2023年什么是TGI指數(shù)

什么是TGI指數(shù)？某出行平臺曾經(jīng)發(fā)布過一份數(shù)據(jù)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。

我們今日爭論的TGI概念，就與這個小故事有關(guān)。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之后再爭論。

一、TGI是什么？

TGI是英文TargetGroupIndex的縮寫，直譯為“目標群體指數(shù)”。計算方法特別簡潔：

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）供應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(jiān)曾經(jīng)特地組織過一次爭論：該怎么更科學、更簡潔地向客戶介紹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(shù)。即，我們觀看的這部分群體，是否更多（或更少）分布在該維度上。

舉個簡潔的例子。我在讀高校時，我們專業(yè)的男女比為1:3，即女生所占比例為75%。明顯，這是一個讓其他理工科專業(yè)男生非常艷羨的男女比，由于我們同級3000多人中，女生占比約為50%。

在這種狀況下，我們專業(yè)女生性別TGI=75%/50%*100=150。而TGI大于100，則說明我們專業(yè)中女生占比更高。

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

明顯不會。由于錨定的群體中，女生占比接近100%（由于還有我們幾個男生在，分子略小于分母），而我們專業(yè)中的女生比例只有75%，少于大盤。

讓我們回到一開頭的小故事中。假如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(shù)為60%/30%*100=200，遠高于100，那么可以說凱迪拉克車主“更”愛去。

需要留意的是：假如只看60%這一單一的數(shù)字，我們無法是無法“更愛去”這個結(jié)論的，頂多說他們“愛去”。假如中國車主60%去洗浴中心，那么凱迪拉克車主并未表現(xiàn)出明顯的偏好性，只是符合一般規(guī)律而已。

所以，我們不能孤立地看待一個數(shù)據(jù)，它只是一個冷冰冰的數(shù)字而已。我們必需將它帶入到詳細的情景當中，我們才能推斷這個數(shù)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(shù)定律與品牌的同質(zhì)人群假設

我們上學校時就知道：當擲硬幣的次數(shù)越多，正面消失的概率越來越趨近于0.5。

將大數(shù)定律延長到我們的人群畫像中也類似、我們觀看的某個群體數(shù)量越多，其在某個特征的分布，應當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、省份分布應當是類似的。即，子集在某個維度上的分布，應當與大盤相同。

但是，我們常常會發(fā)覺，子集在某個維度上的分布，比大盤要高或者低。那究竟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(zhì)人假說”——某個品牌的目標消費者（TargetAudience），是一群有著相像年齡、性別、地域、消費力量、價值觀的群體。比如，許多品牌官網(wǎng)上可能會明確介紹：我們品牌和產(chǎn)品，主要面對25-30歲的白領女性，她們居住在一線和新一線，追求新奇的事物，等等。

同質(zhì)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(fā)特定產(chǎn)品，并利用特定媒體渠道進行廣告觸達，即品牌更盼望找到某一類人；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(chǎn)品和品牌，即某一類人也會找到適合自己的品牌。

同質(zhì)性假說造成的結(jié)果則是某個相像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，假如我們觀看的群體，在某個維度上的分布，跟大盤相比消失了較大的特別（過高/過低），我們可以假設是品牌造成的這種差異（究竟在真實社會中，要精確?????計算某個因素的解釋力特別困難），而這往往可以評估品牌建立的有效性。

比如品牌A盼望吸引25-30歲的一線白領女性，通過CRM數(shù)據(jù)分析發(fā)覺：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勝利建立；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(xiàn)在也沒什么差別。

我們在分析數(shù)據(jù)的時候，遇到TGI指數(shù)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連續(xù)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，所以非常關(guān)注咖啡對健康的影響。事實上，咖啡對健康的討論常常見之于媒體。

一份討論表明：

討論結(jié)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%。

好玩的是，也有一些討論表明：“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，我當然勸說自己信任第一個討論的結(jié)論。

可是為什么這些討論的結(jié)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”。

第一份討論使用的數(shù)據(jù)是英國的Biobank英國生物樣本庫。依據(jù)《維基百科》的介紹：該生物樣本庫始于2022年，對40～69年齡段的500,000名志愿者的各項生理指標持續(xù)進行觀測；抽樣人群主要來自生物樣本庫討論中心周邊10-20英里范圍內(nèi)的居民，“以城市人口居多”。

然而，年齡與經(jīng)濟水平也會直接影響“肝病”。由于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(yī)療服務，獲得科學的飲食和熬煉建議，這些因素可能也會影響慢性疾病的發(fā)病。因此，高咖啡消費與低慢性疾病發(fā)病率的相關(guān)，可能也只是一種簡潔的相關(guān)表象，背后的共同推手是“高收入”。

而認為咖啡有害的討論中，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：需要常常熬夜加班這一變量，是讓二者存在相關(guān)的共同推手——由于需要常常熬夜加班，才會需要大量咖啡因的攝入來保持糊涂；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”，簡潔來說：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(guān)，由于它們常常相伴相生。

而這跟TGI又有什么關(guān)系呢？

假如你看到一個數(shù)據(jù)：未患脂肪肝的人群中，70%的人都是咖啡愛好者，TGI指數(shù)是170；而患有脂