Iako su mnoge tvrtke i organizacije koristile Splunk za operativnu učinkovitost, u ovom postu na blogu govorit ću o tome kako je Domino’s Pizza koristio Splunk za analizu ponašanja potrošača za izgradnju poslovnih strategija na temelju podataka. Ovaj slučaj upotrebe Splunka pokazuje kako se Splunk može intenzivno koristiti u bilo kojoj domeni.Potražnja za jer je vještina u industriji u porastu s tvrtkama svih veličina koje aktivno koriste Splunk i traže certificirane stručnjake za iste.
razlika između jquery i javascripta
Slučaj korištenja Splunk: Domino’s Pizza
Možda ste svjesni da je Domino’s Pizza e-commerce gigant brze hrane, ali možda niste svjesni izazova velikih podataka s kojim su se suočavali. Željeli su razumjeti potrebe svojih kupaca i učinkovitije ih udovoljiti korištenjem velikih podataka. Tu je Splunk priskočio u pomoć.
Pogledajte sliku ispod koja prikazuje okolnosti koje su se stvarale da uzrokuju velike probleme s podacima u Dominu.
Puno je nestrukturiranih podataka generirano jer:
- Bili su prisutni na više kanala kako bi potaknuli prodaju
- Imali su ogromnu bazu kupaca
- Imali su nekoliko dodirnih točaka za korisničku uslugu
- Osigurali su višestruke sustave za dostavu: Naručite hranu u trgovini, naručite telefonom, putem svoje web stranice i putem mobilnih aplikacija s više platformi
- Svoje su mobilne aplikacije nadogradili novim alatom koji podržava ‘glasovno naručivanje’ i omogućuje praćenje njihovih narudžbi
Višak generiranih podataka stvorio je sljedeće probleme:
- Ručno pretraživanje je zamorno i podložno pogreškama
- Manje vidljivosti kako variraju potrebe / sklonosti kupaca
- Nespremnost, a time i rad u reaktivnom načinu za rješavanje bilo kojeg problema
Domino je smatrao da bi rješenje tih problema bilo u alatu koji može lako obraditi podatke. Tada su implementirali Splunk.
'Sve do uvođenja Splunka, upravljanje podacima tvrtke i aplikacija i platforme bilo je glavobolja, s većinom datoteka dnevnika u ogromnom neredu' - prema njihovom voditelju pouzdanosti i inženjerstva web mjesta, Russellu Turneru
Turner je spomenuo da mu je upotreba Splunka za operativnu inteligenciju umjesto tradicionalnog APM alata pomogla da smanji troškove, brže pretražuje podatke, nadgleda izvedbu i stekne bolji uvid u to kako kupci komuniciraju s Dominovim. Ako pogledate donju sliku, pronaći ćete različite programe koji su postavljeni implementacijom Splunk-a.
- Interaktivne karte za prikaz narudžbi u stvarnom vremenu iz svih krajeva SAD-a. To je zaposlenicima donijelo zadovoljstvo i motivaciju
- Povratne informacije u stvarnom vremenu, kako bi zaposlenici neprestano vidjeli što kupci govore i razumjeli njihova očekivanja
- Nadzorna ploča, koja se koristi za čuvanje rezultata i postavljanje ciljeva, uspoređuje njihovu izvedbu s prethodnim tjednima / mjesecima i u odnosu na druge trgovine
- Proces plaćanja, za analizu brzina različitih načina plaćanja i prepoznavanje načina bez pogreške
- Promotivna podrška za utvrđivanje utjecaja različitih promotivnih ponuda u stvarnom vremenu. Prije implementacije Splunka, isti je zadatak trajao cijeli dan
- Nadzor izvedbe, za praćenje rada Dominovih interno razvijenih sustava prodajnih mjesta
Splunk se pokazao toliko korisnim za Domino, da su timovi izvan IT odjela počeli istraživati mogućnost korištenja Splunka za dobivanje uvida iz njihovih podataka.
Splunk za uvid u promotivne podatke
Predstavit ću hipotetički scenarij upotrebe Splunk-a koji će vam pomoći da shvatite kako Splunk djeluje. Ovaj scenarij pokazuje kako je Domino’s Pizza koristila promotivne podatke kako bi se dobila bolja jasnost koja ponuda / kupon najbolje djeluje s obzirom na različite regije, veličine prihoda od narudžbi i druge varijable .
* Napomena: Primjer korištenih promotivnih podataka reprezentativne je prirode i prisutni podaci možda nisu točni.
duboka vs plitka kopija Java
Domino nije imao jasnu uvid u to koja ponuda najbolje djeluje - u smislu:
- Vrsta ponude (Bilo da su njihovi kupci preferirali popust od 10% ili fiksni popust od 2 USD?)
