Capacitación de ventas moderna del tamaño de un refrigerio
A ConveTu, brindamos capacitación de ventas automatizada a través de la nube. Nuestra plataforma SaaS todo en uno brinda un nuevo enfoque para contratar e incorporar nuevos reclutas de ventas que maximiza la capacitación y la retención.
La alta rotación del private de ventas es un desperdicio y es mala para el resultado remaining. Sin embargo, se puede minimizar con capacitación personalizada que se entrega continuamente en porciones del tamaño de un bocado. Al adaptar los planes de estudio a las necesidades y períodos de atención de cada recluta de ventas, maximizamos el compromiso y reducimos el tiempo de capacitación para que puedan comenzar a trabajar.
Dicha personalización en tiempo actual requiere una infraestructura de datos que pueda ingerir y consultar instantáneamente cantidades masivas de datos de usuario. Y a medida que nuestros clientes y volúmenes de datos crecieron, nuestra infraestructura de datos unique no pudo seguir el ritmo.
No fue hasta que descubrimos una base de datos de análisis en tiempo actual llamada conjunto de cohetes que finalmente podríamos agregar millones de registros de eventos en menos de un segundo y nuestros clientes podrían trabajar con datos reales con marca de tiempo, no con información desactualizada que period demasiado obsoleta para ayudar de manera eficiente en la capacitación de ventas.
Nuestras necesidades comerciales: escalabilidad, concurrencia y operaciones bajas
Construido sobre los principios de microaprendizajeConveYour ofrece lecciones y cuestionarios breves y convenientes a los reclutas de ventas a través de mensajes de texto, al tiempo que permite a nuestros clientes monitorear su progreso a un nivel detallado utilizando el panel interno anterior (arriba).
Sabemos qué tan lejos están en ese video de entrenamiento hasta el segmento de 15 segundos. Y sabemos qué preguntas respondieron bien y mal en el último cuestionario, y podemos asignar automáticamente más o menos lecciones en función de eso.
Más de 100.000 representantes de ventas han sido capacitados a través de ConveYour. Nuestro enfoque de microaprendizaje cut back el aburrimiento de los aprendices, aumenta los resultados de aprendizaje y cut back la rotación de private. Estas son ganancias para cualquier empresa, pero son especialmente importantes para las empresas impulsadas por las ventas directas que constantemente contratan nuevos representantes, muchos de ellos recién graduados o nuevos en ventas.
La escala siempre ha sido nuestro problema número uno. Enviamos millones de mensajes de texto a los representantes de ventas cada año. Y no solo estamos monitoreando el progreso de los reclutas de ventas, hacemos un seguimiento de cada interacción que tienen con nuestra plataforma.
Por ejemplo, un cliente contrata a casi 8000 representantes de ventas al año. Recientemente, la mitad de ellos pasó por un programa de capacitación en cumplimiento implementado y administrado a través de ConveYour. El seguimiento del progreso de un representante particular person a medida que avanza en las 55 lecciones crea 50 000 puntos de datos. Multiplique eso por 4000 repeticiones y obtendrá alrededor de 2 millones de datos de eventos. Y eso es sólo un programa para un cliente.
Para que los gerentes de ventas de la empresa tuvieran información disponible a pedido, primero teníamos que ejecutar el análisis en un lote y luego almacenar en caché los resultados. Administrar los diversos cachés fue extremadamente difícil. Inevitablemente, algunos cachés se volverían obsoletos, lo que daría lugar a resultados obsoletos. Y eso daría lugar a llamadas de nuestros gerentes de ventas de clientes descontentos porque el estado de cumplimiento de sus representantes period incorrecto.
A medida que crecían nuestros clientes, también lo hacían nuestras necesidades de escalabilidad. Este fue un gran problema para tener. Pero seguía siendo un gran problema.
Otras veces, el almacenamiento en caché no sería suficiente. También necesitábamos consultas instantáneas altamente simultáneas. Por ejemplo, creamos un tablero de CRM (arriba) que proporcionó resultados de rendimiento agregados en tiempo actual en 7,000 representantes de ventas. Este tablero fue utilizado por cientos de gerentes intermedios que no podían permitirse el lujo de esperar a que esa información llegara en un informe semanal o incluso diario. Desafortunadamente, a medida que crecía la cantidad de datos y la cantidad de usuarios administradores, la capacidad de respuesta del panel se ralentizaba.
Lanzar más servidores de datos podría haber ayudado. Sin embargo, nuestro uso también es muy estacional: más activo en el otoño, cuando las empresas traen a bordo cosechas de recién graduados, y disminuye en otras épocas del año. Por lo tanto, implementar una infraestructura permanente para adaptarse a la demanda puntiaguda habría sido costoso y un desperdicio. Necesitábamos una plataforma de datos que pudiera ampliarse y reducirse según fuera necesario.
Nuestro problema remaining es nuestro tamaño. ConveYour tiene un equipo de solo cinco desarrolladores. Esa es una elección deliberada. Preferiríamos mantener el equipo pequeño, ágil y productivo. Pero para dar rienda suelta a su inside 10x desarrolladorqueríamos pasar a las mejores herramientas SaaS, que no teníamos.
Desafíos técnicos
Nuestra infraestructura de datos unique se creó en torno a una base de datos MongoDB native que ingirió y almacenó todos los datos de transacciones de los usuarios. Conectada a él a través de una canalización ETL, había una base de datos MySQL que se ejecutaba en Google Cloud y atendía tanto a nuestras grandes consultas continuas de caballo de batalla como a las consultas advert hoc superrápidas de conjuntos de datos más pequeños.
