o93

# 概要 アプリとしては大規模なきせかえランチャーアプリ「+HOME」の開発と運用を行ないました． https://play.google.com/store/apps/details?id=jp.co.a_tm.android.launcher # 担当業務 メインプログラマとして，リリース当初開発にジョインしました．ランチャーアプリとしての基本機能の充実や，収益化のための広告機能実装，全面リニューアルなどに関して，ネイティブアプリ側をほぼ1人で担当しました．企画や営業合わせて3〜4人のチームだったため開発と兼務にはなりますが，後半はプロダクトマネージャー的な立場を担っていました． # アプローチ ユーザー数・売上・利益が十分でない時期からの参画で，とにかくユーザーを増やして収益化する，という課題に対して，企画や製作メンバーとチームでPDCAを回していきました． 取り組みの一例 - 当時Androidの標準機能では十分に賄えなかったオブジェクトの並び替え（ドラッグ＆ドロップ）の独自実装 - ディレクトリ・ドロワー・ホームへの相互ドラッグ&ドロップをインターフェース構造にしてメンテナンスを容易に - 写真の加工機能（切り取り・回転・フィルタ）の独自実装 - ネイティブ広告の実装 - ヨーロッパ含めた多言語グローバル対応 また，ランチャーアプリの特性上，ネイティブコード開発がサービスの開発・運用の殆どを占めています．1からコードを書き直す大規模リニューアルを2回実施し，発展途上だったAndroid開発の負債を都度改修しながら，機能を充実させていきました． # 成果 - シリーズ総ダウンロード1億超え - 売上と利益の目標達成 # チーム フロントのメインプログラマーを担当していましたが，決して1人だけで出した成果ではなく，バックエンド担当や企画，グラフィッカー，パートナー様含めたチームが一丸となってモノ作りに取り組むことで初めて得られた成果だと思っています．チームにはデザイナーが居なかったため，UI/UXはチームみんなで調整しながら作っていきました． # その後 その後もSwiftUIによるiOSアプリの新規開発，FlutterによるAndroid/iOSアプリ新規開発に参画して，このプロジェクトでの開発経験を活かしています． 開発したアプリ - [+HOME Wallpapers](https://apps.apple.com/us/app/home-wallpapers/id1509597885) - [Game Boost Master](https://play.google.com/store/apps/details?id=com.gameboostmaster) - [Obremo](https://play.google.com/store/apps/details?id=jp.obremo.android)

# 概要 様々なプロダクトに対するデータ分析や機械学習の導入を行い，グループ会社全体への横展開を支援しています． # 担当 データ分析，機械学習モデルの構築とシステム化，データ分析基盤構築などを担当者しながら，得た経験をグループ会社全体へ展開しています． # アプローチ 2018年頃からデータ分析や機械学習に取り組みはじめました．ただ技術を駆使してAIツールを作るだけではなく，事業のKPIと機械学習の評価指標を結びつけることが成功確率と達成スピードを上げるという考えの元，AI施策に取り組んでいます． 例えば，とある事業の機械学習コンペを社内で開催した際，私はコンペの設計を担当しました． 売上10％アップという目標に必要なコンバージョン率について現状の値と目標値を算出します．そこに対して確実に影響する機械学習の評価指標を選び事業KPIとAIの評価指標を繋げることで，実際に事業に使える機械学習モデルを作るためのコンペを設計することができました． また，データ分析に取り組むにはデータが必要です．しかし新規サービスでは，データが担当者や特定の組織内に独立してしまったり，データ構造が頻繁に変化します．予算的にも大規模なBIツールを導入しにくいところがあったため，BigQueryを中心としたデータ収集分析基盤を構築しました．現在はデータの民主化を進めながら，そのデータを活用する施策に取り組んでいます． # 成果 社内で殆ど事例が無い頃から積極的にAI事例を積み重ねています． 社外に公開できている成果 - [ゲーム課金予測システムの構築と運用](https://www.thinkwithgoogle.com/intl/ja-jp/marketing-strategies/app-and-mobile/a-team/) - [ECサイトの需要予測と商品レコメンドシステム](https://www.a-tm.co.jp/news/27946/) また，例えば以下のような記事を全社に共有してデータ分析&機械学習の普及に努めています． - データ分析基盤の構築と暫定的な運用 - データ分析基盤の構成や運用ルール，担当者のスキルに応じた活用方法を記載 - AI研修 実践編: メトリクスと目標の設定 - [この取り組み](https://www.a-tm.co.jp/news/corporate-21085/)の教材の1つとして，上記のコンペ設計のケースで得た知見とコードをipynbファイルにまとめて共有 # チーム 施策ごとにチームは異なりますが，作ったツールを実際に使用するビジネスの担当者とのやり取りを大切にしています．ツールが如何に優れたものでも，ビジネスに対して価値を発揮できなければ意味がありません．担当者の要求（温度感やタイミング含む）によって開発スピードとクオリティを調整し，成果物は出来るだけ早く共有してフィードバックループで改善していくことを心がけています． 作った成果物に関する情報は，出来るだけ迅速にドキュメント化し，グループ会社全体に展開しています．逆にグループに散らばっている機械学習エンジニア同士で協力して問題を解決していくこともあります．