ในขณะที่ บริษัท และองค์กรจำนวนมากใช้ Splunk เพื่อประสิทธิภาพในการดำเนินงานในบล็อกโพสต์นี้ฉันจะพูดถึงวิธีที่ Domino’s Pizza ใช้ Splunk เพื่อวิเคราะห์พฤติกรรมผู้บริโภคเพื่อสร้างกลยุทธ์ทางธุรกิจที่ขับเคลื่อนด้วยข้อมูล กรณีการใช้งาน Splunk นี้แสดงให้เห็นว่า Splunk สามารถใช้งานได้อย่างกว้างขวางในโดเมนใด ๆความต้องการสำหรับ เนื่องจากความสามารถในอุตสาหกรรมนี้กำลังพุ่งทะยานสูงกับ บริษัท ทุกขนาดที่ใช้ Splunk อย่างแข็งขันและกำลังมองหาผู้เชี่ยวชาญที่ผ่านการรับรองสำหรับสิ่งเดียวกัน
Splunk Use Case: Domino’s Pizza
คุณอาจทราบว่า Domino’s Pizza เป็นอีคอมเมิร์ซยักษ์ใหญ่ด้านอาหารจานด่วน แต่คุณอาจไม่รู้ถึงความท้าทายด้านข้อมูลขนาดใหญ่ที่พวกเขาเผชิญอยู่ พวกเขาต้องการเข้าใจความต้องการของลูกค้าและตอบสนองความต้องการของลูกค้าอย่างมีประสิทธิภาพมากขึ้นโดยใช้ Big Data นี่คือจุดที่ Splunk เข้ามาช่วยเหลือ
ดูภาพด้านล่างซึ่งแสดงให้เห็นถึงสถานการณ์ที่ก่อให้เกิดปัญหาข้อมูลขนาดใหญ่ที่ Domino’s
อะไรอยู่ในนั้น__
ข้อมูลที่ไม่มีโครงสร้างจำนวนมากถูกสร้างขึ้นเนื่องจาก:
- พวกเขามีตัวตนในทุกช่องทางเพื่อเพิ่มยอดขาย
- พวกเขามีฐานลูกค้าจำนวนมาก
- พวกเขามีจุดติดต่อหลายจุดสำหรับการบริการลูกค้า
- พวกเขามีระบบการจัดส่งหลายระบบ: สั่งอาหารในร้านสั่งทางโทรศัพท์ผ่านเว็บไซต์และผ่านแอปพลิเคชันมือถือข้ามแพลตฟอร์ม
- พวกเขาอัปเกรดแอปบนอุปกรณ์เคลื่อนที่ด้วยเครื่องมือใหม่เพื่อรองรับ 'การสั่งซื้อด้วยเสียง' และเปิดใช้งานการติดตามคำสั่งซื้อ
ข้อมูลส่วนเกินที่สร้างขึ้นก่อให้เกิดปัญหาต่อไปนี้:
- การค้นหาด้วยตนเองน่าเบื่อและเกิดข้อผิดพลาดได้ง่าย
- มองเห็นได้น้อยลงว่าความต้องการ / ความชอบของลูกค้าแตกต่างกันอย่างไร
- ความไม่เตรียมพร้อมจึงทำงานในโหมดปฏิกิริยาเพื่อแก้ไขปัญหาใด ๆ
Domino รู้สึกว่าวิธีแก้ปัญหาเหล่านี้อยู่ที่เครื่องมือที่ประมวลผลข้อมูลได้ง่าย นั่นคือตอนที่พวกเขาใช้ Splunk
'ก่อนที่จะใช้ Splunk การจัดการแอปพลิเคชันและข้อมูลแพลตฟอร์มของ บริษัท เป็นเรื่องที่น่าปวดหัวเนื่องจากมีไฟล์บันทึกจำนวนมากที่ยุ่งเหยิง' - ตามที่ผู้จัดการความน่าเชื่อถือและวิศวกรรมของไซต์ของพวกเขารัสเซลเทอร์เนอร์
