1. Contexto y entorno (La gráfica de ocasiones)
El gráfico de ocasiones responde a la pregunta fundamental: «¿Cuándo brillará verdaderamente esta botella?». Nuestra IA analiza miles de reseñas en busca de metadatos situacionales, identificando patrones recurrentes para hacer coincidir el destilado con el momento adecuado.
Ajuste temporal
Armoniza los destilados con las preferencias según el momento de consumo, distinguiendo entre un aperitivo para una «Tarde soleada» y un trago junto a la chimenea para la «Noche cerrada».
Calibración social
Identifica la «energía» social de una botella, abarcando desde la «Contemplación íntima» hasta las «Celebraciones» de alta energía.
2. Inteligencia de recomendación
Mapeamos cada destilado en un espacio vectorial de 300 dimensiones: el vector de palabras promedio de todas sus notas de cata y reseñas. La similitud coseno entre esos vectores ofrece tres rutas de descubrimiento distintas para desarrollar su paladar:
Coincidencias más cercanas (La ruta "segura")
Perfiles de alto solapamiento con una distancia vectorial mínima. Ideal para encontrar "más de lo que te gusta" entre diferentes marcas o regiones.
Variaciones familiares (La ruta "exploradora")
Con una base similar, pero con un matiz distintivo. Estas botellas comparten sus preferencias fundamentales al tiempo que introducen nuevas complejidades sensoriales.
Ampliar horizontes (La ruta "desafío")
Polos opuestos seleccionados estratégicamente: los destilados menos similares entre sí, para una exploración calculada sin el riesgo de dar palos de ciego. Las notas de cata de los destilados comparten gran parte de su léxico, por lo que incluso los perfiles opuestos se mantienen bastante próximos en este espacio dimensional; un porcentaje de coincidencia parecería elevado y resultaría engañoso, motivo por el cual no se muestra ninguno aquí.
3. Impacto sensorial estratégico
Nuestro motor permite trazar una trayectoria vertical del paladar, yendo más allá de la simple lógica de «Si te gustó X, prueba Y»:
Maridaje por ocasión
Elimine el síndrome de la «botella adecuada en el momento equivocado». Los insights basados en datos garantizan que su elección se adapte al contexto social.
Trayectoria del paladar
Deje de comprar de forma horizontal. Muévase por el mundo de los espirituosos siguiendo una trayectoria sensorial trazada a partir de millones de puntos de datos.
4. Bajo el capó
Los modelos y el software detrás de esta página, y cuándo se ejecutan.
-
fast-langdetect Google Cloud Translation
Detección de idioma y traducción: Las reseñas en otros idiomas se traducen primero al inglés, ya que los modelos de análisis operan en este idioma. El texto original se conserva en el sitio.
Cuándo: Cada nueva reseña, ya sea redactada aquí o recopilada de otros sitios.
-
spaCy
en_core_web_lgCarácter y ocasiones de consumo: Las listas de términos interpretan la sensación en boca y la estructura (como suave o punzante), así como las ocasiones que se mencionan en el texto. Los propios miembros de la comunidad establecen estos parámetros en el formulario de cata.
Cuándo: Cada reseña recopilada de otro sitio.
-
spaCy
en_core_web_lgscikit-learnBotellas similares: Calcula el promedio de los vectores de palabras de todas las reseñas de una bebida para crear una huella organoléptica y compara las huellas de todas las bebidas (similitud del coseno). No interviene IA generativa.
Cuándo: Cuando un administrador actualiza las recomendaciones.
Análisis en profundidad y documentación técnica
NVIDIA: Recommendation Systems
Cómo el filtrado basado en contenido y el aprendizaje profundo predicen las preferencias de los consumidores a escala.
The Morning Paper: Word Vectors
Mapeo de la relación entre conceptos humanos complejos como "ahumado" y "acogedor".
Jay Alammar: Illustrated Word2Vec
Una guía visual para entender cómo los embeddings generan un espacio sensorial indexable.