丨目录：

· 分析背景

· 基本概念

· 解决方案

· 方案流程

· 案例参考

· 关于我们

在行业运营的场景中，我们需要针对业务目标，从"人-货-场-店" 角度去进行细分，定位行业的优势、问题、劣势的细分群组，通过了解群组中影响目标达成的驱动因素，来发掘运营机会，有针对地制定运营策略。

发现目标消费者群组，可以用于市场定位、寻找潜力消费者。

发现目标货品群组，可以发掘机会品类，开拓新市场。

发现目标商家群组，可以发掘经营机会，提高经济效益。

目标群组

目标群体是在指定的经营目标下，需要通过细分来实施经营战略的群体，组成群体的个体可以是消费者、商品、门店或它们的组合等。例如：

目标商家群体：销售额低但增速快的商家类型是美妆、护肤新锐品牌商家。

目标货品群体：点击转化率高且ROI高的货品是生活用品、小家电等类目中的低价货品。

细分

细分是将分析对象分类为几个子组的过程。目标群体发现的核心思想是细分，但细分的对象并不局限于消费者。细分的方法可以基于维度特征和行为指标的规则细分，也可以通过综合评分、预测、聚类等算法模型。另一方面，目标群体的发现过程往往要经过多个细分，层层钻探才能发现。

指标

指数是对要分析的对象的数量特征的衡量。从业务目标的分配到进程的执行，我们将指标分为三个层次。第一层指标通常用于目标定位，而第二层和第三层指标则用于发现司机。

定义目标的核心指标，直接指引战略目标和KPI，比如GMV。

针对一级指标的拆解，体现一级指标达成的过程。通过二级指标发现一级指标变化的直接原因。比如：GMV = 购买uv * 人均购买笔数 * 笔单价 = 浏览uv * 转化率 * 人均消费金额

对二级指标、维度分类或对二级指标有影响的相关指标进行拆解。

目标群组发现是一套"目标定位-发现群组-定义群组"的分析解决方案。比如目标是增加平台中商家的销售额 ，则目标是销售额，群组对象是商家，则我们需要去寻找提升销售额的机会商家类型以及提升的驱动因素 。

这一步要解决的问题是对目标定位业务现状的描述。根据目标的主要群体类型，哪些群体适合实现目标？使用哪些驱动指标来实现？定义一个群体目标群体的特征是什么？

主要应用场景举例

从品类*价格角度，分析平台中浏览人数低、但是成交转化低的商品类型，考虑优化对应商品的运营策略。

从GMV份额低，但环比增长率高的女装二级类目中，找到不同类目份额低的原因，是笔单价低、人均购买笔数低还是购买人数少，来定位不同类目的关键问题，发现驱动因素进行改善。

主要模型

基准分析（Benchmarking ,BMK）

在假设其他条件保持不变的情况下，通过分析主题并将关键指标与基准进行比较来寻找变化或差异。从大量的分析小组中发现潜在/问题小组，并根据驱动指标寻找有助于业务发展的可操作性对策。

基准类型对比计算方式另一时段变化差，变化率另一群体差异，差异率， TGI, 占比

注：TGI指数= [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

基准分析基本表格形态

通过与基准期的比较，可以了解不同产品组合的业务变化，找出成长型、稳产型和衰退型产品组合。

通过与基准群体对比，了解分析群体和基准群体（通常是标杆群组/整体）的表现差异，发现差距，设置有意义的目标，有针对地运营提升。

四象限分析模型

四象限分析法，又称为矩阵分析法，将事物的两个关键属性作为分析的维度，进行分类分析的分析方法，一般有两种业务分析场景：1）分类：通过当前指标表现对业务或产品进行划分；2）诊断：通过业务变化指标定位业务问题。通常用气泡或散点的方式绘制在xy轴的上，然后通过象限划分，定位每个象限中事物的优势和问题。实际操作时未必是四象限，N*M也可以划分。

著名的"波士顿矩阵"(BCG Matrix)是四象限分析法的一种。

波士顿矩阵是将企业所有产品从"市场增长率"和"市场份额"这俩个维度进行描述，依次分为"明星类产品"、"问题类产品"、金牛类产品"、"瘦狗类产品"。波士顿矩阵帮助企业评价不同产品的发展情况，采取不同的策略，优化资源分配。

四象限分析的基础是气泡图，通过指定x轴,y轴,气泡大小对应的指标形成分析模型，常见的模型有：

以下为四象限模型示例 ，气泡拆分=产品类型，x轴=市场份额，Y轴=市场增长率，气泡大小（可选）=利润，颜色（可选)=利润增长率。

右侧可过滤气泡大小，以及颜色深浅过滤气泡，通过框选设定xy轴展示范围。

目标群组发现通常可以遵循以下流程：

流程解释

根据分析目标进行测量设计，包括指标和维度的选择、分析对象和时间范围的设置。可在常见场景中设置为模板，方便用户直接使用。当数据准备好时，基本表就形成了。

a.定位模型

• 设定目标指标
• 根据目标指标的现状和潜力定位业务组合类型，并保留主要组别以供进一步分析。例如，增长率-份额模型被用来发现市场份额低而增长率高的问题类别。
  
  [En]

  locate the type of business portfolio based on the current situation and potential of the target indicators, and save the primary group for further analysis. For example, the growth rate-share model is used to find problem categories with low market share and high growth rate.*

a. 基础分析

• 了解指定群组目标相关指标的统计信息

b. 基准分析

• 选择的基准可以作为通过比较和计算差值和差值率发现模型的分析指标。
  
  [En]

  the selected benchmark can be used as an analysis index for discovering the model by comparing and calculating the difference and the difference rate.*

