多くの企業や組織が運用効率のためにSplunkを使用していますが、このブログ投稿では、Domino’s PizzaがSplunkを使用して消費者行動を分析し、データ主導のビジネス戦略を構築する方法について説明します。このSplunkのユースケースは、Splunkをどのドメインでも幅広く使用できることを示しています。の需要 業界のスキルが急上昇しているため、あらゆる規模の企業がSplunkを積極的に使用し、そのための認定プロフェッショナルを求めています。
Splunkのユースケース：ドミノ・ピザ
ドミノ・ピザがeコマース兼ファーストフードの巨人であることはご存知かもしれませんが、彼らが直面しているビッグデータの課題に気付いていないかもしれません。彼らは、顧客のニーズを理解し、ビッグデータを使用してより効果的に顧客に対応したいと考えていました。これがSplunkが救助に来た場所です。
ドミノでビッグデータの問題を引き起こすために蓄積されていた状況を示す下の画像を見てください。
次の理由により、多くの非構造化データが生成されました。
- 彼らは販売を促進するためのオムニチャネルの存在感を持っていました
- 彼らは巨大な顧客基盤を持っていました
- 彼らはカスタマーサービスのためのいくつかのタッチポイントを持っていました
- 彼らは配達のために複数のシステムを提供しました：店内での食品の注文、電話、ウェブサイト、クロスプラットフォームのモバイルアプリケーションによる注文
- 彼らは、「音声注文」をサポートし、注文の追跡を可能にする新しいツールでモバイルアプリをアップグレードしました
生成された過剰なデータにより、次の問題が発生しました。
- 手動検索は面倒でエラーが発生しやすい
- 顧客のニーズ/好みがどのように変化するかについての可視性が低い
- 準備ができていないため、問題を修正するためにリアクティブモードで作業している
ドミノは、これらの問題の解決策は、データを簡単に処理できるツールにあると考えていました。それが彼らがSplunkを実装したときでした。
「Splunkを実装するまで、会社のアプリケーションとプラットフォームデータの管理は頭痛の種であり、ログファイルの多くが巨大な混乱状態にありました」–サイト信頼性およびエンジニアリングマネージャーのラッセルターナー氏によると
ターナー氏は、従来のAPMツールの代わりにSplunk for Operational Intelligenceを使用することで、コストを削減し、データをより迅速に検索し、パフォーマンスを監視し、顧客がドミノとどのようにやり取りしているかについてより良い洞察を得ることができたと述べました。以下の画像を見ると、Splunkを実装することによってセットアップされたさまざまなアプリケーションが見つかります。
- 米国全土からの注文をリアルタイムで表示するためのインタラクティブマップ。これは従業員の満足とモチベーションをもたらしました
- リアルタイムのフィードバック。従業員は常に顧客の発言を確認し、顧客の期待を理解できます。
- ダッシュボード。スコアを保持し、目標を設定し、そのパフォーマンスを前の週/月および他のストアと比較するために使用されます
- さまざまな支払いモードの速度を分析し、エラーのない支払いモードを識別するための支払いプロセス
- プロモーションサポート。さまざまなプロモーションオファーがリアルタイムでどのように影響しているかを特定します。 Splunkを実装する前は、同じタスクで1日かかりました。
- パフォーマンス監視、Dominoの社内開発POSシステムのパフォーマンスを監視します
SplunkはDominoにとって非常に有益であることが証明されたため、IT部門外のチームは、データから洞察を得るためにSplunkを使用する可能性を模索し始めました。
プロモーションデータインサイトのためのSplunk
Splunkがどのように機能するかを理解するのに役立つ架空のSplunkユースケースシナリオを紹介します。このシナリオは、Domino’s Pizzaがプロモーションデータを使用して、さまざまな地域、注文収益サイズ、その他の変数に関してどのオファー/クーポンが最も効果的かを明確にする方法を示しています。 。
