品質の可視化への取り組み：バグ管理の事例紹介 | メルカリエンジニアリング
こんにちは、メルカリのQAエンジニアのFunakiです。今回は品質改善と可視化のための取り組み、特にバグ管理（Bug Management）に焦点を当てて、QAチームがどのような活動を行っているのかをご紹介します。 我々は2018年頃からバグ管理の取り組みを始め、試行錯誤を重ねてきました。製品の品質に関する課題を抱えた方や、品質の可視化を進めたいと考えている方にとって、当ブログが現状を改善するきっかけになれば幸いです。 (出典:https://loosedrawing.com/) なぜBug Managementを実施しているのか？ 我々はプロダクトの品質を推測するために、バグチケットの管理や可視化するすることを目指しています。品質を推測するために、品質の可視化するための環境構築(ダッシュボード)や、バグのチケット管理ルール(Bug Management Guideline)を作成していま
メルカリShops のフロントエンド | メルカリエンジニアリング
こんにちは。ソウゾウの Software Engineer の hiroppy です。「連載：「メルカリ Shops」プレオープンまでの開発の裏側」 の最後は、Web フロントエンドの紹介をしたいと思います。メルカリ Shops は既存のメルカリアプリの中に独立した Web アプリケーションとして動いています。本記事では、どのようなライブラリを選定し、どのようにアーキテクチャを設計してきたかを解説します。 なぜ Web なのか？ アプリの上で動いているのであれば、WebView ではなくても良いと感じる人はいると思います。今回採用した 1 つの理由としては、リリースが柔軟な点が挙げられます。iOS/Android の両方に対して開発サイクルを早めることが可能であり、また機能追加やバグ修正が容易です。どのように WebView で動いているかについては、6 日目のメルカリ Shops のため
Chrome DevToolsを用いたメルカリWebのパフォーマンス計測 - Mercari Engineering Blog
フロントエンドチームの @urahiroshi です。Mercari Advent Calendar 2018 12日目を担当します。 今年の8月から12月にかけて，メルカリ・メルペイのフロントエンドチーム有志で「超速！Webページ速度改善ガイド」の社内輪読会を行いました。 この本の中で，「推測するな，計測せよ」という言葉が紹介されていますが，今回の記事は，輪読会で学んだことのまとめとして，Chrome DevToolsを用いてメルカリWebのパフォーマンス計測と簡単な分析を行ったものです。 なお，現在メルカリWebのアーキテクチャを刷新するための開発が進んでいるため，ここで計測したパフォーマンスの値は大幅に変化していく可能性が高いです。アーキテクチャの刷新後に振り返って見られる楽しみが増えることも、この記事を書いた目的の一つです。 計測方法，環境 計測はGoogle Chrome 71.
より良い意思決定の支援をするための"効果検証 虎の巻"｜Mercari Analytics Blog
今回は、メルカリのAnalyticsチームの中でも主にビジネス分析やマーケティング分析を行うGrowth Analytics Teamからの記事です。 Analyticsチームは、以下のミッションを通じて事業に貢献するチームです。 Provide actionable insights and help people make better decisions（実行可能なインサイトを提供し、より良い意思決定の支援を行う） Democratize data and empower everyone with analytics（データの民主化を推し進め、皆の分析力を高めていく） そんなAnalyticsチームで、"効果検証 虎の巻"なるものを導入しました。主な狙いは以下の2点です。 Analyticsチーム内の暗黙知を集約して言語化・浸透させることによる、メンバーのアウトプットの質の向上 誰
協調フィルタリングとベクトル検索エンジンを利用した商品推薦精度改善の試み | メルカリエンジニアリング
こんにちは、メルカリのレコメンドチームで ML Engineer をしている ML_Bear です。 以前の記事 [1] では、item2vecと商品メタデータを用いた、メルカリのホーム画面のレコメンド改善のお話をさせていただきました。今回は商品詳細画面でレコメンド改善を行ったお話をさせていただきます。商品詳細画面の例は図1の通りです。ユーザーはアイテムの詳細な説明を見たいときにこの画面に来訪するため、同様の商品を推薦する自然な接点として非常に重要です。 まず、私たちが商品詳細画面で行った改善の概要を示します。各部の詳細については次節以降で詳しく触れます。 日本有数の大規模ECサービスにおいてベクトル検索ベースの商品推薦アルゴリズムを実装し、推薦精度の大幅な改善を実現しました。 協調フィルタリングとニューラルネットワーク (以下、NN) を利用した商品推薦アルゴリズムを構築し、コールドスタ
