Data Knows，用分析师的观点解答一切关于数据的疑问，以第一财经商业数据中心（CBNData）专业的数据研究成果为载体，告诉你如何利用大数据协助日常商业决策。
写在前面
一般说来，商家在进行决策时，尤其是在进行市场细分决策时，往往会看到这样的描述：某高端女性护肤品牌A的目标消费群体是一二线城市，年龄在30-40岁间，高消费档次的女性消费者（此处应有都市女金领配图）。那么，具有以上属性的目标消费者是如何从消费群体中被识别出来的？这些描述的背后，是经过数据分析得出的消费者洞察。而年龄、性别、地域、消费档次、消费深度等便是用来区分消费者人群的常用属性。为了达到更精准的消费者细分，就需要不同维度属性的交叉分析，这个过程中往往会出现一些常见的错误，其实有一种方法就可以避免。
本期Data Knows就要告诉你如何利用数据分析来得出这些消费者洞察，并避免数据分析中的一些常见错误。
人群识别如此简单？
Sooo Naive！—基数偏见，人群识别中的常见问题之一深夜，上海市区某甲级写字楼仍灯火通明，A品牌营销同学小A看到数据分析师D仔拉出的A品牌“按消费者年龄层分布的线上销售额柱状图”后，小A得出以下结论：A品牌最主要的消费群体应该是23-28岁的消费人群，然后是29-35岁消费人群。
其实，小A恰恰产生了数据分析中最易产生的偏见之一，基数偏见，即在不知道基数的情况下做出的判断。此时D仔拍醒了沉浸在“人群识别如此简单”幻想中的小A，给她亮出加入了低端护肤品牌B、所有护肤品，以及线上消费大盘后的柱状图：
小A立刻注意到，好像对于低端品牌B、所有的护肤品、乃至整个线上消费的大盘而言，主要的消费群体都是23-28岁人群，其次才是29-35岁人群。
难道所有护肤品牌商的目标客群都是23-35岁人群吗？
正当小A面对屏幕陷入迷思之际，D仔在其身后幽幽说道：“其实，缘于23-35岁的年轻人群是线上消费人群中人数占比最多，因此，在大多数的类目消费中，23-35岁的人群均为占比最大的人群。不可否认，这群人是品牌最大的销售额贡献人群，但考虑到在人数众多的23-35岁人群中找到目标消费者，如同大海捞针，而且并不能与其他品牌的消费目标人群产生区隔。因此，通过对比其他护肤品牌会有不一样的发现。如上图，加入了B品牌后，我们发现A品牌的36岁以上人群消费占比明显高于B品牌及护肤品整体，所以正确的结论应该是36岁以上人群才是A品牌的目标消费群体。
在这里我要教你一种算法。迎着小A眼中的小星星，D仔在白板上写下“TGI”三个字符。
换个算法，还你真相！
通过TGI算法识别结果：同样的数据，相反的结论！“TGI代表着Target Group Index，直译为目标人群指数，也经常被称为偏好度或重要性。一般常被用于统计中，用以判定特定群体的强势或弱势，算法多样。而我们用来判别人群的TGI算法则被称为人群TGI，人群TGI指数=目标群体中具有某一特征的群体所占比例/总体中具有相同特征的群体所占比例*标准数100。 ”D仔在白板上写完公式后，回头看着眼睛有些发直的小A接着说道：
“如果在这次案例中应用TGI算法，我们可以看出对于A品牌来说，36-50岁与50岁以上人群才是人群TGI指数最高的消费人群，换句话说，也是对A品牌最偏好的人群，而原定的23-35岁人群其实对于A品牌并不偏好。35岁以上人群的消费能力更强，客单价高，也更符合我们A品牌的高端定位，因此将这群人定为目标消费者才是最有效的营销策略。同时对比我们的竞品B品牌，人群TGI指数显示18-28岁的青少年群体更偏好定位低端的B品牌，因此他们的目标消费者应该定为更年轻的人群。”
潜在客户才最重要！
人群TGI指数-减法，找到更大的潜在偏好人群D仔摇了摇没什么反应的小A，接着说道：“其实还没完呢，从这种人群TGI算法得出的结论应该是50岁以上人群才是最偏好我们A品牌的客户，但其实我们最应该关注的是人群TGI指数第二高的36-50岁人群。”
此时此刻，小A一脸懵……
D仔接着说道：“从数学原理判断，50岁以上人群基数较小，占大盘4%，而36-50岁人群基数相对较大，占大盘17%，基数小的人群更容易在人群TGI计算中出现较大的偏好度，因此仅仅按照偏好度作为依据，容易错误地把小基数群体作为目标人群，从而忽略更大的潜在偏好人群。为了克服这种偏见，我们可以采取减法的方式来计算人群TGI指数，算法为人群TGI指数=目标群体中具有某一特征的群体所占比例-总体中具有相同特征的群体所占比例。缘于原数值能够体现具体场景中的差异度，因此在减法TGI算法中无需标准化计算。”
D仔说着又重新拉出一张柱状图，这次36-50岁人群成为了最偏好A品牌人群。小A恍然大悟道：“这次的结果我理解啦，就是36-50岁人群比起其他人群占整体销售额5%的偏好度，而50岁以上人群有2%的偏好度，因此如果能抓住36岁以上人群，我们至少能抓住品牌总销售额的7%！”
听完后，D仔一脸鄙视：“额，简单来说可以这么理解吧。总之，TGI的使用也是有规则和前提的。”接着，D仔在白板上写下一行大字：人群TGI算法使用须知。写完后D仔头也不回的走出办公室大门，深藏功与名，只留下小A一个人在空荡荡的办公室，呆呆地看着黑板上的使用须知，二脸懵逼……
敲黑板划重点时间！
人群TGI算法使用须知
- 人群TGI使用前提是拥有全量大盘数据作为参照；
- 人群TGI算法的大盘参照的选择：在业务场景下，优先使用大类目的大盘，例如A品牌使用护肤品消费大盘而非线上消费整体大盘，这样便于理解基于特定类目消费的特殊性；
- 人群TGI算法中减法与除法的选择：a)除法：强调相对值差异，适用场景：各分组间占比差异较大，需突出占比小分组b)减法：强调绝对值差异，适用场景：各分组间占比差异较小，需突出占比大分组
在决定目标消费人群的场景下，我们需突出占比大人群，因此需选择减法；
- 除了人群TGI算法外还有品类TGI算法，用于判断特定群体对于购物篮中各品类的偏好度，且听下回分解。
本文由 第一财经商业数据中心 投稿至数据分析网，并经编辑发布，版权归原作者所有，转载请与作者联系。
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
