Розробка кастомних знижок та доставки на Shopify Functions

Налаштування Shopify Functions для кастомної логіки знижок та доставки

Уявіть: інтернет-магазин одягу хоче надати знижку 15% на другий товар у кошику, але тільки для клієнтів з Києва та при сумі чека від 5000 грн. Стандартні знижки Shopify не вміють перевіряти геолокацію та враховувати склад кошика за позиціями. Рішення — Shopify Functions — синхронні хуки, які виконуються в момент розрахунку кошика, не залишаючи інфраструктуру Shopify. За 5 мс ми можемо застосувати складне правило знижки або доставки, не збільшуючи час чекауту. За даними Shopify, до 20% користувачів йдуть при затримці чекауту більше 2 секунд, тому оптимізація Shopify Checkout за допомогою кастомних функцій стає стандартом для великих магазинів. Наша команда налаштовує такі функції під ключ: від простих відсотків до складної геолокії доставки. Вартість розробки індивідуальна, економія порівняно із зовнішніми мікросервісами сягає 30%, а середній чек збільшується на 15-25% після впровадження персоналізованих знижок.

Чому Shopify Functions швидші за зовнішні API?

Функції працюють всередині процесу чекауту — це не зовнішній API, який робить HTTP-запит. Вони компілюються в WebAssembly (Rust) або використовують Javy runtime (JavaScript) і виконуються з лімітом 5–10 мс. Жодних мережевих викликів, усі дані передаються через input.graphql. Це гарантує передбачувану продуктивність і нульову затримку для користувача. Докладніше про архітектуру — у документації Shopify Functions.

Де працюють Functions

Functions пишуться на Rust (компілюється в WebAssembly) або JavaScript/TypeScript (через Javy runtime). Rust кращий для складної логіки — швидший та економніший за лімітами. Розробка Shopify Functions включає проектування input.graphql та Metafields.

Як реалізувати складну знижку без втрати продуктивності?

Використовуємо Rust або TypeScript, оптимізуючи кожен запит. Всю підготовку даних виносимо на рівень Metafields — функція отримує вже готові конфіги та застосовує їх за мілісекунди. Наш досвід показує: при правильному проектуванні функція вкладається в 5 мс навіть з 5 рівнями вкладеності. В одному проекті ми реалізували знижку з урахуванням історії замовлень через Metafields: функція завантажувала JSON з пороговими значеннями за останні 30 днів і застосовувала підвищену знижку для лояльних клієнтів — все вкладалося в ліміт 4 мс. Налаштування знижок Shopify за допомогою Functions дозволяє реалізувати будь-які бізнес-правила без уповільнення чекауту.

Приклад: знижка за обсяг замовлення (JavaScript)

input.graphql — описує, які дані Shopify передасть функції:

# input.graphql
query RunInput {
  cart {
    lines {
      id
      quantity
      merchandise {
        ... on ProductVariant {
          id
          product {
            id
            tags
            metafield(namespace: "custom", key: "volume_discount_tier") {
              value
            }
          }
        }
      }
    }
  }
  discountNode {
    metafield(namespace: "custom", key: "tiers") {
      value
    }
  }
}

src/run.ts — логіка функції:

import type { RunInput, FunctionRunResult } from "../generated/api";

interface DiscountTier {
  quantity: number;
  percentage: number;
}

export function run(input: RunInput): FunctionRunResult {
  const tiersJson = input.discountNode?.metafield?.value;
  const tiers: DiscountTier[] = tiersJson ? JSON.parse(tiersJson) : [];

  if (!tiers.length) return { discounts: [], discountApplicationStrategy: "FIRST" };

  const discounts = [];

  for (const line of input.cart.lines) {
    const variant = line.merchandise;
    if (variant.__typename !== "ProductVariant") continue;

    const product = variant.product;
    if (!product.tags.includes("volume-eligible")) continue;

    const applicableTier = tiers
      .filter(t => line.quantity >= t.quantity)
      .sort((a, b) => b.quantity - a.quantity)[0];

    if (!applicableTier) continue;

    discounts.push({
      targets: [{ cartLine: { id: line.id } }],
      value: { percentage: { value: String(applicableTier.percentage) } },
      message: `Знижка ${applicableTier.percentage}% за кількість (від ${applicableTier.quantity} шт.)`,
    });
  }

  return {
    discounts,
    discountApplicationStrategy: "FIRST",
  };
}

Як налаштувати доставку з геолокацією?

Використовуємо delivery_customization API. Функція отримує адресу доставки через input.graphql і може приховати або пересортувати методи доставки. Наприклад, для віддалених регіонів з тривалою доставкою приховуємо експрес-методи. Логіка пишеться на Rust для максимальної швидкості — типовий час виконання 3 мс. Для інтеграції зверніться до наших інженерів. Кастомна доставка Shopify з геолокацією — одне з частих застосувань Functions.

Обмеження доставки Shopify

Процес роботи

1. Аналітика — розбираємо бізнес-правила, проектуємо вхідні дані.
2. Проектування — обираємо мову та оптимізуємо запити під ліміти.
3. Реалізація — пишемо код, готуємо input.graphql та Metafields.
4. Тестування — локально через npm test або cargo test, потім на staging.
5. Деплой — через Shopify CLI, активуємо в Admin.

Терміни залежать від складності: проста знижка — від 2 робочих днів, функція з геологікою — до 2 тижнів.

Тестування та деплой

npm run test   # або cargo test
shopify app deploy
shopify app logs   # перегляд логів

shopify app log --tail

Що входить в нашу роботу

• Проектування архітектури функції з урахуванням лімітів
• Написання коду на Rust або TypeScript
• Розробка input.graphql та схем Metafields
• Деплой та інтеграція з Admin
• Документація з налаштування правил
• Підтримка після запуску (1 місяць)

Наша команда — сертифіковані Shopify-розробники з 5+ років досвіду та 30+ реалізованими проектами. Оцінимо ваше завдання за 1 робочий день. Зв'яжіться з нами — допоможемо впровадити кастомну логіку знижок та доставки, яка не гальмує чекаут. Отримайте консультацію.

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.