Helpfeel Tech Conf 2025
https://www.youtube.com/live/uo0xtgwUFYQ
開発部紹介
53名（フルタイム37名）
2222万ユーザー
30億アップロード以上
500TB/月の転送量
50万人ユーザー
2000万ページ
https://gyazo.com/c0b0d6707ccb7d412809b86008f6d676
https://gyazo.com/bc1f463a3230f874da68ec62a6598f9b
3つの視点を開発者全員が持つ
ソリューション新規開発
組織としての意識に向き合う
組織として何に貢献したいか？
資産を作り売上に繋げる
問題発見と課題解決を図る
プロダクトの磨き上げ
開発者の帽子をかぶる
https://gyazo.com/b3e5f04f1bc7d2484e83ae11b9f2541chttps://gyazo.com/bf29d1e60218a81d7a8b63ae08043386
https://gyazo.com/ad945e79cc7042aaa5aef8ba45633202
Human Empowerment Technology
より利用可能にする
技術と人を接続する
できることを増やす
新しい未来を提供する
宿題
https://gyazo.com/4a3d3359427da8eff945873558d1b09e
テクノロジーとヒトのあいだに
$ Pexists
既存ユーザーがプロダクトを選ぶ確率
$ P new
未顧客がプロダクトを選ぶ確率
無数の様々な選択のタイミングがある
何かをやりたいと思っている中にプロダクトが入ってないと選ばれない
常にランダムに１つ取り出している
ただし取り出したものを同じものを追加するのをN回繰り返す
タイミングそのものを増やす、そこをコントロールしていく
P existsを操作していく
有料顧客比率と有料顧客単価
ジレンマの関係にある
PURを高めたい
値下げをする
PURは増加
ARPPUは減少
値上げをする
ARPPUは増加
PURが減少
適切な価格設定・ユーザーコミュニケーション
プロダクトの価値提供
既存の有料機能をしっかりと伝える
真正の需要のある新機能を開発する
MAUが下がるとPURとARPPUをいくら上げてもダメ MAU＝ ($ U total x RR) + $ U new
Total Users、Retantion Tate(per monthly)、New Users(per monthly)
RRは$ Pexists
$ U new = ($ N c - $ U total) x $ P new
Nc: Total number of consumers
$ Pexistsを高めたい
これはやらなくていい
新規ユーザー定着施策？
https://gyazo.com/b344a8604783ed92ada69cecc1776f61
定義
動き続けてもらわないと困るが面倒なことになっているソフトウェア レガシー化への正確な見通しを持つことは難しい
起きる事象は様々なのに再現性高くアプローチしにくい
射撃しつつ前進
この法則を知っていると事前対策ができるかもしれない
テストコードに落とし込むと安全な足場になる
新実装を捨てる決断をしやすくなる
移行計画のCaseStudy
ストラングラーフィグパターン or ダークローンチで計画
置き換えパターンに落とし込むと手を動かしやすい
古いものは維持していく
APIスキーマ管理
https://gyazo.com/8bb27967fe312a12ee8483c7b1fd474d
https://gyazo.com/232bcdbe5f49fe50db43937f6a7cadf0
https://gyazo.com/04e4aa6a21b2e7e9bfc5b983e1a21ed5
https://gyazo.com/d147ebdf9bc5937dbd3b2fd517508af3
https://gyazo.com/7f36c2da1fd8aa4b517e7b57ceb1f158
https://gyazo.com/9e077aa469b560fd9b5475a006378a74
一部のAPIはすでに本番導入済み、ほかも徐々に移行予定
自社開発のリスク
メンテナンス性
チーム内での知見共有
記事に質問文を紐付ける
検索語彙を拡張して誘導するシステム
古典的な自然言語処理
動詞の活用形の展開
送り仮名の正規化
ユーザーの検索語彙に寄りそう
自然文で検索できるようようになる時代
意味の近いものを提示
短文同士で相性が良い
複雑な問題についてを検索していく
要約のベクトル検索
RAGによる回答生成
課題
情報の重みづけ
すべて平等に扱っている
自然言語の解答の精度
情報を体系的に整理する手法
Google Knowledge Graph
https://gyazo.com/b7dafa6b277b65cb7ed350bbd200cb46
活用事例
infobox
文書から事実抽出
ラフなナレッジグラフを作成
情報の構造化ツールとして使う
厳密な定義は求めていない
探索空間は広くない
情報が過不足ない
正確性がある
RAGのGeneration問題
LLM自体に文章を欠かせない方がいいのでは
https://gyazo.com/30f7c1655c8c1f4d5e3d8aadce41848e
https://gyazo.com/0a2c47ac6b1613d259efc4adb66ea2c1
GAR＝文書拡張
事前に生成していく
顧客接点
既存のツール・プロセスでは削減効果が得られない
迅速、正確、信頼できるサポートを求めている
データの分析と改善
どのようにツールを使えるようになるか