• 业务分析
  • 软件与技术

Autopilot: 助力 Insights 的搜索功能

概览

  • 2.9
    29 亿个文档
  • 2.19
    TB 的数据
  • 50
    5,000 万个事件/天

快速灵活的产品创新

使用 Elastic Stack,Autopilot 在短短 6 个月内创建了一个简单而又功能强大的业务分析工具。

一个新的独特卖点

将市场活动与业务结果联系起来,使得 Autopilot 的营销自动化软件在提高转化方面更有成效。

更强的性能

借助一款由 Elastic Stack 支持的日志记录和监测解决方案,Autopilot 可以查明性能问题并立即解决这些问题。

避免造成维护成本和占用资源

利用 Elastic Cloud,Autopilot 便可专注于其核心任务,并把维护工作交给 Elastic。


公司概览

助力更多公司创造非凡营销旅程是 Autopilot 的使命所在。其营销自动化软件像白板一样简单易用,并提供创建个性化客户旅程的可视化方法。利用 Elastic Stack,Autopilot 开发了一种强大的方法来对这些旅程进行跟踪与衡量。此款强大的分析工具名为 Insights,该工具已经用实时性能数据取代了静态的、碎片化的报告。该工具使客户得以可视化时序数据并对此加以分析,做出更加明智的决策,从而优化市场活动。使用 Elastic Cloud、快速跟踪开发与简化维护,Autopilot 只用了短短 6 个月的时间便开发出了 Insights。 其现为 Autopilot 软件的核心组件,已为微软 (Microsoft)、Patreon、LiveChat、Instapage 和 Crunchbase 等全球客户所使用。

助力 Insights 的搜索功能

Autopilot 帮助各种规模、各个行业的公司实现了营销自动化,重建老客户关系,触及新受众,并提高了这些公司的营业利润。客户可通过电子邮件、应用内消息、SMS,甚至实体明信片创建并发送市场活动。 客户可以导入其所有联系人,并将这些联系人组织为智能片段,根据字段值、行为或 UTM 代码来触发客户旅程。

与 Salesforce、Zapier 和 Slack 等第三方解决方案的集成进一步扩展了 Autopilot 的功能。Autopilot 的软件启动 5 年之后,其每天被用来生成多达 5,000 万个事件。有了 Insights,所有这些事件如今都可被跟踪与衡量,帮助旅程营销人员改善客户体验,并将其转化为更高的营收。

Autopilot 采用 Elastic 的历程

实施人员

Elastic 最初由市场自动化公司的高级软件工程师Christopher Giffard 引入 Autopilot 。Giffard 在其之前的工作中使用过 Elastic Stack,他在Autopilot 工作的第一周内,便将其引入,并用于日志记录与监测。

这是 Autopilot 首次使用数据库驱动的解决方案进行日志记录。工程团队完全专注于将软件推向市场,且迄今为止一直在中央服务器中维护日志。为从日志中获得更多价值,Giffard 部署了 Elasticsearch、Logstash 和 Kibana。

这种日志记录解决方案使工程师和产品经理能够很轻松地排除问题。“Kibana 是一个了不起的探索性工具,它让我们对系统内部发生的事情以及个人错误有一个全面的了解。这意味着,我们可以大大减少为获取目标信息而需要进行的调试和脚本编写工作,并且我们能够更加主动地处理问题。”Giffard 说道,“这是我们遇到问题时的第一处理方案,它帮助我们以一种真正集成的方式来诊断问题的根本原因。”

而且它也将 Elastic Stack 引入到 Autopilot 的技术基础中。在实现日志记录解决方案三个月后,工程团队面临着更大的挑战。

实施内容

Autopilot 希望开发一种方便易用的分析工具,以帮助客户了解其市场活动的状态与成果。当时,报告非常碎片化,它由来自许多不同数据存储的信息所组成。

Giffard 说:“我们想聚合所有正在发生的不同事件,使客户得以跟踪并可视化一段时间内其市场活动的表现。”“我们的想法是帮助客户衡量诸如电子邮件 A 和电子邮件 B 成功性等事宜,此外,还要确定转化更多营收所需的渠道与信息。”

设计该工具的第一步是分析其背后的数据。Autopilot 需了解这些数据来自何处,以及如何对其进行跟踪。正是通过这一过程,Elastic Stack 被确定为该工具的理想引擎。Giffard 说:“这些数据都是时序数据,我们需要一个能够快速对其搜索并生成聚合的解决方案。Elasticsearch 就是其中的关键。”

