당사의 기술 스택
데이터 기반 앱 스토어 성공의 중추
당사의 도구 뒤에 있는 열정적인 인재들과 이를 구동하는 기술을 확인해 보십시오.
AppTweak은 기업이 앱 스토어 및 Google Play에서의 앱과 게임 성과에 대한 데이터를 수집하고 분석할 수 있도록 지원합니다.
이를 위해 당사는 다음과 같은 작업을 수행합니다:
- ETL 파이프라인을 통해 매일 수 기가바이트의 데이터를 수집합니다.
- 이 데이터를 광범위한 데이터베이스에 저장하고 정리합니다.
- 고객을 위한 관련 예측 및 인사이트를 생성하는 알고리즘과 모델을 구축합니다.
- API 호출을 통해 이러한 데이터와 인사이트를 제공합니다.
- 이러한 API 호출을 활용하는 직관적이고 사용하기 쉬운 시각화 기능을 제작합니다.
AppTweak의 CTO, Alex를 만나보십시오
AppTweak의 제품 아키텍트 Frank을 만나보세요.
AppTweak의 데이터 과학자 Lionel을 만나보세요.
스쿼드 소개
AppTweak의 개발 및 데이터 과학 팀은 7개의 스쿼드로 구성되어 있습니다. 스쿼드는 AppTweak 도구의 특정 영역에 대해 완전한 소유권과 자율성을 갖는 교차 기능 팀(cross-functional team)입니다.
ASO 도구 스쿼드
이들은 앱 및 게임 퍼블리셔가 앱 스토어에서 앱의 가시성과 전환율을 모니터링하고 개선할 수 있도록 실행 가능한 인사이트를 제공합니다.
Apple Ads 팀
이들은 UA 매니저가 Apple Ads 캠페인을 생성, 모니터링 및 최적화할 수 있는 실행 가능한 플랫폼을 제공합니다.
Incubator 스쿼드
이들은 Market Intelligence, 앱 리뷰 관리자 및 Reporting Studio와 같은 다른 제품 라인을 구축하고 확장합니다. 또한 이 스쿼드는 초기 단계의 혁신과 API 솔루션을 담당합니다.
DeSy 스쿼드
이들은 전체 플랫폼의 디자인 시스템과 GUI 라이브러리를 개발합니다.
고객 라이프사이클 스쿼드
이들은 첫 접점부터 제품 도입에 이르기까지 온보딩, 페이월, 활성화, 확장 등을 포함한 플랫폼의 사용자 여정을 담당합니다.
DevEx 스쿼드
이들은 AppTweak에서 탁월한 개발 경험을 조성하는 일을 담당합니다.
데이터 과학 스쿼드
이들은 데이터 기반 알고리즘과 분석을 제공하여 다른 스쿼드의 성장을 지원합니다.
스쿼드 합류하기
AppTweak을 다음 단계로 이끌 준비가 되셨습니까?
AppTweak은 기업이 앱 스토어 및 Google Play에서의 앱과 게임 성과에 대한 데이터를 수집하고 분석할 수 있도록 지원합니다.
업무 방식
각 스쿼드는 스스로 조직 운영 방식을 결정하지만, 일반적으로 다음과 같은 리추얼과 함께 2주 단위의 스프린트를 진행합니다.
- 스탠드업: 스쿼드에 따라 매일 또는 일주일에 여러 번 진행합니다.
- 각 스프린트의 시작과 끝에는 스프린트 계획 및 회고를 진행합니다.
- 데모 데이: 매달 스쿼드에서 출시 예정이거나 최근 출시된 기능을 전체 AppTweak 팀에 선보입니다.
- 디버그: 버그는 매주 목요일에 관리됩니다.
사용 기술
고급 기술을 통해 당사의 개발자와 데이터 과학자는 자신의 역량을 강화하고 가장 효율적인 방식으로 도구를 개발할 수 있습니다.
- React/Redux/Redux-sagas 기반의 싱글 페이지 애플리케이션으로, 표준 툴링(Webpack, Babel, ES6, ESLint, Prettier)과 함께 TypeScript로 작성되었습니다.
- 프론트엔드는 Ruby on Rails로 구축된 REST API를 사용합니다.
- Concourse와 Docker 이미지를 사용하는 강력한 CI/CD 파이프라인을 갖추고 있습니다.
- 도구 전반에서 사용할 UI 구성 요소와 가이드라인을 제공하는 사내 디자인 시스템을 운영합니다.