*注：使用されているプロモーションデータの例は本質的に代表的なものであり、存在するデータは正確でない場合があります。
initはPythonで何をしますか
Dominoには、次の点で、どのオファーが最も効果的かを明確に把握できませんでした。
- オファータイプ（顧客が10％割引または一律2ドル割引のどちらを好むか？）
- 地域レベルでの文化の違い（文化の違いはオファーの選択に影響しますか？）
- 製品の購入に使用されるデバイス（注文に使用されるデバイスは、オファーの選択に影響しますか？）
- 購入時間（注文が有効になるのに最適な時間は何ですか？）
- 注文収益（注文収益サイズに応じて応答を変更しますか？）
下の画像からわかるように、プロモーションデータは、モバイルデバイス、Webサイト、およびドミノピザのさまざまな販売店（Splunk Forwardersを使用）から収集され、中央の場所（Splunk Indexers）に送信されました。
Splunkフォワーダーは、生成されたプロモーションデータをリアルタイムで送信します。このデータには、顧客がオファーを受け取ったときにどのように反応したかに関する情報と、人口統計、タイムスタンプ、注文収益サイズ、使用したデバイスなどの他の変数が含まれていました。
顧客はA / Bテストのために2つのセットに分けられました。各セットには異なるオファーが与えられました：10％割引オファーとフラット$ 2オファー。彼らの反応を分析して、どのオファーが顧客に好まれたかを判断しました。
データには、顧客が応答した時間と、店内で購入したいのか、オンラインで注文したいのかも含まれていました。オンラインで行った場合は、購入に使用したデバイスも含まれていました。最も重要なことは、注文収益データが含まれていることです。これは、オファーの応答が注文収益のサイズによって変化するかどうかを理解するためです。
生データが転送されると、Splunk Indexerは、関連情報を抽出してローカルに保存するように構成されました。関連情報は、オファーに応答した顧客、応答した時間、およびクーポン/オファーの引き換えに使用されたデバイスです。
通常、以下の情報が保存されました。
- 顧客の反応に基づいて収益を注文する
- 製品の購入時期
- 注文時に顧客が好むデバイス
- 使用したクーポン/オファー
- 地域に基づく販売数
インデックス付きデータに対してさまざまな操作を実行するために、検索ヘッドが使用されました。これは、インデクサーに格納されているデータを検索、分析、および視覚化するためのグラフィカルインターフェイスを提供するコンポーネントです。ドミノ・ピザは、検索ヘッドが提供する視覚化ダッシュボードを使用して、以下の洞察を得ました。
- 米国とヨーロッパでは、顧客は2ドルのオファーではなく10％の割引を好みました。一方、インドでは、顧客は2ドルの定額オファーに傾倒していました。
- 注文収益のサイズが大きい場合は10％割引クーポンが多く使用され、注文収益のサイズが小さい場合はフラットな$ 2クーポンが多く使用されました。
- 夕方の注文にはモバイルアプリが好まれ、ウェブサイトからの注文は正午が最も多かった。一方、店頭での注文は午前中に最も多かった。
Domino’s Pizzaはこれらの結果を照合して、特定の地域の顧客の注文収益サイズに関してオファー/クーポンをカスタマイズしました。また、オファー/クーポンを提供するのに最適な時期を決定し、使用しているデバイスに基づいて顧客をターゲットにしました。
他にもいくつかありますSplunkのユースケースさまざまな企業がどのようにビジネスに利益をもたらし、ビジネスを成長させ、生産性とセキュリティを向上させたかを示すストーリー。あなたはもっとそのような物語を読むことができます ここに 。
Splunkを学び、ビジネスに実装しますか？私たちをチェックしてください ここでは、インストラクター主導のライブトレーニングと実際のプロジェクトの経験が付属しています。
このSplunkユースケースブログは、Splunkがどのように機能するかについての公正なアイデアを提供していたでしょう。 Splunkアーキテクチャに関する次のブログを読んで、さまざまなSplunkコンポーネントとは何か、およびそれらが互いにどのように相互作用するかを学びます。