Primer uporabe Splunk: Dominova zgodba o uspehu

Medtem ko so številna podjetja in organizacije uporabljale Splunk za operativno učinkovitost, bom v tem prispevku govorila o tem, kako je Domino’s Pizza uporabljala Splunk za analizo vedenja potrošnikov za izdelavo poslovnih strategij, ki temeljijo na podatkih. Ta primer uporabe Splunk prikazuje, kako je mogoče Splunk široko uporabljati v kateri koli domeni.Povpraševanje po saj se znanje v tej panogi hitro povečuje s podjetji vseh velikosti, ki aktivno uporabljajo Splunk in za to iščejo certificirane strokovnjake.

Primer uporabe Splunk: Domino’s Pizza

Morda se zavedate, da je Domino’s Pizza velikan hitre prehrane za e-trgovino, morda pa se ne zavedate izziva velikih podatkov, s katerim so se soočali. Želeli so razumeti potrebe svojih strank in jim z uporabo velikih podatkov bolj učinkovito ustreči. Tu je Splunk priskočil na pomoč.

Oglejte si spodnjo sliko, ki prikazuje okoliščine, ki so nastajale, da bi pri Dominu povzročile velike težave s podatki.

Veliko nestrukturiranih podatkov je bilo ustvarjenih, ker:

• Bili so vsekakor prisotni za spodbujanje prodaje
• Imeli so ogromno bazo strank
• Imeli so več stičnih točk za storitve za stranke
• Zagotovili so več sistemov za dostavo: naročite hrano v trgovini, naročite po telefonu, prek svojega spletnega mesta in prek mobilnih aplikacij na več platformah
• Svoje mobilne aplikacije so nadgradili z novim orodjem, ki podpira ‘glasovno naročanje’ in omogoča sledenje naročil

Presežek ustvarjenih podatkov je povzročil naslednje težave:

• Ročno iskanje je dolgočasno in nagnjeno k napakam
• Manj vidnosti, kako se spreminjajo potrebe / želje strank
• Nepripravljenost in s tem delo v reaktivnem načinu za odpravo morebitnih težav

Domino je menil, da bi bila rešitev teh težav v orodju, ki lahko zlahka obdeluje podatke. Takrat so uvedli Splunk.

Turner je omenil, da mu je uporaba Splunka za operativno inteligenco namesto tradicionalnega orodja APM pomagala znižati stroške, hitreje iskati podatke, spremljati delovanje in boljši vpogled v to, kako stranke komunicirajo z Dominom. Če pogledate spodnjo sliko, boste našli različne programe, ki so bili nastavljeni z izvajanjem Splunk-a.

• Interaktivni zemljevidi za prikaz naročil v realnem času iz vseh držav ZDA. To je zaposlenim prineslo zadovoljstvo in motivacijo
• Povratne informacije v realnem času, da zaposleni nenehno vidijo, kaj govorijo stranke, in razumejo njihova pričakovanja
• Nadzorna plošča, ki se uporablja za vodenje rezultatov in določanje ciljev, primerja njihovo uspešnost s prejšnjimi tedni / meseci in v primerjavi z drugimi trgovinami
• Proces plačila za analizo hitrosti različnih načinov plačila in prepoznavanje načinov plačila brez napak
• Promocijska podpora za ugotavljanje vpliva različnih promocijskih ponudb v realnem času. Pred izvajanjem Splunka je ista naloga trajala cel dan
• Spremljanje uspešnosti za spremljanje delovanja Dominovih interno razvitih prodajnih sistemov

Splunk se je izkazal za Domino's tako koristnega, da so ekipe zunaj oddelka za IT začele raziskovati možnost uporabe Splunka za pridobivanje vpogledov iz njihovih podatkov.

Splunk za promocijske podatke

Predstavil bom hipotetični scenarij uporabe Splunk, ki vam bo pomagal razumeti, kako deluje Splunk. Ta scenarij prikazuje, kako je Domino’s Pizza uporabila promocijske podatke za boljšo jasnost glede ponudbe / kupona, ki najbolje deluje glede na različne regije, velikosti prihodkov od naročil in drugih spremenljivk. .

* Opomba: Primer uporabljenih promocijskih podatkov je reprezentativen in prisotni podatki morda niso točni.

