MATCHING
TECNICO
PER INVESTITORI
L'architettura completa del sistema di matching BikerLink: database, scoring engine, AI, feedback loop. Per chi vuole capire la profondità tecnica, non solo il prodotto.
Come è costruito il sistema.
+ PostGIS + pgvector"] REDIS["DragonflyDB
+ BullMQ queues"] end subgraph ENG["⚙️ Scoring Engine"] SC["17-signal scorer
(TypeScript)"] FB["Feedback loop
+ decay worker"] AB["A/B test router"] end subgraph AI["🧠 AI Layer"] EMB["Embeddings
(OpenAI + self-hosted)"] ORC["AI Orchestrator
(Anthropic → OpenAI → Google)"] end subgraph CLI["📱 Client"] APP["Expo React Native
(iOS + Android)"] end PG --> SC REDIS --> SC SC --> FB SC --> AB EMB --> PG ORC --> SC SC --> APP FB --> REDIS style DB fill:#0E0E0E,stroke:#333 style ENG fill:#0E0E0E,stroke:#FF3B30 style AI fill:#0E0E0E,stroke:#333 style CLI fill:#0E0E0E,stroke:#333
Tecnologie e versioni.
| Layer | Tecnologia | Note |
|---|---|---|
| Database | PostgreSQL 16 + PostGIS + pgvector |
Dati utente, percorsi, score. pgvector per embeddings (1536 dim). |
| Cache & Code | DragonflyDB + BullMQ |
Cache score, code di ricalcolo asincrono, lock distribuiti. |
| Scoring Engine | Express + TypeScript |
17 segnali, pesi configurabili, feedback loop, decay. |
| Embeddings | OpenAI text-embedding-3-large + multilingual-e5-small |
Bio e musica. Fallback self-hosted per resilienza. |
| AI Orchestration | Anthropic Claude + OpenAI GPT + Google Gemini |
Cascata di fallback automatica. 99.95% uptime atteso. |
| Geo | PostGIS + H3 geohash |
Distanze reali, zone di guida, route affinity su percorsi storici. |
| Client | React Native (Expo) + React Query |
App mobile iOS/Android. Aggiornamenti OTA via EAS. |
| A/B Testing | Framework interno + DragonflyDB flag |
Split test algoritmi su % utenti configurabile dall'admin. |
Perché è difficile da copiare.
Telemetria reale
Nessun competitor usa lean angle e G-force dal telefono per il matching. Questo dato — lo stile di guida reale — è il nostro moat più profondo: richiede anni di raccolta per essere significativo.
Embeddings su testo biker
Il corpus di bio e gusti musicali di motociclisti italiani è unico. I nostri embeddings sono calibrati su questo dominio specifico — un modello generico farebbe peggio.
Feedback loop + dati storici
Ogni interazione migliora il modello. Un nuovo competitor partirebbe da zero — noi abbiamo mesi di segnali di apprendimento. Il vantaggio cresce nel tempo.
Verticale moto — zero distrazione
Tinder e app generaliste non ottimizzeranno mai davvero per i motociclisti. BikerLink è l'unica piattaforma dove il contesto "rider" è nativo in ogni feature, compreso il matching — costruita per i biker, non adattata per loro.
Cosa è fatto. Cosa segue.
| Stato | Feature | Quando |
|---|---|---|
| ✅ | Engine scoring 17 segnali | Completato |
| ✅ | Embeddings bio e musica (OpenAI + self-hosted) | Completato |
| ✅ | Feedback loop + decay temporale | Completato |
| ✅ | A/B testing framework | Completato |
| ✅ | Lock distribuiti + code BullMQ | Completato |
| ✅ | AI Orchestration cascade | Completato |
| 🔄 | Integrazione routing curvy nel matching (route affinity) | In corso |
| 🔄 | Dashboard admin matching (pesi, metriche, A/B) | In corso |
| 📋 | Toggle utente segnali individuali (UI) | Pianificato |
| 📋 | Digest settimanale automatico (email/push) | Pianificato |
| 📋 | Matching cross-club (biker di club compatibili) | Pianificato |
L'orchestra AI in numeri.
Per il dettaglio tecnico completo dell'architettura AI, vedi la pagina dedicata.
Interessato a investire o collaborare?
Siamo in fase early — il momento giusto per entrare. Scrivici per una call.