Splunk Use Case: Domino’s Success Story



În acest blog de caz de utilizare Splunk, veți înțelege modul în care Domino's Pizza a folosit Splunk pentru a obține informații despre comportamentul consumatorilor și pentru a-și formula strategiile de afaceri.

În timp ce multe companii și organizații au folosit Splunk pentru eficiența operațională, în această postare pe blog voi vorbi despre modul în care Domino’s Pizza a folosit Splunk pentru a analiza comportamentul consumatorilor pentru a construi strategii de afaceri bazate pe date. Acest caz de utilizare Splunk arată cum Splunk poate fi utilizat pe scară largă în orice domeniu.Cererea pentru deoarece o abilitate în industrie este în creștere ridicată, cu companii de toate dimensiunile care folosesc în mod activ Splunk și caută profesioniști certificați pentru același lucru.

Caz de utilizare Splunk: Domino’s Pizza

S-ar putea să fiți conștienți de faptul că Domino’s Pizza este un gigant de comerț electronic cu fast-food, dar s-ar putea să nu fiți conștienți de provocarea de date mari cu care se confruntau. Au dorit să înțeleagă nevoile clienților lor și să le satisfacă mai eficient folosind Big Data. Aici Splunk a venit în ajutor.





Uitați-vă la imaginea de mai jos, care descrie circumstanțele care se construiau pentru a provoca probleme de date mari la Domino’s.

splunk folosește case-dominos implementând splunk



O mulțime de date nestructurate au fost generate deoarece:

  • Aveau o prezență omnicanală pentru a crește vânzările
  • Aveau o bază imensă de clienți
  • Aveau mai multe puncte de contact pentru serviciul clienți
  • Au oferit mai multe sisteme de livrare: Comandați alimente în magazin, comandați prin telefon, prin site-ul lor web și prin aplicații mobile multiplataforma
  • Aceștia și-au actualizat aplicațiile mobile cu un nou instrument pentru a sprijini „comanda vocală” și a permite urmărirea comenzilor lor

Excesul de date generate a dat naștere următoarelor probleme:

cum se inversează un python șir
  • Căutările manuale sunt obositoare și predispuse la erori
  • Vizibilitate mai mică a modului în care variază nevoile / preferințele clienților
  • Nepregătire și astfel lucrează în modul reactiv pentru a remedia orice problemă

Domino a considerat că soluția la aceste probleme ar sta într-un instrument care poate procesa cu ușurință datele. Atunci au implementat Splunk.



„Până la implementarea Splunk, gestionarea aplicației și a datelor platformei companiei a fost o durere de cap, cu o mare parte din fișierele sale jurnal într-o mizerie gigantică” - potrivit site-ului lor de fiabilitate și inginerie, Russell Turner

Turner a menționat că utilizarea Splunk pentru informații operaționale în locul unui instrument tradițional APM l-a ajutat să reducă costurile, să caute datele mai rapid, să monitorizeze performanța și să obțină informații mai bune despre modul în care clienții interacționau cu Domino’s. Dacă vă uitați la imaginea de mai jos, veți găsi diferitele aplicații care au fost configurate prin implementarea Splunk.

care ide este cel mai bun pentru java
  • Hărți interactive, pentru afișarea comenzilor în timp real provenite din toate SUA. Acest lucru a adus satisfacția și motivația angajaților
  • Feedback în timp real, pentru ca angajații să vadă constant ce spun clienții și să-și înțeleagă așteptările
  • Tabloul de bord, folosit pentru a păstra scorurile și a stabili ținte, pentru a compara performanța cu săptămânile / lunile anterioare și cu alte magazine
  • Proces de plată, pentru analiza vitezei diferitelor moduri de plată și identificarea modurilor de plată fără erori
  • Suport promoțional, pentru identificarea impactului diferitelor oferte promoționale în timp real. Înainte de a implementa Splunk, aceeași sarcină a durat o zi întreagă
  • Monitorizarea performanței, pentru a monitoriza performanța sistemelor de vânzări dezvoltate de Domino

Splunk s-a dovedit a fi atât de benefic pentru Domino, încât echipele din afara departamentului IT au început să exploreze posibilitatea de a folosi Splunk pentru a obține informații din datele lor.

Splunk pentru date statistice promoționale

Voi prezenta un ipotetic scenariu de utilizare a Splunk care vă va ajuta să înțelegeți cum funcționează Splunk. Acest scenariu demonstrează modul în care Domino’s Pizza a folosit datele promoționale pentru a obține o mai bună claritate a ofertei / cuponului care funcționează cel mai bine în funcție de diferite regiuni, mărimea veniturilor comenzii și alte variabile .

* Notă: Exemplul de date promoționale utilizate este reprezentativ în natură și este posibil ca datele prezente să nu fie corecte.