- Kulturne razlike na regionalnoj razini (igraju li kulturne razlike ulogu u odabiru ponude?)
- Uređaj koji se koristi za kupnju proizvoda (Uređaji koji se koriste za naručivanje igraju li ulogu u odabiru ponuda?)
- Vrijeme kupnje (Koje je najbolje vrijeme za narudžbu uživo?)
- Prihod od narudžbe (Hoće li se odgovor ponude promijeniti u veličini prihoda od narudžbe?)
Kao što možete vidjeti na donjoj slici, promotivni podaci prikupljeni su s mobilnih uređaja, web stranica i raznih prodajnih mjesta Domino’s Pizza (pomoću Splunk Forwarders) i poslani na središnje mjesto (Splunk Indexers).
Splunk špediteri poslali bi promotivne podatke generirane u stvarnom vremenu. Ti su podaci sadržavali informacije o tome kako su kupci reagirali kad su dobili ponude, zajedno s ostalim varijablama poput demografskih podataka, vremenske oznake, veličine prihoda od narudžbe i korištenog uređaja.
Kupci su bili podijeljeni u dva seta za A / B testiranje. Svaki set dobio je drugačiju ponudu: 10% popusta i ravnu ponudu od 2 USD. Njihov je odgovor analiziran kako bi se utvrdilo koju su ponudu kupci preferirali.
Podaci su sadržavali i vrijeme kada su kupci reagirali i bi li radije kupovali u trgovini ili bi radije naručivali putem interneta. Ako su to učinili na mreži, tada je uključen i uređaj koji su koristili za kupnju. Što je najvažnije, sadržavao je podatke o prihodu od narudžbe - da bi se razumjelo mijenja li se odgovor ponude s veličinom prihoda od narudžbe.
datum tipa podataka sql poslužitelj
Nakon prosljeđivanja sirovih podataka, Splunk Indexer je konfiguriran da izdvoji relevantne podatke i pohrani ih lokalno. Relevantne informacije su kupci koji su odgovorili na ponude, vrijeme u kojem su odgovorili i uređaj koji se koristi za iskorištavanje kupona / ponuda.
Tipično su pohranjene sljedeće informacije:
- Prihod od narudžbi temelji se na odgovoru kupca
- Vrijeme kupnje proizvoda
- Uređaj koji kupci preferiraju za naručivanje
- Korišteni kuponi / ponude
- Brojevi prodaje na temelju zemljopisa
Za izvođenje različitih operacija nad indeksiranim podacima korištena je glava Search. To je komponenta koja daje grafičko sučelje za pretraživanje, analizu i vizualizaciju podataka pohranjenih u Indexerima. Domino’s Pizza stekla je uvid u nastavku koristeći nadzorne ploče za vizualizaciju koje pruža glava Pretraživanje:
- U SAD-u i Europi kupci su preferirali popust od 10% umjesto ponude od 2 USD. Dok su u Indiji kupci bili skloniji ravnoj ponudi od 2 dolara
- Kuponi s popustom od 10% više su se koristili kada je veličina prihoda od narudžbe bila velika, dok su se ravni kuponi od 2 dolara koristili više kada je veličina prihoda od narudžbe bila mala.
- Mobilne aplikacije bili su omiljeni uređaj za naručivanje tijekom večeri, a narudžbe s web mjesta imale su najviše tijekom podneva. Dok je naručivanje u trgovini bilo najviše tijekom jutra
Domino’s Pizza objedinila je ove rezultate kako bi prilagodila ponude / kupone s obzirom na veličine prihoda od narudžbi za kupce iz određene geografije. Također su utvrdili koje je najbolje vrijeme za davanje ponuda / kupona i ciljali kupce na temelju uređaja koji su koristili.
Postoji nekoliko drugihSlučaj upotrebe Splunkpriče koje pokazuju kako su razne tvrtke profitirale i razvile svoje poslovanje, povećale svoju produktivnost i sigurnost. Možete pročitati još takvih priča ovdje .
Želite li naučiti Splunk i primijeniti ga u svom poslu? Pogledajte naš ovdje to dolazi s treningom uživo pod vodstvom instruktora i iskustvom u stvarnom životu.
Ovaj blog slučaja upotrebe Splunk-a dao bi vam dobru ideju o tome kako Splunk funkcionira. Pročitajte moj sljedeći blog o arhitekturi Splunk da biste saznali koje su različite komponente Splunk-a i kako međusobno komuniciraju.