AI Navigate

初めてのAIリード獲得SaaS(LeadIt)を作る — MVPアーキテクチャ

Dev.to / 2026/3/12

💬 オピニオンDeveloper Stack & InfrastructureTools & Practical Usage

要点

  • LeadIt MVPは、大量スクレイピングに頼るのではなく適合を示すシグナルに焦点を当てることで高品質な機会を狙います。
  • MVPスタックは、フロントエンドUIとサーバーAPIの両方にNext.jsを使用し、認証にはGoogle OAuth 2.0、データ層にはSupabaseを採用します。
  • リード分析モジュールには、Playwrightを使ったスクレーパー、ウェブインテリジェンス用の Tavily API、求人情報・APIドキュメント・統合ページからのシグナル検出、AI生成のアウトリーチメールを含みます。
  • AIレイヤーはLLM処理にGroqを使用します。
  • ワークフローは、ユーザーの検索からスクレイピング、シグナル分析、AI生成メール、Gmail APIでの送信と追跡へと流れ、すべてのデータはSupabaseに保存されます。

みなさん、こんにちは 👋

現在、私の最初のSaaS製品である LeadIt を開発しています。

LeadItのアイデアはシンプルです:

リード獲得において、品質を量より重視します。

何千ものランダムなリードをスクレイピングする代わりに、システムは実際に適合の兆候を示す企業を特定しようとします。

これはまだ MVP で、アイデアを検証しつつアーキテクチャを単純に保とうとしています。

以下はMVPのために設計したアーキテクチャです:

技術スタック

フロントエンド

  • Next.js UI

バックエンド

  • Next.jsサーバーAPI

認証

  • Google OAuth 2.0

リード分析モジュール

  • Playwrightを使ったスクレーパー
  • ウェブインテリジェンス用の Tavily API
  • 求人情報・APIドキュメント・統合ページからのシグナル検出
  • AI生成のアウトリーチメール

AIレイヤー

  • LLM処理にはGroqを使用

データ層

  • Supabaseデータベース

アウトリーチ

  • メール送信のためのGmail API

ワークフロー

システムの流れはおおよそ次のとおりです:

  1. ユーザーが企業を検索する
  2. スクレーパーが企業データを収集する
  3. シグナル検出が企業を分析する
  4. AIがパーソナライズされたアウトリーチメールを生成する
  5. メールはGmail APIを使って送信・追跡される
  6. データはSupabaseに保存される

なぜこれを作っているのか

ほとんどのリード獲得ツールはボリュームではなく関連性に焦点を当てていることに気づきました。

LeadItの目標は、高品質な機会を見つけることで、何千通ものコールドメールを送ることではありません。

フィードバック歓迎 🙏

これはまだMVPなので、他の開発者からのフィードバックをぜひお願いします:

  • このアーキテクチャは妥当ですか?
  • どこか過剰設計している箇所はありますか?
  • どこを簡略化しますか?

このプロジェクトは公開しながら進めていますので、進捗は随時共有します。

ありがとうございます!