Si bien muchas empresas y organizaciones han utilizado Splunk para la eficiencia operativa, en esta publicación de blog hablaré sobre cómo Domino's Pizza usó Splunk para analizar el comportamiento del consumidor y crear estrategias comerciales basadas en datos. Este caso de uso de Splunk muestra cómo Splunk se puede utilizar ampliamente en cualquier dominio.La demanda de como una habilidad en la industria está aumentando con empresas de todos los tamaños que utilizan activamente Splunk y buscan profesionales certificados para lo mismo.
Caso de uso de Splunk: Domino's Pizza
Es posible que sepa que Domino's Pizza es un gigante del comercio electrónico y la comida rápida, pero es posible que desconozca el desafío de los macrodatos al que se enfrentaban. Querían comprender las necesidades de sus clientes y satisfacerlas de manera más eficaz mediante el uso de Big Data. Aquí es donde Splunk vino al rescate.
Mire la imagen a continuación que muestra las circunstancias que se estaban acumulando para causar problemas de big data en Domino's.
Se generaron muchos datos no estructurados porque:
que es intérprete en java
- Tenían una presencia omnicanal para impulsar las ventas.
- Tenían una enorme base de clientes
- Tenían varios puntos de contacto para el servicio al cliente.
- Proporcionaron múltiples sistemas para la entrega: pedir comida en la tienda, pedir por teléfono, a través de su sitio web y a través de aplicaciones móviles multiplataforma.
- Actualizaron sus aplicaciones móviles con una nueva herramienta para admitir 'pedidos por voz' y permitir el seguimiento de sus pedidos.
El exceso de datos generados dio lugar a los siguientes problemas:
- Las búsquedas manuales son tediosas y propensas a errores
- Menos visibilidad de cómo varían las necesidades / preferencias del cliente
- Falta de preparación y, por lo tanto, trabajar en modo reactivo para solucionar cualquier problema.
Domino's consideró que la solución a estos problemas estaría en una herramienta que pueda procesar datos fácilmente. Fue entonces cuando implementaron Splunk.
“Hasta la implementación de Splunk, administrar la aplicación y los datos de la plataforma de la empresa era un dolor de cabeza, con muchos de sus archivos de registro en un desastre gigante”, según Russell Turner, gerente de ingeniería y confiabilidad del sitio
Turner mencionó que el uso de Splunk para la inteligencia operativa en lugar de una herramienta APM tradicional lo ayudó a reducir el costo, buscar los datos más rápido, monitorear el desempeño y obtener mejores conocimientos sobre cómo los clientes interactuaban con Domino's. Si observa la imagen de abajo, encontrará las diferentes aplicaciones que se configuraron al implementar Splunk.
- Mapas interactivos, para mostrar pedidos en tiempo real provenientes de todo EE. UU. Esto trajo satisfacción y motivación a los empleados.
- Comentarios en tiempo real, para que los empleados vean constantemente lo que dicen los clientes y comprendan sus expectativas
- Tablero, utilizado para mantener puntajes y establecer objetivos, comparar su desempeño con semanas / meses anteriores y con otras tiendas
- Proceso de pago, para analizar las velocidades de diferentes modos de pago e identificar modos de pago libres de errores
- Soporte promocional, para identificar cómo están impactando varias ofertas promocionales en tiempo real. Antes de implementar Splunk, la misma tarea solía llevar un día entero
- Supervisión del rendimiento, para supervisar el rendimiento de los sistemas de punto de venta desarrollados internamente por Domino
Splunk demostró ser tan beneficioso para Domino's que los equipos fuera del departamento de TI comenzaron a explorar la posibilidad de usar Splunk para obtener información a partir de sus datos.
Splunk para obtener información sobre datos promocionales
Voy a presentar un caso de uso hipotético de Splunk que lo ayudará a comprender cómo funciona Splunk. Este escenario demuestra cómo Domino's Pizza usó los datos promocionales para obtener una mayor claridad sobre qué oferta / cupón funciona mejor con respecto a diferentes regiones, tamaños de ingresos de pedidos y otras variables .
* Nota: El ejemplo de los datos promocionales utilizados es de naturaleza representativa y los datos presentes pueden no ser precisos.