Ninguna base de datos estaba cortando la mostaza. Nuestro panel de CRM “en vivo” tardaba cada vez más hasta seis segundos en mostrar resultados, o simplemente se agotaba el tiempo de espera. Esto tuvo varias causas. Estaba la gran pero creciente cantidad de datos que recopilábamos y teníamos que analizar, así como los picos en los usuarios simultáneos, como cuando los gerentes revisaban sus tableros por las mañanas o durante el almuerzo.
Sin embargo, la principal razón fue simplemente que MySQL no está diseñado para análisis de alta velocidad. Si no tuviéramos los índices correctos ya creados, o si la consulta SQL no estuviera optimizada, la consulta MySQL inevitablemente se retrasaría o expiraría. Peor aún, se desangraría y dañaría el rendimiento de las consultas de otros clientes y usuarios.
Mi equipo pasaba un promedio de diez horas a la semana monitoreando, administrando y reparando índices y consultas SQL, solo para evitar que la base de datos colapsara.
Se puso tan mal que cada vez que veía una nueva consulta en MySQL, mi presión arterial se disparaba.
Inconvenientes de las soluciones alternativas
Analizamos muchas posibles soluciones. Para escalar, pensamos en crear esclavos MongoDB adicionales, pero decidimos que sería tirar dinero a un problema sin resolverlo.
También probamos Snowflake y nos gustaron algunos aspectos de su solución. Sin embargo, el gran vacío que no pude llenar fue la falta de ingestión de datos en tiempo actual. Simplemente no podíamos darnos el lujo de esperar una hora para que los datos pasaran de S3 a Snowflake.
También analizamos ClickHouse, pero encontramos demasiadas ventajas y desventajas, especialmente en el lado del almacenamiento. Como un almacén de datos solo para agregar, ClickHouse escribe datos de forma inmutable. Eliminar o actualizar datos escritos previamente se convierte en un proceso por lotes largo. Y por experiencia, sabemos que necesitamos rellenar eventos y eliminar contactos todo el tiempo. Cuando lo hacemos, no queremos ejecutar ningún informe y que esos contactos sigan apareciendo. Nuevamente, no se trata de análisis en tiempo actual si no puede ingerir, eliminar y actualizar datos en tiempo actual.
También intentamos, pero rechazamos, Amazon Redshift por ser ineficaz con conjuntos de datos más pequeños y, en normal, por requerir demasiado trabajo.
Escalado con Rockset
Mediante Youtube, Aprendí sobre Rockset. Rockset tiene lo mejor de ambos mundos. Puede escribir datos rápidamente como un MongoDB u otra base de datos transaccional, pero también es muy rápido en consultas complejas.
Implementamos Rockset en diciembre de 2021. Solo tomó una semana. Si bien MongoDB siguió siendo nuestra base de datos de registro, comenzamos a transmitir datos tanto a Rockset como a MySQL y usamos ambos para atender consultas.
Nuestra experiencia con Rockset ha sido increíble. El primero es su velocidad en la ingestión de datos. Porque Rockset es una base de datos mutable, la actualización y el relleno de datos es muy rápido. Poder borrar y reescribir datos en tiempo actual es muy importante para mí. Si se elimina un contacto y hago un JOIN inmediatamente después, no quiero que ese contacto aparezca en ningún informe.
Modelo sin servidor de Rockset también es una gran ayuda. La forma en que la computación y el almacenamiento de Rockset crecen o se reducen de manera independiente y automática cut back la carga de TI para mi pequeño equipo. Simplemente no hay mantenimiento de la base de datos ni preocupaciones.
Rockset también hace que mis desarrolladores sean súper productivos, con la interfaz de usuario fácil de usar y Escribir API y compatibilidad con SQL. Y funciones como el índice convergente y la optimización automática de consultas eliminan la necesidad de dedicar un valioso tiempo de ingeniería al rendimiento de las consultas. Cada consulta se ejecuta rápidamente fuera de la caja. Nuestra latencia de consulta promedio se ha reducido de seis segundos a 300 milisegundos. Y eso es cierto para conjuntos de datos pequeños y grandes, hasta 15 millones de eventos en una de nuestras colecciones. Hemos reducido a cero el número de errores de consulta y consultas con tiempo de espera agotado.
Ya no me preocupa que dar acceso a un nuevo desarrollador bloquee la base de datos para todos los usuarios. En el peor de los casos, una consulta incorrecta simplemente consumirá más RAM. Pero será. Todavía. Justo. Trabaja. Eso es un gran peso de mis hombros. Y ya no tengo que jugar al guardián de la base de datos.
Además, el rendimiento en tiempo actual de Rockset significa que ya no tenemos que lidiar con análisis por lotes y cachés obsoletos. Ahora, podemos agregar 2 millones de registros de eventos en menos de un segundo. Nuestros clientes pueden ver los datos reales con marca de tiempo, no un derivado desactualizado.
También usamos Rockset para nuestros informes internos, recopilando y analizando el uso de nuestro servidor digital con nuestro proveedor de alojamiento, Digital Ocean (ver este video corto). Usando un trabajador de Cloudflare, sincronizamos regularmente nuestro Gotas digitales del océano en una colección de Rockset para facilitar la generación de informes sobre costes y topología de crimson. Esta es una forma mucho más fácil de comprender nuestro uso y rendimiento que usar la consola nativa de Digital Ocean.
Nuestra experiencia con Rockset ha sido tan buena que ahora estamos en medio de una migración completa de MySQL a Rockset. Los datos más antiguos se están rellenando de MySQL a Rockset, mientras que todos los puntos finales y las consultas en MySQL se están trasladando de forma lenta pero segura a Rockset.
Si tiene un negocio basado en tecnología en crecimiento como el nuestro y necesita análisis en tiempo actual fáciles de administrar con escalabilidad instantánea que haga que sus desarrolladores sean súper productivos, entonces le recomiendo que consulte Rockset.
