Caso d'uso di Splunk: storia di successo di Domino

Mentre molte aziende e organizzazioni hanno utilizzato Splunk per l'efficienza operativa, in questo post del blog parlerò di come Domino's Pizza ha utilizzato Splunk per analizzare il comportamento dei consumatori per costruire strategie aziendali basate sui dati. Questo caso d'uso di Splunk mostra come Splunk possa essere ampiamente utilizzato in qualsiasi dominio.La richiesta di poiché una competenza nel settore sta crescendo vertiginosamente con aziende di tutte le dimensioni che utilizzano attivamente Splunk e cercano professionisti certificati per lo stesso.

Caso d'uso Splunk: Domino's Pizza

Potresti essere consapevole del fatto che Domino's Pizza è un gigante dell'e-commerce con fast food, ma potresti non essere a conoscenza della sfida dei big data che stavano affrontando. Volevano capire le esigenze dei loro clienti e soddisfarli in modo più efficace utilizzando i Big Data. È qui che Splunk è venuto in soccorso.

Guarda l'immagine sotto che descrive le circostanze che si stavano accumulando per causare problemi di big data in Domino's.

Sono stati generati molti dati non strutturati perché:

• Avevano una presenza omnicanale per incentivare le vendite
• Avevano un'enorme base di clienti
• Avevano diversi punti di contatto per il servizio clienti
• Fornivano più sistemi per la consegna: ordina cibo in negozio, ordina tramite telefono, tramite il loro sito web e attraverso applicazioni mobili multipiattaforma
• Hanno aggiornato le loro app mobili con un nuovo strumento per supportare l ''ordinamento vocale' e consentire il monitoraggio dei loro ordini

I dati in eccesso generati hanno dato origine ai seguenti problemi:

• Le ricerche manuali sono noiose e soggette a errori
• Meno visibilità su come variano le esigenze / preferenze del cliente
• Impreparazione e quindi lavorare in modalità reattiva per risolvere qualsiasi problema

Domino's ha ritenuto che la soluzione a questi problemi sarebbe stata uno strumento in grado di elaborare facilmente i dati. Fu allora che implementarono Splunk.

Turner ha affermato che l'utilizzo di Splunk for Operational Intelligence al posto di uno strumento APM tradizionale lo ha aiutato a ridurre i costi, cercare i dati più velocemente, monitorare le prestazioni e ottenere informazioni migliori su come i clienti interagivano con Domino's. Se guardi l'immagine qui sotto, troverai le diverse applicazioni che sono state configurate implementando Splunk.

quali sono i motivi per creare un'istanza della classe file?

• Mappe interattive, per mostrare gli ordini in tempo reale provenienti da tutti gli Stati Uniti. Ciò ha portato soddisfazione e motivazione ai dipendenti
• Feedback in tempo reale, per consentire ai dipendenti di vedere costantemente cosa dicono i clienti e capire le loro aspettative
• Dashboard, utilizzato per mantenere i punteggi e fissare obiettivi, confrontare le loro prestazioni con le settimane / mesi precedenti e con altri negozi
• Processo di pagamento, per analizzare le velocità delle diverse modalità di pagamento e identificare le modalità di pagamento senza errori
• Supporto promozionale, per identificare in tempo reale l'impatto delle varie offerte promozionali. Prima di implementare Splunk, la stessa attività richiedeva un'intera giornata
• Monitoraggio delle prestazioni, per monitorare le prestazioni dei sistemi di punti vendita sviluppati internamente da Domino

Splunk si è dimostrato così vantaggioso per Domino's che i team esterni al reparto IT hanno iniziato a esplorare la possibilità di utilizzare Splunk per ottenere informazioni dai loro dati.

Splunk per informazioni sui dati promozionali

Presenterò un ipotetico scenario d'uso di Splunk che ti aiuterà a capire come funziona Splunk. Questo scenario dimostra come Domino's Pizza ha utilizzato i dati promozionali per ottenere maggiore chiarezza su quale offerta / coupon funziona meglio rispetto a diverse regioni, dimensioni delle entrate degli ordini e altre variabili .

* Nota: l'esempio di dati promozionali utilizzati è di natura rappresentativa e i dati presenti potrebbero non essere accurati.

