中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

TGI是英文Target Group Index的縮寫，直譯為“目標群體指數”，即我們觀察的這部分群體，是否更多（或更少）分布在該維度上。本文作者對TGI指數進行了分析，一起來看一下吧。

某出行平臺曾經發布過一份數據分析報告，指出“凱迪拉克車主最愛去洗浴中心”，一時引來多方熱議。

我們今天討論的TGI概念，就與這個小故事有關。凱迪拉克車主是不是“更愛去洗浴中心”呢？這個問題，等我們了解了TGI之后再討論。

一、TGI是什么？

TGI是英文Target Group Index的縮寫，直譯為“目標群體指數”。計算方法非常簡單：

TGI = [目標群體中具有某一特征 的群體所占比例/總體中具有相同特征的群體所占比例]*100

在前司上班那會，我們在給客戶（廣告主）提供的消費者洞察分析報告中，頻繁的使用這個概念，以至于我們總監曾經專門組織過一次討論：該怎么更科學、更簡單地向客戶介紹TGI是什么，以及怎么理解它。

在向客戶解讀我的消費者報告時，我將TGI稱為目標群體的傾向性指數。即，我們觀察的這部分群體，是否更多（或更少）分布在該維度上。

舉個簡單的例子。我在讀大學時，我們專業的男女比為1:3，即女生所占比例為75%。顯然，這是一個讓其他理工科專業男生十分羨慕的男女比，因為我們同級3000多人中，女生占比約為50%。

在這種情況下，我們專業女生性別TGI = 75%/50%*100 = 150。而TGI大于100，則說明我們專業中女生占比更高。

但是大家再考慮一種狀況：如果我們專業歸屬在女校之中（假設我們專業比較特殊，允許招收男生），那么大家還會覺得我們專業的女生更多嗎？

顯然不會。因為錨定的群體中，女生占比接近100%（因為還有我們幾個男生在，分子略小于分母），而我們專業中的女生比例只有75%，少于大盤。

讓我們回到一開始的小故事中。如果60%凱迪拉克車主都愛去洗浴中心，而整個豪車群體只有30%的車主愛去，那么凱迪拉克車主在“愛去洗浴中心”的TGI指數為60%/30%*100=200，遠高于100，那么可以說凱迪拉克車主“更”愛去。

需要注意的是：如果只看60%這一單一的數字，我們無法是無法“更愛去”這個結論的，頂多說他們“愛去”。如果中國車主60%去洗浴中心，那么凱迪拉克車主并未表現出明顯的偏好性，只是符合一般規律而已。

所以，我們不能孤立地看待一個數據，它只是一個冷冰冰的數字而已。我們必須將它帶入到具體的情景當中，我們才能判斷這個數字是高還是低、是大還是小。

其中我們可以帶入的場景之一就是它所屬的群體里，即它的一個超集之中。

二、大數定律與品牌的同質人群假設

我們上初中時就知道：當擲硬幣的次數越多，正面出現的概率越來越趨近于0.5。

將大數定律延伸到我們的人群畫像中也類似、我們觀察的某個群體數量越多，其在某個特征的分布，應該越來越趨近于整體大盤的分布水平。

考慮到大眾汽車銷量很高，并且在中國汽車市場上有較大的保有量，我們可以假設大眾車主的男女比例、省份分布，跟中國4.39億汽車車主的男女比例、省份分布應該是類似的。即，子集在某個維度上的分布，應該與大盤相同。

但是，我們經常會發現，子集在某個維度上的分布，比大盤要高或者低。那到底是什么因素導致的呢？

實際上，我們市場營銷理論的基石是“同質人假說”——某個品牌的目標消費者（Target Audience），是一群有著相似年齡、性別、地域、消費能力、價值觀的群體。比如，很多品牌官網上可能會明確介紹：我們品牌和產品，主要面向25-30歲的白領女性，她們居住在一線和新一線，追求新鮮的事物，等等。

