百分點分析引擎

百分點分析引擎(Baifendian Analytics Engine,簡稱BAE)是一款面向獨立電子商務網站的商業智慧型分析系統。

產品概述

百分點分析引擎(BaifendianAnalyticsEngine,簡稱BAE)是一款面向獨立電子商務網站的商業智慧型分析系統。系統採集目標站點的前後端數據進行整合,向企業提供基於流量、通路、訪客、內容、商品和訂單六大對象的數據分析,通過圖形報表形式向企業管理者展示電子商務的核心數據,如動銷、轉化率、復購率和銷售集中度等,同時滿足企業對於WA和BA分析需求。在同類分析產品中,BAE首次提出基於商品維度的數據指標分析,更符合電商企業精細化管理需求。

服務對象

企業管理者;
網站分析師商業分析師
需要用戶數據來支持或驗證產品改進效果的產品經理;
對站點流量負責的市場人員;
對銷售業績負責的運營人員;

產品優勢

永久免費

百分點承諾,BAE的基礎功能永久免費。

基於商品的數據管理

提供基於商品(Units)的最小單位數據管理,實現企業精細化運營管理,併兼顧傳統運營管理需求;

四種銷售轉化率

滿足電子商務企業對商品和訂單的並行管理需求,通過多維度業務指標的關聯分析,為用戶提供了基於Session和PV的訂單轉化率(OrderConversionRate)及商品轉化率(UnitsConversionRate)。

三種用戶復購率

提供基於訪客、訂單和商品三種維度的復購率計算體系,滿足不同行業不同類型的企業需求。

量化行銷性能

電子商務通過利用網際網路行銷效能可量化來進行零售生意,系統打通前後端數據,可以將前端可量化的行銷性能,和後端運營數據結合。

打通流量和業務數據,訂單溯源

真正打通流量和業務數據,評估推廣活動的質量不光要看PV,更關鍵的是流量最終轉化的訂單數量。BAE通過歸因算法,為每一筆訂單溯源,真正將流量與訂單數據打通,幫助企業管理自身推廣通路,了解每一條通路的實際效果和投入產出。

以訪次為單位精細化數據樣本

相比同類產品基於訪客(UV)的分析,BAE系統中的各項數據分析全部基於用戶訪問最小單位訪次(session),將用戶的行為細化到最小樣本,確保分析結果的精準。

用戶行為軌跡的漏斗模型

通過四層漏斗模型向企業展示用戶在站點內的行為軌跡,幫助企業了解用戶的轉化和流失情況。作為企業經營者,要了解用戶在站內的轉化情況,更要清楚用戶在站內的流失情況。

兼容GOOGLE和BAIDU統計代碼

提供自定義來源功能,企業可以自定義站外推廣連結,監測每一個通路的推廣效果。同類產品中,首家做到同時兼容GOOGLE和BAIDU兩大統計系統代碼,確保企業更換統計系統的平滑過渡。

功能模組

基於時間和地區的訪客分布

訪客數據是網站數據中的重要組成部分,它直接反映了網站使用人群的情況,掌握訪客數據的研究方法將有效的指導我們去認識自己的用戶,他們擁有怎樣的屬性,如何分布。



圖1 訪客分布-地區分布效果圖圖1 訪客分布-地區分布效果圖

新老訪客比例

新訪次的數量,代表著網站新用戶的訪問情況,不斷提高的新訪次數量,代表該網站擁有不斷產生新用戶的能力。老訪次的數量,代表著網站老用戶的回訪,不斷提高的老訪次數量,代表越來越多的老用戶再次訪問該網站,說明網站內容對用戶的粘度較高。也可以這樣理解,新訪次的數量映射著網站推廣能力的高低,而老訪次的數量映射著網站內容運營能力的高低。
圖2 新老訪占比圖2 新老訪占比

用戶終端設備特徵(支持移動設備)

百分點分析引擎對於用戶終端設備的特徵分析也細緻入微,可以從設備類型、作業系統、語言、瀏覽器、解析度,FLASH版本和是否支持JAVA多個維度對用戶數據進行分析。
圖3 設備分析圖3 設備分析

考慮到國內電子商務已經步入“移動”時代,當前版本的BAE更是將使用移動設備訪問站點的用戶數據提取出來重點分析。
圖4 移動設備占比圖4 移動設備占比

用戶行為軌跡的轉化率漏斗模型

BAE2.0系統中提供了基於訪次的用戶行為漏斗模型,從用戶進入站點著陸開始,到達商品詳情頁,到達購物車,最終下單,每一個環節的流失率和轉化率都一目了然。
圖5 用戶行為軌跡漏斗模型圖5 用戶行為軌跡漏斗模型

