Amplitude 및 Snowflake를 사용하여 QSR 공간에서 백만 달러 수익 증대

Insights/Action/Outcome:RBI는 앱 시작 속도와 고객 지출 사이에 연관성이 있는지 확인하고자 했습니다. Amplitude를 통해그들은 앱이 더 빨리 시작될 때 주문할 가능성이 더 높은 사람들이.이제 팀은 앱 로드 시간을 개선하고 수익을 늘렸습니다.

쉽게 접근하고 조작할 수 있다면 데이터로 많은 일을 할 수 있습니다. 전 세계의 모든 데이터는 데이터 웨어하우스에 보관되어 있고 데이터 분석가와 SQL 쿼리를 작성할 수 있는 사람만 사용할 수 있다면 비즈니스에 별로 도움이 되지 않습니다.

그렇기 때문에 데이터 성공 사례는 정보의 양에서 시작되지 않습니다. 이러한 이야기의 핵심은 팀이 데이터를 신뢰하고 데이터와 상호 작용할 수 있도록 하는 도구와 관련되어 비즈니스를 혁신할 수 있는 중력을 제공합니다.

데이터 성공 사례는 정보의 양에서 시작되지 않습니다.진정한 변화는 팀이 데이터와 상호 작용할 수 있는 도구를 채택한 후에 발생하여 비즈니스를 변화시키는 중력을 부여합니다.

저는 10년 동안 Google Cloud Platform에서 Google BigQuery를 비롯한 다양한 제품에 대한 인프라 작업을 했습니다. 저는 데이터 분석가가 매일 사용하는 도구를 연구하는 사람 중 한 명이었습니다. 도전적이고 보람찬 일이었지만 뭔가 색다른 것을 해보고 싶어서 2021년에 RBI에 입사하게 되었습니다. Restaurant Brands International은 Burger King, Popeyes, Tim Hortons 및 Firehouse Subs의 모회사입니다. 연간 시스템 전체 매출이 350억 달러 이상이며 100개국 이상에 29,000개 이상의 레스토랑을 보유한 세계 최대의 퀵 서비스 레스토랑 회사 중 하나입니다.

데이터 분석 책임자로서의 제 임무는 데이터를 내부 팀과 가맹점에 유용하게 만드는 것입니다. 저는 엔지니어, 데이터 분석가 및 계약자 그룹을 이끌고 있습니다. 우리는 회사와 브랜드를 위한 분석 도구를 관리하고 배포합니다. 또한 내부용 및 브랜드용 대시보드도 구축합니다. 우리는 레스토랑 비즈니스에 맞게 후자를 조정하는 동시에 모든 회사가 필요에 맞게 조정할 수 있도록 충분히 일반적으로 만듭니다.

RBI에서 제가 하는 일의 가장 좋은 부분은 우리 제품이 기술이 아니라는 것입니다. 각 브랜드에는 내부 데이터 분석 팀이 있지만 우리 팀은 회사 전체를 위한 데이터 플랫폼을 구축합니다. 우리가 배포하는 모든 시스템과 우리가 작성하는 모든 대시보드는 가맹점의 수익에 직접적인 영향을 미칩니다.

Snowflake and Amplitude: 다이내믹 듀오

RBI에서 내 첫 번째 큰 프로젝트는 Snowflake를 Amplitude Analytics가 포함된 기존 기술 스택에 통합하는 것이었습니다.

분석가와 제품 팀은 Amplitude를 활용하여 행동 인텔리전스를 수집했습니다. 사용량은 새로운 디지털 제안의 성능을 모니터링하려는 사람들부터 새로운 앱 기능이 더 많은 전환으로 이어지는지 궁금해하는 성장 팀의 제품 관리자에 이르기까지 스펙트럼이 다양했습니다.

