Не включайте нечёткий поиск для всех полей одной настройкой. Опечатка в названии товара и одна изменённая цифра в артикуле имеют разный смысл: первое можно приблизить, второе способно показать чужую модель. Сначала классифицируйте запрос, затем выбирайте режим.

Безопасный старт — offline-набор из реальных обезличенных запросов: исходная строка, ожидаемый товар и допустимые альтернативы. Снимите текущие позиции, чтобы после fuzziness увидеть не только новые находки, но и ухудшение точных результатов.

Каждый тип запроса получает собственное правило

ЗапросОсновной режимFuzzy
Название товараmatch по анализируемому textДопустим с малым расстоянием
Бренд и модель словамиexact boost плюс matchТолько для текстовой части
SKU или артикулterm по keywordОбычно выключен
Телефон или emailНормализованный exactВыключен
Короткое слово из 2–3 буквExact, prefix или словарьВысокий риск шума

Артикул остаётся точным якорем

До полнотекстового запроса нормализуйте регистр, пробелы и разрешённые разделители и проверьте keyword-поле артикула. Exact-совпадение получает максимальный boost. Если строка похожа на код, не отправляйте её в fuzzy-ветку без явного продуктового решения.

Fuzziness применяется к разобранному тексту

{
  "query": {
    "bool": {
      "should": [
        {"term": {"sku.keyword": {"value": "abc-123", "boost": 20}}},
        {"match": {"title": {"query": "безпроводные наушники",
          "fuzziness": "AUTO", "prefix_length": 1}}}
      ],
      "minimum_should_match": 1
    }
  }
}

Пример показывает идею, а не готовый запрос для любого каталога. Match сначала анализирует текст, fuzzy сопоставляет получившиеся термы по расстоянию редактирования, а prefix_length оставляет начало слова точным. Значения AUTO и boost подбираются на вашем наборе, а не по красивому демо.

Словарь исправляет доменную лексику

  • Раскладка клавиатуры нормализуется до поиска, если это ожидает аудитория.
  • Частые бренды и транслитерации получают управляемые synonyms.
  • Единицы измерения и размерные обозначения не склеиваются без проверки.
  • Стоп-слова выбираются для языка каталога, а не копируются из общей схемы.
  • Популярные нулевые запросы попадают в очередь редактора словаря.

Fuzzy не заменяет synonyms: расстояние по символам не знает, что «телевизор» и «ТВ» связаны. И наоборот, бесконтрольный список синонимов может резко увеличить число кандидатов. Версионируйте analyzer и переиндексируйте тестовый alias перед переключением production.

Качество измеряется до релиза

Для каждой версии посчитайте долю запросов, где ожидаемый товар попал в top 3 или top 10, и отдельно число нерелевантных результатов сверху. Обязательно держите группы: точные названия, одна опечатка, две опечатки, короткие слова, артикулы и нулевые запросы. Средняя метрика без сегментов скрывает поломку кодов.

Порог выкатывается через управляемый fallback

  1. Сначала выполнить exact и обычный match и сохранить их score.
  2. Запускать fuzzy только при пустом или слишком слабом результате либо смешивать с меньшим весом.
  3. Ограничить число расширений и время запроса на тестовой нагрузке.
  4. Включить новую схему для небольшой доли трафика и сравнить клики и нулевые выдачи.
  5. Хранить предыдущий index alias или feature flag для быстрого отката.
  6. Добавлять ошибочные запросы в фиксированный regression-набор.

Для настройки пригодятся mapping и analyzer текстовых полей, двадцать–пятьдесят обезличенных запросов с ожидаемыми ID, текущие позиции и допустимое время ответа. Логи пользователей передавайте без контактов и session identifiers.

Проверенные источники