Rejourney: Webおよびモバイルアプリ向けのオープンソース収益漏洩予測ツール

Rejourneyは、実際のユーザーセッションの録画を分析することで、収益の漏洩とユーザー離脱を予測するために設計されたオープンソースフレームワークです。セッションリプレイデータと大規模言語モデル（LLM）を組み合わせることで、このツールは、レイジタップ（rage taps）やUXの混乱といったユーザーのフラストレーションのパターンを特定し、ユーザーが重要なコンバージョンイベントを放棄するのを防ぐための具体的なコード修正案を提案します。

セッション分析による自動UX問題検出

Rejourneyは、開発者がSDK内で定義した「重要なコンバージョンイベント」（サインアップの完了やサブスクリプションの購入など）を監視することで、潜在的な収益漏洩を特定します。システムは、すべてのタッチ、スクロール、パン操作、およびレイジタップを含む、ユーザーのジャーニーのシーケンスを分析し、同様の摩擦を経験しているユーザーのコホートを特定します。

懸念される傾向が検出された場合、システムはユーザーの録画をLLM（コストと速度の観点からデフォルトではGeminiを使用しますが、GPT-4などの他のモデルもサポートしています）を通じて処理し、タッチシーケンスをフレームごとに分析します。もしLLMが、あるコホートが重要なコンバージョンイベントに悪影響を及ぼす可能性が高いと判断した場合、Markdown形式で詳細なレポートを作成します。このレポートには、問題のコンテキストと、コーディングエージェントに統合可能な提案された修正案が含まれています。

技術アーキテクチャとデータ統合

Rejourneyは、大規模な運用に対応できるように構築されており、約250万件のユーザー録画でテストされています。技術的なパイプラインは、LLM分析のための完全なコンテキストを提供するために、いくつかのデータストリームを統合しています：

• SDK Support: Web JS, Swift, および React Native アプリで利用可能です。
• Contextual Data: システムは、APIのレスポンスタイム、ステータスコード、Application Not Responding (ANR) エラー、およびクラッシュトレースをセッションコンテキストにまとめます。
• Similarity Cohorts: ヒューリスティック手法により、ユーザー録画を類似性のコホートにまとめ、LLM処理に送る前に傾向を特定します。
• Code Integration: ユーザーはオプションでGitHubリポジトリをアタッチすることができ、これにより、ツールが生成されたMarkdownレポート内に特定のコード修正案を含めることが可能になります。

プライバシーとコンプライアンス

GDPRへの準拠を維持し、ユーザーのプライバシーを保護するために、Rejourneyは厳格なデータ保持および匿名化ポリシーを実装しています。ユーザーの録画は通常、7日間保持されます。この期間が経過した後、録画は量子化され、フィンガープリントは匿名化され、データはFirebaseと同様の一般的な分析ダッシュボードに集約されます。

業界の視点とユーザーフィードバック

初期導入者は、コンバージョン率の significant な改善を報告しています。あるユーザーは、Rejourneyによって特定された修正案を実装した後、2週間でオンボーディング完了率が30%向上したと報告しました。

コミュニティのフィードバックは、セッション録画に対する「AIネイティブ」なアプローチの価値を強調しています。あるユーザーが次のように述べています：

LogRocket を多用してきましたが... AIネイティブな代替案として、問題解決に直結するこのツールを試してみたいです。再生動画をマニュアルで視聴するのに何時間も費やしたり、潜在的な問題や解決策を考え出すのに多大な労力を費やしたりする手間を節約できる可能性があります。

これは、手動でのレビューが必要な従来のセッションリプレイツールから、実行可能な解決策を提供する自動診断ツールへのシフトを示しています。