すべてのプロダクト
Search
ドキュメントセンター

Chat App Message Service:ヒートマップによるフローパフォーマンスの分析

最終更新日:Mar 13, 2026

概要

ヒートマップ分析を使用して、メッセージフローが本番環境でどのように実行されるかを可視化します。ヒートマップには、実行回数、成功率、エラーなど、各コンポーネントの実行メトリックが表示され、ボトルネックを特定し、フロー設計を最適化するのに役立ちます。

ヒートマップデータの表示

  1. Chat App Message Service コンソールにログインします。左側のナビゲーションウィンドウで、Chat Flow をクリックします。

  2. フローリストで、分析したいフローの名前をクリックします。

  3. フロー編集ページで、Heatmap タブをクリックします。

  4. 上部に表示されるデフォルトの期間を確認します (デフォルトは今日の日付です)。別の期間のパフォーマンスを分析するには、右上で希望の開始日と終了日を選択します。

  5. (任意) 他のバージョンのデータを表示するには、左側のツールバーにある Historical Versions アイコンをクリックし、別のバージョンを選択してそのヒートマップデータをロードします。

ヒートマップメトリックの理解

ヒートマップには、各コンポーネントについて以下のメトリックが表示されます。

  • 実行回数

    指定された期間内にコンポーネントが実行された総回数で、緑色のバッジで表示されます。

    例えば、1 Time (100.00%) は、コンポーネントが 1 回実行されたことを示します。

  • 実行率

    フローのトリガー総数に対するコンポーネントの実行回数の割合で、緑色のバッジで表示されます。

    例えば、1 Time (100.00%) は、コンポーネントが 1 回実行され、それがフローの実行回数の 100% であったことを示します。

    説明

    コンポーネントがフローの実行ごとに複数回実行される場合 (例えば、ループ内やジャンプ ロジックによってトリガーされる場合など)、パーセンテージは 100% を超えることがあります。

  • エラー

    実行エラーの数で、赤色のバッジで表示されます。赤色のバッジをクリックすると、エラーの詳細が表示されます。

    例えば、2 errors は、コンポーネントが実行中に 2 回の例外または失敗に遭遇したことを示します。

  • 未トリガー

    コンポーネントが指定された期間内に実行されませんでした。これは灰色のバッジで表示されます。

image.png

論理構造

以下は、図に示されているフローの論理構造です。

  1. ユーザーからのモバイル発信メッセージがフローをトリガーします。フローはまず 条件分岐 コンポーネント (条件ノード) に入り、メッセージが事前に設定されたキーワード「Hello」または「Bye」に一致するかどうかを確認します。一致しない場合は、else ブランチに進みます。

  2. すべてのパスは、3 つの可能な結果を持つ ランダム分岐 コンポーネント (ランダムノード) に収束します。

    1. 44% の確率:フローは「Hello」ノードにリダイレクトするジャンプノードに進みます。

    2. 46% の確率:フローは「Bye」ノードにリダイレクトするジャンプノードに進みます。

    3. 10% の確率:フローは対応する WhatsApp メッセージを送信します。

  3. その後、フローは HTTP リクエスト コンポーネントに進み、終了します。

ヒートマップデータ

クエリ範囲内でフローは 1 回トリガーされ、ヒートマップデータには以下が含まれます。

  • 条件:1 回トリガーされ、実行率は 100% です。最初のコンポーネントとして、その実行回数はフローのトリガー総数と等しく、他のすべてのパーセンテージ計算のベースラインとなります。

  • Hello:16 回トリガーされました。内訳は以下の通りです。

    • 最初のユーザー入力が「Hello」キーワードに一致したことによる 1 回。

    • 15 回、Random Branch コンポーネントから自身にジャンプして戻る

      実行率は 1600% (16 回の実行 ÷ 1 回のフロートリガー) です。

  • Bye:15 回トリガーされました。

  • else ブランチ配下の WhatsApp メッセージの送信:トリガーされませんでした (0 回)。

他のコンポーネントも同様のパターンに従います。

データ分析

フローのパフォーマンスデータを分析し、以下の特徴を持つコンポーネントを特定できます。

  • エラー率が高い (最適化の対象)

  • 一度も実行されていない (未使用のロジックの可能性)

  • 想定よりも頻繁に実行されている (ロジックの問題)