未知の脅威に対抗するメルカリのCI再設計 | メルカリエンジニアリング
この記事は、Mercari Advent Calendar 2022 の3日目および Developer Productivity Engineering Campブログシリーズの一環で、メルカリCI/CDチームのMichael Findlater (@michaelfindlater)が執筆したものです。 ※本記事は2022年2月3日に公開された記事の翻訳版です。 ここではメルカリにおける次世代Continuous Integration(CI)システムの実装、そしてそれに向けたいくつかの技術的な取り組みについて解説します。またこの施策の動機とも言える、サプライチェーンアタックがどのようにCI/CDエンジニア達にとって今後より重要になってきたのかについて解説します。 背景 これまでも常にCI/CDパイプラインに対する攻撃は存在していたものの、ここ最近のこのエリアに対しての攻撃の急増は脅威
データマネジメントがちょっと楽になるBigQuery監査ログの使い方
社内のデータマネージメントにBigQueryの監査ログを活用する話しです。 datatech-jp Casual Talks #3で発表。 https://datatech-jp.connpass.com/event/252062/ 資料内のリンク 1. データ管理に役立つメタデータに関する勉強会を社内外で開催しました - MonotaRO Tech Blog https://tech-blog.monotaro.com/entry/2022/03/04/090000 2. データレイク構築後の四方山話 #DPM / 20190905 https://speakerdeck.com/yuzutas0/20190905 宣伝 Twitter : https://twitter.com/__hiza__ Team Blog: https://note.com/mercari_data Meet
【メルカリ物価・数量指数からわかる4月トレンド通信】CtoCサービスにおける価格・流通量の変動を指数で可視化 「メルカリ物価・数量指数」の提供を開始
【メルカリ物価・数量指数からわかる4月トレンド通信】CtoCサービスにおける価格・流通量の変動を指数で可視化 「メルカリ物価・数量指数」の提供を開始ハンドメイドカテゴリーの「アクセサリー/時計」の物価指数が過去最高に。2021年9月以降、スマートフォン/携帯電話の物価指数が上昇、前年同月比約1.3倍 4月のポイント ハンドメイドカテゴリーの「アクセサリー/時計」の物価指数が過去最高に スポーツ関連チケットの物価指数は、前年同月比で約1.3倍増 スマートフォン/携帯電話の物価指数は、前年同月比で約1.3倍増。「メルカリ」上のスマートフォン取引件数は「iPhone 12 本体」がトップ、前年同月比約6倍 2022年4月に物価指数が上昇した商品カテゴリー メルカリ物価・数量指数とは？ 「メルカリ物価・数量指数」は、月間利用者数2,000万人超のフリマアプリ「メルカリ」を活用し、「メルカリ」内の
東京大学エコノミックコンサルティング(UTEcon)がメルカリと共同開発した 「メルカリ物価・数量指数」を提供開始 - 東京大学エコノミックコンサルティング株式会社
ニュース 2022.05.16 東京大学エコノミックコンサルティング(UTEcon)がメルカリと共同開発した 「メルカリ物価・数量指数」を提供開始 CtoCサービスにおける価格・流通量の変動を指数で可視化 メルカリ・東京大学エコノミックコンサルティング共同開発 「メルカリ物価・数量指数」の提供を開始 〜「メルカリ」取引データから、消費動向の情報発信・研究活動に寄与する情報を開示〜 メルカリ総合研究所（運営：株式会社メルカリ）と東京大学エコノミックコンサルティング株式会社（本社: 東京都文京区、代表取締役社長: 川原田陽介、以下、UTEcon）は、月間利用者数2,000万人超のフリマアプリ「メルカリ」で取引される商品カテゴリ毎の取引価格と流通量の変動を指数で可視化した「メルカリ物価・数量指数」を共同で開発し情報の提供を開始いたします。 本取り組みは、個人間商取引（CtoCサービス）における消
Elasticsearch運用ノウハウ | メルカリエンジニアリング
