メインコンテンツへスキップ
見出し画像

今あるコードをプロダクトへ 書き直さずに育てた48時間の記録

    Written by Sheldon

    ある月曜の朝、あるクライアント専用のA/Bテスト分析スクリプトを眺めながら思いました。

    「このレポート自動生成の仕組み、このクライアントだけに使うのはもったいない。別のA/Bテストでも同じことやるよな」

    その場でやれることはいくつかありました。新しいリポジトリをゼロから設計する。既存コードをコピペして改造する。あるいは、今あるものを少しずつ育てていくか。

    選んだのは後者でした。結果として、月曜の「共通部分を切り出す」から金曜の「Docker(アプリをどこでも動かせるコンテナ技術)と Web UI が動く独立ツール」まで、実質48時間で完結した。

    出発点:「一気に作り直す」を選ばなかった理由

    社内で使っているプレミアムA/Bテストレポートは、特定クライアントの分析作業から生まれたスクリプトでした。DBの接続情報も、「どのページへの到達をコンバージョンとみなすか」のパターン定義も、リージョン分類も、全部そのクライアント専用に直書きされていたのです。

    「ゼロから汎用版を作ろう」は、一見正しい選択に見える。でも実際にやると何が起きるか。

    設計に時間がかかる。動かせるものが手元にない期間が生まれます。「汎用化のために」と言いながら、既存の動く資産を捨てることになるし、設計が終わった頃には要件が変わっていることも多い。

    それより、今動いているものを1ステップずつ、動かしたまま育てるほうがずっと合理的だと判断しました。各ステップで動作確認できる。途中で止まっても前のステップのものが残る。無駄なリライトが発生しない。

    今週のゴールは明確でした。「任意のクライアント・任意のA/Bテストに対して使えるレポートツールを、独立デプロイできる状態にする」だけです。

    4ステップの進化

    Step 1(月曜): 共通ロジックの切り出し

    まずDB接続・実行・フォーマット処理の共通部分を `core/` というフォルダに切り出しました。2つのクライアントプロジェクトは symlink(別の場所にあるフォルダへのショートカット)で `core/` を参照する形に変えました。

    コードの変更量は最小限。でもこれで「共通ロジックはここにある」という物理的な事実が生まれた。次のステップへの足がかりが整ったと思いました。

    Step 2(水曜): どのクライアントでも使えるように

    `core/` をベースに、汎用スクリプト `engage-ab-premium-report` として切り出しました。`--config` オプションで、クライアントごとの設定(コンバージョンパターン、ソースラベル、リージョン分類)をファイルから外部注入できるようにしました。

    さらに、コンバージョンパターンをDBから自動探索する仕組みも実装。設定ファイルを用意しなくてもデフォルトで動きます。A/Bテストの開始日・終了日も、テスト記録から自動推定するようにすることで、手動で日付を入力する手間が消えました。

    Step 3(木曜): 独立リポジトリへ

    `presenter` という新しいリポジトリ(コードの保管場所)を作成し、コードを移植しました。これまで複数プロジェクトをまとめて管理していた monorepo(単一リポジトリ構成)への依存を全て断ち切り、環境変数だけで動く構成に変えたのです。

    この時点で、他のプロジェクトへの依存はゼロになった。どのサーバーに置いても動きます。

    Step 4(金曜): ブラウザから使えるツールへ

    最後に、ブラウザからレポート生成を操作できる Web UI を追加しました。レポート完成後にブラウザが自動で結果ページを開く。ヒートマップのスクリーンショットは Puppeteer(プログラムでブラウザを操作するツール)で自動撮影し、S3(クラウドのファイル置き場)にアップロードして公開URLを返す仕組みも実装しました。Docker の設定ファイルも書き、どの環境でも同じ状態で動かせるようになりました。

    木曜の夜に `presenter` の初回コミットを切って、金曜の終わりには独立デプロイが完結したのです。

    「48時間開発」を可能にした3つの仕掛け

    「育てるアプローチ」が短期間で機能した背景には、いくつかの技術的な判断があったと思います。

    `--cache` モード:遅い処理を丸ごとスキップ

    レポート生成には3つの遅い処理があります。

    DBへの問い合わせ、Puppeteer によるスクリーンショット撮影、LLM/VLM(画像やテキストを解析するAIモデル)の呼び出しです。
    でも、`--cache` モードをつけると、この3つをスキップしてキャッシュ済みの中間データからHTMLテンプレートだけ再生成できるのです。

    レイアウト調整やデザイン修正のたびに何分も待つ必要がなくなったことは大きかったです。HTML の変更→確認が秒単位になる。レポート系のアウトプットを作るとき、「重い処理を飛ばして見た目だけ高速ループできる仕組み」は必須だと実感しました。

    Puppeteer でスクリーンショットが撮れない問題

    ヒートマップページを自動スクリーンショットで取得するとき、lazy-load(スクロールしたタイミングで初めて画像を読み込む仕組み)の落とし穴にはまりました。

    「ページ読み込み完了」を検知しても、画面外の画像はまだ読み込まれていない。最初はこれで何度か真っ白な画像を取得してしまった。

    正解は3段構えでした。まず600pxずつ事前スクロールして画面外の画像読み込みを強制的に発火させる。次に全画像の読み込み完了を確認する。それでも失敗したらページを再度開いてリトライする。この順番を守ることで、スクリーンショット取得が安定しました。

    ついでに、レポートHTML内に画像を直接埋め込んでいた形式(base64:画像データをテキストに変換する方式)も、ファイル参照に切り替えることができました。レポートのファイルサイズが数MBから約55KBまで縮小されました。

    AIへの画像の渡し方で分析精度が変わる

    複数バージョンのA/B画像を VLM(画像を理解できるAIモデル)に分析させるとき、最初は「全画像をまとめて送ってからバージョン名を後でラベリングする」方式にしていました。しかし結果、AIがどの画像がどのバージョンか混乱して分析がずれるということが起きました。

    正しい方式は「バージョンAの名前 → バージョンAの画像 → バージョンBの名前 → バージョンBの画像」と交互に渡すことだった。これだけで分析の精度が明らかに上がりました。AIに情報を渡す順番は、思っているより分析結果に影響します。

    「育てる」とは、完璧な設計が見えないから先送りしているのではなく、今動いているものを資産として使い続けながら、前に進むという意識的な選択です。

    今週やったことを振り返ると、どのステップも「前のステップが動いている状態でのみ意味を持つ」変更でした。Step 1 が動かなければ Step 2 はない。Step 2 が動かなければ Step 3 はない。検証のコストが小さいまま、着実に前に進めるメリットを感じました。

    社内に今「動いているスクリプト」があるなら、それはすでに次のステップへの起点であり、ゼロから作り直す必要はないかもしれません。いつ育て始めるかだけが重要だと思います。


    📌 Ptmindをもっと知りたい方へ

    株式会社Ptmind公式サイト:https://www.ptmind.com/jp
    Ptengine公式サイト: https://www.ptengine.jp/
    VIVAIA JAPAN公式サイト: https://vivaia.jp/
    Kocoro.ai公式サイト:https://www.kocoro.ai/

    お問い合わせ、記事へのご質問、取材のご依頼などは、各サービスサイトのお問い合わせフォームからお気軽にお願いいたします!

     
     
    株式会社Ptmindの公式note🐸 Web体験最適化プラットフォーム「Ptengine」ほか、「Kocoro」といったAIプロダクト開発の現場から、日中の開発・営業・経営のメンバーが、考えたこと・試したことを残していきます🇯🇵🇨🇳 https://www.ptmind.com/jp

    あなたへのおすすめ