數據庫TGI指數舉例分析

本篇內容介紹了“數據庫TGI指數舉例分析”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

引言

經常有一些專業(yè)的數據分析報告，會提到TGI指數，例如“基于某某TGI指數，我們發(fā)現某類用戶更偏好XX”。對于不熟悉TGI定義的同學，看到類似的話一定是云山霧罩。這次，我們就來聊一聊什么是TGI指數以及怎么樣結合案例數據實現簡單的TGI偏好分析。

對于TGI指數，百科是這樣解釋的——TGI指數，全稱Target Group Index，可以反映目標群體在特定研究范圍內強勢或者弱勢。

很好，這個解釋官方中透漏著專業(yè)，專業(yè)中彌漫著晦澀，晦澀的讓人似懂非懂。粗暴翻譯下來，TGI指數是反應偏好的一種指標。這樣還是不夠清楚，我們結合公式理解一下。

TGI指數計算公式 = 目標群體中具有某一特征的群體所占比例 / 總體中具有相同特征的群體所占比例 * 標準數100

是不是更暈了？暈就對了！不暈我們還聊啥呢？

指標拆解

TGI計算公式中，有三個關鍵點需要進一步拆解：某一特征，總體，目標群體。

隨便舉個栗子，假設我們要研究A公司脫發(fā)TGI指數：

• 某一特征，就是我們想要分析的某種行為或者狀態(tài)，這里是脫發(fā)（或者說受脫發(fā)困擾）

• 總體，是我們研究的所有對象，即A公司所有人

• 目標群體，是總體中我們感興趣的一個分組，假設我們關注的分組是數據部，那目標群體就是數據部

于是乎，公式中分子目標群體中具有某一特征的群體所占比例可以理解為數據部脫發(fā)人數占數據部的比例，假設數據部有15個人，有9個人受脫發(fā)困擾，那數據部脫發(fā)人數占比就是9/15，等于60%。

而分母總體中具有相同特征的群體所占比例，等同于全公司受脫發(fā)困擾人數占公司總人數的比例，假設公司一共500人，有120人受脫發(fā)困擾，那這個比例是24%。

所以，數據部脫發(fā)TGI指數，可以用60% / 24% * 100 = 250，其他部門脫發(fā)TGI指數計算邏輯是一樣的，用本部門脫發(fā)人數占比 / 公司脫發(fā)人數占比 * 100即可。

TGI指數大于100，代表著某類用戶更具有相應的傾向或者偏好，數值越大則傾向和偏好越強；小于100，則說明該類用戶相關傾向較弱（和平均相比）；而等于100則表示在平均水平。

剛才的例子中，我們瞎掰的數據部脫發(fā)TGI指數是250，遠遠高于100，看來搞數據的脫發(fā)風險極高，數據才是真正的發(fā)際線推手。
下面，我們通過一個案例來鞏固概念理解，順便熟練Pandas。

TGI實例分析

背景：我們最近要推出一款客單比較高的產品，打算在一些城市先試銷，看看這個數據，哪些城市的人有高客單偏好，幫我篩選5個。

看看數據到底長什么樣子：

訂單數據包括品牌名、買家姓名、付款時間、訂單狀態(tài)和地域等字段，一共28832條數據，沒有空值。
客單比較高的定義 = 產品線和歷史數據來看，單次購買大于50元就算高客單的客戶了。

確認了高客單之后，我們的目標非常明確：按照高客單偏好給城市做個排序。這里的偏好，可以用TGI指數來衡量，我們再次復習下TGI三個核心點：

• 特征，高客單，即客戶單次購買超過50元

• 目標群體，就是各個城市，這里我們可以分別計算出所有城市客戶的高客單偏好

• 至于總體，就非常直白了，計算所涉及到的所有客戶即為總體

解題的關鍵在于，計算出不同城市，高客單人數及所占的比例

單個用戶打標

第一步，我們先判斷每個用戶是否屬于高客單的人群，所以先按用戶昵稱進行分組，看每位用戶的平均支付金額。這里用平均，是因為有的客戶多次購買，而每次下單金額也不一樣，故平均之。

接著，定義一個判斷函數，如果單個用戶平均支付金額大于50，就打上高客單的類別，否則為低客單，再用apply函數調用：

def if_high(x):if x>50:return '高客單'else:return '低客單'

到這里基于高低客單的用戶初步打標已經完成。

匹配城市

單個用戶的金額和客單標簽已經搞定，下一步就是補充每個用戶的地域字段，一句pd.merge函數就能搞定。由于源數據是未去重的，我們得先按昵稱去重，不然匹配的結果會有許多重復的數據：

df_dup = df.loc[df.duplicated('買家昵稱')==False,:]df_merge = pd.merge(gp_user,df_dup,left_on='買家昵稱',right_on='買家昵稱',how='left')df_merge.head()

高客單TGI指數計算

要計算每個城市高客單TGI指數，需要得到每個城市高客單、低客單的人數分別是多少。如果用EXCEL的數據透視表處理起來就很簡單，直接把省份和城市拖拽到行的位置，客單類別拖到列的位置，值隨便選一個字段，只要是統(tǒng)計就好。

不要慌，這一套操作，Python實現起來也灰常容易，pivot_table透視表函數一行就搞定：

df_merge = df_merge[['買家昵稱','客單類別','省份','城市']]result = pd.pivot_table(df_merge,index=['省份','城市'],columns='客單類別',aggfunc='count')result.head()

這樣得到的結果包含了層次化索引，受篇幅限制就不展開講，我們只要知道要索引得到“高客單”列，需要先索引買家昵稱，再索引高客單：

result['買家昵稱']['高客單'].reset_index().head()

這樣，拿到了每個省市的高客單人數，然后再拿到低客單的人數，進行橫向合并：

tgi = pd.merge(result['買家昵稱']['高客單'].reset_index(),result['買家昵稱']['低客單'].reset_index(),left_on=['省份','城市'],right_on=['省份','城市'],how='inner')tgi.head()

我們再看看每個城市總人數以及高客單人數占比，來完成目標群體中具有某一特征的群體所占比例這個分子的計算：

tgi['總人數'] = tgi['高客單'] + tgi['低客單']tgi['高客單占比'] = tgi['高客單']/tgi['總人數']tgi.head()

有些非常小眾的城市，高客單或者低客單人數等于1甚至沒有，而這些值尤其是空值會影響結果的計算，我們要提前檢核數據：

果然，高客單和低客單都有空值（可以理解為0），從而導致總人數也存在空值，而TGI指數對于空值來說意義不大，所以我們剔除掉存在空值的行：

tgi = tgi.dropna()

接著統(tǒng)計總人數中，高客單人群的比例，來對標公式中的分母總體中具有相同特征的群體所占比例：

最后一步，就是TGI指數的計算，順便排個序：

tgi['高客單TGI指數'] = tgi['高客單占比']/ total_percentage *100tgi = tgi.sort_values('高客單TGI指數',ascending=False)tgi.head(10)

發(fā)現了一個嚴重的問題：高客單TGI指數排名靠前的城市，總客戶數幾乎不超過10人，這樣的高客單人口占比，完全沒有說服力。 TGI指數能夠顯示偏好的強弱，但很容易讓人忽略具體的樣本量大小，這個是需要格外注意的。
怎么辦呢？為了加強數據整體的信度，先對總人數進行篩選，用總人數的平均值作為閾值，只保留總人數大于平均值的城市：

tgi.loc[tgi['總人數'] > tgi['總人數'].mean(),:].head(10)

“數據庫TGI指數舉例分析”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！