Trường hợp sử dụng Splunk: Câu chuyện thành công của Domino

Trong khi nhiều công ty và tổ chức đã sử dụng Splunk để đạt được hiệu quả hoạt động, trong bài đăng trên blog này, tôi sẽ nói về cách Domino’s Pizza đã sử dụng Splunk để phân tích hành vi của người tiêu dùng nhằm xây dựng chiến lược kinh doanh theo hướng dữ liệu. Trường hợp sử dụng Splunk này cho thấy cách Splunk có thể được sử dụng rộng rãi trong bất kỳ miền nào.Nhu cầu về vì một kỹ năng trong ngành đang tăng cao với các công ty thuộc mọi quy mô tích cực sử dụng Splunk và tìm kiếm các chuyên gia được chứng nhận cho cùng.

Trường hợp sử dụng Splunk: Domino’s Pizza

Bạn có thể biết rằng Domino’s Pizza là một gã khổng lồ về thương mại điện tử kiêm thức ăn nhanh, nhưng bạn có thể không biết về thách thức dữ liệu lớn mà họ đang phải đối mặt. Họ muốn hiểu nhu cầu của khách hàng và phục vụ họ hiệu quả hơn bằng cách sử dụng Dữ liệu lớn. Đây là nơi Splunk đến để giải cứu.

Hãy xem hình ảnh bên dưới mô tả các tình huống đang xây dựng để gây ra các vấn đề về dữ liệu lớn tại Domino’s.

sự khác biệt giữa ném và ném trong java

Nhiều dữ liệu phi cấu trúc đã được tạo vì:

• Họ có sự hiện diện đa kênh để thúc đẩy doanh số bán hàng
• Họ đã có một cơ sở khách hàng khổng lồ
• Họ đã có một số điểm tiếp xúc cho dịch vụ khách hàng
• Họ cung cấp nhiều hệ thống để giao hàng: Đặt đồ ăn tại cửa hàng, đặt hàng qua điện thoại, qua trang web của họ và qua các ứng dụng di động đa nền tảng
• Họ đã nâng cấp ứng dụng dành cho thiết bị di động của mình bằng một công cụ mới để hỗ trợ 'đặt hàng bằng giọng nói' và cho phép theo dõi đơn đặt hàng của họ

Dữ liệu dư thừa được tạo ra đã dẫn đến các vấn đề sau:

• Tìm kiếm thủ công tẻ nhạt và dễ xảy ra lỗi
• Ít thấy được nhu cầu / sở thích của khách hàng khác nhau như thế nào
• Không chuẩn bị trước và do đó làm việc ở chế độ phản ứng để khắc phục mọi sự cố

Domino’s cảm thấy rằng giải pháp cho những vấn đề này sẽ nằm ở một công cụ có thể dễ dàng xử lý dữ liệu. Đó là khi họ triển khai Splunk.

Turner đề cập rằng việc sử dụng Splunk for Operations Intelligence thay cho công cụ APM truyền thống đã giúp anh ấy giảm chi phí, tìm kiếm dữ liệu nhanh hơn, theo dõi hiệu suất và hiểu rõ hơn về cách khách hàng tương tác với Domino’s. Nếu bạn nhìn vào hình ảnh bên dưới, bạn sẽ tìm thấy các ứng dụng khác nhau đã được thiết lập bằng cách triển khai Splunk.

• Bản đồ tương tác, để hiển thị các đơn đặt hàng trong thời gian thực đến từ khắp Hoa Kỳ. Điều này mang lại sự hài lòng và động lực cho nhân viên
• Phản hồi theo thời gian thực, để nhân viên liên tục xem khách hàng đang nói gì và hiểu được kỳ vọng của họ
• Trang tổng quan, được sử dụng để giữ điểm số và đặt mục tiêu, so sánh hiệu suất của họ với các tuần / tháng trước và với các cửa hàng khác
• Quy trình thanh toán, để phân tích tốc độ của các phương thức thanh toán khác nhau và xác định các phương thức thanh toán không có lỗi
• Hỗ trợ khuyến mại, để xác định mức độ ảnh hưởng của các khuyến mại khác nhau trong thời gian thực. Trước khi thực hiện Splunk, công việc tương tự thường mất cả ngày
• Giám sát hiệu suất, để giám sát hiệu suất của các hệ thống bán hàng do Domino phát triển tại chỗ

Splunk tỏ ra có lợi cho Domino’s đến mức các nhóm bên ngoài bộ phận CNTT bắt đầu khám phá khả năng sử dụng Splunk để thu thập thông tin chi tiết từ dữ liệu của họ.

Splunk để có thông tin chi tiết về dữ liệu khuyến mại

Tôi sẽ trình bày một tình huống sử dụng Splunk giả định sẽ giúp bạn hiểu cách Splunk hoạt động. Kịch bản này thể hiện cách Domino’s Pizza đã sử dụng dữ liệu Khuyến mại để hiểu rõ hơn về ưu đãi / phiếu giảm giá nào hoạt động tốt nhất đối với các khu vực khác nhau, quy mô doanh thu đặt hàng và các biến số khác .

* Lưu ý: Ví dụ về Dữ liệu khuyến mại được sử dụng có tính chất đại diện và dữ liệu hiện tại có thể không chính xác.

