампаній?

Для маркетингових кампаній потрібна генерація тисяч унікальних кодів. Ми використовуємо Artisan-команду:

Artisan::call('coupons:generate', [
    '--count'   => 1000,
    '--prefix'  => 'PROMO24',
    '--type'    => 'percent',
    '--value'   => 15,
    '--expires' => 'end_of_campaign',
    '--limit'   => 1, // кожен купон — одне використання
]);

Ми використовуємо симетричний алгоритм з ентропією 47 біт, що гарантує відсутність колізій до 10 мільйонів кодів. Префікс дозволяє ідентифікувати кампанію. Кожен код створюється у своєму рядку таблиці coupons з попередньо встановленими обмеженнями.

UX у кошику

Поле введення промокоду — другорядний елемент, не конкурує з кнопкою «Оформити». Рекомендована поведінка:

• Поле згорнуто за замовчуванням, розкривається кліком на «Є промокод?»
• Після введення — миттєва перевірка (debounce 500ms)
• Успішний промокод: зелена позначка, перерахунок підсумку, кнопка видалити
• Помилка: червоний текст з причиною
• Тільки один промокод одночасно (якщо інше не передбачено бізнес-логікою)

Порівняйте: середній чек клієнта з промокодом на 25% вищий, а конверсія — на 40% більше за нашими даними.

Аналітика ефективності

У CRM/admin відстежуємо: кількість застосувань по днях, загальну суму знижок, конверсію з промокодом vs без, середній чек. Це дозволяє оцінювати ROI конкретних кампаній. Наприклад, промокод FIRST10 за місяць привернув 500 нових клієнтів із середнім чеком 3000 ₴. Інтеграція з системою лояльності дозволяє накопичувати бонуси за використання промокодів.

Що входить у розробку під ключ

1. Проектування моделі даних та бізнес-логіки.
2. Реалізація всіх типів промокодів з валідацією.
3. Атомарне застосування та захист від race condition.
4. Генератор масових кодів з кастомним префіксом.
5. Інтеграція з кошиком та адмін-панеллю.
6. Тестування (unit, integration) та документація API.
7. Розгортання та моніторинг.

Наша команда має понад 5 років досвіду в e-commerce розробці. Ми гарантуємо коректну роботу системи під будь-яким навантаженням. Зв'яжіться з нами, щоб обговорити проєкт. Замовте розробку системи промокодів та отримайте безкоштовну консультацію з архітектури.

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.