Przykład zastosowania Splunk: historia sukcesu Domino

Chociaż wiele firm i organizacji używa Splunka w celu zwiększenia wydajności operacyjnej, w tym poście na blogu omówię, w jaki sposób Domino’s Pizza wykorzystywał Splunk do analizy zachowań konsumentów w celu tworzenia strategii biznesowych opartych na danych. Ten przypadek użycia Splunk pokazuje, jak Splunk może być szeroko używany w dowolnej domenie.Popyt na umiejętności w branży rosną wysoko, a firmy różnej wielkości aktywnie wykorzystują Splunk i poszukują certyfikowanych profesjonalistów do tego samego.

Przykład zastosowania Splunk: Domino’s Pizza

Być może zdajesz sobie sprawę, że Domino’s Pizza to gigant e-commerce z fast foodami, ale możesz nie zdawać sobie sprawy z wyzwań związanych z dużymi danymi, przed którymi stoją. Chcieli zrozumieć potrzeby swoich klientów i skuteczniej ich zaspokoić, korzystając z Big Data. Tutaj z pomocą przyszedł Splunk.

Spójrz na poniższy obrazek, który przedstawia okoliczności, które doprowadziły do ​​problemów z dużymi zbiorami danych w Domino’s.

Wygenerowano wiele nieustrukturyzowanych danych, ponieważ:

• Byli obecni we wszystkich kanałach, by zwiększać sprzedaż
• Mieli ogromną bazę klientów
• Mieli kilka punktów kontaktu z obsługą klienta
• Dostarczyli wiele systemów dostarczania: zamawiaj jedzenie w sklepie, zamawiaj przez telefon, za pośrednictwem swojej strony internetowej i poprzez wieloplatformowe aplikacje mobilne
• Zaktualizowali swoje aplikacje mobilne o nowe narzędzie do obsługi „zamówień głosowych” i umożliwiające śledzenie ich zamówień

Wygenerowane nadmiarowe dane doprowadziły do ​​następujących problemów:

• Wyszukiwanie ręczne jest żmudne i podatne na błędy
• Mniejszy wgląd w to, jak zmieniają się potrzeby / preferencje klientów
• Nieprzygotowanie, a tym samym praca w trybie reaktywnym, aby rozwiązać każdy problem

Domino uważa, że ​​rozwiązaniem tych problemów byłoby narzędzie, które może z łatwością przetwarzać dane. Wtedy właśnie wdrożyli Splunk.

Turner wspomniał, że użycie Splunk for Operational Intelligence zamiast tradycyjnego narzędzia APM pomogło mu obniżyć koszty, szybciej przeszukiwać dane, monitorować wydajność i uzyskać lepszy wgląd w interakcje klientów z Domino. Jeśli spojrzysz na poniższy obrazek, znajdziesz różne aplikacje, które zostały skonfigurowane poprzez wdrożenie Splunk.

• Interaktywne mapy pokazujące zamówienia w czasie rzeczywistym z całych Stanów Zjednoczonych. Przyniosło to satysfakcję i motywację pracowników
• Informacje zwrotne w czasie rzeczywistym, aby pracownicy mogli stale widzieć, co mówią klienci i rozumieć ich oczekiwania
• Pulpit nawigacyjny, używany do przechowywania wyników i wyznaczania celów, porównywania ich wyników z poprzednimi tygodniami / miesiącami oraz z innymi sklepami
• Proces płatności, służący do analizy prędkości różnych trybów płatności i identyfikacji wolnych od błędów trybów płatności
• Wsparcie promocyjne umożliwiające identyfikację wpływu różnych ofert promocyjnych w czasie rzeczywistym. Przed wdrożeniem Splunka to samo zadanie zajmowało cały dzień
• Monitorowanie wydajności w celu monitorowania wydajności własnych systemów punktów sprzedaży Domino

Splunk okazał się tak korzystny dla Domino, że zespoły spoza działu IT zaczęły badać możliwość wykorzystania Splunk do uzyskiwania wglądu w ich dane.

Splunk dla wglądu w dane promocyjne

Przedstawię hipotetyczny scenariusz użycia Splunk, który pomoże ci zrozumieć, jak działa Splunk. Ten scenariusz pokazuje, jak Domino’s Pizza wykorzystała dane promocyjne, aby uzyskać większą jasność co do tego, która oferta / kupon działa najlepiej w odniesieniu do różnych regionów, wielkości przychodów z zamówień i innych zmiennych .