- SaaS 제품은 React 싱글 페이지 애플리케이션을 제공하는 Ruby on Rails 애플리케이션입니다.
- 스크레이퍼와 크롤러는 SQS 큐에서 작업을 가져와 MySQL, ClickHouse, MongoDB, PgSQL, Typesense, Elasticsearch 데이터베이스가 혼합된 환경에 데이터를 저장합니다. 이들은 Rails 없이 Ruby 프로그래밍 언어를 사용하여 구축되었습니다.
- JSON REST API 또한 Grape 경량 프레임워크를 사용하여 Ruby로 구축되었습니다.
- 코드 배포: AWS에서 호스팅되는 Kubernetes 클러스터에 배포된 Docker 이미지를 빌드하기 위해 Concourse를 CI/CD 파이프라인으로 사용합니다.
- 당사는 시계열 데이터와 지표를 효율적으로 시각화하기 위해 Prometheus와 Grafana를 사용하여 모든 것을 모니터링합니다.
- 대부분의 머신러닝 모델은 Fastai/Pytorch 또는 Scikit-Learn으로 구축됩니다.
- Prophet은 일반적으로 시계열 데이터를 이해하는 데 큰 도움이 됩니다.
- 데이터 분석 및 탐색은 Pandas와 Numpy를 사용하여 수행됩니다.
- 알고리즘에 동력을 제공하는 대부분의 데이터는 MySQL 데이터베이스 또는 MongoDB에 저장됩니다.
- 당사는 Flask로 구축된 JSON REST API로 알고리즘을 래핑합니다.
- AWS에서 호스팅되는 Kubernetes 클러스터에 Docker 이미지를 사용하여 배포합니다.
원하는 코딩 어시스턴트 선택 가능(Copilot/Zed/Cursor/…)
탐색 및 제공을 위한 주요 LLM 제공업체(예: OpenAI, Anthropic)에 대한 프로그래밍 방식의 액세스
당사와 함께 AI 에이전트 시스템을 구축해 보십시오!
AppTweak을 다음 단계로 이끌 준비가 되셨습니까?
기술적 과제
당사의 기술 팀은 숙련되고 재능 있으며 헌신적인 인재들로 구성되어 있습니다. 여기서는 AppTweak의 기술 프로젝트를 진행할 때 직면하는 몇 가지 근본적인 과제를 설명합니다.
백엔드
- 당사는 매일 수백만 건의 HTTP 쿼리를 수행하는 스크레이퍼를 구축, 유지 관리 및 개발해야 합니다.
- 예고 없이 변경될 수 있는 데이터 소스에 의존하므로 언제든지 신속하게 수정할 준비가 되어 있어야 합니다.
- 성능을 보장하기 위해 세심한 주의가 필요한 방대한 양의 데이터를 처리합니다.
- 수많은 가동 부품을 모니터링하고 모든 부품이 항상 제대로 작동하는지 확인합니다.
프론트엔드
- 당사의 전체 프론트엔드 레이어는 현대화되었으며, 현재 상태 및 데이터 로딩을 처리하기 위해 Redux 및 Redux-Saga와 함께 ReactJS를 사용하여 구축되었습니다. 메인 애플리케이션이 이제 완전히 React로 전환됨에 따라, 마이크로 프론트엔드 아키텍처로 마이그레이션하여 프론트엔드 아키텍처를 개선하고자 합니다.
- 애플리케이션의 일부(예: 키워드 테이블)는 수천 개의 데이터를 표시해야 하므로 항상 성능 최적화를 염두에 두어야 합니다.
- 애플리케이션은 매주 릴리스를 통해 지속적으로 발전하고 있습니다. 당사의 과제 중 하나는 높은 수준의 프론트엔드 표준을 유지하는 것입니다.
데이터 과학
- 당사의 프로젝트는 정형 데이터, 클러스터링, 자연어 처리, 이미지 분석, 시계열 분석 등 머신러닝 스펙트럼의 상당 부분을 다룹니다. 당사의 과제는 이러한 각 분야에서 가장 유망한 기술을 찾고 이해하며 적절하게 사용하는 것입니다.
- 일부 알고리즘은 >500M개 이상의 데이터 포인트로 학습되므로 수렴 최적화와 메모리 관리가 필요합니다.
- 때때로 GPU에서 모델을 학습시키며, 이에 수반되는 모든 CUDA 기술을 최적화해야 합니다.
- 알고리즘의 예측 결과를 제공하기 위해 REST API를 구축하고 유지 관리하며, 소프트웨어의 속도 요구 사항을 충족하는지 확인합니다.
