Willie — Wijnaanbevelingsengine

Uitdaging

Generieke "dit vind je misschien ook leuk"-aanbevelingen treffen het doel niet voor wijnkopers die om herkomst, oogstjaar en het verhaal achter een fles geven. De retailer had personalisering nodig die zichzelf uitlegt — aanbevelingen die de klant kan begrijpen en vertrouwen zonder sommelier.

Wat we bouwden

We bouwden een aanbevelingspipeline op BigQuery en dbt. De wijncatalogus en bestelhistorie leven in BigQuery; dbt transformeert ze naar de feature-tabellen die de aanbevelingsengine leest. De engine geeft gepersonaliseerde wijnen met leesbare uitleg: geografische match (dezelfde regio als een eerder gekochte wijn), oogstjaaroverlap (geboortejaar, jubileum) of naamoverlap (speelse thematische match). Elke aanbeveling heeft een zin uitleg. Een Flask-backend serveert aanbevelingen via een kleine API die in de site van de retailer is ingebed.

Resultaat

Verklaarbare aanbevelingen die verder gaan dan "het algoritme zei het". Klanten kunnen de reden voor elke aanbeveling hardop voorlezen — geografie, een persoonlijk jaar, een naamverbinding. De BigQuery en dbt-backbone is in productie; de front-endinbedding is het actieve bouwdoel.

Gebruikte technologie

• BigQuery
• dbt (data build tool)
• Python / Flask API
• Geografische + oogstjaar + naamovereenkomstmatching
• Uitleggeneratie per aanbeveling