* Uwaga: przykład wykorzystanych danych promocyjnych ma charakter reprezentatywny, a obecne dane mogą nie być dokładne.

jaki jest najlepszy java ide

Domino's nie miał jasnego obrazu, która oferta działa najlepiej - pod względem:

• Rodzaj oferty (czy ich klienci woleli 10% zniżki, czy stałą zniżkę w wysokości 2 USD?)
• Różnice kulturowe na poziomie regionalnym (Czy różnice kulturowe odgrywają rolę w wyborze oferty?)
• Urządzenie używane do kupowania produktów (Czy urządzenia używane do zamawiania odgrywają rolę w wyborze oferty?)
• Czas zakupu (Jaki jest najlepszy czas na realizację zamówienia?)
• Przychody z zamówienia (czy odpowiedź zmieni się w stosunku do wielkości przychodów z zamówienia?)

Jak widać na poniższym obrazku, dane promocyjne zostały zebrane z urządzeń mobilnych, witryn internetowych i różnych punktów sprzedaży Domino’s Pizza (przy użyciu Splunk Forwarders) i wysłane do centralnej lokalizacji (Splunk Indexers).

Spedytorzy Splunk wysyłaliby dane promocyjne wygenerowane w czasie rzeczywistym. Dane te zawierały informacje o tym, jak klienci zareagowali, gdy otrzymali oferty, wraz z innymi zmiennymi, takimi jak dane demograficzne, sygnatura czasowa, wielkość przychodów z zamówień i używane urządzenie.

Klienci zostali podzieleni na dwa zestawy do testów A / B. Każdy zestaw otrzymał inną ofertę: 10% rabatu i płaską ofertę 2 $. Przeanalizowano ich odpowiedź, aby określić, która oferta była preferowana przez klientów.

Dane zawierały również czas, w którym klienci odpowiedzieli i czy woleliby robić zakupy w sklepie, czy wolą składać zamówienia online. Jeśli zrobili to w Internecie, uwzględniono również urządzenie, którego użyli do zakupu. Co najważniejsze, zawierał dane o przychodach z zamówień - aby zrozumieć, czy odpowiedź oferty zmienia się wraz z wielkością przychodów z zamówienia.

Po przesłaniu nieprzetworzonych danych Splunk Indexer został skonfigurowany do wyodrębniania odpowiednich informacji i przechowywania ich lokalnie. Istotne informacje, czyli klienci, którzy odpowiedzieli na oferty, czas, w którym udzielili odpowiedzi oraz urządzenie wykorzystywane do realizacji kuponów / ofert.

Zwykle przechowywane były poniższe informacje:

obsługa wyjątków w procedurze składowanej Oracle

• Przychody z zamówień na podstawie odpowiedzi klientów
• Czas zakupu produktów
• Urządzenie preferowane przez klientów do składania zamówienia
• Wykorzystane kupony / oferty
• Liczby sprzedaży na podstawie geografii

Do wykonywania różnych operacji na danych indeksowanych użyto głowicy wyszukiwania. Jest to komponent, który zapewnia graficzny interfejs do wyszukiwania, analizowania i wizualizacji danych przechowywanych w indeksatorach. Domino’s Pizza uzyskał poniższe spostrzeżenia, korzystając z pulpitów wizualizacji dostarczonych przez szefa wyszukiwania:

• W USA i Europie klienci woleli 10% rabatu zamiast oferty za 2 dolary. Podczas gdy w Indiach klienci byli bardziej skłonni do płaskiej oferty za 2 dolary
• Kupony rabatowe o wartości 10% były używane częściej, gdy przychody z zamówień były duże, natomiast kupony o wartości 2 USD były używane częściej, gdy przychody z zamówień były małe.
• Aplikacje mobilne były preferowanym urządzeniem do zamawiania w godzinach wieczornych, a zamówienia przychodzące ze strony internetowej były najczęściej w południe. Natomiast najwięcej zamówień w sklepie miało rano

Domino’s Pizza zestawiło te wyniki, aby dostosować oferty / kupony pod kątem wielkości przychodów z zamówień dla klientów z określonej lokalizacji. Ustalili również, kiedy najlepiej przedstawić oferty / kupony, i skierowali reklamy do klientów na podstawie używanego przez nich urządzenia.

Jest kilka innychPrzypadek użycia Splunkhistorie, które pokazują, jak różne firmy odniosły korzyści i rozwinęły swoją działalność, zwiększyły produktywność i bezpieczeństwo. Możesz przeczytać więcej takich historii tutaj .

Chcesz poznać Splunk i wdrożyć go w swoim biznesie? Sprawdź nasze tutaj, który obejmuje szkolenie na żywo prowadzone przez instruktora i rzeczywiste doświadczenie projektowe.

Ten blog dotyczący przypadków użycia Splunk dałby ci dobry pogląd na to, jak działa Splunk. Przeczytaj mój następny blog na temat architektury Splunk, aby dowiedzieć się, jakie są różne komponenty Splunk i jak współdziałają ze sobą.