用户研究TGI中能帮我们做什么?
1. 什么是TGI以及怎么计算
我们日常生活中经常接触到比例问题,比如,有调查显示,王者荣耀中女性用户的比例为54.1%,相应地,男性用户为45.9%(见: 链接 )。这能说明什么呢?我们从这份数据里只能看到王者荣耀女性用户是比男性用户多8%,但是这个偏多是正常的吗?到底多的有多离谱?我们并不能很好的说明。
这里我们就要引入TGI的概念了,TGI=Target Group Index,直译就是目标顾客指数,乍看上去不明觉厉,它反映的是目标群体在你所研究问题中的强弱。可能这么一解释更听不懂。我举一个例子怎么算TGI你就清楚了。假设一家外语学校里面有家烧烤店,每天晚上男生和女生顾客都是50%,你觉得男生还是女生更倾向于光顾这个烧烤店呢?既然男女既然都一半,那显然是说男女同等倾向于光顾这家店。如果你是这么想的,那就错了。因为还有一个隐含的概率你没有问,就是这个学校里男生和女生的比例是多少呢。我们通过调查了解到男生和女生的比例分别是20%和80%,外语学校嘛,妹子多是很正常的。好了,有了这个比例,我们就可以算TGI了。
公式是这样的:男生的TGI=男生光顾这家店的比例/整体上男生的比例*100,女生的TGI也是一样。我们带入具体数值算一下:
烧烤店男生TGI=50%/20%*100=250
烧烤店女生TGI=50%/80%*100=60
你看,虽然光顾的顾客中男女比例一样。但是我们算TGI的话,会发现男生的TGI远远大于女生的TGI,从这个意义上讲,男生光顾这家门店的倾向性远大于女生。
顺便说一下,在用上面这个公式算出来的TGI>100说明该人群在整体人群中偏好度偏高, TGI<100说明该人群在整体人群中偏好度偏低,越接近100越说明该人群与整体人群偏好度相当。
好了,我们反过来再看一开始的案例。有了TGI的概念,你可能接下来就想问,那手游中,男性用户和女性用户的比例各是多少呢?我们正好找到了这份资料(见:链接),资料里说手游女性用户比例为46%,相应地,男性用户比例为54%。 那么我们应该如何计算王者荣耀不同性别用户的TGI呢?
王者荣耀男性TGI=45.9%/54%*100=85
王者荣耀女性TGI=54.1%/46%*100=118
这么来看,我们是不是可以更清晰得看到,王者荣耀是一款女性更偏爱,男性反而不怎么偏爱的游戏呢?
2. 我们为什么要看TGI?
TGI可以帮我们找准目标顾客 。像上面烧烤店的案例,通过计算TGI,我们很明显得知道男性顾客才是最喜欢我们门店的顾客,而女性用户并不喜欢我们这家店,这是最基本的现状。那基于这个现状,你接下来要做的到底是巩固喜欢这个门店的男性顾客群,还是开拓并不太喜欢这个门店的女性顾客群?这就是价值观问题了。找准了目标顾客之后,我们就可以针对目标顾客做更多的宣传推广。如果目标顾客是不清晰的话,那我们做宣传可能会漫无目的,结果就是吃力不讨好。
3. 生活中我们如何运用TGI?
生活中我们也有很多这样的案例,比如你发了一条朋友圈,其中10个好友点赞了,4个男生,6个女生。那这条朋友圈到底是男生更喜欢看还是女生呢?那要取决于你朋友圈的构成了。我们假设两种情况。
