人群識別的常見錯誤，一種方法就可避免

一般說來，商家在進行決策時，尤其是在進行市場細分決策時，往往會看到這樣的描述：某高端女性護膚品牌A的目標消費群體是一二線城市，年齡在30-40歲間，高消費檔次的女性消費者（此處應有都市女金領配圖）。那么，具有以上屬性的目標消費者是如何從消費群體中被識別出來的？這些描述的背后，是經過數(shù)據(jù)分析得出的消費者洞察。而年齡、性別、地域、消費檔次、消費深度等便是用來區(qū)分消費者人群的常用屬性。為了達到更精準的消費者細分，就需要不同維度屬性的交叉分析，這個過程中往往會出現(xiàn)一些常見的錯誤，其實有一種方法就可以避免。

本期Data Knows就要告訴你如何利用數(shù)據(jù)分析來得出這些消費者洞察，并避免數(shù)據(jù)分析中的一些常見錯誤。

人群識別如此簡單？

Sooo Naive！---基數(shù)偏見，人群識別中的常見問題之一

深夜，上海市區(qū)某甲級寫字樓仍燈火通明，A品牌營銷同學小A看到數(shù)據(jù)分析師D仔拉出的A品牌“按消費者年齡層分布的線上銷售額柱狀圖”后，小A得出以下結論：A品牌最主要的消費群體應該是23-28歲的消費人群，然后是29-35歲消費人群。

其實，小A恰恰產生了數(shù)據(jù)分析中最易產生的偏見之一，基數(shù)偏見，即在不知道基數(shù)的情況下做出的判斷。此時D仔拍醒了沉浸在“人群識別如此簡單”幻想中的小A，給她亮出加入了低端護膚品牌B、所有護膚品，以及線上消費大盤后的柱狀圖：

小A立刻注意到，好像對于低端品牌B、所有的護膚品、乃至整個線上消費的大盤而言，主要的消費群體都是23-28歲人群，其次才是29-35歲人群。

難道所有護膚品牌商的目標客群都是23-35歲人群嗎？

正當小A面對屏幕陷入迷思之際，D仔在其身后幽幽說道：“其實，緣于23-35歲的年輕人群是線上消費人群中人數(shù)占比最多，因此，在大多數(shù)的類目消費中，23-35歲的人群均為占比最大的人群。不可否認，這群人是品牌最大的銷售額貢獻人群，但考慮到在人數(shù)眾多的23-35歲人群中找到目標消費者，如同大海撈針，而且并不能與其他品牌的消費目標人群產生區(qū)隔。因此，通過對比其他護膚品牌會有不一樣的發(fā)現(xiàn)。如上圖，加入了B品牌后，我們發(fā)現(xiàn)A品牌的36歲以上人群消費占比明顯高于B品牌及護膚品整體，所以正確的結論應該是36歲以上人群才是A品牌的目標消費群體。

在這里我要教你一種算法。迎著小A眼中的小星星，D仔在白板上寫下“TGI”三個字符。

換個算法，還你真相！

通過TGI算法識別結果：同樣的數(shù)據(jù)，相反的結論！

“TGI代表著Target Group Index，直譯為目標人群指數(shù)，也經常被稱為偏好度或重要性。一般常被用于統(tǒng)計中，用以判定特定群體的強勢或弱勢，算法多樣。而我們用來判別人群的TGI算法則被稱為人群TGI，人群TGI指數(shù)=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*標準數(shù)100。 ”D仔在白板上寫完公式后，回頭看著眼睛有些發(fā)直的小A接著說道：

“如果在這次案例中應用TGI算法，我們可以看出對于A品牌來說，36-50歲與50歲以上人群才是人群TGI指數(shù)最高的消費人群，換句話說，也是對A品牌最偏好的人群，而原定的23-35歲人群其實對于A品牌并不偏好。35歲以上人群的消費能力更強，客單價高，也更符合我們A品牌的高端定位，因此將這群人定為目標消費者才是最有效的營銷策略。同時對比我們的競品B品牌，人群TGI指數(shù)顯示18-28歲的青少年群體更偏好定位低端的B品牌，因此他們的目標消費者應該定為更年輕的人群。”

潛在客戶才最重要！

人群TGI指數(shù)-減法，找到更大的潛在偏好人群

D仔搖了搖沒什么反應的小A，接著說道：“其實還沒完呢，從這種人群TGI算法得出的結論應該是50歲以上人群才是最偏好我們A品牌的客戶，但其實我們最應該關注的是人群TGI指數(shù)第二高的36-50歲人群?！?

此時此刻，小A一臉懵......

D仔接著說道：“從數(shù)學原理判斷，50歲以上人群基數(shù)較小，占大盤4%，而36-50歲人群基數(shù)相對較大，占大盤17%，基數(shù)小的人群更容易在人群TGI計算中出現(xiàn)較大的偏好度，因此僅僅按照偏好度作為依據(jù)，容易錯誤地把小基數(shù)群體作為目標人群，從而忽略更大的潛在偏好人群。為了克服這種偏見，我們可以采取減法的方式來計算人群TGI指數(shù)，算法為人群TGI指數(shù)=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。緣于原數(shù)值能夠體現(xiàn)具體場景中的差異度，因此在減法TGI算法中無需標準化計算?！?

D仔說著又重新拉出一張柱狀圖，這次36-50歲人群成為了最偏好A品牌人群。小A恍然大悟道：“這次的結果我理解啦，就是36-50歲人群比起其他人群占整體銷售額5%的偏好度，而50歲以上人群有2%的偏好度，因此如果能抓住36歲以上人群，我們至少能抓住品牌總銷售額的7%！”

聽完后，D仔一臉鄙視：“額，簡單來說可以這么理解吧?？傊?，TGI的使用也是有規(guī)則和前提的?！苯又珼仔在白板上寫下一行大字：人群TGI算法使用須知。寫完后D仔頭也不回的走出辦公室大門，深藏功與名，只留下小A一個人在空蕩蕩的辦公室，呆呆地看著黑板上的使用須知，二臉懵逼......

敲黑板劃重點時間！

人群TGI算法使用須知

人群TGI使用前提是擁有全量大盤數(shù)據(jù)作為參照；

人群TGI算法的大盤參照的選擇：在業(yè)務場景下，優(yōu)先使用大類目的大盤，例如A品牌使用護膚品消費大盤而非線上消費整體大盤，這樣便于理解基于特定類目消費的特殊性；

人群TGI算法中減法與除法的選擇：a) 除法：強調相對值差異，適用場景：各分組間占比差異較大，需突出占比小分組b) 減法：強調絕對值差異，適用場景：各分組間占比差異較小，需突出占比大分組

在決定目標消費人群的場景下，我們需突出占比大人群，因此需選擇減法；

除了人群TGI算法外還有品類TGI算法，用于判斷特定群體對于購物籃中各品類的偏好度，且聽下回分解。