한 예로 팀은 앱 로드 시간을 개선하기 위한 변경을 계획하고 있었습니다. 시작 속도와 고객 지출 사이에 연관성이 있는지 확인하고 싶었습니다. 애널리틱스 그래프는 우리의 가설을 확인했습니다. 예, 앱이 더 빨리 시작되면 사람들이 더 많은 돈을 우리와 함께 사용한다는 것을 알았습니다. 앱 로딩 속도를 Android 기기에서 43%, iOS에서 16% 줄임으로써 전환율이 4% 증가했습니다. 이 이니셔티브에 대한 투자가 올바른 방향으로 나아가는 것임을 확인했습니다.

Amplitude가 유용한 만큼 모바일 앱과 같은 프런트 엔드 애플리케이션에서 수집하는 데이터로 제한되었습니다. 이 디지털 행동 데이터를 다른 많은 소스의 비즈니스 데이터와 연관시킬 방법이 없었습니다. 백엔드의 경우 AWS DynamoDB를 사용했지만 올바른 답변을 얻기 위해 데이터베이스를 효율적으로 쿼리할 수 없었습니다. 이 설정으로 인해 비즈니스에 대한 가장 근본적인 질문 중 일부를 묻지 못했습니다. 예를 들어 분석가는 위치의 시간이 Amplitude에 저장되지 않았기 때문에 매장 일정이 판매에 미치는 영향을 측정할 수 없었습니다.

우리는 데이터를 Amplitude로 라우팅할 방법이 필요했습니다. 즉, 데이터를 어디에 어떻게 저장했는지 다시 생각해야 했습니다. 2021년 10월에 Snowflake 데이터 웨어하우스 구축을 시작했습니다. 우리는 Snowflake가 빠르고 클라우드 기반이며 AWS DynamoDB 및 Amplitude를 비롯한 다른 도구와 원활하게 통합될 수 있기 때문에 Snowflake를 선택했습니다. 우리는 백엔드의 주문 기록과 같은 일부 핵심 데이터 소스를 Snowflake로 즉시 라우팅하고 메타데이터를 저장했습니다.

Snowflake는 방대한 데이터 세트를 통합하고 분석하는 능력으로 두각을 나타냈습니다. 이를 통해 모든 분석 및 BI 플랫폼에서 사용할 수 있는 형식으로 데이터를 정리하고 저장할 수 있습니다. 예를 들어 주문 데이터를 AWS DynamoDB에서 Snowflake로 라우팅하고 Amplitude에서 사용할 수 있도록 합니다. 과거에 Amplitude는 이 데이터를 행동 분석에 사용할 수 있는 형식으로 변환해야 했기 때문에 불일치로 이어질 수 있는 원본과 다른 데이터 세트를 생성해야 했습니다. Snowflake를 사용하면 모든 애플리케이션이 동일한 데이터를 수신하므로 Amplitude에서 보는 것이 일관되고 신뢰할 수 있음을 확신할 수 있습니다.

모두를 위한 통찰력과 필요한 사람을 위한 SQL

Snowflake는 강력하지만 배포하는 동안 많은 직접 접촉이 필요하지 않았습니다. 대신 우리는 문서를 작성하여 문서를 읽고 독립적으로 문제를 파악할 수 있을 만큼 정통한 사람들이 사용할 수 있도록 했습니다. 우리가 알기도 전에 그들은 Snowflake 및 Amplitude에 대한 고유한 사용 사례를 찾기 시작했습니다.

Amplitude와 Snowflake를 결합하여 두 플랫폼의 장점을 모두 활용했습니다. Snowflake의 깨끗하고 통합된 데이터와 Amplitude Analytics의 대시보드를 결합하여 우리 팀은 의미 있는 질문을 하고 데이터 세트에서 가치 있는 정보를 추출할 수 있습니다. 두 플랫폼 모두 사용하기 쉽습니다. 데이터 과학자인지 여부에 관계없이 회사의 누구나 다양한 분석 도구 및 시스템의 정보를 결합하여 다양한 데이터 소스를 조정하여 비즈니스에 대한 명확하고 포괄적인 스토리를 작성할 수 있습니다.

계층화 데이터 도구를 사용하면 회사의 모든 사람이 다양한 데이터 소스의 정보를 결합하고 비즈니스에 대한 명확하고 포괄적인 스토리를 만들 수 있습니다.

