TGI是英文Target Group Index的缩写，直译为“目标群体指数”。计算方法非常简单：

TGI = [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]*100

举个简单的例子。我在读大学时，我们专业的男女比为1:3，即女生所占比例为75%。显然，这是一个让其他理工科专业男生十分羡慕的男女比，因为我们同级3000多人中，女生占比约为50%。

在这种情况下，我们专业女生性别TGI = 75%/50%*100 = 150。而TGI大于100，则说明我们专业中女生占比更高。

但是大家再考虑一种状况：如果我们专业归属在女校之中（假设我们专业比较特殊，允许招收男生），那么大家还会觉得我们专业的女生更多吗？

显然不会。因为锚定的群体中，女生占比接近100%（因为还有我们几个男生在，分子略小于分母），而我们专业中的女生比例只有75%，少于大盘。

某出行平台曾经发布过一份数据分析报告，指出“凯迪拉克车主最爱去洗浴中心”，一时引来多方热议。如果60%凯迪拉克车主都爱去洗浴中心，而整个豪车群体只有30%的车主爱去，那么凯迪拉克车主在“爱去洗浴中心”的TGI指数为60%/30%*100=200，远高于100，那么可以说凯迪拉克车主“更”爱去。

需要注意的是：如果只看60%这一单一的数字，我们是无法得出“更爱去”这个结论的，顶多说他们“爱去”。如果中国车主60%去洗浴中心，那么凯迪拉克车主并未表现出明显的偏好性，只是符合一般规律而已。

所以，我们不能孤立地看待一个数据，它只是一个冷冰冰的数字而已。我们必须将它带入到具体的情景当中，我们才能判断这个数字是高还是低、是大还是小。

其中我们可以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。