Domino ni imel jasne vpogled v ponudbo, ki najbolje deluje - v smislu:

• Vrsta ponudbe (ali so njihove stranke raje 10% popust ali pavšalni popust v višini 2 USD?)
• Kulturne razlike na regionalni ravni (Ali imajo kulturne razlike vlogo pri izbiri ponudbe?)
• Naprava za nakup izdelkov (Ali imajo naprave za naročanje pomembno vlogo pri izbiri ponudbe?)
• Čas nakupa (Kdaj je najbolje, da naročilo začne objavljati?)
• Prihodek od naročila (Ali se bo odziv ponudbe spremenil glede na velikost prihodka?)

Kot lahko vidite na spodnji sliki, so bili promocijski podatki zbrani z mobilnih naprav, spletnih mest in različnih prodajnih mest Domino’s Pizza (z uporabo Splunk Forwarderjev) in poslani na osrednjo lokacijo (Splunk Indexers).

System.exit (0) lahko uporabite za zaključek programa.

Špediterji Splunk bi promocijske podatke pošiljali sproti. Ti podatki so vsebovali informacije o tem, kako so se stranke odzvale, ko so prejele ponudbe, skupaj z drugimi spremenljivkami, kot so demografski podatki, časovni žig, velikost prihodka od naročil in uporabljena naprava.

Stranke so bile razdeljene v dva sklopa za A / B testiranje. Vsak sklop je dobil drugačno ponudbo: 10% popust in ravno 2 USD. Njihov odziv je bil analiziran, da bi ugotovili, katero ponudbo imajo stranke prednost.

Podatki so vsebovali tudi čas, ko so se stranke odzvale in ali najraje kupujejo v trgovini ali naročajo po spletu. Če so to storili prek spleta, je bila vključena tudi naprava, s katero so opravili nakup. Najpomembneje je, da je vseboval podatke o prihodkih od naročil - da bi razumeli, ali se odziv ponudbe spremeni glede na velikost prihodka od naročila.

Ko so bili neobdelani podatki posredovani, je bil Splunk Indexer nastavljen tako, da izvleče ustrezne informacije in jih shrani lokalno. Ustrezne informacije so stranke, ki so se odzvale na ponudbe, čas, ko so se odzvale, in naprava, ki se uporablja za unovčenje kuponov / ponudb.

Običajno so bile shranjene spodnje informacije:

• Naročite prihodek na podlagi odziva kupca
• Čas nakupa izdelkov
• Naprava, ki jo stranke dajo prednost pri oddaji naročila
• Uporabljeni kuponi / ponudbe
• Številke prodaje na podlagi geografije

Za izvajanje različnih operacij na indeksiranih podatkih je bila uporabljena iskalna glava. To je komponenta, ki daje grafični vmesnik za iskanje, analizo in vizualizacijo podatkov, shranjenih v indeksirnikih. Domino’s Pizza je s pomočjo nadzornih plošč za vizualizacijo, ki jih ponuja glava za iskanje, pridobil spodnja spoznanja:

• V ZDA in Evropi so kupci raje 10% popusta namesto ponudbe v višini 2 USD. Medtem ko so bili v Indiji kupci bolj naklonjeni pavšalni ponudbi v višini 2 USD
• Kuponi z 10-odstotnim popustom so bili uporabljeni več, ko je bil obseg prihodkov od naročila velik, medtem ko so bili pavšalni kuponi v višini 2 USD uporabljeni več, ko je bil prihodek od naročila majhen.
• Mobilne aplikacije so bile najprimernejša naprava za naročanje v večernih urah, naročila, ki so prihajala s spletnega mesta, pa so bila največ opoldne. Medtem ko je bilo naročanje v trgovini največ zjutraj

Domino’s Pizza je te rezultate zbral, da je ponudbe / kupone prilagodil glede na velikost dohodka za naročnike iz določene zemljepisne lokacije. Ugotovili so tudi, kdaj je najboljši čas za dajanje ponudb / kuponov, in stranke usmerili na podlagi naprave, ki so jo uporabljali.

Obstaja več drugihPrimer uporabe Splunkzgodbe, ki kažejo, kako so različna podjetja koristila in razvila svoje poslovanje, povečala svojo produktivnost in varnost. Takšne zgodbe lahko preberete več tukaj .

Ali se želite naučiti Splunka in ga uporabiti v svojem poslu? Oglejte si našo tu prihaja z izobraževanjem v živo inštruktorjev in izkušnjami iz resničnih projektov.

Ta spletni dnevnik primerov uporabe Splunk bi vam dal pošteno predstavo o tem, kako deluje Splunk. Preberite moj naslednji blog o arhitekturi Splunk, če želite izvedeti, katere so različne komponente Splunk in kako medsebojno delujejo.