本篇文章带大家学习一个数据分析实战的案例，详细解读TGI指数，并用Python代码实现基础的TGI偏好分析。

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。

内事不决网上搜，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？

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。

下面，我们通过一个案例来巩固概念理解，顺便和潘大师（Pandas）过过招。

02  TGI实例分析

项目背景

BOSS抛来一份订单明细，“小Z啊，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，你看看这个数据，哪些城市的人有高客单偏好，帮我筛选5个吧”。

小Z赶紧打开表格，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。

粗略看了几眼源数据，小Z赶紧明确数据需求：“领导，那客单比较高的定义是什么？”

“就我们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：

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：

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：

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”：

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：

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：

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：

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：

出了结果，小Z兴致勃勃的打算第一时间报告老板，说时迟那时快，在按下回车之前又扫了一眼数据，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，小Z决定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：

处理之后，小Z觉得这份数据合理多了。

“报告老板，基于各城市高客单TGI指数，我发现福州、珠海、北京、厦门和佛山，是高客单偏好排名前5的城市！咱们要试销的高客单新产品，仅从客单角度，可以优先考虑他们！”

注：完整案例数据和代码，后台回复“TGI指数”即可获取。

-END-

以清净心看世界；

用欢喜心过生活。

超哥的杂货铺，你值得拥有~

长按二维码关注我们

推荐阅读：

1.手把手带你开启机器学习之路——房价预测(一)

2.手把手带你开启机器学习之路——房价预测(二)

3.手把手带你开启机器学习之路——分类问题总览

4.在一个机器学习项目中，你需要做哪些工作？

5.简单几步，教你使用scikit-learn做分类和回归预测

6.RFM模型是什么，我用python带你实战！

7.一场pandas与SQL的巅峰大战