技術スタック
データドリブンなアプリストア成功の基盤
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におけるアプリやゲームのパフォーマンスに関するデータを収集・分析することを支援します。
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・整理します。
- クライアントに関連性の高い予測とinsightsを生成するアルゴリズムとモデルを構築します。
- これらのデータとinsightsをAPI呼び出しを通じて利用可能にします。
- これらのAPI呼び出しを活用した、直感的で使いやすい可視化を作成します。
AppTweakのCTO、Alexをご紹介します
スクワッドに会う
AppTweakの開発チームとデータサイエンスチームは7つのスクワッドに編成されています。スクワッドとは、AppTweakツールの特定領域に対して完全な所有権と自律性を持つ、機能横断型のチームです。
ASO Intelligenceスクワッド
アプリストアにおける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をアプリおよびゲームパブリッシャーに提供します。
Search Adsスクワッド
UAマネージャーに対し、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における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
データドリブンなアルゴリズムと分析を提供することで、他のスクワッドの成長を支援します。
スクワッドに参加する
AppTweakを次のレベルへ引き上げる力をお持ちですか?
AppTweakは、企業がApp StoreとGoogle Playにおけるアプリやゲームのパフォーマンスに関するデータを収集・分析することを支援します。
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、各スクワッドがAppTweakチーム全体に向けて、リリース予定または最近リリースされた機能を紹介します。
- 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により、開発者とデータサイエンティストは自身のスキルを向上させ、可能な限り効率的な方法でツールを開発することができます。
- 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を利用します。
- 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製品は、React Single Page Application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。
- データ分析と探索は、PandasとNumpyを使用して実行されます。
- アルゴリズムを支え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！
AppTweakを次のレベルへ引き上げる力をお持ちですか?
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を行える準備が必要です。
- 膨大な量のデータを扱うため、パフォーマンスを保証するために細心の注意を払う必要があります。
- 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最新化され、現在はReactJSとRedux、Redux-Sagaを使用して状態とデータ読み込みを処理する構成になっています。 メインアプリケーションが完全にReactになったため、マイクロフロントエンドアーキテクチャへの移行によって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)は数千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毎週のリリースで常に進化しています。 私たちの課題の1つは、高品質な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、これらの各分野において最も有望なテクノロジーを見つけ、理解し、適切に使用することです。
- 私たちのアルゴリズムの一部は>5億のデータポイントでトレーニングされており、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。