假设1: 你朋友圈男生80%,女生20%。
男生TGI=0.4/0.8*100=50
女生TGI=0.6/0.2*100=300
这种情况下,很明显女生更喜欢这条朋友圈。换一种假设呢。
假设2: 你朋友圈男生30%,女生70%
男生TGI=0.4/0.3*100=133
女生TGI=0.6/0.7*100=86
这种情况下,男生是更喜欢这条朋友圈的。
你看,同样是4个男生,6个女生点赞,表面上看不出什么,如果是考虑到你朋友圈性别比例不同,竟然有如此大的差异。
4. TGI背后是什么?
我认为,TGI这个指标本身反映的一种数据意识就是多对数据做挖掘和对比。当我们看到这种比例数据的时候,不止于此。要通过找到数据背后的数据进行对比,通过有效的对比让数据更有力量,更能发现一些好的洞察。
用户运营TGI指数-用户画像和内容偏好
先上概念: 总体来说,TGI就是一种多维度相关性并计算出偏好、排名的方法。 01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。 使用Python计算:再看一个栗子 一个例子表示一下我说的公式。 假设这个产品用户有100万,70万年轻人,20万中年人,10万老年人。 产品里面的功能有两个,工作功能40万用户在用,娱乐功能60万用户在用。 我用例子表示一下我说的公式 1.当我想看工作用途的人的特点时,我拿到使用工作功能的40万用户,假设我发现里面的用户分布是,年轻人18万,中年人15万,老年人7万。 从直观判断,中年人占比一下子多了,说明工作用途更倾向中年人。 年轻人18万,是用工作用途中最多的,但是年轻人基数大,所以工作用途不倾向年轻人。 用TGI表示是,中年人(15/40)/(20/100)100=187.5,年轻人(18/40)/(70/100)*100=64.3。 2.当我想看这20万中年人的特点时,我看到15万用工作用途,5万用娱乐用途。 用TGI表示是,工作用途(15/20)/(40/100)100=187.5,娱乐用途(5/20)/(60/100)*100=40.3,说明中年人更倾向工作用途。 就是对比来看的,对比目标群体和总体的特征差异。 上手计算 踩了几次坑,终于发现最难的其实是首先你定下你要分析是以什么维度分析的。 如图所示(隐藏数字后),这次我要分析的是内容分类的偏好是如何的: 这是一个有关人物属性对应喜欢的内容分类,?左边我是按照年龄、性别等属性列举下来的,而?上面则是按照内容的分类 看我的表名:一个是听的特点,第二个是年龄的特点。 在这个听的特点中我的目的其实是看某一种分类下听的人群有什么特点,而年龄的特点则是某一个年龄段他们喜欢什么样的内容类别;我为了看看有什么区别于是两种都做了一下。 可以看到我用不同颜色标注的,前一个图其实是纵向对比是纵轴,而后一个图是横向对比横轴。 先看第一个听的特点如何计算: 如果我们想知道比如音乐分类下是什么年龄段的用户,首先总人数是444,先算出每个年龄段的比例各是多少,如图,最多的是18-24,以及25-32的年龄段,各占40%以上。 接着我们算所有选了Music的314个人中,他们在不同年龄比例的分布是多少; 最后,我们把刚才的得到的两个数相除,注意,这里是用后者除以前者,也就是用听音乐的比例除以年龄比例 这样我们就可以看出来其实18-24岁的人群是超过100,超过平均水平的,其他则是低于平均水平。 我们再反过来算第二张表,得到这样的数据: 也就是说在18-24岁这个年龄段,他们最倾向的内容偏好是娱乐、音乐类,最不倾向足球和宗教。 这样两张表的对比,我们可以确认音乐类是18-24岁的偏爱分类。 再大概说一下第二张表是是怎么算的: 首先还是刚才那些数据,算出喜欢音乐的占所有人的比例314/444=70.72 然后是每一个年龄段选音乐的人占所有人年龄段的比例 最后音乐在年龄的占比/选择音乐在总人数的占比如果我们想快速通过数据可视化看大于100的数据,可以设置大于100的数才有这个色阶显示,于是再看一下下面两个图: 两个图很多相似,最大的不同在于relationship 情感类这个分类,纵向对比小于18岁的人最偏爱这个分类,接着是25-32,和18-24岁。 而横向对比的时候18-24和25-32则再没有出现高于平均的情感这个分类,相反,18-24岁主要是娱乐,25-32岁主要是新闻。 因此我们可以得出的结论是情感类内容受33岁以下的喜爱,但25-32更偏好的是新闻,18-24更偏好的是娱乐。 以上是我算了好几次之后终于搞懂了的TGI指数,欢迎大家讨论和指正。 另外如果还想看如何用TGI做用户画像可以看下这篇:
TGI指数的定义是什么?
TGI指数的定义:即(目标群体指数),可反映目标群体在特定研究范围(如地理区域、人口统计领域、媒体受众、产品消费者)内的强势或弱势。 其计算方法见举例。
tgi指数是什么
tgi指数是什么如下
TGI(Target Group Index)指数,是体现目标群体在特殊研究范畴(如地理区域、人口数据行业、媒体受众、商品顾客)内的强大或劣势的指数。
TGI指数= [目标群体中具备某一特点的人群所占比例/整体中具备同样特点的人群所占比例]*规范数100。
TGI指数也就是喜好度,表明不同特点客户关心问题的差别状况。
举例
例如将某地区15-24岁的人作为目标群体,将去[电影网站A]看电影作为相同特征;若该地区15-24岁的人中有8.9%的人去过[电影网站A]看电影,而在该地区总体人群中,有6.6%的人去过[电影网站A]看电影,则[电影网站A]在15-24岁人群中的TGI指数是134.9(8.9%/6.6%×100),其数额越大,就表明目标群体吻合度就越强势。
例如我在读大学时,我们专业的男女比为1:3,即女生所占比例为75%。显然,这是一个让其他理工科专业男生十分羡慕的男女比,因为我们同级3000多人中,女生占比约为50%。在这种情况下,我们专业女生性别TGI = 75%/50%*100 = 150。而TGI大于100,则说明我们专业中女生占比更高。
例如60%凯迪拉克车主都爱去洗浴中心,而整个豪车群体只有30%的车主爱去,那么凯迪拉克车主在“爱去洗浴中心”的TGI指数为60%/30%*100=200,远高于100,那么可以说凯迪拉克车主“更”爱去。
需要注意的是:如果只看60%这一单一的数字,我们无法是无法“更爱去”这个结论的,顶多说他们“爱去”。如果中国车主60%去洗浴中心,那么凯迪拉克车主并未表现出明显的偏好性,只是符合一般规律而已。
外链关键词: 人体艺术黑丝 mm美眉 美女大图片 美女人体艺术摄影 美腿翘臀 古典美女头像 女生带字头像大全 个性头像 女生本文地址: https://www.q16k.com/article/aa140bc04dbc2a7cb80f.html