• 登录
Skip to content

一起大数据-技术文章心得

一起大数据网由数据爱好者发起并维护,专注数据分析、挖掘、大数据相关领域的技术分享、交流。不定期组织爱好者聚会,期待通过跨行业的交流和碰撞,更好的推进各领域数据的价值落地。

Menu
  • 首页
  • 大数据案例
  • 数据&电子书
  • 视频
    • Excel视频
    • VBA视频
    • Mysql视频
    • 统计学视频
    • SPSS视频
    • R视频
    • SAS视频
    • Python视频
    • 数据挖掘视频
    • 龙星计划-数据挖掘
    • 大数据视频
    • Machine Learning with Python
  • 理论
    • 统计学
    • 数据分析
    • 机器学习
    • 大数据
  • 软件
    • Excel
    • Modeler
    • Python
    • R
    • SAS
    • SPSS
    • SQL
    • PostgreSQL
    • KNIME
  • 技术教程
    • SQL教程
    • SPSS简明教程
    • SAS教程
    • The Little SAS Book
    • SAS EG教程
    • R语言教程
    • Python3教程
    • IT 技术速查手册
    • Data Mining With Python and R
    • SAS Enterprise Miner
  • 问答社区
  • 我要提问
Menu

模型故事:产品线优化的利器 TURF 分析

Posted on 2022年5月25日

前年,手机开始流行渐变色,我们帮助某厂商做手机外观的CMF偏好测试。我们大概测了十几个手板,有经典的黑色银色,更多的是各种渐变色。研究设计时,我们遇到一个挑战:如果只能推出四种颜色,是应该从测试结果中选出最受欢迎的前四种吗?但是,几乎不用做调研,大家都知道经典的黑色银色肯定最受欢迎,而且喜欢黑色或银色的很可能是同一类偏保守或者传统的用户;所以,如果在黑色和银色中保留一种,应该保留哪一种?其余的渐变色中,如果只能推出3种,应该选择哪三种,能覆盖最多的用户呢?

手机CMF项目的挑战,我们应用了TURF分析完美解决。TURF是累计不重复到达率和频次分析(Total Unduplicated Reach and Frequency)的简称。其目的就是用尽可能少的资源取得最大的回报。TURF最初被应用于传媒领域,研究媒体渠道的最优组合。现在,TURF已经产品组合研究的利器。客户反馈上市后半年,新手机不同颜色的销量排序和我们建议的颜色组合排序高度一致。

现在我们把TURF应用在更多商业决策中。

乳品客户关心应该推出哪几种酸奶水果口味组合,才能照顾最多人的口味偏好?而且最好也能照顾男女差异、不同年龄段的差异?

主机厂关心应该推出哪几种配置组合,才能覆盖尽可能多的车主需求?也要覆盖不同区域、不同年龄段、新购和换购车主的需求。

餐饮机构关心在中央厨房资源有限的支持下,菜单上应该有哪些主打菜,才能即体现本店特色,也能覆盖最多顾客的就餐需求?同时还要考虑不同背景的客群偏好?

广告主关心在资源有限的情况下,应该选择哪几个传播渠道,能最大化覆盖目标用户群?

品牌主关心在促销资源有限情况下,应该如何组合不同的促销类型,才能完成最大化的拉新目标呢?

为什么今天想要分享这个模型呢?因为这两天我们在梳理食品饮料消费者的产品体验研究模型,在资料扫描中发现不同时期的大部分权威的口味研究资料中都有TURF的身影,这一瞬间,你会觉得很幸福很踏实,因为一个工具当它在不同领域反复出现时,幸福是因为说明你的知识体系圆满了,踏实是因为你知道它靠谱有用,因为“谎言可以暂时欺骗所有人,谎言可以永远欺骗部分人,但是不能永远欺骗所有人”。

这种踏实和幸福也是乙方研究者独有的体验,当我们站在各个行业的十字路口,看着不同方向的车来车往,忽然发现,似乎有些共同的规律,当你和各个行业的专家分享这些规律的时候,他们也觉得忽然大悟,哦,原来我每天经过的路口有这么多有趣的事情啊:)

附上TURF模型的PPT资料和算法分析

 

恭喜你,又看完一篇文章,扫码领个红包吧!图片

推荐访问

欢迎加入我们的付费交流社群,增长见识,互帮互助! 自2023-05-01起正式运营。
图片

数据分析交流:数据分析交流
Excel学习: Excel学习交流
Python交流:一起学习Python(数据分
SQL交流:一起学习SQL(数据分析
微博:一起大数据

最新提问

  • 统计方面的3个Python包
  • 更新R及Rstudio
  • TFP CausalImpact:一个Python包,用于估计设计干预对时间序列的因果效应
  • 根据公式的结构,写出计算的表达式,并结算结果
  • excel中提取超级链接公式中的链接地址
  • 用python解析公式并进行可视化
  • Python设置镜像源默认为清华的方法
  • VAR、VMA、VARMA 和 ARIMA
  • Python 的表达式解析库来解析公式
  • PandasAI:一个Python库,将生成式AI能力集成到Pandas中,允许进行高级数据分析任务,例如数据合成和增强

文章标签

AMOS CBC Excel GBDT KNN Modeler Mysql pandas PostgreSQL python python数据可视化 R SAS sklearn SPSS SQL SVM Tableau TensorFlow VBA 主成分分析 关联规则 决策树 协同过滤 可视化 因子分析 大数据 大数据分析 推荐系统 数据分析 数据可视化 数据挖掘 数据透视表 文本挖掘 时间序列 机器学习 深度学习 神经网络 结构方程 统计学 联合分析 聚类 聚类分析 逻辑回归 随机森林
©2023 一起大数据-技术文章心得 | Design: Newspaperly WordPress Theme