数据库TGI指数举例分析
本篇内容介绍了“数据库TGI指数举例分析”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
南丹网站建设公司创新互联公司,南丹网站设计制作,有大型网站制作公司丰富经验。已为南丹成百上千家提供企业网站建设服务。企业网站搭建\成都外贸网站制作要多少钱,请找那个售后服务好的南丹做网站的公司定做!
引言
经常有一些专业的数据分析报告,会提到TGI指数,例如“基于某某TGI指数,我们发现某类用户更偏好XX”。对于不熟悉TGI定义的同学,看到类似的话一定是云山雾罩。这次,我们就来聊一聊什么是TGI指数
以及怎么样结合案例数据实现简单的TGI偏好分析
。
对于TGI指数,百科是这样解释的——TGI指数,全称Target Group Index
,可以反映目标群体在特定研究范围内强势或者弱势。
很好,这个解释官方中透漏着专业,专业中弥漫着晦涩,晦涩的让人似懂非懂。粗暴翻译下来,TGI指数是反应偏好的一种指标。这样还是不够清楚,我们结合公式理解一下。
TGI指数计算公式
= 目标群体中具有某一特征的群体所占比例 / 总体中具有相同特征的群体所占比例 * 标准数100
是不是更晕了?晕就对了!不晕我们还聊啥呢?
指标拆解
TGI计算公式中,有三个关键点需要进一步拆解:某一特征
,总体
,目标群体
。
随便举个栗子,假设我们要研究A公司脱发TGI指数:
某一特征,就是我们想要分析的某种行为或者状态,这里是脱发(或者说受脱发困扰)
总体,是我们研究的所有对象,即A公司所有人
目标群体,是总体中我们感兴趣的一个分组,假设我们关注的分组是数据部,那目标群体就是数据部
于是乎,公式中分子目标群体中具有某一特征的群体所占比例
可以理解为数据部脱发人数占数据部的比例
,假设数据部有15个人,有9个人受脱发困扰,那数据部脱发人数占比就是9/15,等于60%。
而分母总体中具有相同特征的群体所占比例
,等同于全公司受脱发困扰人数占公司总人数的比例
,假设公司一共500人,有120人受脱发困扰,那这个比例是24%。
所以,数据部脱发TGI指数,可以用60% / 24% * 100 = 250,其他部门脱发TGI指数计算逻辑是一样的,用本部门脱发人数占比 / 公司脱发人数占比 * 100即可。
TGI指数大于100,代表着某类用户更具有相应的倾向或者偏好,数值越大则倾向和偏好越强;小于100,则说明该类用户相关倾向较弱(和平均相比);而等于100则表示在平均水平。
刚才的例子中,我们瞎掰的数据部脱发TGI指数是250,远远高于100,看来搞数据的脱发风险极高,数据才是真正的发际线推手。
下面,我们通过一个案例来巩固概念理解,顺便熟练Pandas。
TGI实例分析
背景
:我们最近要推出一款客单比较高的产品,打算在一些城市先试销,看看这个数据,哪些城市的人有高客单偏好,帮我筛选5个。
看看数据到底长什么样子:
订单数据包括品牌名
、买家姓名
、付款时间
、订单状态
和地域
等字段,一共28832条数据,没有空值。
客单比较高的定义 = 产品线和历史数据来看,单次购买大于50元就算高客单的客户了。
确认了高客单之后,我们的目标非常明确:按照高客单偏好给城市做个排序。这里的偏好,可以用TGI指数来衡量,我们再次复习下TGI三个核心点:
特征,高客单,即客户单次购买超过50元
目标群体,就是各个城市,这里我们可以分别计算出所有城市客户的高客单偏好
至于总体,就非常直白了,计算所涉及到的所有客户即为总体
解题的关键在于,计算出不同城市,高客单人数及所占的比例
单个用户打标
第一步,我们先判断每个用户是否属于高客单的人群,所以先按用户昵称进行分组,看每位用户的平均支付金额。这里用平均,是因为有的客户多次购买,而每次下单金额也不一样,故平均之。
接着,定义一个判断函数,如果单个用户平均支付金额大于50,就打上高客单
的类别,否则为低客单,再用apply函数调用:
def if_high(x):if x>50:return '高客单'else:return '低客单'
到这里基于高低客单的用户初步打标已经完成。
匹配城市
单个用户的金额和客单标签已经搞定,下一步就是补充每个用户的地域字段,一句pd.merge函数就能搞定。由于源数据是未去重的,我们得先按昵称去重,不然匹配的结果会有许多重复的数据:
df_dup = df.loc[df.duplicated('买家昵称')==False,:]df_merge = pd.merge(gp_user,df_dup,left_on='买家昵称',right_on='买家昵称',how='left')df_merge.head()
高客单TGI指数计算
要计算每个城市高客单TGI指数,需要得到每个城市高客单、低客单的人数分别是多少。如果用EXCEL的数据透视表处理起来就很简单,直接把省份和城市拖拽到行的位置,客单类别拖到列的位置,值随便选一个字段,只要是统计就好。
不要慌,这一套操作,Python实现起来也灰常容易,pivot_table透视表函数一行就搞定:
df_merge = df_merge[['买家昵称','客单类别','省份','城市']]result = pd.pivot_table(df_merge,index=['省份','城市'],columns='客单类别',aggfunc='count')result.head()
这样得到的结果包含了层次化索引,受篇幅限制就不展开讲,我们只要知道要索引得到“高客单”列,需要先索引买家昵称
,再索引高客单
:
result['买家昵称']['高客单'].reset_index().head()
这样,拿到了每个省市的高客单人数,然后再拿到低客单的人数,进行横向合并:
tgi = pd.merge(result['买家昵称']['高客单'].reset_index(),result['买家昵称']['低客单'].reset_index(),left_on=['省份','城市'],right_on=['省份','城市'],how='inner')tgi.head()
我们再看看每个城市总人数以及高客单人数占比,来完成目标群体中具有某一特征的群体所占比例
这个分子的计算:
tgi['总人数'] = tgi['高客单'] + tgi['低客单']tgi['高客单占比'] = tgi['高客单']/tgi['总人数']tgi.head()
有些非常小众的城市,高客单或者低客单人数等于1甚至没有,而这些值尤其是空值会影响结果的计算,我们要提前检核数据:
果然,高客单和低客单都有空值(可以理解为0),从而导致总人数也存在空值,而TGI指数对于空值来说意义不大,所以我们剔除掉存在空值的行:
tgi = tgi.dropna()
接着统计总人数中,高客单人群的比例,来对标公式中的分母总体中具有相同特征的群体所占比例
:
最后一步,就是TGI指数的计算,顺便排个序:
tgi['高客单TGI指数'] = tgi['高客单占比']/ total_percentage *100tgi = tgi.sort_values('高客单TGI指数',ascending=False)tgi.head(10)
发现了一个严重的问题:高客单TGI指数排名靠前的城市,总客户数几乎不超过10人,这样的高客单人口占比,完全没有说服力。 TGI指数能够显示偏好的强弱,但很容易让人忽略具体的样本量大小
,这个是需要格外注意的。
怎么办呢?为了加强数据整体的信度,先对总人数进行筛选,用总人数的平均值作为阈值,只保留总人数大于平均值的城市:
tgi.loc[tgi['总人数'] > tgi['总人数'].mean(),:].head(10)
“数据库TGI指数举例分析”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!
当前名称:数据库TGI指数举例分析
链接分享:http://scyanting.com/article/jsiejc.html