|
|
TGI是英文Target Group Index的缩写，直译为“指标群体指数”，即咱们视察的这部份群体，是不是更多（或更少）散布在该维度上。本文作者对TGI指数进行了剖析，一同来看一下吧。
某出行平台已经公布过一份数据剖析讲演，指出“凯迪拉克车主最爱去洗浴核心”，一时引来多方热议。
咱们明天探讨的TGI概念，就与这个小故事无关。凯迪拉克车主是否“更爱去洗浴核心”呢？这个问题，等咱们理解了TGI之后再探讨。
一、TGI是甚么？
TGI是英文Target Group Index的缩写，直译为“指标群体指数”。计算办法十分简略：
TGI = [指标群体中拥有某一特点 的群体所占比例/整体中拥有相反特点的群体所占比例]*100
在前司下班那会，咱们在给客户（广告主）提供的消费者洞察剖析讲演中，频繁的使用这个概念，以致于咱们总监已经专门组织过一次探讨：该怎么更迷信、更简略地向客户引见TGI是甚么，以及怎么了解它。
在向客户解读我的消费者讲演时，我将TGI称为指标群体的偏向性指数。即，咱们视察的这部份群体，是不是更多（或更少）散布在该维度上。
举个简略的例子。我在读大学时，咱们专业的男女比为1:3，即女生所占比例为75%。显然，这是一个让其余理工科专业男生非常艳羡的男女比，由于咱们同级3000多人中，女生占比约为50%。
在这类状况下，咱们专业女生性别TGI = 75%/50%*100 = 150。而TGI大于100，则阐明咱们专业中女生占比更高。
然而大家再斟酌一种情况：假如咱们专业归属在女校之中（假定咱们专业对比特殊，允许招收男生），那末大家还会感觉咱们专业的女生更多吗？
显然不会。由于锚定的群体中，女生占比接近100%（由于还有咱们几个男生在，份子略小于分母），而咱们专业中的女生比例只要75%，少于大盘。
让咱们回到一开始的小故事中。假如60%凯迪拉克车主都爱去洗浴核心，而全部豪车群体只要30%的车主爱去，那末凯迪拉克车主在“爱去洗浴核心”的TGI指数为60%/30%*100=200，远高于100，那末能够说凯迪拉克车主“更”爱去。
需求留意的是：假如只看60%这一繁多的数字，咱们无奈是无奈“更爱去”这个论断的，顶多说他们“爱去”。假如中国车主60%去洗浴核心，那末凯迪拉克车主并未表示出显著的偏好性，只是合乎个别法则罢了。
所以，咱们不克不及孤立地对待一个数据，它只是一个凉飕飕的数字罢了。咱们必需将它带入到详细的情形傍边，咱们能力判别这个数字是高仍是低、是大仍是小。
其中咱们能够带入的场景之一就是它所属的群体里，即它的一个超集之中。
二、大数定律与品牌的同质人群假定
咱们上初中时就知道：当掷硬币的次数越多，侧面泛起的几率愈来愈趋近于0.5。
将大数定律延长到咱们的人群画像中也相似、咱们视察的某个群体数量越多，其在某个特点的散布，应该愈来愈趋近于总体大盘的散布程度。
斟酌到公众汽车销量很高，而且在中国汽车市场上有较大的保有量，咱们能够假定公众车主的男女比例、省分散布，跟中国4.39亿汽车车主的男女比例、省分散布应该是相似的。即，子集在某个维度上的散布，应该与大盘相反。
然而，咱们常常会发现，子集在某个维度上的散布，比大盘要高或者低。那究竟是甚么要素致使的呢？
实际上，咱们市场营销实践的基石是“同质人假说”——某个品牌的指标消费者（Target Audience），是一群有着类似春秋、性别、地区、消费才能、价值观的群体。好比，得多品牌官网上可能会明白引见：咱们品牌和产品，次要面向25-30岁的白领女性，她们寓居在一线和新一线，寻求陈腐的事物，等等。