Domino's no tenía una visibilidad clara de qué oferta funciona mejor, en términos de:
- Tipo de oferta (¿si sus clientes prefieren un descuento del 10% o un descuento fijo de $ 2?)
- Diferencias culturales a nivel regional (¿Las diferencias culturales juegan un papel en la elección de la oferta?)
- Dispositivo utilizado para comprar productos (¿Los dispositivos utilizados para realizar pedidos juegan un papel en las opciones de oferta?)
- Hora de compra (¿Cuál es la mejor hora para que se publique el pedido?)
- Ingresos del pedido (¿La respuesta de la oferta cambiará según el tamaño de los ingresos del pedido?)
Como puede ver en la imagen a continuación, los datos promocionales se recopilaron de dispositivos móviles, sitios web y varios puntos de venta de Domino's Pizza (utilizando Splunk Forwarders) y se enviaron a una ubicación central (Splunk Indexers).
Los transitarios de Splunk, enviarían los datos promocionales generados en tiempo real. Estos datos contenían información sobre cómo respondieron los clientes cuando se les ofrecieron ofertas, junto con otras variables como los datos demográficos, la marca de tiempo, el tamaño de los ingresos del pedido y el dispositivo utilizado.
Los clientes se dividieron en dos conjuntos para las pruebas A / B. Cada juego recibió una oferta diferente: oferta de 10% de descuento y oferta fija de $ 2. Se analizó su respuesta para determinar qué oferta era la preferida por los clientes.
Los datos también contenían la hora a la que respondieron los clientes y si preferirían comprar en la tienda o prefieren ordenar en línea. Si lo hicieron en línea, también se incluyó el dispositivo que usaron para realizar la compra. Lo más importante es que contenía datos de ingresos de pedidos, para comprender si la respuesta de la oferta cambia con el tamaño de los ingresos de pedidos.
Una vez que se reenviaron los datos sin procesar, Splunk Indexer se configuró para extraer la información relevante y almacenarla localmente. La información relevante son los clientes que respondieron a las ofertas, la hora a la que respondieron y el dispositivo utilizado para canjear los cupones / ofertas.
Normalmente, se almacenaba la siguiente información:
- Ingresos de pedidos basados en la respuesta del cliente
- Hora de compra de productos
- Dispositivo preferido por los clientes para realizar el pedido
- Cupones / Ofertas utilizados
- Números de ventas basados en geografía
Para realizar varias operaciones en los datos indexados, se utilizó el cabezal de búsqueda. Es el componente que proporciona una interfaz gráfica para buscar, analizar y visualizar los datos almacenados en los Indexadores. Domino's Pizza obtuvo la información siguiente mediante el uso de los paneles de visualización proporcionados por el cabezal de búsqueda:
- En EE. UU. Y Europa, los clientes prefieren un descuento del 10% en lugar de una oferta de $ 2. Mientras que en India, los clientes estaban más inclinados a una oferta plana de $ 2
- Los cupones de descuento del 10% se usaron más cuando el tamaño de los ingresos del pedido era grande, mientras que los cupones planos de $ 2 se usaron más cuando el tamaño de los ingresos del pedido era pequeño.
- Las aplicaciones móviles eran el dispositivo preferido para realizar pedidos durante la noche y los pedidos que llegaban desde el sitio web eran la mayoría durante el mediodía. Mientras que los pedidos en la tienda eran más altos durante la mañana
Domino's Pizza recopiló estos resultados para personalizar las ofertas / cupones con respecto al tamaño de los ingresos de los pedidos para los clientes de una geografía en particular. También determinaron cuál era el mejor momento para dar ofertas / cupones y apuntaron a los clientes según el dispositivo que estaban usando.
Hay varios otrosCaso de uso de Splunkhistorias que muestran cómo varias empresas se han beneficiado y han hecho crecer su negocio, incrementado su productividad y seguridad. Puedes leer más historias de este tipo. Aquí .
¿Quieres aprender Splunk e implementarlo en tu negocio? Mira nuestro aquí, eso viene con capacitación en vivo dirigida por un instructor y experiencia en proyectos de la vida real.
Este blog de casos de uso de Splunk le habría dado una idea clara de cómo funciona Splunk. Lea mi próximo blog sobre la arquitectura de Splunk para aprender cuáles son los diferentes componentes de Splunk y cómo interactúan entre sí.
tutorial de qlikview paso a paso