Y Combinator 日本語図鑑

事業概要

プロダクト

• 顧客のセッション記録を取り込み、操作の順序と離脱点を抽出する。
• 抽出した行動を確率モデルに変換し、利用者集団の分布を作る。
• 変更案を画面遷移や導線の差分として入力する。
• 各利用者像に変更後の経路を走らせ、完了率と離脱率を算出する。
• 指標の変化幅を不確実性の幅とともに比較表で返す。
• 予測結果を課題単位で保存し、実装後の実測値と突き合わせる。

技術アーキテクチャ（推定）

• 顧客の解析基盤や製品ログから操作履歴を連携して取得するとみられる。
• 画面遷移と操作の系列を正規化し、状態遷移の形に変換する。
• 利用者を行動特性ごとに分類し、模擬利用者の集団を生成する推定。
• 変更案の画面差分を解釈し、各利用者像の経路を再計算する。
• 予測値は信頼区間付きで保存し、比較画面から参照させる。
• 個人を特定する識別子は置換して除き、集計側に寄せる設計と推定。

収益モデル

• 製品開発チームが、変更案ごとの予測結果に対して対価を払う。
• 課金単位は対象製品数と月間の実行回数とみられ、価格は非公開。

差別化

• 顧客の履歴が蓄積するほど模擬利用者の精度が上がる構造。
• 予測と実測の突き合わせ記録が他社に移せない資産になる。
• 導入後は開発工程の意思決定に入り込み、外しにくくなる。

日本展開時のリスク

• 個人情報保護法に沿う利用目的の特定と安全管理が前提となる。
• 実データの利用範囲は顧客の社内規程と契約で制約されやすい。
• 既存の解析基盤や開発管理の道具との接続仕様が障壁になる。
• 予測精度の検証手段が乏しく、導入決裁で効果を示しにくい。
• 国内の開発組織は外部の予測結果を判断材料にしにくい。

日本での競合

• 国内は利用実績の分析と画面操作の自動試験が別々に存在する。
• 自動試験ではAutifyやMagicPodが導入基盤を持つ。
• 行動分析は大手の解析基盤が占め、新規参入は容易でない。
• 出荷前に利用者反応を模擬する同型の製品は確認できない。
• 効果測定の枠組みを示せれば空白を取れる可能性がある。
• 個人情報の扱いと精度保証が商談の前提になる。

主要プレイヤー

• Autify — ノーコードでE2Eテストを作成・実行。AIがUI変更に追随。
• MagicPod — モバイルとWebのE2Eテスト自動化。月39,800円から。
• ブレインパッド — データ分析の支援。