Один и тот же параметр может попасть в каталог и запрос покупателя в разных формах: «42», «42 размер», «10 мм», «1 см», «2 кВт» или «2000 Вт». Если поиск сравнивает такие записи как обычный текст, часть подходящих товаров не попадёт в выдачу, а часть лишних товаров, наоборот, может получить совпадение.
Практическое решение начинается не со списка синонимов, а с нормализации данных. Нужно определить, что именно означает поле, выделить число и единицу, привести совместимые значения к общей форме, сохранить исходную запись и проверить результат на контролируемой матрице запросов. Ниже разобран именно этот контур: от значения в карточке до проверки выдачи. Это не общий аудит поиска, не настройка фасетов и не обещание автоматического роста продаж.
Почему одинаковое свойство выглядит по-разному
Покупатель и товарный каталог решают разные задачи. В карточке удобно показать «10 × 20 см», а в запросе пользователь может написать «10×20», «10 на 20 см» или «100 на 200 мм». Для человека это потенциально одно измерение, но для системы различия затрагивают знак умножения, порядок размерностей, пробелы, единицу и точность.
Расхождения возникают и в более простых случаях. Размер одежды может быть записан как «42», «размер 42» или «42 р-р». Мощность — как «2 кВт» или «2000 Вт». Десятичное число — как «1,5 л» или «1.5 л». Список текстовых замен не отвечает на вопросы, которые важны для количественного сравнения: где число, какая физическая величина, совместимы ли единицы и как обработать диапазон.
- Разный порядок. «42 размер» и «размер 42» требуют выделить одно свойство и одно значение, а не искать полную строку.
- Разные единицы. «10 мм» и «1 см» можно сравнивать только после проверки, что речь идёт об одной длине и разрешён пересчёт.
- Разный разделитель. «10×20», «10 × 20» и «10 на 20» эквивалентны не всегда: сначала должна быть известна схема размерностей.
- Разная точность. При округлении «1,50» и «1,5» могут быть равны, но результат «1,5» нельзя бездумно приравнивать к «1,05».
- Смешение числа и текста. «до 10 кг», «10 кг» и «10–20 кг» задают разные условия, поэтому их нельзя хранить одним неразобранным значением.
Модель значения, пригодная для индексации
До переиндексации стоит договориться о модели характеристики. Она должна описывать не только строку для карточки, но и данные, по которым выполняется сравнение. Конкретное хранилище может быть устроено по-разному; важно, чтобы смысл полей был однозначным.
- Каноническое имя. Например, «диаметр», «мощность» или «размер одежды». Не объединяйте разные свойства только потому, что у них одинаковое число.
- Тип значения. Это может быть размер из справочника, число, диапазон, составной размер или текстовое значение. Тип определяет допустимые операции сравнения.
- Каноническая единица. Для совместимых количественных значений выбирается базовая единица. Для размера одежды это может быть не физическая единица, а согласованный код или число внутри конкретного справочника.
- Нормализованное значение. Число, границы диапазона или набор размерностей, с которым работает поиск. Оно не должно зависеть от регистра, лишних пробелов и разрешённых вариантов записи.
- Исходное и отображаемое значение. Исходная строка нужна для аудита и разбора ошибок, а отображаемая форма — для покупателя. Нормализация не должна незаметно испортить то, что показывается в карточке.
- Правило точности и валидности. Заранее задаются допустимые единицы, округление, диапазон значений и реакция на пропуск или неоднозначность. Пустое значение нельзя подменять нулём.
Такое разделение помогает не смешивать три разных результата: то, что написано в карточке, то, что используется для сопоставления, и то, что пользователь видит в выдаче. Если исходное значение потеряно, будет сложнее понять, почему конкретная карточка не прошла преобразование или почему отображение изменилось после обновления каталога.
Варианты записи и контрольные правила
Таблица ниже — не универсальный справочник для любого магазина. Это образец контрольных правил: для каждого примера нужно подтвердить тип характеристики и ожидаемое поведение на реальных карточках. В составном размере порядок «длина–ширина» приведён только как условный; если каталог использует другой порядок, это должно быть явно зафиксировано.
