Nors daugelis įmonių ir organizacijų naudojo „Splunk“ veiklos efektyvumui, šiame tinklaraščio įraše kalbėsiu apie tai, kaip „Domino's Pizza“ panaudojo „Splunk“ analizuodama vartotojų elgseną kurdama duomenimis pagrįstą verslo strategiją. Šis „Splunk“ naudojimo atvejis parodo, kaip „Splunk“ galima plačiai naudoti bet kuriame domene.Paklausa Kadangi šios srities įgūdžiai sklando, visų dydžių įmonės aktyviai naudojasi „Splunk“ ir ieško to paties sertifikuotų specialistų.
„Splunk“ naudojimo atvejis: „Domino“ pica
Galbūt žinote, kad „Domino's Pizza“ yra elektroninės prekybos cum greito maisto milžinė, tačiau galbūt nežinote apie didelių duomenų iššūkį, su kuriuo jie susidūrė. Jie norėjo suprasti savo klientų poreikius ir efektyviau juos patenkinti naudodamiesi „Big Data“. Čia į pagalbą atėjo „Splunk“.
Pažvelkite į žemiau esantį vaizdą, kuriame pavaizduotos aplinkybės, kurios sukėlė didelių duomenų problemų „Domino“.
kam naudojamas duomenų mokslas
Sugeneruota daug nestruktūruotų duomenų, nes:
- Jie turėjo visavertį kanalą pardavimų skatinimui
- Jie turėjo didžiulę klientų bazę
- Jie turėjo keletą klientų aptarnavimo taškų
- Jie pateikė kelias pristatymo sistemas: užsisakykite maisto parduotuvėje, užsisakykite telefonu, per savo svetainę ir naudodamiesi įvairiomis platformomis veikiančiomis mobiliosiomis programomis
- Jie atnaujino savo mobiliąsias programas naudodami naują įrankį, kuris palaiko „balso užsakymą“ ir leidžia stebėti užsakymus
Dėl sukurtų duomenų pertekliaus kilo šių problemų:
- Rankinės paieškos yra varginančios ir linkusios į klaidas
- Mažiau matoma, kaip skiriasi klientų poreikiai / pageidavimai
- Nepasirengimas ir tokiu būdu darbas reaktyviuoju režimu norint išspręsti bet kokią problemą
„Domino“ manė, kad šių problemų sprendimas bus įrankyje, kuris gali lengvai apdoroti duomenis. Tai buvo tada, kai jie įdiegė „Splunk“.
„Iki„ Splunk “diegimo įmonės programų ir platformos duomenų valdymas buvo galvos skausmas, o didžioji dalis žurnalo failų buvo milžiniškoje netvarkoje“ - teigia jų svetainių patikimumo ir inžinerijos vadovas Russellas Turneris
Turneris paminėjo, kad „Splunk“ naudojimas operatyvinei žvalgybai vietoj tradicinio APM įrankio padėjo jam sumažinti išlaidas, greičiau ieškoti duomenų, stebėti našumą ir geriau suprasti, kaip klientai sąveikauja su „Domino“. Pažvelgę į žemiau esantį vaizdą, rasite įvairias programas, kurios buvo sukurtos įdiegus „Splunk“.
- Interaktyvūs žemėlapiai, skirti realiuoju laiku rodyti užsakymus iš visų JAV. Tai atnešė darbuotojų pasitenkinimą ir motyvaciją
- Realaus laiko atsiliepimai, kad darbuotojai galėtų nuolat matyti, ką sako klientai, ir suprasti jų lūkesčius
- Informacijos suvestinė, naudojama norint išlaikyti balus ir nustatyti tikslus, palyginti jų rezultatus su ankstesnėmis savaitėmis / mėnesiais ir palyginus su kitomis parduotuvėmis
- Mokėjimo procesas, skirtas analizuoti skirtingų mokėjimo būdų greitį ir nustatyti be klaidų mokėjimo būdus
- Reklaminė pagalba, skirta nustatyti, kaip įvairūs reklaminiai pasiūlymai veikia realiuoju laiku. Prieš diegiant „Splunk“, ta pati užduotis užtruko visą dieną
- „Performance Monitoring“, skirtas stebėti „Domino“ vidaus sukurtų pardavimo sistemų veikimą
„Splunk“ pasirodė toks naudingas „Domino“, kad komandos, esančios ne IT skyriuje, pradėjo tyrinėti galimybę naudoti „Splunk“, kad gautų įžvalgų iš savo duomenų.
„Splunk“ reklaminių duomenų įžvalgoms
Pateiksiu hipotetinį „Splunk“ naudojimo atvejo scenarijų, kuris padės suprasti, kaip veikia „Splunk“. Šis scenarijus parodo, kaip „Domino's Pizza“ naudojo reklaminius duomenis, kad būtų aiškiau, kuris pasiūlymas / kuponas veikia geriausiai skirtingų regionų, užsakymo pajamų dydžių ir kitų kintamųjų atžvilgiu. .
* Pastaba: naudojamų reklaminių duomenų pavyzdys yra tipiškas, o pateikti duomenys gali būti netikslūs.