Turner กล่าวว่าการใช้ Splunk for Operational Intelligence แทนเครื่องมือ APM แบบเดิมช่วยให้เขาลดต้นทุนค้นหาข้อมูลได้เร็วขึ้นตรวจสอบประสิทธิภาพและรับข้อมูลเชิงลึกที่ดีขึ้นว่าลูกค้าโต้ตอบกับ Domino อย่างไร หากคุณดูภาพด้านล่างคุณจะพบแอปพลิเคชันต่างๆที่ตั้งค่าโดยใช้ Splunk
- แผนที่แบบโต้ตอบสำหรับแสดงคำสั่งซื้อแบบเรียลไทม์ที่มาจากทั่วสหรัฐอเมริกา สิ่งนี้นำมาซึ่งความพึงพอใจและแรงจูงใจของพนักงาน
- ข้อเสนอแนะแบบเรียลไทม์เพื่อให้พนักงานเห็นสิ่งที่ลูกค้าพูดและเข้าใจความคาดหวังของพวกเขาอย่างต่อเนื่อง
- แดชบอร์ดใช้เพื่อเก็บคะแนนและกำหนดเป้าหมายเปรียบเทียบประสิทธิภาพกับสัปดาห์ / เดือนก่อนหน้าและเทียบกับร้านค้าอื่น ๆ
- ขั้นตอนการชำระเงินสำหรับการวิเคราะห์ความเร็วของโหมดการชำระเงินต่างๆและระบุโหมดการชำระเงินที่ปราศจากข้อผิดพลาด
- การสนับสนุนด้านการส่งเสริมการขายสำหรับการระบุว่าข้อเสนอส่งเสริมการขายต่างๆส่งผลต่อแบบเรียลไทม์อย่างไร ก่อนที่จะใช้ Splunk งานเดียวกันนี้เคยใช้เวลาทั้งวัน
- การตรวจสอบประสิทธิภาพเพื่อตรวจสอบประสิทธิภาพของระบบจุดขายภายในองค์กรที่พัฒนาขึ้นเองของ Domino
Splunk พิสูจน์แล้วว่ามีประโยชน์ต่อ Domino อย่างมากจนทีมงานนอกแผนกไอทีเริ่มสำรวจความเป็นไปได้ที่จะใช้ Splunk เพื่อรับข้อมูลเชิงลึกจากข้อมูลของตน
Splunk สำหรับข้อมูลเชิงลึกด้านการส่งเสริมการขาย
ฉันจะนำเสนอสถานการณ์สมมติกรณีการใช้ Splunk ซึ่งจะช่วยให้คุณเข้าใจว่า Splunk ทำงานอย่างไร สถานการณ์นี้แสดงให้เห็นว่า Domino’s Pizza ใช้ข้อมูลโปรโมชันเพื่อให้ได้ความชัดเจนมากขึ้นว่าข้อเสนอ / คูปองใดทำงานได้ดีที่สุดเมื่อเทียบกับภูมิภาคต่างๆขนาดรายได้จากการสั่งซื้อและตัวแปรอื่น .
* หมายเหตุ: ตัวอย่างข้อมูลส่งเสริมการขายที่ใช้เป็นตัวแทนในลักษณะและข้อมูลที่นำเสนออาจไม่ถูกต้อง
Domino’s ไม่สามารถมองเห็นได้ชัดเจนว่าข้อเสนอใดทำงานได้ดีที่สุด - ในแง่ของ:
- ประเภทข้อเสนอ (ลูกค้าของพวกเขาต้องการส่วนลด 10% หรือส่วนลด $ 2 คงที่?)
- ความแตกต่างทางวัฒนธรรมในระดับภูมิภาค (ความแตกต่างทางวัฒนธรรมมีบทบาทในการเสนอทางเลือกหรือไม่)
- อุปกรณ์ที่ใช้ในการซื้อสินค้า (อุปกรณ์ที่ใช้ในการสั่งซื้อมีบทบาทในการเลือกข้อเสนอหรือไม่)
- เวลาที่ซื้อ (เวลาที่ดีที่สุดสำหรับการสั่งซื้อคืออะไร?)