Domino's non aveva una chiara visibilità su quale offerta funzionasse meglio, in termini di:

• Tipo di offerta (se i loro clienti preferissero uno sconto del 10% o uno sconto fisso di $ 2?)
• Differenze culturali a livello regionale (Le differenze culturali giocano un ruolo nella scelta dell'offerta?)
• Dispositivo utilizzato per l'acquisto dei prodotti (i dispositivi utilizzati per l'ordinazione giocano un ruolo nelle scelte dell'offerta?)
• Ora di acquisto (qual è il momento migliore per la pubblicazione dell'ordine?)
• Entrate dell'ordine (la risposta dell'offerta cambierà rispetto alla dimensione delle entrate dell'ordine?)

Come puoi vedere dall'immagine sottostante, i dati promozionali sono stati raccolti da dispositivi mobili, siti web e vari punti vendita di Domino's Pizza (utilizzando Splunk Forwarder) e inviati a una posizione centrale (Splunk Indexers).

Gli spedizionieri Splunk, invierebbero i dati promozionali generati in tempo reale. Questi dati contenevano informazioni su come i clienti hanno risposto quando hanno ricevuto offerte, insieme ad altre variabili come dati demografici, timestamp, dimensioni dei ricavi degli ordini e dispositivo utilizzato.

cos'è un errore chiave in python

I clienti sono stati divisi in due set per il test A / B. A ogni set è stata assegnata un'offerta diversa: offerta di sconto del 10% e offerta forfettaria di $ 2. La loro risposta è stata analizzata per determinare quale offerta fosse preferita dai clienti.

I dati contenevano anche l'ora in cui i clienti hanno risposto e se preferiscono acquistare in negozio o preferiscono ordinare online. Se lo hanno fatto online, è stato incluso anche il dispositivo utilizzato per effettuare l'acquisto. Ancora più importante, conteneva i dati sulle entrate degli ordini, per capire se la risposta all'offerta cambia con la dimensione delle entrate dell'ordine.

Una volta che i dati grezzi sono stati inoltrati, Splunk Indexer è stato configurato per estrarre le informazioni rilevanti e memorizzarle localmente. Informazioni rilevanti sono i clienti che hanno risposto alle offerte, l'ora in cui hanno risposto e il dispositivo utilizzato per riscattare i coupon / offerte.

In genere, sono state memorizzate le seguenti informazioni:

• Ordina le entrate in base alla risposta del cliente
• Tempo di acquisto dei prodotti
• Dispositivo preferito dai clienti per effettuare l'ordine
• Buoni / Offerte usati
• Numeri di vendita basati sulla geografia

Per eseguire varie operazioni sui dati indicizzati, è stata utilizzata la testina di ricerca. È il componente che fornisce un'interfaccia grafica per la ricerca, l'analisi e la visualizzazione dei dati memorizzati negli indicizzatori. Domino's Pizza ha ottenuto le seguenti informazioni utilizzando le dashboard di visualizzazione fornite dalla testata di ricerca:

• Negli Stati Uniti e in Europa, i clienti preferivano uno sconto del 10% invece di un'offerta di $ 2. Mentre in India, i clienti erano più propensi a un'offerta forfettaria di $ 2
• I buoni sconto del 10% sono stati utilizzati maggiormente quando la dimensione delle entrate dell'ordine era grande, mentre i coupon fissi da $ 2 sono stati utilizzati di più quando la dimensione delle entrate dell'ordine era piccola.
• Le app mobili erano il dispositivo preferito per gli ordini durante la sera e gli ordini in arrivo dal sito web erano principalmente a mezzogiorno. Considerando che l'ordinazione in negozio è stata più alta durante la mattina

Domino's Pizza ha raccolto questi risultati per personalizzare le offerte / coupon rispetto alle dimensioni delle entrate degli ordini per i clienti di una particolare area geografica. Hanno anche stabilito quale fosse il momento migliore per offrire offerte / coupon e hanno preso di mira i clienti in base al dispositivo che stavano utilizzando.

Ce ne sono molti altriCaso d'uso di Splunkstorie che mostrano come varie aziende abbiano beneficiato e cresciuto il loro business, aumentato la loro produttività e sicurezza. Puoi leggere altre storie del genere Qui .

Vuoi imparare Splunk e implementarlo nella tua azienda? Dai un'occhiata al nostro qui, che viene fornito con formazione dal vivo con istruttore e esperienza di progetto nella vita reale.

Questo blog sui casi d'uso di Splunk ti avrebbe dato una buona idea di come funziona Splunk. Leggi il mio prossimo blog sull'architettura Splunk per scoprire quali sono i diversi componenti Splunk e come interagiscono tra loro.