Case study
Sponti
Miejska PWA, która zamiast list i rankingów daje jedną trafną odpowiedź: co robić teraz.
Aplikacje do odkrywania miasta zasypują dziesiątkami opcji, rankingów i recenzji — a decyzja dalej należy do Ciebie. Sponti odwraca ten schemat: zna Twoją lokalizację, preferencje i kontekst, i podaje jedną konkretną propozycję z przyciskiem akcji. Jak znajomy, który po prostu mówi „idź tu".
Cel
Produkt na jeden scenariusz: masz wolną chwilę w mieście i nie chcesz przewijać list. Otwierasz apkę, dostajesz jedną propozycję dopasowaną do pory, pogody, tłoku i Twojego stylu — akceptujesz albo prosisz o coś innego. Zero planowania na zapas, zero paraliżu decyzyjnego.
Rozwiązanie
Zaprojektowałem i zbudowałem cały produkt: od konceptu i UX, przez silnik rekomendacji, po architekturę monorepo.
- Onboarding preferencji: cztery archetypy („vibe"), stosunek do tłumu i tempo dnia
- Silnik rekomendacji ważący dystans, preferencje, porę dnia, pogodę i przewidywany tłok
- Baza ~1500 miejsc Warszawy z OpenStreetMap w PostgreSQL + PostGIS
- PWA w Next.js + API w NestJS — monorepo ze wspólnym kontraktem typów
- Plan dnia i zapisane miejsca na koncie użytkownika (logowanie Google lub e-mail)
Status prac
Sponti jest w aktywnym rozwoju. Działa pełny przepływ — od onboardingu, przez geolokalizację, po rekomendację z realnych danych miejsc — a ja dopracowuję warstwę tłoku na żywo i plan dnia przed publicznym startem. Ta sekcja uzupełni się o efekty po premierze.
