在群体画像分析报告详情页，用户可以通过多维度标签分析，了解目标群体的核心特征和行为倾向。
本文深入讲解了如何运用群体画像理解和描述目标用户群体。详细介绍了如何使用标签分析概览，单分群和多分群标签概览，标签分析详情以及交叉分析等功能，全面描绘了目标群体特征。通过这些功能，我们可以从微观和宏观角度精准理解目标用户，为实施精细化的群体运营和精准营销提供重要依据。
3.1 标签分析概览
在标签分析概览页面，我们可以了解目标人群总体特征情况的功能，通过UV(Unique Viewers)和TGI(Target Group Index)两个指标，帮助我们了解当前人群的标签特征占比（UV）和与全量人群的显著对比程度（TGI）。
指标 | 定义 | 描述 |
|---|---|---|
大盘TGI | 说明 | 分群包中某标签值在该项目下的显著性特征结果 |
释义 |
| |
计算公式 | （分群包中可识别标签值用户量/分群包用户总量）/（项目下可识别标签值用户/项目下用户总量）*100 | |
场景说明 | 公司总人数为10,000人；该洞察报告中分析的人群为游戏研发部门全体员工，总计1,000人；全公司具有深度游戏爱好的员工为500人；游戏研发部门具有深度游戏爱好的员工为100人。 | |
标签占比 | 说明 | 分群包中，标签值在当前分群包下的占比 |
计算公式 | 分群包中标签值用户数量/分群包用户数量*100% | |
标签TGI | 说明 | 分群包中某标签值在该标签下显著性特征结果 |
释义 |
| |
计算公式 | (分群包中可识别标签值用户量/分群包中该标签用户总量)/（项目下可识别标签值用户量/项目下该标签用户总量）*100 | |
场景说明 | 公司总人数为10,000人，全公司具有深度兴趣爱好的用户为800人，深度游戏爱好的员工为500人，深度美妆爱好员工300人。 该洞察报告中分析的人群为游戏研发部门全体员工，总计1,000人，其中具有深度兴趣爱好的用户为120人，其中具有深度游戏爱好的员工为100人，具有深度美妆爱好员工20人。 具有深度游戏爱好的标签TGI=（100/120）/（500/800）*100=133 高于100，说明游戏部门更多的用户喜欢游戏。 | |
标签有效占比 | 说明 | 分群包中，标签值在当前分群包下标签总人数下的占比 |
计算公式 | 分群包中标签值用户数量/分群包中标签的用户总量*100% |
3.1.1 总结描述
1）自动展示： 系统会自动展示UV&TGI综合最高的前五个特征（UV*TGI的值进行排序选取TOP5），以帮助用户快速获得目标人群的主要特征。这五个特征可能成为该分群行为的关键影响因素。
2）特征描述： 用户可以根据这五个特征来描述目标分群。例如，如果"购买渠道-线下门店"和"支付偏好-微信支付"是两个显著特征，我们可以判断这个群体的消费习惯偏向于线下门店并偏爱用微信支付。
3.1.2 标签概览（单分群）
在单一分群的情况下，概览图将默认展示该分群的显著特征概览图，其中横轴代表标签的占比UV，纵轴表示该标签在总体中的显著程度TGI。
1）特征关注
如果你想要找到与特定特征匹配的人群，可以重点关注TGI较高的标签值。例如，如果在“高客单价用户”中，“商品风格-淑女风”的TGI最高，那么当我们想推广某款淑女风商品时，可以考虑重点针对高客单价用户投放。
2）用户匹配
如果你想针对特定的人群进行营销，可以重点关注UV较高的标签值。例如，如果在“高客单价用户”中，“购买渠道-线下门店”的UV值最高，那么在针对这类用户进行营销时，可以考虑重点在门店海报等方式上进行广告投放。
3.1.3 标签概览（多分群）
选用两个以上分群进行分析时，有以下两种方法：
1）差异比对： 系统会在概览部分展示差异性对比图，帮助你了解各标签维度上哪些差异最为显著。
- 差异比值的计算基于以下公式：目标组某标签值的TGI/对照组该标签值的TGI。得出的结果越大，表示两个分群在该标签上的差异越大。
- 全量对比会计算所有选定标签的所有标签值之间的差异比值，并展示差异最大的前10；而单个标签对比则会在所选每个标签内选取差异比值最大的标签值进行展示。
说明
如何理解全量对比与单个标签对比？
当我们在对比两个人群包时，我们通常会选择一些标签进行观察。例如，你可能关注年龄、性别、购买渠道等等因素。每一个标签对应的是一个或多个标签值。例如，性别的标签值包括男和女，年龄的标签值可能包括18-24岁、25-34岁等等。
全量对比和单个标签对比就是在这样的背景下提出的两种不同的对比方式：
- 全量对比：在全量对比中，我们会计算所有你关注的标签的所有标签值之间的差异比值。比如你选了年龄、性别、购买渠道三个标签，他们的标签值可能一共有50个（如性别有男、女两个标签值，年龄有18-24岁、25-34岁、35-44岁等等不同年龄段的标签值）。全量对比就会计算这50个标签值在两个人群包中的差异比值，然后筛选出差异最大的前10个给你展示。这样的对比方式可以让你同时关注到多个维度的信息，找到差异最大的几个特征。