| Вариант записи | Каноническое значение | Проверка |
|---|---|---|
| 42 размер; размер 42 | Атрибут «размер одежды» = 42; без физической единицы | Обе фразы дают один и тот же набор контрольных товаров; обувной или детский размер не подмешивается. |
| 10 мм | Атрибут «длина» = 10 мм | Запрос на 10 мм находит карточку с той же длиной; карточка с шириной 10 мм не считается совпадением. |
| 1 см | Атрибут «длина» = 10 мм после разрешённого пересчёта | Результат совпадает с тестом «10 мм», а исходная форма «1 см» не меняется в карточке. |
| 2 кВт | Атрибут «мощность» = 2000 Вт | Запрос «2000 Вт» даёт тот же ожидаемый товар; напряжение и потребление не считаются мощностью. |
| 2000 Вт | Атрибут «мощность» = 2000 Вт | Проверяется точное совпадение и отсутствие карточек с другой мощностью, если допуск не задан. |
| 1,5 л; 1.5 л | Атрибут «объём» = 1,5 л | Разрешённые десятичные разделители дают одну выборку; запись «1,05 л» в неё не попадает. |
| от 5 до 10 кг | Атрибут «вес»: минимум 5 кг, максимум 10 кг | Отдельно проверяются границы 5 и 10 кг, значение внутри и товары за пределами диапазона. |
| 10 × 20 см; 10×20 см | Размерности: длина 100 мм, ширина 200 мм — только при утверждённом порядке | Обе записи дают одинаковый результат; переставленные 20 × 10 см не считаются равными без специального правила. |
Пять классов данных, для которых нужны отдельные правила
Размеры и порядок размерностей
Составной размер нельзя надёжно нормализовать, пока не определено, что означает каждая позиция. Запись «10 × 20 × 30 см» может обозначать длину, ширину и высоту, но в разных категориях порядок и состав размерностей различаются. Разделитель «x» сам по себе не сообщает, можно ли менять местами значения.
Для каждой категории зафиксируйте набор размерностей, их порядок, допустимые разделители и правило для неполной записи. Если покупатель написал «10 на 20», а третья размерность обязательна, безопаснее пометить запрос как неполный или запросить уточнение, чем присвоить значения наугад.
Совместимые единицы
Пересчёт допустим только внутри одной физической величины и при известном коэффициенте. Миллиметры, сантиметры и метры относятся к длине; граммы и килограммы — к массе; ватты и киловатты — к мощности. Нельзя превращать любое совпадение числа в эквивалентность: «20 мм» для диаметра и «20 мм» для толщины — разные свойства.
Единица должна проверяться вместе с именем характеристики. Если в каталоге встречаются неоднозначные или смешанные обозначения, их сначала нужно вынести в исключения и разобрать вручную. Молчаливое преобразование несовместимых единиц создаёт ложные результаты, которые труднее заметить, чем пустую выдачу.
Десятичные числа, пробелы и регистр
Очистка должна быть ограниченной и предсказуемой. Лишний пробел, регистр букв и разрешённые варианты разделителя можно привести к общей форме. Но заменять запятую на точку следует только после определения локального формата и проверки случаев, где разделитель может быть частью другого значения.
Отдельно задайте точность хранения и точность отображения. Округление до удобного вида не должно менять границу диапазона или создавать совпадение с товаром, который на самом деле не проходит условие.
Диапазоны и операторы сравнения
Фразы «до 10 кг», «не меньше 2 кВт» и «от 5 до 10 л» содержат оператор, а не только число. В модели должны быть раздельные поля для нижней и верхней границы, если такой сценарий поддерживается. Для каждой границы задайте, включается ли она в результат.
Дефис тоже неоднозначен: «5-10 кг» может быть диапазоном, частью артикула или текстовой маркировкой. Правило должно учитывать тип поля и контекст, а не применять один разбор ко всему каталогу.
Составные и отсутствующие значения
Товар может иметь несколько значений одного свойства, например несколько диаметров или два допустимых объёма. Нужно заранее определить, означает ли запрос «20 мм» совпадение с любым значением, со всеми значениями или с конкретным вариантом товара.
Пустое, неизвестное и приблизительное значения также различаются. Отсутствие веса не означает вес 0 кг, а формулировка «около 10 мм» не равна точному значению 10 мм без заданного допуска. Эти состояния следует тестировать отдельно, чтобы поиск не создавал ложную точность.
Как подготовить pipeline нормализации
Нормализация должна быть повторяемым этапом обработки данных, а не ручной правкой отдельных карточек. Последовательность может выглядеть так:
- Инвентаризировать поля. Соберите названия характеристик, типичные единицы, примеры исходных строк и долю пропусков по приоритетным категориям.
- Развести сущности. Отделите длину от ширины, мощность от напряжения, размер одежды от размера обуви, а диапазон от одиночного числа.
