Prípad použitia Splunk: Úspešný príbeh spoločnosti Domino

Aj keď mnoho spoločností a organizácií používalo Splunk na prevádzkovú efektívnosť, v tomto blogovom príspevku budem hovoriť o tom, ako spoločnosť Domino’s Pizza použila Splunk na analýzu správania spotrebiteľov pri vytváraní obchodných stratégií založených na dátach. Tento prípad použitia Splunk ukazuje, ako je možné Splunk extenzívne používať v ktorejkoľvek doméne.Dopyt po ako zručnosť v priemysle stúpa vysoko u spoločností všetkých veľkostí, ktoré aktívne využívajú Splunk a hľadajú pre nich certifikovaných odborníkov.

Prípad použitia Splunk: Domino’s Pizza

Možno si uvedomujete, že Domino’s Pizza je gigant rýchleho občerstvenia v elektronickom obchode, ale možno si neuvedomujete veľkú výzvu v oblasti dát, ktorej čelili. Chceli porozumieť potrebám svojich zákazníkov a efektívnejšie im vychádzať v ústrety pomocou Big Data. Tu prišiel na rad Splunk.

Pozrite sa na obrázok nižšie, ktorý zobrazuje okolnosti, ktoré sa hromadili a spôsobovali v serveri Domino’s problémy s veľkými dátami.

Bolo vygenerovaných veľa neštruktúrovaných údajov, pretože:

• Mali všeobecný kanál na podporu predaja
• Mali obrovskú zákaznícku základňu
• Mali niekoľko kontaktných bodov pre zákaznícke služby
• Poskytli viac systémov dodávky: Objednávajte potraviny v obchode, objednávajte telefonicky, prostredníctvom svojich webových stránok a prostredníctvom mobilných aplikácií pre rôzne platformy
• Inovovali svoje mobilné aplikácie o nový nástroj, ktorý podporoval „hlasové objednávanie“ a umožňoval sledovanie ich objednávok

Prebytok generovaných údajov spôsobil nasledujúce problémy:

• Ručné vyhľadávanie je zdĺhavé a náchylné na chyby
• Menší prehľad o tom, ako sa líšia potreby a preferencie zákazníkov
• Nepripravenosť a teda práca v reaktívnom režime na odstránení každého problému

Domino sa domnievalo, že riešenie týchto problémov spočíva v nástroji, ktorý dokáže ľahko spracovať údaje. To bolo, keď implementovali Splunk.

Turner spomenul, že použitie Splunk pre Operational Intelligence namiesto tradičného nástroja APM mu pomohlo znížiť náklady, rýchlejšie vyhľadávať údaje, monitorovať výkon a získať lepší prehľad o interakcii zákazníkov s domino. Ak sa pozriete na obrázok nižšie, nájdete rôzne aplikácie, ktoré boli nastavené implementáciou Splunk.

anonymná trieda v jave]

• Interaktívne mapy na zobrazovanie objednávok pochádzajúcich z celých USA v reálnom čase. To prinieslo spokojnosť a motiváciu zamestnancov
• Spätná väzba v reálnom čase, aby zamestnanci neustále videli, čo hovoria zákazníci, a porozumeli ich očakávaniam
• Informačný panel, ktorý slúži na udržiavanie skóre a stanovenie cieľov. Porovnáva ich výkonnosť s predchádzajúcimi týždňami / mesiacmi a oproti iným obchodom
• Platobný proces pre analýzu rýchlostí rôznych platobných režimov a identifikáciu bezchybných platobných režimov
• Propagačná podpora na identifikáciu dopadu rôznych propagačných ponúk v reálnom čase. Pred implementáciou aplikácie Splunk trvala rovnaká úloha celý deň
• Monitorovanie výkonu, na sledovanie výkonu vlastných systémov predaja vyvinutých spoločnosťou Domino

Splunk sa ukázal byť pre Domino taký prínosný, že tímy mimo IT oddelenia začali skúmať možnosť použiť Splunk na získanie poznatkov z ich dát.

Splunk pre propagačné údaje

Predstavím hypotetický scenár prípadov použitia Splunk, ktorý vám pomôže pochopiť, ako Splunk funguje. Tento scenár demonštruje, ako spoločnosť Domino’s Pizza použila propagačné údaje na lepšie objasnenie toho, ktorá ponuka / kupón funguje najlepšie s ohľadom na rôzne regióny, veľkosti výnosov objednávok a ďalšie premenné .

* Poznámka: Príklad použitých propagačných údajov je svojou povahou reprezentatívny a prítomné údaje nemusia byť presné.

