Slučaj upotrebe splunka: Dominova priča o uspjehu

Na ovom blogu slučaja upotrebe Splunk shvatit ćete kako je Domino's Pizza koristio Splunk kako bi stekao uvid u ponašanje potrošača i formulirao njihove poslovne strategije.

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.

splunk koristi case-dominos koji implementira splunk



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.