Autopilot Insights 的仪表板

实施原因

工程团队全身心投入到项目中,建立了一项 Elastic Cloud 试验,并构建了一个新的集群。当时,Autopilot 的日志记录解决方案是通过第三方托管解决方案来管理的。然而,Giffard 和他的同事们想要得到通过 Elastic Cloud 托管的直接订阅带来的益处。其中最主要的是访问最新版本的 Elastic Stack 和 X-Pack。

仅试用几周后,Autopilot 就以白金级订阅的身份注册了Elastic Cloud。Giffard 说,Elastic 恰能满足他所有的需求:分析支持、管理便捷性以及简单易用的可扩展性。Giffard 说:“当处理大量数据时,需要注意如何索引和存储这些数据。这涉及到大量的服务器维护,”“通过使用 Elastic Cloud,我们可以避免自己在这方面的投入,并专注于为客户构建功能。

实施方式

Autopilot 的软件是围绕参与者模型构建的,因此对于生成的任何事件,都有一个参与者、动作、对象、环境和资源,以允许记录任何类型的客户事件。Insights 也基于这一模型,并使用 Elasticsearch 捕获这五个元素和一个时间戳。然后,可以通过在后端使用 Kibana 和 Timelion 来浏览数据,并通过 Insights 将数据呈现给客户。

在更实际的术语中,客户可以根据其想要生成的事件为他们的市场活动定义成功标准。这些可能包括订阅时事通讯或接受免费试用。然后他们便得以跟踪和衡量这些目标是如何实现的。

Elastic Stack 使时间序列分析成为可能,这意味着客户可以跟踪转换,也可以洞察是什么使客户发生转变。Giffard 说:“客户可以看到有多少正在发生的活动,并将其映射回特定的市场活动。通过 Elasticsearch 所提供的 Insights 与分析支持,他们也能更好地了解其市场活动在一段时间内的表现。”

换个方向思索

虽然开发 Insights 只花了 6 个月时间,但在此过程中发生了巨大的调整。在公测版测试过程中,我们发现 Insights 提供的初始统计数据并没有发挥应有的作用,需要用一种完全不同的方法来予以计算。最初,事件在记录时以图表和聚合的形式呈现,而不是将事件归因和队列分组考虑在内。

该系统经过重构,可自动为事件添加属性,并为客户提供关于市场活动表现的更深入分析。例如,他们可以看到在某一天有多少联系人添加到某个市场活动中,无论他们是在何时添加的。Elastic 帮助 Autopilot 处理新查询的性能影响,并调整其系统架构的各个方面,以交付快速及稳定的系统。

Giffard说:“Elastic 确实有助于确保我们重新设计查询并优化性能,”“事实上,他们的支持是我们的订阅最有价值的方面之一。这更像是一种发展咨询公司安排,我们可以与其讨论所遇到的任何担忧或约束,并共同努力解决这些问题。”

这一改变可能会让项目完全偏离轨道,但在 Elastic 的支持下,Autopilot 能够在两周内设置新的查询。而且这些查询只能通过使用 X-Pack Security 来保护集群内数据完整性的 Autopilot 来读取。

结果

Autopilot 的客户现在可以轻松便捷地访问市场活动表现数据,只需几次点击便可运行复杂的查询,结果立即可见。Giffard 说,如果没有 Elastic,团队就不可能在 Insights(洞察力)方面达到同样的表现。Giffard说:“我们的理念一直是为客户提供非常简单易用的解决方案。Elastic 使我们有可能在此范围内完成交付,并创建一个任何人都可以使用的业务分析工具。”

Insights 现为 Autopilot 营销自动化软件的一个关键卖点,帮助客户将市场活动和业务结果之间的点连接起来。它还用于内部监测 Autopilot 软件的使用情况,并聚合客户行为。Giffard 说:“我们的客户对 Insights 好评如潮,对我们来说,这是为更广泛用例使用而设计解决方案的关键一步。我们将为 Elasticsearch 提供更多数据,以实现这一目标。”

Autopilot 集群

  • 集群
    5+
  • 索引
    270
  • 节点
    19
  • 查询速度
    ~20/s
  • 托管环境
    Elastic Cloud (AWS)
  • 副本分片
    1
  • 文档
    29 亿,以每秒 100 ~ 1,000 的速度增长
  • 基于时间的索引
    每天为 1
  • 总数据量
    2.13 TB
  • 节点规格
    64 GB Elastic Cloud 节点大小
  • 每日采集量
    平均 14,759,427 个文件