流量來源及通路效能

電商企業希望通過行銷推廣活動來獲取更多的訪次、商品訂單、新客以及更高的客單價。達成這些業務指標增長的通路推廣方式大概分為幾類,包括搜尋引擎付費點擊、硬廣投放、聯合推廣、郵件行銷和搜尋引擎最佳化等。企業所追求的行銷目標,達成目標所採取的行銷活動,以及對行銷效果的量化分析,他們三者的關係就像是一組聯動齒輪,其中數據分析在其他二者間起到連線作用。一方面,企業量化行銷效果,從數據層面直觀的反應行銷通路的健康程度。另一方面,通過對行銷數據的分析,企業可以不斷的調整內外部資源分配,進而最佳化行銷效果。
圖6 全部來源圖6 全部來源

圖7 通路管理示意圖圖7 通路管理示意圖

著陸頁效果

百分點分析引擎中,設定了專門對著陸頁效果進行分析的模組。在這個模組中,展示了用戶進入站點後直到訪次結束所有行為數據的匯總,是評估著陸頁作用和效果的重要功能。
圖8 著陸頁分析圖8 著陸頁分析

站內搜尋關鍵字

當前版本的BAE產品,全面的分析了站內搜尋的相關數據,包括每一個關鍵字的有效及無效搜尋次數,搜尋退出率等,輔助運營人員深入挖掘用戶的需求。
圖9 站內搜尋關鍵字圖9 站內搜尋關鍵字

訂單銷售集中度分析

此功能是BAE2.0版本中新增的分析模組,展示了訂單特徵數據,以圖形及數據結合的方式向運營人員展示訂單金額、訂單中所含商品件數和訂單支付方式的集中度。
圖10 訂單集中度圖10 訂單集中度

重複購買率

由於企業自身經營方式不同,對重複購買率的計算方法也不盡相同。百分點分析引擎BAE系統中集成了三種計算重複購買率的方式,用於滿足不同類型企業對數據的分析需求。
基於用戶計算重複購買率,是指統計時間區間內所有產生過購買行為的用戶,以每個用戶為獨立的統計單位。
重複購買率=(產生過重複購買的用戶數量/所有產生過購買的用戶數量)*100
舉例:統計某電子商務網站2012年4月份的重複購買率,自4月1日至4月30日期間內,共100個用戶產生訂單,其中20個用戶產生了2筆(含)以上的訂單。那么按照計算公式,該網站2012年4月份的用戶重複購買率就是20%
基於訂單計算重複購買率,是指統計時間區間內所有產生過購買行為的用戶,以訂單為獨立的統計單位。
重複購買率=(用戶重複購買的訂單數量/所有購買的訂單數量)*100
舉例:還是剛才的例子,統計某電子商務網站2012年4月份的重複購買率,自4月1日至4月30日期間內,共100個用戶名產生訂單,其中80個用戶名各自提交了1筆訂單,產生重複購買的20個用戶名中,有10個用戶名各自提交了2筆訂單,另外10個用戶名各自提交了3筆訂單。那么按照計算公式,該網站2012年4月份的訂單重複購買率就是(20+30)/130,等於38.5%
基於商品計算重複購買率,是指統計時間區間內所有產生過銷售的商品,以商品ID為獨立的統計單位。
重複購買率=(銷售過2次(含)以上的商品/所有產生過銷售的商品數量)*100
舉例:統計某電子商務網站2012年4月份的重複購買率,自4月1日至4月30日期間內,共100個商品產生了銷售,其中有20款商品產生了2次(含)以上的銷售。那么按照計算公式,該網站2012年4月份的商品重複購買率就是20%
圖11 重複購買率圖11 重複購買率

自定義商品組

許多電商企業會存在跨產品線的促銷活動,商品由多個品類和品牌組成,如果運營人員要統計活動的整體效果,往往需要提取許多數據碎塊再拼接在一起。BAE2.0版本中,針對這一需求提供了自定義商品組功能,運營人員可以根據自己的需求將任意商品組合成一個商品組,系統會打包分析這些商品的運營數據,並以圖文報表的方式展示。
圖12 創建自定義商品組圖12 創建自定義商品組