- Составить словарь правил. Запишите каноническое имя, допустимые варианты единиц, коэффициент пересчёта, точность и запреты для каждого типа поля.
- Очистить и разобрать значение. Удалите только разрешённые шумовые элементы, извлеките число и оператор, проверьте единицу и сформируйте каноническую форму.
- Сохранить исходную строку. Не затирайте значение, которое нужно для карточки и расследования ошибок преобразования.
- Переиндексировать ограниченную выборку. Начните с контрольных товаров из разных категорий и сравните результат с ожидаемой матрицей до массового обновления.
- Зафиксировать версию правил. При изменении коэффициента, округления или схемы размерностей сохраняйте причину изменения и повторяйте тесты, которые оно затрагивает.
Переиндексация не исправляет ошибочную семантику поля. Если в одной строке смешаны длина и ширина или единица не указана, сначала нужна корректировка данных и правила обработки. Иначе система лишь быстрее проиндексирует неоднозначную запись.
Как тестировать внутренний поиск
Для QA соберите пары «запрос покупателя — ожидаемый товар» и добавьте к ним разобранное намерение: характеристика, значение, единица, оператор и допустимая точность. Проверяйте не только наличие нужной карточки, но и отсутствие лишних результатов. Отдельно фиксируйте нулевую выдачу, неполное совпадение, лишний товар и неверный порядок в выдаче.
Поиск по свободной фразе и фасетный фильтр — разные сценарии. У них могут быть общие канонические данные, но различаются интерфейс, логика выбора и способ проверки. Синонимы названий, исправление опечаток и подсказки тоже не заменяют нормализацию числового значения.
Тестовая матрица: запрос, ожидание и проверка
Минимальная матрица должна включать несколько классов записей, а не один удачный пример. В каждом тесте сохраните исходный запрос, ожидаемую нормализованную структуру, список контрольных товаров и фактический ответ поиска.
- Порядок числа и свойства. Запросы «размер 42» и «42 размер». Ожидание: одна выборка для одного типа размера. Проверка: сравнить идентификаторы результатов и убедиться, что другой справочник размеров не попал в выдачу.
- Единицы одной величины. «10 мм» и «1 см». Ожидание: одинаковое каноническое значение длины. Проверка: проверить карточку с длиной и отдельно карточку, где 10 мм указаны только как ширина.
- Регистр и пробелы. «2 кВт», «2 КВТ» и запись с лишним пробелом. Ожидание: разрешённые формы не меняют значение. Проверка: сравнить разбор числа и единицы, затем проверить отсутствие ложного совпадения с другим полем.
- Десятичные разделители. «1,5 л» и «1.5 л». Ожидание: один объём, если обе формы разрешены. Проверка: добавить контрольный товар с 1,05 л и убедиться, что он не ошибочно включён.
- Порядок размерностей и разделители. «10×20 см», «10 × 20 см», «10 на 20 см». Ожидание: одинаковая пара размерностей только при утверждённой схеме. Проверка: протестировать перестановку 20 × 10 см и неполное значение.
- Диапазон. «от 5 до 10 кг», «до 10 кг», «не меньше 5 кг». Ожидание: разные операторы и границы. Проверка: проверить значения на нижней и верхней границе, внутри и за пределами диапазона.
- Составное или неоднозначное условие. «диаметр 20 мм» при наличии толщины 20 мм. Ожидание: совпадает только нужный атрибут. Проверка: в результатах должен остаться товар с диаметром, а карточка только с толщиной должна быть исключена.
- Отрицательные, нулевые и невозможные значения. «вес 0 кг», «длина −5 мм», чрезмерно большое число. Ожидание: реакция по правилам валидации, а не молчаливое совпадение. Проверка: зафиксировать понятный статус разбора и отсутствие неподходящих карточек.
После каждого изменения сравнивайте не только успешные кейсы, но и отрицательные. Если новое правило добавило нужный товар, но одновременно расширило выдачу за счёт другой характеристики, это не исправление, а перенос ошибки.
Что измерять после изменения правил
Результат нормализации нельзя оценивать только по тому, что один тестовый запрос начал находить карточку. Разделяйте техническое качество сопоставления и бизнес-события:
- долю запросов без результата в выбранной группе характеристик;
- долю запросов, для которых контрольная выборка содержит ожидаемый товар;
- количество лишних результатов и случаев неверного атрибута;
- показы карточек и переходы к товарам после таких запросов;
- покупки — только если событие надёжно передаётся и его можно связать с конкретным поисковым сценарием.