同质人假定有其公道性：一方面品牌能够更明白找到合乎其特点的指标消费者，能够有针对性地开发特定产品，并利用特定媒体渠道进行广告触达，即品牌更但愿找到某一类人；此外一方面，从消费者的视角看，能够经过这些品牌定位和理念，来疾速找到合适本人的产品和品牌，即某一类人也会找到合适本人的品牌。
同质性假说酿成的后果则是某个类似群体在某个品牌下的高度会萃。好比提到奔跑车主，咱们就感觉这是一个有钱人的群体。
所以，假如咱们视察的群体，在某个维度上的散布，跟大盘比拟泛起了较大的异样（太高/太低），咱们能够假定是品牌酿成的这类差别（毕竟在实在社会中，要精确计算某个要素的解释力十分难题），而这往往能够评价品牌建设的无效性。
好比品牌A但愿吸引25-30岁的一线白领女性，经过CRM数据剖析发现：该品牌合乎这些前提的消费者占比是20%，比例与大盘中合乎上述前提的人群占比同样。咱们能够以为品牌形象并未胜利建设；换句话说，即便品牌甚么都不做，来消费者的中白领女性比例跟当初也没甚么差异。
咱们在剖析数据的时分，遇到TGI指数太高或者太低的维度，往往是一个冲破口，咱们能够在这个维度上持续深挖。
三、咖啡与混杂变量
我是一个咖啡成瘾者，天天午觉起来比都要来一杯咖啡，所以分外关注咖啡对安康的影响。事实上，咖啡对安康的钻研常常见之于媒体。
一份钻研标明：
钻研后果标明，喝咖啡的人均匀天天要喝两杯咖啡，包罗脱咖啡因咖啡或速溶咖啡或研磨咖啡。他们患慢性肝病的危险比不喝咖啡的人低21%，患慢性肝病或脂肪肝的危险低20%。他们死于慢性肝病的可能性也升高了49%。乏味的是，也有一些钻研标明：“与彻底不喝咖啡的人对比，一天喝1~5杯咖啡的人患心肌梗死的几率高1.34倍。”
作为咖啡喜好者，我固然压服本人置信第一个钻研的论断。
可是为何这些钻研的论断居然会如斯天壤之别，乃至截然相同呢？
我对此的解释是“混杂变量”。
第一份钻研使用的数据是英国的Biobank 英国生物样本库。按照《维基百科》的引见：该生物样本库始于2006年，对40～69 春秋段的500,000 名意愿者的各项生理目标继续进行观测；抽样人群次要来自生物样本库钻研核心周边10-20英里规模内的居民，“以城市人口占多数”。
但是，春秋与经济程度也会间接影响“肝病”。由于也存在这样一种可能性：支出越高的人，越有可能天天消费咖啡；同时，他们也能享用到更好的医疗办事，获取迷信的饮食和熬炼倡议，这些要素可能也会影响慢性疾病的病发。因此，高咖啡消费与低慢性疾发病病率的相干，可能也只是一种简略的相干表象，面前的独特推手是“高支出”。
而以为咖啡无害的钻研中，除了咖啡致使心肌梗死这一种因果解释以外，咱们也能够假定：需求常常熬夜加班这一变量，是让两者存在相干的独特推手——因为需求常常熬夜加班，才会需求少量咖啡因的摄取来放弃清醒；与此同时，熬夜加班也加大了心肌梗死的危险。
这就是面前的“混杂变量”，简略来讲：Z致使了X，Z也致使了Y；乍看起来，X、Y存在因果或者相干，由于它们常常相伴相生。
而这跟TGI又有甚么瓜葛呢？
假如你看到一个数据：未患脂肪肝的人群中，70%的人都是咖啡喜好者，TGI指数是170；而得了患上脂肪肝的人，35%是咖啡喜好者，TGI指数是85。
这是不是象征着喝咖啡能增加得脂肪肝的可能性呢？
经过下面混杂变量的剖析，你会坚决地否认这一设法。
TGI指数也只是一个数字，咱们能够经过太高或者太低的TGI去追求进一步的人群的洞察，然而不料味着这个维度就可以对群体的造成拥有解释力。
专栏作家
简写2019，人人都是产品经理专栏作家。感性派，思考实质问题。坚决地用数据和构造化解决所有问题。
本文原创公布于人人都是产品经理。未经许可，阻止转载
题图来自Unsplash，基于CC0协定
该文观念仅代表作者自己，人人都是产品经理平台仅提供信息存储空间办事。 |
|
注册会员