技術優勢

分散式架構

分散式系統(distributedsystem)是建立在網路之上的軟體系統。正是因為軟體的特性,所以分散式系統具有高度的內聚性和透明性。因此,網路和分散式系統之間的區別更多的在於高層軟體(特別是作業系統),而不是硬體。內聚性是指每一個資料庫分布節點高度自治,有本地的資料庫管理系統。透明性是指每一個資料庫分布節點對用戶的套用來說都是透明的,看不出是本地還是遠程。在一個分散式系統中,系統擁有多種通用的物理和邏輯資源,可以動態的分配任務,分散的物理和邏輯資源通過計算機網路實現信息交換。系統中存在一個以全局的方式管理計算機資源的分散式作業系統
我們採用的分散式平台為hadoop。Hadoop實現了一個分散式檔案系統(HadoopDistributedFileSystem),簡稱hdfs。HDFS有著高容錯性的特點,並且設計用來部署在低廉的(low-cost)硬體上。而且它提供高傳輸率(highThroughput)來訪問應用程式的數據,適合那些有著超大數據集(largedataset)的應用程式。
Hadoop具有高效,可靠,伸縮性強等特點,通過集群對多台計算機進行聯合,使整個系統能高效完成工作,是當今主流的分散式處理系統,而且Hadoop帶有用Java語言編寫的框架,因此運行在Linux平台上是非常理想的。

平台負載均衡技術

負載均衡(又稱為負載分擔),其意思就是將負載(工作任務)進行平衡、分攤到多個操作單元上進行執行,例如Web伺服器、FTP伺服器、企業關鍵套用伺服器和其它關鍵任務伺服器等,從而共同完成工作任務。
負載均衡建立在現有網路結構之上,它提供了一種廉價又有效的方法擴展網路設備和伺服器的頻寬、增加吞吐量、加強網路數據處理能力、提高網路的靈活性和可用性。需要說明的是:負載均衡設備不是基礎網路設備,而是一種性能最佳化設備。對於網路套用而言,並不是一開始就需要負載均衡,當網路套用的訪問量不斷增長,單個處理單元無法滿足負載需求時,網路套用流量將要出現瓶頸時,負載均衡才會起到作用。
利用調度伺服器以及相應的任務調度算法,儘量將hadoop可以達到高效且穩定的計算性能。

數據線上與離線分析

在線上分析處理(OLAP),英文全稱為On-LineAnalysisProcessing,也稱為線上分析處理。OLAP具有靈活的分析功能、直觀的數據操作和分析結果可視化表示等突出優點,從而使用戶對基於大量複雜數據的分析變得輕鬆而高效,以利於迅速做出正確判斷。它可用於證實人們提出的複雜的假設,其結果是以圖形或者表格的形式來表示的對信息的總結。它並不將異常信息標記出來,是一種知識證實的方法。
OLAP的作用是幫助客戶端對用戶的訪問行為迅速地得出分析結果。客戶端向伺服器端傳送信息,伺服器端接受後,把用戶行為信息加入到分析系統進行處理,分析系統會調用計算集群,結合現有的分析模型,以極快的速度計算出當前商務網站的流量,用戶,訂單情況,同時根據用戶指定的指標對網站現有的運營情況進行評估。
離線分析處理是將一個時間段內產生的所有日誌(包括商家信息的更新,用戶訪問數據,購買記錄等)進行歸類並整理的過程。離線分析的特點在於,待分析數據是在每天的非繁忙時段(通常是深夜)轉移至分析系統,由分析系統自動對有價值的信息進行提取並加入到資料庫,然後系統會調用分析模組對這部分數據進行清洗,訓練等操作,最後使用機器學習方法將處理後的數據集成到分析模型裡面。。
線上分析與離線分析兩者相輔相成,缺一不可,我們的分析系統很好地做到了兩者的有機結合,該引擎的性能在中國電子商務分析行業中位列高端。

運行環境

百分點分析引擎BAE是一款SaaS模式的企業級產品,為中小企業搭建數據分析所需要的所有網路基礎設施及軟體、硬體運作平台,並負責所有前期的實施、後期的維護等一系列服務,企業無需購買軟硬體、建設機房、招聘IT人員,只需要按照系統要求完成前期部署,即可通過聯網的終端機器使用百分點提供的卓越分析服務。
當前版本的BAE系統,共支持下列10種瀏覽器。
【圖】支持10種瀏覽器【圖】支持10種瀏覽器

相關詞條

相關搜尋

熱門詞條

聯絡我們