同質人假設有其合理性：一方面品牌可以更明確找到符合其特征的目標消費者，可以有針對性地開發特定產品，并利用特定媒體渠道進行廣告觸達，即品牌更希望找到某一類人；另外一方面，從消費者的視角看，可以通過這些品牌定位和理念，來快速找到適合自己的產品和品牌，即某一類人也會找到適合自己的品牌。

同質性假說造成的結果則是某個相似群體在某個品牌下的高度聚集。比如提到奔馳車主，我們就覺得這是一個有錢人的群體。

所以，如果我們觀察的群體，在某個維度上的分布，跟大盤相比出現了較大的異常（過高/過低），我們可以假設是品牌造成的這種差異（畢竟在真實社會中，要準確計算某個因素的解釋力非常困難），而這往往可以評估品牌建立的有效性。

比如品牌A希望吸引25-30歲的一線白領女性，通過CRM數據分析發現：該品牌符合這些條件的消費者占比是20%，比例與大盤中符合上述條件的人群占比一樣。我們可以認為品牌形象并未成功建立；換句話說，即使品牌什么都不做，來消費者的中白領女性比例跟現在也沒什么差別。

我們在分析數據的時候，遇到TGI指數過高或者過低的維度，往往是一個突破口，我們可以在這個維度上繼續深挖。

三、咖啡與混淆變量

我是一個咖啡成癮者，每天午覺起來比都要來一杯咖啡，所以格外關注咖啡對健康的影響。事實上，咖啡對健康的研究經常見之于媒體。

一份研究表明：

研究結果表明，喝咖啡的人平均每天要喝兩杯咖啡，包括脫咖啡因咖啡或速溶咖啡或研磨咖啡。他們患慢性肝病的風險比不喝咖啡的人低21%，患慢性肝病或脂肪肝的風險低20%。他們死于慢性肝病的可能性也降低了49%。

有趣的是，也有一些研究表明：“與完全不喝咖啡的人比較，一天喝1~5杯咖啡的人患心肌梗死的概率高1.34倍?！?/p>

作為咖啡愛好者，我當然說服自己相信第一個研究的結論。

可是為什么這些研究的結論竟然會如此大相徑庭，甚至截然相反呢？

我對此的解釋是“混淆變量”。

第一份研究使用的數據是英國的Biobank 英國生物樣本庫。根據《維基百科》的介紹：該生物樣本庫始于2006年，對40～69 年齡段的500,000 名志愿者的各項生理指標持續進行觀測；抽樣人群主要來自生物樣本庫研究中心周邊10-20英里范圍內的居民，“以城市人口居多”。

然而，年齡與經濟水平也會直接影響“肝病”。因為也存在這樣一種可能性：收入越高的人，越有可能每天消費咖啡；同時，他們也能享受到更好的醫療服務，獲得科學的飲食和鍛煉建議，這些因素可能也會影響慢性疾病的發病。因此，高咖啡消費與低慢性疾病發病率的相關，可能也只是一種簡單的相關表象，背后的共同推手是“高收入”。

而認為咖啡有害的研究中，除了咖啡導致心肌梗死這一種因果解釋之外，我們也可以假設：需要經常熬夜加班這一變量，是讓二者存在相關的共同推手——由于需要經常熬夜加班，才會需要大量咖啡因的攝入來保持清醒；與此同時，熬夜加班也加大了心肌梗死的風險。

這就是背后的“混淆變量”，簡單來說：Z導致了X，Z也導致了Y；乍看起來，X、Y存在因果或者相關，因為它們經常相伴相生。

而這跟TGI又有什么關系呢？

如果你看到一個數據：未患脂肪肝的人群中，70%的人都是咖啡愛好者，TGI指數是170；而患有脂肪肝的人，35%是咖啡愛好者，TGI指數是85。

這是否意味著喝咖啡能減少得脂肪肝的可能性呢？

通過上面混淆變量的分析，你會堅定地否定這一想法。

TGI指數也只是一個數字，我們可以通過過高或者過低的TGI去尋求進一步的人群的洞察，但是不意味著這個維度就能對群體的形成具有解釋力。