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；網站分析師和商業分析師；
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