Spoločnosť Domino’s nemala jasný prehľad o tom, ktorá ponuka funguje najlepšie - z hľadiska:

• Typ ponuky (Či už ich zákazníci uprednostnili 10% zľavu alebo paušálnu zľavu 2 $?)
• Kultúrne rozdiely na regionálnej úrovni (Hrajú kultúrne rozdiely úlohu pri výbere ponuky?)
• Zariadenie používané na nákup výrobkov (Zohrávajú zariadenia používané na objednávanie úlohu pri výbere ponúk?)
• Čas nákupu (Aký je najlepší čas na zverejnenie objednávky?)
• Výnosy z objednávky (Zmení sa odpoveď z ponuky na veľkosť výnosov z objednávky?)

Ako môžete vidieť na nasledujúcom obrázku, propagačné údaje sa zhromažďovali z mobilných zariadení, webov a rôznych predajní spoločnosti Domino’s Pizza (pomocou Splunk Forwarders) a odosielali sa na centrálne miesto (Splunk Indexers).

Zasielatelia Splunk, by odosielali propagačné údaje generované v reálnom čase. Tieto údaje obsahovali informácie o tom, ako zákazníci reagovali na ponuky, spolu s ďalšími premennými, ako sú demografické údaje, časová pečiatka, veľkosť výnosov z objednávok a použité zariadenie.

Zákazníci boli rozdelení do dvoch sád na A / B testovanie. Každá sada dostala inú ponuku: 10% zľava a paušálna ponuka 2 doláre. Ich reakcia sa analyzovala, aby sa určilo, ktorá ponuka bola preferovaná zákazníkmi.

sas programovanie úvod základné pojmy

Údaje obsahovali aj čas, kedy zákazníci odpovedali a či by uprednostnili nákup v obchode alebo si radšej objednali online. Ak to robili online, bolo zahrnuté aj zariadenie, ktoré použili na nákup. Najdôležitejšie je, že obsahovala údaje o výnosoch z objednávky - aby sme pochopili, či sa reakcia ponuky mení s veľkosťou výnosu z objednávky.

Po preposlaní nespracovaných údajov bol Splunk Indexer nakonfigurovaný na extrakciu relevantných informácií a ich lokálne uloženie. Relevantné informácie sú zákazníci, ktorí odpovedali na ponuky, čas, kedy odpovedali, a zariadenie použité na uplatnenie kupónov / ponúk.

Spravidla boli uložené nižšie uvedené informácie:

• Výnosy z objednávky založené na reakcii zákazníka
• Čas nákupu výrobkov
• Zariadenie, ktoré zákazníci uprednostňujú pri zadávaní objednávky
• Použité kupóny / ponuky
• Čísla predaja založené na geografii

Na vykonávanie rôznych operácií s indexovanými údajmi sa používala vyhľadávacia hlava. Je to komponent, ktorý poskytuje grafické rozhranie na vyhľadávanie, analýzu a vizualizáciu údajov uložených v indexovacích zariadeniach. Spoločnosť Domino’s Pizza získala nižšie uvedené poznatky pomocou vizualizačných informačných panelov poskytnutých hlavičkou Search:

• V USA a Európe uprednostnili zákazníci 10% zľavu namiesto ponuky 2 USD. Zatiaľ čo v Indii sa zákazníci viac prikláňali k paušálnej ponuke 2 doláre
• 10% zľavové kupóny sa použili viac, keď bola veľkosť výnosov z objednávky veľká, zatiaľ čo ploché kupóny v hodnote 2 $ sa použili viac, keď bola veľkosť výnosov z objednávok malá.
• Preferovaným zariadením na objednávanie počas večera boli mobilné aplikácie a objednávky prichádzajúce z webových stránok boli najviac počas poludnia. Zatiaľ čo objednávka v obchode bola najvyššia počas dopoludnia

Spoločnosť Domino’s Pizza zhromaždila tieto výsledky, aby prispôsobila ponuky / kupóny s ohľadom na veľkosť výnosov z objednávok pre zákazníkov z konkrétnej geografickej oblasti. Tiež určili, ktorý čas bol najlepší na poskytnutie ponúk / kupónov, a zacielili na zákazníkov na základe zariadenia, ktoré používali.

Existuje niekoľko ďalšíchSplunk prípad použitiapríbehy, ktoré ukazujú, ako rôzne spoločnosti profitovali a rozšírili svoje podnikanie, zvýšili ich produktivitu a bezpečnosť. Takých príbehov si môžete prečítať viac tu .

Chcete sa naučiť Splunk a implementovať ho do svojho podnikania? Vyskúšajte naše Tu prichádza so živým školením pod vedením inštruktora a skúsenosťami s projektmi v reálnom živote.

Tento blog s prípadmi použitia Splunk by vám poskytol reálnu predstavu o tom, ako Splunk funguje. Prečítajte si môj ďalší blog o architektúre Splunk, kde sa dozviete, aké sú rôzne komponenty Splunk a ako vzájomne pôsobia.