こんにちは、メルカリMicroservices SREチームの藤本(@jimo1001)です。 私は現在、Embedded SRE として サーチインフラチームに入り活動しています。このサーチインフラチームは、Elasticsearchを使用した検索基盤を管理し、様々なマイクロサービスに検索機能を提供するチームです。この検索基盤は非常に巨大なプラットフォームで、メルカリ全体のマシンリソースの高い割合を占めており、メルカリの検索を支える非常に重要なものです。私の Embedded SRE としてのミッションは検索基盤の信頼性の向上と自動化を推進することです。 今回は、メルカリの検索基盤で利用している Elasticsearch における運用のノウハウを紹介したいと思います。 Elasticsearch とは Elasticsearch は、Elastic社が開発する Apache Lucen
メルカリ Shops の開発を支える Automation 化 | メルカリエンジニアリング
こんにちは。ソウゾウで Software Engineer をしている @sottar です。連載：メルカリShops 開発の裏側 Vol.2の 5 日目を担当させていただきます。 この記事ではメルカリShops における、開発をサポートするための Automation 化について紹介します。 メルカリShops での開発手法 先日のプロダクト組織に関する記事でも言及がありましたが、ソウゾウでは全員ソフトウェアエンジニアを標榜しており、これまで経験がない分野でも積極的にコードを書いていく文化があります。 組織の人数も当初に比べ増えてきており、より様々なバックグラウンドを持ったエンジニアが参画しています。 エンジニアが自らの経験が少ない分野のコードを書くと、その言語ならではの書き方がわかっていなかったり、意図していない変更が起きてしまったりすることが起こりやすくなります。基本的にはコードレビ
メルカリShops の技術スタック、その後 | メルカリエンジニアリング
こんにちは。ソウゾウのSoftware Engineer(CTO)の@suguruです。連載：メルカリShops 開発の裏側 Vol.2の1日目を担当させていただきます。 去年、2021年に開始した メルカリShopsの技術スタック についての記事を書きましたが、今回はリリースまでに採用した技術スタックが、半年通してどのようにアップデートしてきたかを共有したいと思います。 ローンチ時に採用した技術が、実際の運用でどのように変遷したのかを共有することで、技術スタックを考える際の何らかの参考になれば幸いです。 monorepo メルカリShops ではサービスに必要なコードを1つに集約する monorepo を採用しています。リリース後半年たってコード量はかなり増えてきましたが、monorepo に対する満足度は非常に高く、うまく機能しています。 サービス全体の見通しが良くなることと、すべての
検索の応答性能を維持するための Benchmarking Automation | メルカリエンジニアリング
※この記事は、"Blog Series of Introduction of Developer Productivity Engineering at Mercari" の一環で書かれています。 はじめに こんにちは、メルカリMicroservices SREチームの藤本(@jimo1001)です。 私は Embedded SRE としてメルカリJPの検索に関連するマイクロサービスを提供している サーチインフラチームに入り、サービスの信頼性向上やインフラ周りの自動化に従事しています。今回は、メルカリの商品検索の応答性能を維持するための Benchmarking Automation の取り組みについて紹介したいと思います。 検索基盤のアーキテクチャ まず、検索基盤のアーキテクチャについて簡単に説明します。主要なコンポーネントに絞ってシンプルに表現したものが以下の図になります。 各コンポー
[2022-01-14 PyData.Tokyo] メルカリにおけるA/Bテストワークフローの改善、これまでとこれから
[2022-01-14 PyData.Tokyo] メルカリにおけるA/Bテストワークフローの改善、これまでとこれから
![[2022-01-14 PyData.Tokyo] メルカリにおけるA/Bテストワークフローの改善、これまでとこれから](https://cdn-ak-scissors.b.st-hatena.com/image/square/a0e2f75d83968bf35dfc3c544297f38c13b0c8d0/height=288;version=1;width=512/https%3A%2F%2Flh7-us.googleusercontent.com%2Fdocs%2FAHkbwyKapbCRn3wEtMcDBCUPoctkzJDodtW4KOgZTKLxZXC8YkZLDHBPTV6_ciFiujUW__yBqMYx-Y3pPty1CJ6gC1IGyanEVEqf0LsK95DhmqVgJKjZR__o%3Dw1200-h630-p)
