Rejourney: 웹 및 모바일 앱을 위한 오픈소스 수익 누수 예측 도구

Rejourney는 실제 사용자 세션 녹화 데이터를 분석하여 수익 누수와 사용자 이탈을 예측하도록 설계된 오픈소스 프레임워크입니다. 세션 리플레이 데이터와 대규모 언어 모델(LLM)을 결합함으로써, 이 도구는 레이지 탭(rage taps)이나 UX 혼란과 같은 사용자의 좌절 패턴을 식별하고, 사용자가 중요한 전환 이벤트에서 이탈하는 것을 방지하기 위한 구체적인 코드 수정 사항을 제안합니다.

세션 분석을 통한 자동화된 UX 문제 탐지

Rejourney는 개발자가 SDK 내에서 정의한 '중요 전환 이벤트'(예: 회원가입 완료 또는 구독 구매)를 모니터링하여 잠재적인 수익 누수를 식별합니다. 시스템은 모든 터치, 스크롤, 팬(pan) 상호작용 및 레이지 탭을 포함한 사용자 여정의 시퀀스를 분석하여 유사한 마찰을 경험하는 사용자 그룹(cohorts)을 찾아냅니다.

우려되는 트렌드가 감지되면, 시스템은 비용과 속도를 위해 기본적으로 Gemini를 사용하지만 GPT-4와 같은 다른 모델도 지원하는 LLM을 통해 사용자 녹화 데이터를 프레임 단위로 처리하여 터치 시퀀스를 분석합니다. 만약 LLM이 특정 사용자 그룹이 중요한 전환 이벤트에 부정적인 영향을 미칠 가능성이 높다고 판단하면, Markdown 형식의 상세 보고서를 생성합니다. 이 보고서에는 문제의 맥락과 코딩 에이전트에 통합할 수 있는 제안된 수정 사항이 포함됩니다.

기술 아키텍처 및 데이터 통합

Rejourney는 약 250만 개의 사용자 녹화 데이터로 테스트를 거쳐 대규모 운영이 가능하도록 구축되었습니다. 기술 파이프라인은 LLM 분석을 위한 완전한 맥락을 제공하기 위해 여러 데이터 스트림을 통합합니다:

• SDK Support: Web JS, Swift, 및 React Native 앱에서 사용할 수 있습니다.
• Contextual Data: 시스템은 API 응답 시간, 상태 코드, Application Not Responding (ANR) 오류 및 크래시 트레이스(crash traces)를 세션 맥락에 포함합니다.
• Similarity Cohorts: 휴리스틱(heuristic)을 사용하여 LLM 처리 전 사용자 녹화 데이터를 유사성 그룹으로 묶어 트렌드를 식별합니다.
• Code Integration: 사용자는 선택적으로 GitHub 저장소를 연결할 수 있으며, 이를 통해 도구가 생성된 Markdown 보고서 내에 구체적인 코드 수정 사항을 포함할 수 있습니다.

개인정보 보호 및 규정 준수

GDPR 규정을 준수하고 사용자 개인정보를 보호하기 위해, Rejourney는 엄격한 데이터 보유 및 익명화 정책을 시행합니다. 사용자 녹화 데이터는 일반적으로 7일 동안 보관됩니다. 이 기간이 지나면 녹화 데이터는 양자화(quantized)되고, 지문(fingerprints)은 익명화되며, 데이터는 Firebase와 유사한 일반 분석 대시보드로 집계됩니다.

업계 관점 및 사용자 피드백

초기 도입 사용자들은 전환율의 상당한 개선을 보고했습니다. 한 사용자는 Rejourney가 식별한 수정 사항을 적용한 후 2주 만에 온보딩 완료율이 30% 증가했다고 보고했습니다.

커뮤니티 피드백은 세션 녹화에 대한 'AI 네이티브' 접근 방식의 가치를 강조합니다. 한 사용자는 다음과 같이 언급했습니다:

I've used LogRocket a lot... I'd love to try this as an AI native alternative which gets straight to the problem solving. It could save hours of manually watching playback and a lot of effort coming up from with potential problems/solutions etc.

이는 수동 검토가 필요한 전통적인 세션 리플레이 도구에서, 실행 가능한 솔루션을 제공하는 자동화된 진단 도구로의 변화를를 나타냅니다.