Domino’s không có tầm nhìn rõ ràng về ưu đãi nào hoạt động tốt nhất - về mặt:

• Loại ưu đãi (Cho dù khách hàng của họ thích giảm giá 10% hay giảm giá cố định 2 đô la?)
• Sự khác biệt văn hóa ở cấp độ khu vực (Sự khác biệt văn hóa có đóng vai trò trong việc lựa chọn đề nghị không?)
• Thiết bị được sử dụng để mua sản phẩm (Các thiết bị được sử dụng để đặt hàng có đóng vai trò trong các lựa chọn ưu đãi không?)
• Thời gian mua hàng (Thời gian tốt nhất để đơn đặt hàng có hiệu lực?)
• Doanh thu đặt hàng (Đề nghị phản hồi có thay đổi wrt theo quy mô doanh thu đặt hàng không?)

Như bạn có thể thấy từ hình ảnh bên dưới, dữ liệu khuyến mại được thu thập từ các thiết bị di động, trang web và các cửa hàng khác nhau của Domino’s Pizza (sử dụng Splunk Forwarders) và được gửi đến một vị trí trung tâm (Splunk Indexers).

làm thế nào để biến double thành int

Splunk forwarders sẽ gửi dữ liệu khuyến mại được tạo trong thời gian thực. Dữ liệu này chứa thông tin về cách khách hàng phản hồi khi họ nhận được ưu đãi, cùng với các biến số khác như nhân khẩu học, dấu thời gian, quy mô doanh thu đơn đặt hàng và thiết bị được sử dụng.

Khách hàng được chia thành hai nhóm để thử nghiệm A / B. Mỗi bộ được cung cấp một ưu đãi khác nhau: giảm giá 10% và ưu đãi cố định 2 đô la. Phản hồi của họ được phân tích để xác định ưu đãi nào được khách hàng ưa thích.

Dữ liệu cũng bao gồm thời gian khách hàng phản hồi và liệu họ muốn mua hàng tại cửa hàng hay họ thích đặt hàng trực tuyến. Nếu họ mua hàng trực tuyến, thì thiết bị mà họ sử dụng để mua hàng cũng được bao gồm. Quan trọng nhất, nó chứa dữ liệu doanh thu đơn đặt hàng - để hiểu liệu phản hồi phiếu mua hàng có thay đổi theo quy mô doanh thu đơn đặt hàng hay không.

Sau khi dữ liệu thô được chuyển tiếp, Splunk Indexer được định cấu hình để trích xuất thông tin liên quan và lưu trữ cục bộ. Thông tin liên quan là khách hàng đã phản hồi phiếu mua hàng, thời gian họ trả lời và thiết bị được sử dụng để đổi phiếu thưởng / phiếu mua hàng.

Thông thường, thông tin dưới đây đã được lưu trữ:

cách chạy php trên windows 10

• Doanh thu đặt hàng dựa trên phản hồi của khách hàng
• Thời điểm mua sản phẩm
• Thiết bị được khách hàng ưa thích để đặt hàng
• Phiếu giảm giá / Phiếu mua hàng đã sử dụng
• Số bán hàng dựa trên địa lý

Để thực hiện các thao tác khác nhau trên dữ liệu Đã lập chỉ mục, tiêu đề Tìm kiếm đã được sử dụng. Đây là thành phần cung cấp giao diện đồ họa để tìm kiếm, phân tích và hiển thị dữ liệu được lưu trữ trong Indexers. Domino’s Pizza đã có được những thông tin chi tiết dưới đây bằng cách sử dụng trang tổng quan trực quan do phần đầu Tìm kiếm cung cấp:

• Tại Hoa Kỳ và Châu Âu, khách hàng thích giảm giá 10% thay vì ưu đãi 2 đô la. Trong khi ở Ấn Độ, khách hàng nghiêng về đề nghị cố định 2 đô la
• Phiếu giảm giá 10% được sử dụng nhiều hơn khi quy mô doanh thu đơn hàng lớn, trong khi phiếu giảm giá 2 đô la cố định được sử dụng nhiều hơn khi quy mô doanh thu đơn đặt hàng nhỏ.
• Ứng dụng dành cho thiết bị di động là thiết bị ưa thích để đặt hàng vào buổi tối và các đơn hàng đến từ trang web nhiều nhất vào buổi trưa. Trong khi lượng đặt hàng tại cửa hàng cao nhất vào buổi sáng

Domino’s Pizza đã đối chiếu những kết quả này để tùy chỉnh các ưu đãi / phiếu giảm giá theo quy mô doanh thu đặt hàng cho khách hàng từ một khu vực địa lý cụ thể. Họ cũng xác định đâu là thời điểm tốt nhất để cung cấp phiếu mua hàng / phiếu giảm giá và nhắm mục tiêu khách hàng dựa trên thiết bị họ đang sử dụng.

Có một số khácTrường hợp sử dụng Splunknhững câu chuyện cho thấy các công ty khác nhau đã thu lợi và phát triển kinh doanh, tăng năng suất và bảo mật của họ như thế nào. Bạn có thể đọc thêm những câu chuyện như vậy đây .

Bạn có muốn học Splunk và triển khai nó trong doanh nghiệp của mình không? Kiểm tra của chúng tôi ở đây, đi kèm với đào tạo trực tiếp do người hướng dẫn và trải nghiệm dự án thực tế.

Blog trường hợp sử dụng Splunk này sẽ cung cấp cho bạn một ý tưởng hợp lý về cách thức hoạt động của Splunk. Đọc blog tiếp theo của tôi về kiến ​​trúc Splunk để tìm hiểu các thành phần Splunk khác nhau là gì và cách chúng tương tác với nhau.