Переход в карточку, запрос без результата и покупка — разные события. Сравнение периода до и после полезно только при одинаковом определении событий, сопоставимых выборках и зафиксированных изменениях. Даже улучшение технического теста не доказывает причинный рост конверсии само по себе.
Как соотнести правила данных с поиском VtochKu
В публичном описании VtochKu.One заявлен поиск по каталогу обычными словами с учётом характеристик, ограничений и контекста диалога; там же описаны индексация и обновление каталога, подбор товаров и переходы к карточкам. Это подходящий продуктовый контекст для проверки сценариев с атрибутами, но он не означает, что любая единица, диапазон или составной размер автоматически будет распознан без подготовки данных.
Поэтому перед применением поиска к конкретному магазину сначала согласуйте схему характеристик и контрольную матрицу, затем проверьте фактическое поведение на обезличенных карточках. Отдельно уточните актуальные ограничения текущей конфигурации: статья описывает общие требования к качеству данных и QA, а не заявляет о наличии у VtochKu автоматической конвертации всех единиц или о гарантированном результате.
Когда достаточно правил данных, а когда нужен языковой разбор
Если проблема в том, что «1 см» и «10 мм» записаны по-разному, сначала исправьте каноническую модель и пересчёт. Языковой компонент не должен компенсировать отсутствие единицы, смешение длины с шириной или потерю границ диапазона.
Более сложный разбор запроса нужен, когда покупатель описывает задачу разговорно, объединяет несколько ограничений или использует контекст, которого нет в названии поля. Но и в этом случае результат разбора должен приводить к проверяемым атрибутам и значениям. Чем яснее канонические данные, тем проще отличить ошибку понимания фразы от ошибки каталога.
FAQ
Нужно ли хранить «42 размер» и «размер 42» как два значения?
Нет, если это одно свойство и один справочник. Для поиска лучше выделить каноническое значение 42, а исходную и отображаемую формы сохранить отдельно, когда они нужны пользователю или для аудита. Если речь идёт о разных типах размеров, их нельзя объединять только из-за одинакового числа.
Можно ли просто добавить синонимы «кВт» и «киловатты»?
Для текстового разбора этого может быть недостаточно. Нужно распознать мощность как тип характеристики, привести совместимые единицы к общей форме, определить точность и проверить, что значение не сравнивается с напряжением или другим полем. Синонимы — лишь один слой правил.
Что делать с запросом в другой единице измерения?
Сначала убедиться, что единицы относятся к одной физической величине и разрешены для этого атрибута. Затем преобразовать значение в выбранную базовую единицу, сохранить исходную запись и проверить граничные случаи на контрольных товарах. Неоднозначную или несовместимую единицу нельзя молча преобразовывать.
Как обработать «10 на 20»?
Зафиксировать порядок размерностей в конкретной категории и проверить, что обе позиции действительно означают длину и ширину. Если порядок или третья размерность не определены, запрос лучше считать неполным и запросить уточнение, чем присвоить значения наугад.
Как понять, что исправление помогло?
Повторить одну и ту же тестовую матрицу до и после изменения, сравнить ожидаемый и фактический состав выдачи, отдельно посчитать нулевые и лишние результаты. Затем посмотреть показы карточек и переходы, а покупки анализировать отдельно при надёжной передаче событий. Один удачный пример не заменяет такой проверки.
Чек-лист перед массовой переиндексацией
- Для каждого приоритетного свойства определены каноническое имя, тип, допустимые единицы и точность.
- Совместимые единицы преобразуются по явным правилам, а несовместимые значения останавливаются или отправляются на разбор.
- Размерности, диапазоны, составные и отсутствующие значения не смешиваются с одиночным числом.
- Исходная строка сохранена, а отображение в карточке не зависит от служебного преобразования.
- Есть контрольные товары на точные совпадения, эквивалентные единицы, десятичные разделители, разные разделители размеров и диапазоны.
- Для каждого теста записаны ожидаемый результат, фактическая выдача, лишние товары и причина расхождения.
- После изменения правил проверены не только переходы к карточкам, но и запросы без результата, ложные совпадения и бизнес-события при наличии надёжных данных.
Главный критерий готовности — не наличие красивой строки в карточке, а воспроизводимая цепочка: исходное значение, каноническая форма, правило сравнения, ожидаемый товар и подтверждённый результат в выдаче. Такая схема помогает руководителю отделить проблему каталога от проблемы разбора запроса и принимать изменения поиска по проверяемым данным.