- รายได้จากการสั่งซื้อ (จะเปลี่ยนการตอบกลับข้อเสนอเป็นขนาดรายได้คำสั่งซื้อหรือไม่)
ดังที่คุณเห็นจากภาพด้านล่างข้อมูลส่งเสริมการขายถูกรวบรวมจากโทรศัพท์มือถือเว็บไซต์และร้านต่างๆของ Domino’s Pizza (โดยใช้ Splunk Forwarders) และส่งไปยังส่วนกลาง (Splunk Indexers)
mysql_fetch_array
Splunk forwarders จะส่งข้อมูลส่งเสริมการขายที่สร้างขึ้นแบบเรียลไทม์ ข้อมูลนี้มีข้อมูลเกี่ยวกับวิธีที่ลูกค้าตอบสนองเมื่อได้รับข้อเสนอพร้อมกับตัวแปรอื่น ๆ เช่นข้อมูลประชากรการประทับเวลาขนาดรายได้จากการสั่งซื้อและอุปกรณ์ที่ใช้
ลูกค้าแบ่งออกเป็นสองชุดสำหรับการทดสอบ A / B แต่ละชุดได้รับข้อเสนอที่แตกต่างกัน: ข้อเสนอส่วนลด 10% และข้อเสนอแบน $ 2 คำตอบของพวกเขาได้รับการวิเคราะห์เพื่อพิจารณาว่าข้อเสนอใดเป็นที่ต้องการของลูกค้า
ข้อมูลดังกล่าวยังมีเวลาที่ลูกค้าตอบกลับและหากต้องการซื้อในร้านค้าหรือต้องการสั่งซื้อทางออนไลน์ หากพวกเขาทำแบบออนไลน์อุปกรณ์ที่พวกเขาใช้ในการซื้อจะรวมอยู่ด้วย ที่สำคัญที่สุดคือมีข้อมูลรายได้จากการสั่งซื้อ - เพื่อทำความเข้าใจว่าการตอบกลับข้อเสนอพิเศษมีการเปลี่ยนแปลงขนาดรายได้จากการสั่งซื้อ
เมื่อส่งต่อข้อมูลดิบแล้ว Splunk Indexer ได้รับการกำหนดค่าให้ดึงข้อมูลที่เกี่ยวข้องและจัดเก็บไว้ในเครื่อง ข้อมูลที่เกี่ยวข้อง ได้แก่ ลูกค้าที่ตอบรับข้อเสนอเวลาที่ตอบกลับและอุปกรณ์ที่ใช้ในการแลกคูปอง / ข้อเสนอ
โดยทั่วไปข้อมูลด้านล่างจะถูกจัดเก็บ:
คือ - ความสัมพันธ์ใน java
- รายได้จากการสั่งซื้อตามการตอบสนองของลูกค้า
- เวลาซื้อสินค้า
- อุปกรณ์ที่ลูกค้าต้องการสำหรับการสั่งซื้อ
- ใช้คูปอง / ข้อเสนอพิเศษ
- ตัวเลขการขายตามภูมิศาสตร์
สำหรับการดำเนินการต่างๆกับข้อมูลที่จัดทำดัชนีจะใช้หัวค้นหา เป็นส่วนประกอบที่ให้อินเทอร์เฟซแบบกราฟิกสำหรับการค้นหาวิเคราะห์และแสดงภาพข้อมูลที่จัดเก็บใน Indexers Domino’s Pizza ได้รับข้อมูลเชิงลึกด้านล่างโดยใช้แดชบอร์ดการแสดงภาพที่จัดเตรียมโดย Search head:
- ในสหรัฐอเมริกาและยุโรปลูกค้าต้องการส่วนลด 10% แทนที่จะเป็นข้อเสนอ $ 2 ในขณะที่ในอินเดียลูกค้ามีแนวโน้มที่จะรับข้อเสนอแบบคงที่ $ 2
- มีการใช้คูปองส่วนลด 10% มากขึ้นเมื่อขนาดรายได้จากการสั่งซื้อมีขนาดใหญ่ในขณะที่คูปองแบบแบน $ 2 จะถูกใช้มากขึ้นเมื่อขนาดรายได้จากการสั่งซื้อมีขนาดเล็ก
- แอพมือถือเป็นอุปกรณ์ที่ต้องการสำหรับการสั่งซื้อในช่วงเย็นและคำสั่งซื้อที่เข้ามาจากเว็บไซต์มากที่สุดในช่วงเที่ยง ในขณะที่การสั่งซื้อในร้านค้าสูงสุดในช่วงเช้า
Domino’s Pizza รวบรวมผลลัพธ์เหล่านี้เพื่อปรับแต่งข้อเสนอ / คูปองตามขนาดรายได้สำหรับลูกค้าจากพื้นที่ใดพื้นที่หนึ่ง พวกเขายังพิจารณาว่าช่วงเวลาใดที่ดีที่สุดในการให้ข้อเสนอ / คูปองและกำหนดเป้าหมายลูกค้าตามอุปกรณ์ที่พวกเขาใช้
มีอีกหลายอย่างกรณีใช้ Splunkเรื่องราวที่แสดงให้เห็นว่า บริษัท ต่างๆได้รับประโยชน์และเติบโตทางธุรกิจอย่างไรเพิ่มประสิทธิผลและความปลอดภัย คุณสามารถอ่านเรื่องราวดังกล่าวเพิ่มเติม ที่นี่ .
คุณต้องการเรียนรู้ Splunk และนำไปใช้ในธุรกิจของคุณหรือไม่? ตรวจสอบ ที่นี่ซึ่งมาพร้อมกับการฝึกอบรมสดที่นำโดยผู้สอนและประสบการณ์โครงการในชีวิตจริง
บล็อกกรณีการใช้งาน Splunk นี้จะให้แนวคิดที่เป็นธรรมแก่คุณว่า Splunk ทำงานอย่างไร อ่านบล็อกถัดไปของฉันเกี่ยวกับสถาปัตยกรรม Splunk เพื่อเรียนรู้ส่วนประกอบ Splunk ที่แตกต่างกันคืออะไรและโต้ตอบกันอย่างไร