Notre stack technologique
La colonne vertébrale du succès data-driven sur les app stores
Découvrez les individus passionnés derrière notre outil et les technologies qui l'alimentent.
AppTweak aide les entreprises à collecter et analyser les données sur les performances de leurs applications et jeux sur l'App Store et Google Play.
Pour ce faire, nous :
- Collecter des gigaoctets de données chaque jour via des pipelines ETL.
- Stocker et organiser ces données dans une large gamme de bases de données.
- Élaborons des algorithmes et des modèles qui génèrent des prédictions et des aperçus pertinents pour nos clients.
- Rendre ces données et insights disponibles via des appels API.
- Créer des visualisations intuitives et faciles à utiliser qui exploitent ces appels API.
Rencontrez Alex, CTO chez AppTweak
Rencontrez les équipes
Les équipes Dev et Data Science d'AppTweak sont organisées en 7 squads. Une squad est une équipe interfonctionnelle qui a la pleine responsabilité et l'autonomie sur un domaine spécifique de l'outil AppTweak.
Squad ASO Intelligence
Ils fournissent aux éditeurs d’applications et de jeux des insights actionnables pour surveiller et améliorer la visibilité et les taux de conversions de leur application dans les app stores.
Squad Search Ads
Ils fournissent aux responsables UA une plateforme actionnable pour créer, surveiller et optimiser leurs campagnes Apple Ads.
Équipe Incubator
Elle développe et fait évoluer nos autres gammes de produits telles que Market Intelligence, App Review Manager et le Reporting Studio. Cette équipe possède également l’innovation en phase précoce et notre solution API.
Équipe DeSy
Elle développe le système de design et la bibliothèque GUI de l’ensemble de la plateforme.
Équipe Customer Lifecycle
Elle possède le parcours utilisateur de la plateforme du premier contact à l’adoption du produit – couvrant l’onboarding, les paywalls, l’activation, l’expansion et bien plus encore.
Équipe DevEx
Ils sont responsables de la création d’une expérience de développement exceptionnelle chez AppTweak
Squad Data Science
Ils soutiennent la croissance des autres squads en fournissant des algorithmes et des analyses fondés sur les données.
Rejoindre une équipe
Avez-vous ce qu’il faut pour faire passer AppTweak au niveau supérieur ?
AppTweak aide les entreprises à collecter et analyser les données sur les performances de leurs applications et jeux sur l'App Store et Google Play.
Comment nous travaillons
Chaque Squad décide de son organisation, mais en général, suit des sprints de 2 semaines avec les étapes rituelles suivantes :
- Réunions debout : quotidiennes ou plusieurs fois par semaine, selon l’équipe.
- Planifications de sprint et rétrospectives pour commencer et terminer chaque sprint.
- Demo days : chaque mois, les squads présentent les fonctionnalités à venir ou récemment publiées à toute l’équipe AppTweak.
- Débogage : les bogues sont gérés sur une base hebdomadaire, le jeudi.
Technologies que nous utilisons
Les technologies avancées permettent à nos développeurs et data scientists d'améliorer leurs propres compétences et de développer notre outil de la manière la plus efficace possible.
- Application monopage basée sur React/Redux/Redux-sagas, écrite en TypeScript avec les outils standard (Webpack, Babel, ES6, ESLint et Prettier).
- Le front-end consomme une API REST construite sur Ruby on Rails.
- Solide pipeline CI/CD utilisant concourse et des images Docker.
- Système de conception interne fournissant des composants UI et des directives à utiliser dans l’ensemble de l’outil.
- Le produit SAAS est une application Ruby on Rails servant une application monopage React.
- Les scrapers et crawlers reçoivent leurs tâches des files d’attente SQS et stockent les données dans un mélange de bases de données MySQL, ClickHouse, MongoDB, PgSQL, Typesense et Elasticsearch. Ils sont construits en utilisant le langage de programmation Ruby (sans Rails).
- Les API REST JSON sont également construites en Ruby en utilisant le framework léger Grape.
- Déploiement de code : concourse comme pipeline CI/CD pour construire des images Docker déployées sur un cluster Kubernetes hébergé sur AWS.
- Nous surveillons tout en utilisant Prometheus et Grafana pour visualiser les séries chronologiques et les métriques de manière efficace.
- La plupart de nos modèles d’apprentissage automatique sont construits avec Fastai/Pytorch ou Scikit-Learn.
- Prophet s’avère généralement efficace pour nous aider à comprendre nos séries chronologiques.
- L’analyse et l’exploration des données sont effectuées avec Pandas et Numpy.
- La plupart des données qui alimentent nos algorithmes sont stockées dans des bases de données MySQL ou MongoDB.
- Nous encapsulons nos algorithmes dans des API REST JSON construites avec Flask.
- Nous déployons en utilisant des images Docker sur un cluster Kubernetes hébergé sur AWS.
Votre choix d’assistant de codage (copilot/zed/cursor/…)
Accès programmatique aux principaux fournisseurs LLM (par exemple OpenAI, Anthropic) pour l’exploration et la livraison
Venez construire des systèmes agentiques IA avec nous !
Avez-vous ce qu'il faut pour faire passer AppTweak au niveau supérieur ?
Nos défis techniques
Notre équipe technique est composée d'individus compétents, talentueux et dévoués. Nous décrivons ici certains des défis sous-jacents auxquels ils sont confrontés lorsqu'ils travaillent sur des projets techniques chez AppTweak.
Back-End
- Nous devons construire, maintenir et développer des extracteurs effectuant des millions de requêtes HTTP chaque jour.
- Nous dépendons de sources de données qui peuvent changer sans avertissement, ce qui signifie que nous devons être prêts à effectuer des corrections rapides à tout moment.
- Nous traitons d’énormes quantités de données qui nécessitent beaucoup d’attention pour garantir les performances.
- Nous surveillons de nombreux éléments mobiles et nous assurons qu’ils fonctionnent tous correctement en permanence.
Front-End
- Toute notre couche frontend a été modernisée et est maintenant construite avec ReactJS avec Redux et Redux-Saga pour gérer l’état et le chargement des données. Maintenant que l’application principale est entièrement en React, nous souhaitons améliorer notre architecture front-end en migrant vers une architecture micro front-end.
- Certaines parties de l’application (comme notre tableau de mots-clés) doivent afficher des milliers de données, nous devons donc toujours garder l’optimisation des performances à l’esprit.
- L’application évolue constamment avec des versions hebdomadaires. L’un de nos défis est de maintenir un standard front-end de haute qualité.
Data Science
- Nos projets couvrent une partie importante du spectre du machine learning : données tabulaires, clustering, traitement du langage naturel, analyses d’images, analyses de séries temporelles… Notre défi est de trouver, comprendre et utiliser correctement les technologies les plus prometteuses pour chacun de ces domaines.
- Certains de nos algorithmes sont entraînés avec >500 M de points de données, ce qui nécessite l’optimisation de la convergence et de la gestion de la mémoire.
- Nous entraînons parfois nos modèles sur des GPU et devons optimiser toute la sorcellerie CUDA qui va avec.
- Nous construisons et maintenons des API REST pour servir les prédictions de nos algorithmes, en nous assurant de répondre aux exigences de rapidité du logiciel.
Intéressé(e) de rejoindre notre équipe ?
Découvrez nos offres d'emploi et postulez dès aujourd'hui !
