Splunk 사용 사례 : Domino의 성공 사례

많은 회사와 조직에서 운영 효율성을 위해 Splunk를 사용했지만이 블로그 게시물에서는 Domino ’s Pizza가 Splunk를 사용하여 소비자 행동을 분석하여 데이터 기반 비즈니스 전략을 구축 한 방법에 대해 설명합니다. 이 Splunk 사용 사례는 Splunk를 모든 도메인에서 광범위하게 사용할 수있는 방법을 보여줍니다.수요 Splunk를 적극적으로 사용하고 인증 된 전문가를 찾고있는 모든 규모의 기업과 함께 업계의 기술이 급증하고 있습니다.

Splunk 사용 사례 : Domino ’s Pizza

Domino ’s Pizza가 전자 상거래 겸 패스트 푸드 대기업이라는 사실을 알고 계실지 모르지만 그들이 직면하고있는 빅 데이터 문제를 인식하지 못할 수도 있습니다. 그들은 빅 데이터를 사용하여 고객의 요구 사항을 이해하고보다 효과적으로 대응하기를 원했습니다. 이것이 Splunk가 구출 한 곳입니다.

Domino에서 빅 데이터 문제를 야기하기 위해 구축 된 상황을 묘사하는 아래 이미지를보십시오.

다음과 같은 이유로 많은 비정형 데이터가 생성되었습니다.

• 판매 촉진을위한 옴니 채널 존재
• 그들은 거대한 고객 기반을 가졌습니다.
• 고객 서비스를위한 여러 접점이있었습니다.
• 배달을위한 여러 시스템을 제공했습니다. 매장 내 음식 주문, 전화 주문, 웹 사이트 및 크로스 플랫폼 모바일 애플리케이션을 통한 주문
• 그들은 '음성 주문'을 지원하고 주문을 추적 할 수있는 새로운 도구로 모바일 앱을 업그레이드했습니다.

생성 된 초과 데이터로 인해 다음과 같은 문제가 발생했습니다.

• 지루하고 오류가 발생하기 쉬운 수동 검색
• 고객의 요구 / 선호 변화에 대한 가시성이 떨어짐
• 준비가되어 있지 않아 문제를 해결하기 위해 반응 모드로 작업

Domino는 이러한 문제에 대한 해결책이 데이터를 쉽게 처리 할 수있는 도구에 있다고 생각했습니다. 그때 Splunk를 구현했습니다.

Turner는 기존 APM 도구 대신 Splunk를 운영 인텔리전스에 사용함으로써 비용을 절감하고, 데이터를 더 빠르게 검색하고, 성능을 모니터링하고, 고객이 Domino와 상호 작용하는 방식에 대한 더 나은 통찰력을 얻는 데 도움이되었다고 말했습니다. 아래 이미지를 보면 Splunk를 구현하여 설정된 다양한 애플리케이션을 찾을 수 있습니다.

• 미국 전역에서 들어오는 주문을 실시간으로 표시하는 대화 형지도. 이것은 직원들의 만족과 동기 부여를 가져 왔습니다.
• 직원이 고객이 말하는 내용을 지속적으로 확인하고 기대치를 이해할 수있는 실시간 피드백
• 점수를 유지하고 목표를 설정하고 이전 주 / 월 및 다른 상점과의 성과를 비교하는 데 사용되는 대시 보드
• 결제 프로세스 : 다양한 결제 모드의 속도를 분석하고 오류없는 결제 모드를 식별합니다.
• 다양한 프로모션 제안이 실시간으로 어떤 영향을 미치는지 식별하기위한 프로모션 지원. Splunk를 구현하기 전에 하루 종일 걸리는 동일한 작업
• 성능 모니터링-Domino의 자체 개발 POS 시스템 성능 모니터링

Splunk는 Domino에 매우 유용하다는 것이 입증되어 IT 부서 외부의 팀이 Splunk를 사용하여 데이터에서 통찰력을 얻을 수있는 가능성을 모색하기 시작했습니다.

프로모션 데이터 통찰력을위한 Splunk

Splunk의 작동 방식을 이해하는 데 도움이되는 가상의 Splunk 사용 사례 시나리오를 소개하겠습니다. 이 시나리오는 Domino ’s Pizza가 프로모션 데이터를 사용하여 다양한 지역, 주문 수익 크기 및 기타 변수와 관련하여 어떤 오퍼 / 쿠폰이 가장 잘 작동하는지 더 명확하게 파악하는 방법을 보여줍니다. .

* 참고 : 사용 된 프로모션 데이터의 예는 본질적으로 대표적이며 현재 데이터가 정확하지 않을 수 있습니다.

Domino는 다음과 같은 측면에서 어떤 제안이 가장 효과적인지 명확하게 파악하지 못했습니다.

