# 1기 엘리스: 바-이브

## 프로젝트 또는 서비스 이름 (One-liner)

"오늘 밤 당신의 무드에 맞는 완벽한 한 잔을 제안하는 AI 바텐더, 바-이브"

_어떤 문제를 해결하는 서비스/앱 인지 (Problem/Solution)_

## Problem (문제점)

- 선택의 어려움: 수많은 칵테일과 위스키 메뉴판 앞에서 무엇을 시켜야 할지 몰라서 늘 마시던 것만 주문하게 됨

- 파편화된 정보: 내가 마신 술의 이름, 맛, 향을 기록해두지 않으면 금방 잊어버려 취향을 찾기까지 오랜 시간이 걸림

- 입문 장벽: 전문 용어가 많아 바텐더에게 질문하는 것을 부담스러워하는 초보자들이 존재함

- Solution (해결책)

- 개인 맞춤형 추천: 챗봇 대화를 통해 현재의 기분, 선호하는 맛(단맛, 쓴맛, 도수 등)을 분석해 최적의 술을 추천함

- 디지털 테이스팅 노트: 마신 술을 기록하고 평점/즐겨찾기를 할 수 있는 아카이빙 기능을 통해 사용자 고유의 '술 취향 지도'를 구축함

- 직관적인 탐색: 카테고리별 둘러보기와 상세 검색 기능을 통해 술에 대한 정보를 쉽게 학습하고 접근하도록 도움

- 만들면서 어려웠던 점 / 배운 점 (Lessons Learned / Insight)

- 데이터 큐레이션의 중요성: 술마다 다른 풍미(Notes)를 데이터베이스화하는 과정에서 사용자마다 느끼는 맛이 주관적일 수 있음을 발견함. 이를 표준화된 태그(예: #피티한 #시트러스 #달콤한)로 정리하는 로직의 중요성을 배움

- 대화형 UX의 디테일: 단순 검색보다 챗봇 형태의 추천이 사용자에게 훨씬 친숙하고 '대접받는 느낌'을 준다는 인사이트를 얻음. 질문의 순서와 선택지의 구체성이 추천 만족도에 큰 영향을 미침을 확인함

## 만든 사람 / 개인 또는 팀원

앨리스

## (Optional) 내가 참고한 사이트 (레퍼런스)

- Vivino: 와인 라벨 스캔 및 평점 기록 시스템 벤치마킹

- Distiller: 위스키 전문 리뷰 및 플레이버 휠(Flavor Wheel) 시각화 참고

- ChatGPT/Claude: 대화형 인터페이스 및 개인화 추천 로직 구조 설계 참고

## (Optional) 앞으로 기능 추가 하고 싶은 것 (What's Next?)

- 내 주변 바(Bar) 지도: 추천받은 술을 실제로 판매하고 있는 근처 바를 연결해주는 위치 기반 서비스

- 바텐더 커뮤니티: 전문가의 추천 리스트나 사용자들끼리의 '꿀조합' 레시피를 공유하는 커뮤니티 기능

- 이미지 인식(OCR): 메뉴판 사진을 찍으면 각 술의 특징과 내 취향 일치도를 바로 보여주는 스캔 기능

For the site tree, see the [root Markdown](https://slashpage.com/clauders.md).