メルカリにおけるA/Bテスト標準化への取り組み
2021/7/28, Retty ✕ Mercari Analyst Talk Night! https://mercari.connpass.com/event/218848/
UXリサーチを活用して、仮説検証プロセスを改善した話（後編）〜メルカリの機能を事例として〜｜Mercari Analytics Blog
はじめに はじめまして。メルカリ Analytics チームでAnalyst兼リサーチャーをしている@tsugutoと申します。今回のブログでは、私が分析を担当しているSeller Experience チームで取り組んでいる「アプリのログ分析とUXリサーチ統合の試み」について、実際の事例を紹介できればと思います。前回のブログでは、取り組みの全体像について記載しているので、ご興味あればご覧いただけると嬉しいです。 振り返り：取り組みの全体像について 前回のブログでは、Seller Experience チームでの分析〜機能を実装する取り組みの全体像を紹介しました。改めて、このチームでの機能の実装までの流れは以下のとおりです。 1. Analyze : 最もインパクトのあるターゲットを選定する 2. UX Research : インサイトを理解し仮説を構築する（優先順位をつける） 3. Ra
Approximate Vector Search at Scale, With Application to Image Search - SciPY JP 2020
Mercari provides an image search feature, which makes it possible for users to find similar items by image. This talk describes how we implemented similar image search over 100s of millions of images, in a way that is accurate. We will also highlight the techniques we used to keep the system efficient and update to date.Read less
レガシー化したData Pipelineの廃止 ― メルカリのData Architectのお仕事例｜Mercari Analytics Blog
Analytics Infra チームの@hizaです。 この記事ではメルカリの分析環境を改善した事例を紹介します。 今回は「運用に課題があってリプレースしたいが、業務への影響が大きすぎてリプレースできない」そんな板挟みな状況を解決した事例です。 また、その紹介を通じてメルカリのData Architectがどんな仕事をしているのかその一部を感じてもらえる記事をめざしました。 メルカリのデータ活用の現状 メルカリには様々な職種でデータを活用する文化があります。 AnalystやML Engineerの他にも、PdMやCustomer Supportなども業務にデータを活用しています。結果として社内のBigQueryユーザー数は月間800名を超えるほどになりました。 こういった環境ではデータが良く整備されている事が事業の成果に大きく影響しえます。例えば、使いやすいDWHがあれば多数の社員の業
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
データ整備の優先順位付けに役立つテクニック
[Online] PyData.Tokyo Meetup #25 ABテストの実践 - 資料一覧 - connpass![[Online] PyData.Tokyo Meetup #25 ABテストの実践 - 資料一覧 - connpass](https://cdn-ak-scissors.b.st-hatena.com/image/square/acd4f25f8181ec5c8c4495061d92820cb25ae4b2/height=288;version=1;width=512/https%3A%2F%2Flh6.googleusercontent.com%2FN0-G6HU0b5gcKJrIbPX8_jzO0o05a50V4ZJiU9lt4O4Wc83pDrBsfZmzyq1bdYfAie7iDT2mHynsrA%3Dw1200-h630-p)