- 单个标签对比：单个标签对比则更关注每一个标签内部的差异。使用同样的例子，你选了年龄、性别、购买渠道三个标签，他们的标签值一共有50个。单个标签对比则会在每个标签下找出差异最大的标签值。如，在性别这个标签下，找出差异最大的是男性还是女性；在年龄这个标签下，找出差异最大的是哪个年龄段。这样可以帮助你快速理解每个维度上的最大差异是什么。
2）重合度评估： 在对两个分群洞察时，系统会呈现分群重合度分析图，它既能显示两个分群的重合数量，也会呈现这部分重合数据在两个分群中的占比。
3.2 标签分析详情
在进行群体分析时，“标签分析概览”页能快速理解目标用户群的整体特性。如果你想进一步了解用户在不同标签维度上的更具体的分布情况，这时就可以利用"标签分析详情"功能进行深入探索。
3.2.1 功能亮点
（1）深度特征挖掘
标签分析详情页能够详细阐述每个标签的分布情况，让你能深入分析细节，诸如哪种商品风格最受欢迎，哪种颜色更受青睐等等。这些细致的分析将帮助你更深入理解用户群体的特征和偏好。
（2）分析结果下载
每个标签的分析结果都支持让你以图/表的形式进行下载，让你随时可以查阅和分享这些数据。
（3）图片显示类型切换
为了更可视化的展示数据，系统支持随时切换图表显示类型。比如，通过环形图可以直观的对颜色的偏好进行统计和比较。
3.2.2 具体应用示例
例如，在分析商品风格标签时，发现大多数用户更偏好运动风或舒适风商品。为了进一步了解这部分用户的颜色偏好，你可以选择图表联动，将筛选条件限定在运动风或舒适风，这样就可以看到这一特定群体的颜色偏好情况。
分析结果表明，在此类客户中，他们在颜色选择上更青睐于黑、白、灰这类基础色系，这就是他们群体的一个重要特性。
通过这样深度的分析，我们可以描绘出高客单价用户的细分特征：他们喜欢去线下门店购买运动风或舒适风格的基础色系或明星同款新品，且他们的消费能力较强，对消费控制较为理智，较少有超前消费的行为。
3.3 交叉分析
当我们对目标客户群体已经有了较为全面的理解，我们可以使用“交叉分析”，进一步探索该群体在不同维度上的交叉分布。
- 创建交叉分析： 在页面上点击“添加图表”按钮，然后选择“交叉分析”选项。选择你想要对比的行列指标后，即可看到交叉维度上的分布结果。例如，我们已知目标客户群体更喜欢在线下购买商品，此时我们希望进一步了解不同城市门店的用户互动情况。只需使用“居住城市”和“互动频次”作为行列指标，即可对这种交叉分布进行深度观察。
- 数据分析：结果分析显示，北京和上海的用户互动频次较高，这说明在这两个城市进行线下活动的效果可能会更好。将鼠标悬停至数值上方，就可以选择将该标签分组覆盖的细分客户群体单独导出，以此实现更为精确的分组运营策略。
3.4 支持多人群导出
群体画像报告标签分析概览页和详情页标签人群导出支持多个分群对比时进行导出，用户可以根据需要导出对像报告中的多个标签人群，支持后续分析和营销活动。
- 导出分群支持同时选择来自标签分析概览页和标签分析详情页的用户群组。
- 支持将标签群体按标签或分群进行用户群体导出，输入分群名称以及进行权限配置后即可在「用户分群」模块下找到导出的分群包。
3.4.1 标签分析概览页
在输入框选择目标分析画像报告，可进入报告页面。
点击 标签分析概览-鼠标移动至目标用户群组-点击添加到分群夹，后在导出分群可对分群包进行配置。
添加完分群包后点击导出分群，进入导出分群界面。
- 保存方式：可选择导出标签或导出分群；
- 标签选择：且（及包含分群1且包含分群2）和或（包含分群1或分群2）
- ID类型： 选择输出的主体的ID类型；
- 分群名称：自定义分群名称；
- 授权：可自定义选择授权对象。
完成基础信息配置后，点击弹窗右下角确定，即成功保存分群，后续可在用户分群中进行查看和编辑。
3.4.2 标签分析详情页
点击 标签分析详情-鼠标移动至目标人群-点击添加到分群夹，后在导出分群可对分群包进行配置。
点击导出分群后，进入导出分群配置界面，概览页和详情页共享同一个导出分群页面，支持用户同时选择来自概览页和详情页的用户群组（逻辑上：存在于概览/详情页的群组 命名相同即为同一个群组）
完成基础信息配置后，点击弹窗右下角确定，即成功保存分群，后续可在用户分群中进行查看和编辑。
3.4.3 动态演示
3.5 最终总结
在完成了深入的交叉分析并结合前期的分析数据后，我们可以总结出此群体具备以下特征：目标群体更喜欢在线下门店购买运动风格或舒适风格的素色系列限定商品或新品明星同款产品，他们普遍拥有较高的消费能力，少有超前消费的情况；在北京和上海的门店活动参与度更高。