• 获取指定区间内指标的统计值，如平均值、中位数等，为分析各阶段基准线划分提供参考
  
  [En]

  obtain the statistical values of indicators in a specified range, such as average, median, etc., to provide reference for analyzing the division of reference lines in each stage.*

c1. 四象限气泡图发现模型

• 选择拆分方式，通过维度组合对气泡点的意义进行设定
• 通过X,Y,气泡大小对群组的3个关键指标进行展现， 通过颜色对第4个指标或者对群组进行分类标识。其中气泡大小、颜色不是必需选择。
• 对气泡大小、颜色、xy轴对应指标范围进行过滤
• 并基于参考线划分或者圈选过程群组
• 选择指定过程群组，问题指标进行分析，定位驱动因素
• 可反复进行以上过程，调整范围，直至生成对应目标群组

c2. 打分模型（可选）

对指定组别的目标驱动指标进行分段或加权，通过排序等处理得到目标组别。

1）特征分析

• 对比目标群组与基准群组的属性和事件特征差异

2）聚类细分

• 对目标群组的类型进行聚类细分并描述，对细分采取不同策略

某电商平台盘点下一季度快消行业各品类的业务发展情况，试图找出销售份额高但增长乏力的品类，找出增长乏力或衰退的原因，从而制定改善策略。

数据准备：各品类销售金额、 购买人数、人均购买次数、次均购买金额 ，分析当前时段 20210401-20210630，对比时段20200401-20200630。

1. 使用基准分析，计算各品类今年二季度相对于去年二季度的销售额变化率。为避免负值气泡，这里变化率可以是今年数据/去年数据，若变化率
2. 采用" 销售额增长率-销售额"模型， x=当前销售额，y=销售额变化率，对各品类数据绘制气泡图。
3. 划分象限，用x=均值（或指定数值），y=1 做参考线划分。
4. 落在第4象限的品类属于"销售份额高、增长乏力"的品类，取名"高份额低增长组"。形成过程群组。

发现影响增长率的原因，并根据不同原因对品类分组。

1. 取"高份额低增长组"中的品类， 使用基准分析计算各品类今年二季度相对于去年二季度的购买人数、人均购买次数、次均购买金额变化率。
2. 采用x=购买人数变化率， y=人均购买次数变化率，气泡大小=次均购买金额变化率 ，对品类绘制气泡图。
3. 划分象限，用x=1, y=1 做参考线。划分群组，并保存。

第一象限：购买人数增长、人均购买次数增长 ，通过过滤气泡大小指标次均购买金额变化率

Original: https://blog.csdn.net/alimama_Tech/article/details/122975066
Author: 阿里妈妈技术
Title: 【阿里妈妈营销科学系列】第七篇：目标群组发现

相关阅读

Title: ImportError: cannot import name ‘Literal‘ from ‘typing‘ (D:Anacondaenvstensorflowlibtyping.py)

报错背景：

因为安装tensorflow-gpu版本需要，我把原来的新建的anaconda环境（我的名为tensorflow）中的python3.8降为了3.7。

在导入seaborn包时，出现了以下错误：

ImportError: cannot import name 'Literal' from 'typing' (D:\Anaconda\envs\tensorflow\lib\typing.py)

原因分析：

这是由于 'Literal' 只支持python3.8版本以上的，对于python3.7并不支持。如果不想升级python版（升级真的很麻烦，可能会导致我的tensorflow-gpu版的不能用了），请看以下解决方法：

情况一：

若你只是单纯的想导入 Literal 的话：

先在你的环境中安装typing_extensions（这是针对python3.8版本以下的使用方法），安装代码如下：

pip install typing_extensions

然后使用以下代码句就可以导入了

from typing_extensions import Literal

情况二：

如果你是像我一样，想导入别的包（如seaborn）,却遇到这种错误，以下是报错及解决方法：

报错如下：

解决方法：
找到你的对应路径，打开用红框提示的.py文件（打开方式随你，我是用pycharm打开的），找到对应位置，改成如下：

from typing import (
    IO,
    TYPE_CHECKING,
    Any,
    AnyStr,
    Callable,
    Collection,
    Dict,
    Hashable,
    List,
    Mapping,
    Optional,
    Sequence,
    Tuple,
    Type as type_t,
    TypeVar,
    Union,
)

from typing_extensions import (
        Literal,
        TypedDict,
        final,
    )

如果还报 ImportError: cannot import name 'xxx' from 'typing'
即再回到此.py文件下进行修改，比如 TypedDict, 不能放到上面from typing import去,否则，则会报类似错误。

我修改完_typing.py文件后，再次运行，又报了以下错误（但是好歹不是之前那个错误了）

No module named 'pandas._libs.interval'

这个错误好改，在你的环境中,安装以下：

pip install --force-reinstall pandas

至此，终于解决问题，可以导入 seaborn 啦。

Original: https://blog.csdn.net/yuhaix/article/details/124528628
Author: 小小_喻
Title: ImportError: cannot import name ‘Literal‘ from ‘typing‘ (D:Anacondaenvstensorflowlibtyping.py)