Snowflake와 분석으로 가능해진 가장 영향력 있는 프로젝트 중 하나는 SSE( Suggestive Sell Engine )입니다.SSE는 Analytics에 상주하는 모바일 앱의 과거 구매 데이터를 사용하여 추가 구매를 제안하는 모델을 구축하는 기계 학습(ML) 애플리케이션입니다. 예를 들어, 버거킹 앱에서 와퍼를 주문하면 감자튀김이나 와퍼와 함께 일반적으로 주문하는 사이드 메뉴를 원하는지 묻습니다.

모바일 앱과 웹사이트에서 작동하며 드라이브 스루의 대화형 야외 디지털 메뉴 보드를 구동하여 고객이 주문할 때 제안을 제공합니다. 우리의 SSE는 다양한 브랜드의 수익을 증가시켰습니다. 일부 시장에서는 레스토랑에 이 기술을 사용하여 제안을 하는 셀프 서비스 키오스크도 있습니다.

RBI는 또한 Amplitude와 Snowflake를 활용하여rInsights를 구축했습니다.이 프랜차이즈 대면 도구는 충성도 백엔드 서버의 Amplitude 데이터 세트를 사용하여 프랜차이즈 소유자가 재방문 고객의 행동을 더 잘 이해할 수 있도록 도와줍니다. 가맹점은 사람들이 매장을 다시 방문하게 만드는 요인과 매장을 떠나게 만드는 요인을 추적하여 더 나은 운영 결정을 내릴 수 있습니다. Amplitude와 Snowflake 없이 이 플랫폼을 개발하려면 서버를 앱에 연결하기 위한 인프라를 구축해야 했습니다. 대신 모든 데이터를 Amplitude로 보낸 다음 그 위에 대시보드를 만들었습니다. 이 단순화된 접근 방식을 통해 가맹점은 고객에 대해 더 많이 알고 그에 따라 매장을 운영할 수 있습니다.

이제 두 플랫폼을 연결하는 것이 그 어느 때보다 쉬워졌습니다. Snowflake에 대한 Amplitude의 새로운 데이터 공유 통합을 통해 우리는 Snowflake를 떠나지 않고 Amplitude 데이터를 사용할 수 있으므로 워크플로우가 더욱 간소화되고 엔지니어가 가장 생산적인 환경에서 더 빠르게 이동할 수 있습니다.

데이터는 혼잡한 공간에서 경쟁 우위를 제공합니다.

우리의 데이터 소스를 Snowflake에 통합하는 것은 지속적인 프로세스이지만 그 이점은 우리 조직에 큰 변화를 가져왔습니다. 데이터 분석가부터 우리 브랜드 전체의 제품 관리자에 이르기까지 사람들은 데이터가 제공하는 가능성을 보고 이전보다 더 많은 질문을 하고 있습니다. Snowflake 데이터와 Analytics 대시보드를 활용하여 수집한 인사이트는 RBI에서 수익을 창출하는 ML 프로젝트 및 프랜차이즈 대면 도구와 같은 새로운 도구를 개발하는 데 도움이 됩니다. 데이터에 대한 가시성이 높을수록 더 깊이 파고들고 더 많은 일을 하고 싶어합니다.

가장 가치 있는 분석 도구는 데이터를 활용하고 쉽게 이해할 수 있는 것으로 변환하며 더 나은 비즈니스 결정을 내릴 수 있는 기능을 제공합니다.

데이터는 마법의 총알이 아닙니다. 데이터가 너무 많으면 특히 데이터를 유용한 정보로 활용하고 변환하는 방법을 모르는 경우 수렁에 빠질 수 있습니다. Amplitude와 Snowflake는 RBI에 데이터를 활용하고 쉽게 이해할 수 있는 것으로 변환하며 더 나은 비즈니스 결정을 내릴 수 있는 능력을 부여했습니다. 빠르게 변화하는 식품 서비스 산업에서 경쟁력을 유지하고 변화하는 취향에 적응하고 앱, 온라인 및 소매점에서 고객에게 서비스를 제공하는 새로운 방법을 찾을 때 프랜차이즈를 지원할 수 있습니다.