Board Coffee Match

Виклик

У закритих бізнес-спільнотах є повторювана проблема: учасники не знають, з ким саме їм варто познайомитися. Випадковий нетворкінг марнує час, а найцінніші знайомства — засновник і саме той інвестор, що йому потрібен; покупець і правильний постачальник — не стаються, бо ніхто не бачить усієї картини.

Що ми зробили

Board Coffee Match проводить щомісячні раунди метчингу. Учасники заповнюють коротку анкету про цілі, експертизу й те, що шукають, а платформа генерує рекомендації зустрічей сам-на-сам, надсилає їх через Telegram-бота й відстежує, чи зустріч справді створила цінність.

• Анкетування та профілі учасників
• Двошаровий рушій метчингу (нижче)
• Доставка в Telegram з прийняти / відхилити / запланувати
• Адмін-панель: запуск раундів, перегляд і редагування пар, публікація
• Зворотний зв'язок після зустрічі для виміру реальних результатів

Роль AI

Метчинг — це не простий пошук схожості; схожість якраз дає поганий нетворкінг («ви обидва в IT з Києва»). Рушій працює у два шари:

1. Векторні ембединги (OpenAI) перетворюють профіль і відповіді кожного учасника на числові вектори, попередньо відсіюючи тисячі можливих пар до найсильніших кандидатів.
2. Ранжування Claude оцінює кожну пару за суворою рубрикою — віддає перевагу справжній взаємодоповнюваності (покупець↔продавець, інвестор↔засновник, ментор↔менті), відхиляє прямих конкурентів і рахує конкретну цінність для кожного. До кожного метчу додається коротке пояснення й три теми для розмови.

Увесь пайплайн розбито на етапи, щоб надійно опрацьовувати раунди на 100+ учасників попри обмеження безсерверного середовища, зберігаючи проміжний стан.

Результат

Учасники отримують знайомства, що відчуваються підібраними вручну — з причиною та темою для початку розмови, а спільнота отримує дані про те, які типи метчів реально дають бізнес-цінність.

Стек: Next.js, Supabase, OpenAI embeddings, Claude, Telegram Bot API.