Первый умный поиск для LOVE REPUBLIC

Обычный fashion-поиск не понимает, как люди на самом деле ищут одежду. Покупательницы вводят не только названия вещей, но и живые запросы: «костюм для уютной осени», «деловой casual», «платье для вечеринки». Стандартный поиск с этим не справляется. Он ищет по точным словам из карточки товара и не понимает ни стиль, ни настроение, ни контекст покупки.

Для LOVE REPUBLIC это стало ограничением роста. Поиск не помогал выбирать, а тормозил путь к покупке. Каталог приходилось просматривать вручную, а нужные вещи — искать через длинную цепочку фильтров.

Нужно было сделать поиск, который:

- понимает естественный язык;

- подбирает вещи по стилю и визуальному смыслу;

- работает быстро и стабильно;

- запускается сразу на сайте, в веб-версии и в приложении.

Surf внедрил для LOVE REPUBLIC fashion-поиск на базе мультимодальной ML-модели.

Вместо обычного полнотекстового движка мы построили систему, которая анализирует и текст, и изображение товара, понимает смысл запроса и подбирает вещи по визуальному и стилевому сходству.

Модель обучили на миллионах изображений и подробных описаний товаров. Дополнительно встроили AI-конвейер, который сам обогащает карточки товара признаками, которых раньше не было в каталоге: цвет, материал, сезонность, фасон и другие атрибуты.

В результате поиск стал работать не как строка по ключевым словам, а как цифровой стилист внутри e-commerce. Новый поиск запустили сразу на всех платформах: сайте, веб-версии и мобильном приложении.

Обычный e-commerce-поиск работает настолько хорошо, насколько хорошо заполнен каталог. Если бренд не указал материал, стиль или сезон, поиск этого просто «не видит».

Мы убрали эту зависимость. Новый поиск анализирует не только текст, но и фото товара. Это позволяет находить вещи по признакам, которых нет в исходной карточке, и подбирать релевантные модели даже по сложным, неформальным запросам.

Чтобы поиск стал точным, одного подключения модели было недостаточно. Нужно было пересобрать сам поисковый слой.

Мы построили многоступенчатый AI-конвейер, который для каждого товара:

- определяет цвет по изображению;

- извлекает материалы из описания;

- автоматически назначает категории;

- находит дополнительные признаки, важные для поиска;

- формирует расширенный индекс с десятками вариантов.

Из стандартного YML-фида система собирает насыщенный поисковый индекс, в котором товар можно находить не только по названию, но и по визуальным и смысловым характеристикам.

Для пользователя поиск должен быть простым: написал, что хочешь, — получил подходящие вещи. Поэтому мы добавили AI-обработку запроса. 

Когда пользовательница вводит фразу вроде «красное платье на корпоратив», система:

- исправляет опечатки;

- нормализует, то есть переводит запрос под категории;

- извлекает скрытые параметры, например цвет или повод;

- строит более устойчивое поисковое представление запроса.

За счет этого поиск понимает не только буквальные слова, но и намерение пользователя. Это особенно важно в fashion-сценариях, где люди редко формулируют запрос как набор точных атрибутов.

Не все пользователи хотят формулировать сложный запрос самостоятельно. Поэтому мы усилили поиск готовыми входами.

В поле поиска появились тренды и стилевые сценарии, например «Гранж», «Классика», «Романтика», «Минимализм».

Нажатие на такой тег сразу открывает релевантную подборку. Это снизило порог входа в поиск и сделало его полезным даже для тех, кто не знает, как именно описать нужный образ.

Новый поиск нужно было встроить не в один интерфейс, а сразу в несколько точек контакта с пользователем. 

Мы:

- получили от клиента стандартный YML-файл с каталогом и фото;

- настроили REST API;

- подключили поиск к сайту;

- внедрили его в веб-версию;

- интегрировали в мобильное приложение.

Вся интеграция заняла около 5 месяцев. При этом система учитывает скидки, поддерживает управление приоритетами выдачи и встраивается в существующую commerce-логику без полной перестройки платформы.

С самого начала проект строился не как единичная доработка под один каталог, а как масштабируемая SaaS-платформа. Это значит, что после LOVE REPUBLIC подключение следующих брендов происходит быстрее: базовая архитектура уже собрана, AI-конвейер настроен, а модель можно адаптировать под новые данные без запуска разработки с нуля.

Помимо этого, к поиску можно подключить и другие функциональности:

1. Рекомендательную систему. В течение сессии собирает fashion-профиль покупателя (просмотры, корзина, отложенные), находит похожих по вкусу покупателей и подбирает готовые луки — не случайные товары, а стилистически связанные образы.

2. Автоматические фильтры. Например, на запрос «тёплый свитер» поиск сам выставляет сезон «Зима» и сортирует по плотности ткани. Покупателю не нужно вручную перебирать фасетные фильтры.

3. Управление выдачей. Приоритизация товаров под актуальные задачи: продвижение новой коллекции, распродажа остатков, сезонная ротация.

Так продукт превращается из одной фичи в полноценное продуктовое решение для e-commerce.

LOVE REPUBLIC получил поиск нового поколения, который понимает запросы покупателей так, как они действительно формулируют их в жизни: через стиль, настроение, сезон и сценарий. Что изменилось:

- поиск начал понимать естественные запросы — так, как покупатели действительно формулируют их в жизни: через стиль, настроение, сезон и сценарий;

- пользователям стало проще находить товары без ручного перебора каталога — конверсия из поиска в корзину увеличилась в 2 раза;

- в поиске появились готовые тренды и стили, которые сокращают путь к покупке и помогают быстрее собрать полный образ;

- интерфейс стал ближе к консультации стилиста, чем к обычной строке поиска, создавая более персонализированный и запоминающийся опыт.

Результаты для бизнеса:

1. AI-поиск снижает число отказов: пользователи реже уходят с ощущением, что не смогли найти подходящий вариант.

2. AI-поиск стабильно работает с отказоустойчивостью 99,9%, обеспечивая надежный пользовательский опыт;

3. Решение развернуто сразу на сайте, в вебе и мобильном приложении, создавая бесшовный клиентский путь между платформами;

4. Платформа готова к масштабированию на другие fashion-бренды.

Более подробные бизнес-метрики появятся после завершения пилотного этапа. Но уже сейчас проект решил главную задачу: превратил поиск из слабого места fashion e-commerce в сильный пользовательский сценарий.