Заказчик — технологическая компания, которая разрабатывает и поддерживает программные решения и платформы, используемые в глобальных онлайн- и розничных операциях в сфере игр. Она обеспечивает технологическую основу для спортивных ставок, казино и других продуктов, уделяя особое внимание созданию безопасного пользовательского опыта. Стратегия разработки позволяет компании создавать собственные платформы и инструменты управления рисками, поддерживая рост и внедрение новых продуктов на международном рынке.

Программное обеспечение заказчика представляло собой комплексную B2B-платформу полного цикла, предназначенную для создания единой и защищенной среды для всех клиентских приложений. Собственная технологическая инфраструктура компании спроектирована таким образом, чтобы обеспечивать удобный пользовательский опыт через все точки доступа и на разных устройствах.

Заказчик стремился укрепить свои позиции на рынках США и Великобритании, перейти к более частым релизам вплоть до ежедневных запусков и повысить качество пользовательского опыта за счёт стабильного и масштабируемого программного решения.

a1qa оперативно выделила специалистов с необходимыми навыками и опытом для работы по Scrum-процессам заказчика, выстроила эффективную коммуникацию и выполнила ряд QA-задач.

Функциональное тестирование

Команда начала с проектирования тест-кейсов, создав подробные и хорошо структурированные сценарии. На их основе проводилось тестирование новой функциональности, чтобы убедиться, что новые возможности ИТ-продукта корректно интегрируются в существующие бизнес-процессы. Также было проведено регрессионное тестирование для контроля того, что доработки не нарушают существующую логику системы.

a1qa выполнила и исследовательское тестирование, охватывая пограничные сценарии, характерные для процессов ставок и игр, чтобы выявить потенциальные проблемы, не покрываемые стандартными тестами.

Все обнаруженные дефекты верифицировались, чтобы обеспечить их точное описание и оперативное устранение.

Тестирование производительности

Платформа заказчика регулярно испытывала высокие нагрузки из-за большой и активной пользовательской базы, поэтому тестирование производительности являлось критически важным процессом.

Каждая новая функциональность проходила тщательную проверку, чтобы убедиться, что она способна выдержать пиковые нагрузки, а также обеспечить стабильный отклик и корректную работу независимо от числа пользователей.

Инженеры a1qa были задействованы во всех задачах, связанных с производительностью: они настраивали тестовые окружения, разрабатывали сценарии для имитации высокого трафика и нагружали систему, чтобы оценить ее пропускную способность и устойчивость под нагрузкой.

Такой подход позволил заранее выявлять узкие места, обеспечивая плавное масштабирование новых функций и надежную работу платформы в реальных условиях эксплуатации.

Автоматизация тестирования

У заказчика был большой объем регрессионного, смоук- и стабилизационного тестирования (для проверки готовности окружений к тестированию и возможности их надежного использования в QA-процессах), что создавало потребность в автоматизации тестирования.

Изначально фреймворк автоматизированного тестирования заказчика имел ряд проблем: он формировался достаточно быстро и не был рассчитан на дальнейшее расширение. Специалистам a1qa пришлось переработать и стандартизировать его, чтобы создать единый и надежный инструмент. Помимо этой базовой активности, команда разработала новые автотесты на языке программирования C# и обеспечила постоянную поддержку уже существующей экосистемы автоматизации.

По мере развития проекта a1qa подключила команду, работающую с мобильными устройствами, и начала развивать для них отдельное направление автоматизации.

В этой части проекта специалисты использовали внутренний фреймворк Aquality Mobile в связке с Aquality Tracking, который включает ИИ-алгоритмы для анализа и обобщения результатов падений автотестов.

Это позволило масштабировать QA-процессы, сохраняя прозрачность результатов тестирования и обеспечивая надёжность всего решения.

В результате привлечения a1qa скорость тестирования значительно возросла. Например, в рамках одной из подкоманд проекта специалисты разработали отдельный набор автотестов: регрессионная автоматизация охватила 106 тест-кейсов, а смоук-тестирование — 20 тест-кейсов. С учетом того, что выполнение одного тест-кейса вручную занимало 15 минут, смоук-тестирование было ускорено на 300 минут (5 часов), а регрессионное — на 1 590 минут (26,5 часов). Такой подход сократил объем рутинного ручного тестирования и повысил надёжность и покрытие тестами всей платформы.

Кроме того, в ходе проекта a1qa успешно справилась с двумя ключевыми сложностями.

Первая была связана с передачей автоматизации тестирования в зону ответственности команды разработки. С точки зрения пирамиды тестирования существующий подход был сосредоточен в основном на уровнях GUI и API. Чтобы выйти на однодневный цикл релизов, заказчик стремился перенести основную проверку качества на уровень модульных тестов. Однако такой подход нес в себе риск: автотесты на столь низком уровне детализации со временем могли стать нестабильными и трудоемкими в сопровождении, что потенциально замедляло бы выпуск релизов или негативно влияло на общее качество продукта.

Чтобы помочь заказчику достичь этой цели, a1qa разработала специальные метрики для ежемесячного отслеживания прогресса. Измерялись время цикла по каждой задаче и количество дефектов в продуктовой среде. Скорость выполнения в сторипойнтах служила объективным показателем темпа разработки и частоты релизов, а количество дефектов после выпуска — индикатором качества.

Команда также внедрила систему отчётности, которая дала всем участникам проекта представление о динамике показателей и позволила заблаговременно реагировать на возможные проблемы. Это обеспечило постоянный контроль эффективности и качества, предоставляя практические инсайты для достижения целей.

Кроме того, QA-инженеры a1qa провели для тестировщиков и разработчиков заказчика специализированное обучение. Была разработана серия из шести часовых занятий, адаптированных под проект, чтобы участники глубже поняли принципы работы автоматизации и смогли в дальнейшем самостоятельно создавать, запускать и сопровождать автотесты.

Обучение сочетало теоретические объяснения, демо в режиме реального времени и практические задачи. Оно начиналось с простых примеров, постепенно переходя к написанию и отладке автоматизированных тестов, и завершалось финальной сессией, посвященной работе с реальным тестовым фреймворком проекта, включая разработку и интеграцию новых тестов.

Всего программу прошли три группы — более 70 человек, получив практический опыт и уверенность в работе с инструментами автоматизации, используемыми в проекте.

Второй сложностью, с которой столкнулась a1qa, стала нестабильность окружений. Для заказчика ключевой целью было достижение 100-процентного показателя успешных прогонов тестов — за исключением функциональных дефектов. Если тест падал из-за реальной ошибки в ИТ-продукте, это считалось приемлемым; однако сбои, вызванные нестабильной работой окружений (например, недоступные сервисы, увеличенное время отклика или слишком медленная загрузка страниц), были недопустимы. В результате сопровождение тестового набора становилось всё более сложным.

Чтобы решить эту проблему, команда сместила фокус на проверки через API. Этот переход значительно повысил стабильность и надежность автоматизированного тестирования.