„Domino“ neturėjo aiškaus matomumo, kuris pasiūlymas veikia geriausiai:
- Pasiūlymo tipas (ar jų klientai pageidavo 10% nuolaidos, ar fiksuotos 2 USD nuolaidos?)
- Kultūriniai skirtumai regionų lygiu (ar kultūriniai skirtumai vaidina svarbų vaidmenį renkantis pasiūlymą?)
- Įrenginys, naudojamas produktams pirkti (ar užsakymui naudojami įrenginiai vaidina svarbų vaidmenį renkantis pasiūlymus?)
- Pirkimo laikas (koks yra geriausias laikas, kad užsakymas būtų gyvas?)
- Užsakymo pajamos (ar pasiūlymo atsakymas pasikeis į užsakymo pajamų dydį?)
Kaip matote iš žemiau esančio paveikslėlio, reklaminiai duomenys buvo renkami iš mobiliųjų įrenginių, svetainių ir įvairių „Domino's Pizza“ prekybos vietų (naudojant „Splunk Forwarders“) ir išsiųsti į centrinę vietą („Splunk Indexers“).
„Splunk“ ekspeditoriai siųs realiu laiku sugeneruotus reklaminius duomenis. Šiuose duomenyse buvo informacijos apie tai, kaip klientai reagavo, kai jiems buvo pateikti pasiūlymai, kartu su kitais kintamaisiais, tokiais kaip demografiniai rodikliai, laiko žyma, užsakymo pajamų dydis ir naudojamas įrenginys.
Klientai buvo suskirstyti į du A / B testavimo rinkinius. Kiekvienam rinkiniui buvo pateiktas skirtingas pasiūlymas: 10% nuolaida ir fiksuotas 2 USD pasiūlymas. Jų atsakymas buvo išanalizuotas siekiant nustatyti, kurį pasiūlymą pirmenybę teikia klientai.
Duomenyse taip pat buvo nurodytas laikas, kada klientai atsiliepė ir ar jie norėtų pirkti parduotuvėje, ar norėtų užsisakyti internetu. Jei jie tai padarė internetu, tada buvo įtrauktas ir įrenginys, kurį naudojo pirkdami. Svarbiausia, kad joje buvo duomenys apie užsakymą, siekiant suprasti, ar pasiūlymo atsakymas keičiasi atsižvelgiant į užsakymo pajamų dydį.
Persiuntus neapdorotus duomenis, „Splunk Indexer“ buvo sukonfigūruotas išgauti reikiamą informaciją ir ją saugoti vietoje. Aktuali informacija yra klientai, kurie atsakė į pasiūlymus, jų atsakymo laikas ir kuponų / pasiūlymų išpirkimo įrenginys.
Paprastai ši informacija buvo saugoma:
- Užsakymo pajamos pagrįstos klientų reakcija
- Produktų įsigijimo laikas
- Įrenginys, kurį klientai teikia pirmenybę pateikdami užsakymą
- Panaudoti kuponai / pasiūlymai
- Pardavimo numeriai pagrįsti geografija
Atliekant įvairias indeksuotų duomenų operacijas, buvo naudojama paieškos galvutė. Tai komponentas, kuris suteikia grafinę sąsają, skirtą ieškoti, analizuoti ir vizualizuoti „Indexers“ saugomus duomenis. „Domino's Pizza“ įgijo šias įžvalgas naudodama „Search Head“ pateiktas vizualizacijos informacijos suvestines:
- JAV ir Europoje klientai pirmenybę teikė 10% nuolaidai, o ne 2 USD pasiūlymui. Indijoje klientai buvo labiau linkę į vieningą 2 USD pasiūlymą
- 10% nuolaidų kuponai buvo naudojami daugiau, kai užsakymo pajamos buvo didelės, o plokšti 2 USD kuponai buvo naudojami daugiau, kai užsakymo pajamų dydis buvo mažas.
- Mobiliosios programėlės buvo pageidaujamas užsakymo įrenginys vakaro metu, o užsakymai iš svetainės - per pietus. Didžiausias užsakymas parduotuvėje buvo ryte
„Domino's Pizza“ palygino šiuos rezultatus, kad pritaikytų pasiūlymus / kuponus atsižvelgiant į užsakymų pajamų dydžius klientams iš tam tikros geografinės vietovės. Jie taip pat nustatė, kuris laikas buvo geriausias pasiūlymų / kuponų pateikimas, ir nukreipė klientus pagal naudojamą įrenginį.
Yra keletas kitų„Splunk“ naudojimo atvejisistorijos, parodančios, kaip įvairios įmonės pasinaudojo savo verslu, išplėtė jų produktyvumą ir saugumą. Galite perskaityti daugiau tokių istorijų čia .
Ar norite išmokti „Splunk“ ir įdiegti tai savo versle? Patikrinkite mūsų čia ateina instruktorių vedami tiesioginiai mokymai ir realių projektų patirtis.
projekto stebėsenos ir kontrolės planas
Šis „Splunk“ naudojimo atvejo tinklaraštis būtų suteikęs jums teisingą idėją, kaip veikia „Splunk“. Perskaitykite kitą mano „Splunk“ architektūros tinklaraštį, kad sužinotumėte, kokie yra skirtingi „Splunk“ komponentai ir kaip jie sąveikauja.