技術スタック
データ駆動のApp Store成功の中核
私たちのツールの背後にいる情熱的な個人と、それを動かす技術について発見してください。
AppTweakは、企業がApp StoreとGoogle Play上のアプリとゲームのパフォーマンスに関するデータを収集し分析するのを支援します。
そのために、私たちは：
- ETLパイプラインを通じて毎日ギガバイト単位のデータを収集します。
- このデータを幅広いデータベースに保存し整理します。
- Build algorithms and models that generate relevant predictions and insights for our clients.
- Make these data and insights available through API calls.
- APIの呼び出しを効果的にする使いやすいデータビジュアリゼーションの作成
AppTweakのCTO、アレックスに会う
スクワッドに会う
AppTweakの開発とデータサイエンスチームは9つのスクワッドに組織されています。スクワッドは、AppTweakツールの特定の領域に対して完全な所有権と自律性を持つクロスファンクショナルチームです。
ASO Intelligence チーム
アプリおよびゲームパブリッシャーに対して、アプリストアでのアプリの視認性とコンバージョン率を監視・改善するための実用的なinsightsを提供しています。
検索広告チーム
UAマネージャーに対して、Apple Ads キャンペーンの作成、監視、最適化を行うための実用的なプラットフォームを提供しています。
インキュベーターチーム
Market Intelligence、App Review Manager、Reporting Studio などの他の製品ラインの構築と拡張を行っています。このチームは初期段階のイノベーションとAPI ソリューションも担当しています。
DeSy チーム
プラットフォーム全体のデザインシステムとGUIライブラリを開発しています。
カスタマーライフサイクルチーム
初回接触から製品採用まで、プラットフォームのユーザージャーニーを担当しており、オンボーディング、ペイウォール、アクティベーション、拡張などを含みます。
DevEx チーム
AppTweak での優れた開発体験の創出を担当しています。
データサイエンススクワッド
データ駆動型のアルゴリズムと分析を提供することで、他のチームの成長をサポートしています。
スクワッドに参加する
当社チームの一員として、AppTweakを更なる成長へと導きませんか？
AppTweakは、企業がApp StoreとGoogle Play上のアプリとゲームのパフォーマンスに関するデータを収集し分析するのを支援します。
私たちの働き方
各Squadはどのように編成するかを独自に決定しますが、一般的にはそれぞれが次の行事を含む2週間のスプリントを設定します。
- スタンドアップ：スクワッドに応じて、毎日または週に数回。
- 各スプリントの開始と終了時にスプリント計画とレトロスペクティブを行います。
- デモデー：毎月、スクワッドがAppTweakチーム全体に向けて、近日公開予定または最近リリースされた機能をショーケースします。
- デバッグ：バグは毎週木曜日に管理されます。
使用している技術
先進的なテクノロジーを駆使することにより、当社のデベロッパーやデータサイエンティストは自身のスキルを高めながら、最も効率的な方法でツール開発に挑めます。
- React/Redux/Redux-sagasに基づくシングルページアプリケーション。TypeScriptで記述され、標準的なツール（Webpack、Babel、ES6、ESLint、Prettier）を使用。
- フロントエンドはRuby on Railsで構築されたREST APIを消費します。
- concourseとDockerイメージを使用した強力なCI/CDパイプライン。
- ツール全体で使用するUIコンポーネントとガイドラインを提供する社内設計システム。
- SAASプロダクトは、Reactシングルページアプリケーションを提供するRuby on Rails アプリケーションです。
- スクレイパーとクローラーはSQSキューからタスクを取得し、MySQL、ClickHouse、MongoDB、PgSQL、Typesense、Elasticsearchデータベースの組み合わせにデータを保存します。これらはRubyプログラミング言語（Railsなし）を使用して構築されています。
- JSON REST APIもGrapeの軽量フレームワークを使用してRubyで構築されています。
- コードデプロイ：AWSでホストされているKubernetesクラスター上にデプロイされるDockerイメージを構築するためのCI/CDパイプラインとしてconcourseを使用。
- 私たちはPrometheusとGrafanaを使用して、時系列とメトリクスを効率的に可視化するために、すべてを監視しています。
- 私たちの機械学習モデルの大部分は、Fastai/PytorchまたはScikit-Learnで構築されています。
- Prophetは通常、時系列の理解を助けるのに適しています。
- データ分析と調査は、PandasおよびNumpyで実行されます。
- アルゴリズムの基盤となるデータのほとんどは、MySQLデータベースまたはMongoDBに保存されています。
- アルゴリズムはFlaskで構築されたJSON REST APIにラップしています。
- AWSでホストされているKubernetesクラスター上のDockerイメージを使用してデプロイしています。
お好みのコーディングアシスタント（copilot/zed/cursor/…）
探索と提供のための主要LLMプロバイダー（OpenAI、Anthropicなど）へのプログラマティックアクセス
私たちと一緒にAI エージェンティックシステムを構築しませんか！
当社チームの一員として、AppTweakを更なる成長へと導きませんか？
私たちの技術的課題
私たちの技術チームは、熟練した、才能豊かな、そして献身的な個人で構成されています。ここでは、AppTweak.での技術プロジェクトに取り組む際に直面する基本的な課題のいくつかを概説します。
バックエンド
- 毎日何百万ものHTTPクエリを実行するスクレイパーを構築、維持、開発する必要があります。
- 予告なく変更される可能性のあるデータソースに依存しているため、いつでも迅速な修正ができるよう準備しておく必要があります。
- パフォーマンスを保証するために多くの注意を要する膨大な量のデータを扱っています。
- 多くの動く部分を監視し、それらがすべて常に適切に機能していることを確認しています。
フロントエンド
- フロントエンド層全体が近代化され、現在はReactJSとRedux、Redux-Sagaを使用して状態とデータの読み込みを処理しています。メインのアプリケーションが完全にReactになったので、マイクロフロントエンドアーキテクチャに移行することでフロントエンドアーキテクチャを改善したいと考えています。
- アプリケーションの一部（キーワードテーブルなど）では何千ものデータを表示する必要があるため、常にパフォーマンスの最適化を念頭に置く必要があります。
- アプリケーションは週次リリースで常に進化しています。私たちの課題の1つは、高品質のフロントエンド基準を維持することです。
データサイエンス
- 私たちのプロジェクトは、機械学習スペクトルの重要な部分をカバーしています：表形式のデータ、クラスタリング、自然言語処理、画像分析、時系列分析など。私たちの課題は、これらの各分野で最も有望な技術を見つけ、理解し、適切に使用することです。
- 一部のアルゴリズムは>5億のデータポイントで訓練されており、収束とメモリ管理の最適化が必要です。
- 時にはGPUでモデルを訓練し、それに伴うCUDAの魔術を最適化する必要があります。
- アルゴリズムの予測を提供するRESTAPIを構築・維持し、ソフトウェアの速度要件を満たすことを保証しています。