Domino’s nu a avut o vizibilitate clară asupra ofertei care funcționează cel mai bine - în ceea ce privește:

  • Tipul ofertei (indiferent dacă clienții lor au preferat o reducere de 10% sau o reducere fixă ​​de 2 USD?)
  • Diferențele culturale la nivel regional (Diferențele culturale joacă un rol în alegerea ofertei?)
  • Dispozitivul utilizat pentru cumpărarea produselor (Dispozitivele utilizate pentru comenzi joacă un rol în alegerile ofertei?)
  • Momentul achiziției (Care este cel mai bun moment pentru ca comanda să fie live?)
  • Venituri din comandă (Va oferi o modificare a răspunsului în funcție de mărimea veniturilor comenzii?)

După cum puteți vedea din imaginea de mai jos, datele promoționale au fost colectate de pe dispozitive mobile, site-uri web și diverse puncte de vânzare ale Domino’s Pizza (utilizând Splunk Forwarders) și trimise într-o locație centrală (Splunk Indexers).

Expeditorii Splunk ar trimite datele promoționale generate în timp real. Aceste date conțineau informații despre modul în care au răspuns clienții atunci când li s-au oferit oferte, împreună cu alte variabile precum date demografice, timestamp, mărimea veniturilor din comenzi și dispozitivul utilizat.

Clienții au fost împărțiți în două seturi pentru testarea A / B. Fiecărui set i s-a oferit o ofertă diferită: 10% ofertă de reducere și ofertă plată de 2 USD. Răspunsul acestora a fost analizat pentru a determina care ofertă a fost preferată de clienți.

Datele conțineau, de asemenea, momentul în care clienții au răspuns și dacă ar prefera să cumpere în magazin sau preferă să comande online. Dacă au făcut-o online, atunci a fost inclus și dispozitivul pe care l-au folosit pentru a face achiziția. Cel mai important, conținea date privind veniturile din comandă - pentru a înțelege dacă răspunsul ofertei se modifică odată cu dimensiunea veniturilor din comandă.

Odată ce datele brute au fost redirecționate, Splunk Indexer a fost configurat pentru a extrage informațiile relevante și a le stoca local. Informațiile relevante sunt clienții care au răspuns la oferte, ora la care au răspuns și dispozitivul utilizat pentru valorificarea cupoanelor / ofertelor.

De obicei, informațiile de mai jos erau stocate:

  • Comandați veniturile pe baza răspunsului clienților
  • Momentul achiziționării produselor
  • Dispozitiv preferat de clienți pentru plasarea comenzii
  • Cupoane / Oferte utilizate
  • Numere de vânzări bazate pe geografie

Pentru efectuarea diferitelor operațiuni pe datele indexate, a fost utilizat capul Căutare. Este componenta care oferă o interfață grafică pentru căutarea, analiza și vizualizarea datelor stocate în indexatori. Domino’s Pizza a câștigat informațiile de mai jos folosind tablourile de vizualizare furnizate de capul Căutare:

  • În SUA și Europa, clienții au preferat o reducere de 10% în loc de o ofertă de 2 USD. În timp ce în India, clienții erau mai înclinați spre o ofertă de 2 USD
  • Cupoanele de reducere de 10% au fost utilizate mai mult atunci când dimensiunea veniturilor din comandă a fost mare, în timp ce cupoanele plate de 2 USD au fost utilizate mai mult atunci când dimensiunea veniturilor din comandă a fost mică.
  • Aplicațiile mobile erau dispozitivul preferat pentru comenzi în timpul serii, iar comenzile care veneau de pe site erau cele mai multe în timpul prânzului. În timp ce comenzile în magazin au fost cele mai mari în cursul dimineții

Domino’s Pizza a strâns aceste rezultate pentru a personaliza ofertele / cupoanele în funcție de mărimea veniturilor din comenzi pentru clienții dintr-o anumită zonă geografică. De asemenea, au stabilit care a fost cel mai bun moment pentru a oferi oferte / cupoane și au vizat clienții în funcție de dispozitivul pe care îl foloseau.

__init__

Există mai multe alteCasă de utilizare Splunkpovești care arată cum diverse companii și-au beneficiat și și-au dezvoltat afacerea, și-au sporit productivitatea și securitatea. Puteți citi mai multe astfel de povești Aici .

Vrei să înveți Splunk și să îl implementezi în afacerea ta? Verificați-ne aici, vine cu instruire live condusă de instructor și experiență de proiect din viața reală.

Acest blog de caz de utilizare Splunk v-ar fi dat o idee corectă despre modul în care funcționează Splunk. Citiți următorul blog despre arhitectura Splunk pentru a afla care sunt diferitele componente Splunk și cum interacționează între ele.