• 제안 유형 (고객이 10 % 할인을 선호하는지 아니면 고정 $ 2 할인을 선호하는지)
• 지역 수준의 문화적 차이 (문화적 차이가 오퍼 선택에 영향을 미칩니 까?)
• 제품 구매에 사용되는 장치 (주문에 사용 된 장치가 오퍼 선택에 중요한 역할을합니까?)
• 구매 시간 (주문이 게시되기 가장 좋은 시간은 언제입니까?)
• 주문 수익 (주문 수익 크기에 따라 응답이 변경됩니까?)

아래 이미지에서 볼 수 있듯이 모바일 기기, 웹 사이트 및 Domino ’s Pizza의 다양한 매장 (Splunk Forwarders 사용)에서 홍보 데이터를 수집하여 중앙 위치 (Splunk Indexers)로 전송했습니다.

Splunk 포워더는 생성 된 프로모션 데이터를 실시간으로 보냅니다. 이 데이터에는 인구 통계, 타임 스탬프, 주문 수익 크기 및 사용 된 장치와 같은 기타 변수와 함께 고객이 제안을 받았을 때 어떻게 반응했는지에 대한 정보가 포함되어 있습니다.

고객은 A / B 테스트를 위해 두 세트로 나뉘 었습니다. 각 세트에는 10 % 할인 제안과 고정 $ 2 제안이 제공되었습니다. 고객이 선호하는 제안을 결정하기 위해 응답을 분석했습니다.

데이터에는 고객이 응답 한 시간과 매장에서 구매할 것인지 온라인으로 주문할 것인지 여부도 포함되어 있습니다. 온라인에서 구매했다면 구매에 사용한 기기도 포함되었습니다. 가장 중요한 것은 오퍼 응답이 주문 수익 크기에 따라 변경되는지 이해하기 위해 주문 수익 데이터가 포함되어 있다는 것입니다.

원시 데이터가 전달되면 Splunk Indexer가 관련 정보를 추출하여 로컬에 저장하도록 구성되었습니다. 관련 정보는 쿠폰에 응답 한 고객, 응답 한 시간 및 쿠폰 / 쿠폰을 사용하는 데 사용한 장치입니다.

일반적으로 아래 정보가 저장되었습니다.

• 고객 반응에 따른 주문 수익
• 제품 구매 시간
• 주문시 고객이 선호하는 기기
• 쿠폰 / 사용 된 쿠폰
• 지역에 따른 판매 번호

인덱싱 된 데이터에 대한 다양한 작업을 수행하기 위해 검색 헤드가 사용되었습니다. 인덱서에 저장된 데이터를 검색, 분석 및 시각화하기위한 그래픽 인터페이스를 제공하는 구성 요소입니다. Domino ’s Pizza는 검색 헤드에서 제공하는 시각화 대시 보드를 사용하여 다음과 같은 통찰력을 얻었습니다.

• 미국과 유럽에서는 고객이 $ 2 제안 대신 10 % 할인을 선호했습니다. 인도에서는 고객이 $ 2 고정 제안을 선호했습니다.
• 주문 수익 규모가 클 때는 10 % 할인 쿠폰을 더 많이 사용하는 반면, 주문 수익 규모가 작을 때는 고정 $ 2 쿠폰을 더 많이 사용했습니다.
• 모바일 앱은 저녁에 주문하는 데 선호되는 장치 였고 웹 사이트에서 들어오는 주문은 정오에 가장 많았습니다. 매장 주문은 오전에 가장 높았지만

Domino ’s Pizza는 이러한 결과를 대조하여 특정 지역의 고객에 대한 주문 수익 규모와 관련하여 제안 / 쿠폰을 맞춤화했습니다. 또한 쿠폰 / 쿠폰을 제공하기에 가장 좋은시기를 결정하고 사용중인 장치를 기반으로 고객을 타겟팅했습니다.

다른 몇 가지가 있습니다Splunk 사용 사례다양한 기업이 비즈니스에 혜택을주고 성장하여 생산성과 보안을 강화한 방법을 보여주는 이야기입니다. 더 많은 이야기를 읽을 수 있습니다. 여기 .

인공 지능 논란 장단점

Splunk를 배우고 비즈니스에 구현하고 싶습니까? 우리를 확인하십시오 여기에는 강사 주도의 라이브 교육과 실제 프로젝트 경험이 함께 제공됩니다.

이 Splunk 사용 사례 블로그는 Splunk의 작동 방식에 대한 공정한 아이디어를 제공했을 것입니다. Splunk 아키텍처에 대한 저의 다음 블로그를 읽고 다른 Splunk 구성 요소가 무엇이며 서로 상호 작용하는 방법을 알아보십시오.