如何運用 AI 分配有限預算達到效益最大化？
【個案資料與情境介紹篇】

當談及行銷預算時，通常會想到的是行銷預算分配可以根據公司的目標和需求進行調整。一般來說，行銷預算可以分配到不同的行銷通路上，例如：廣告、公關、內容行銷、社群媒體行銷等。預算分配的比例也可依據公司的目標和預期效益進行調整。如果公司的目標是增加品牌知名度與曝光度，那麼在品牌形象的媒體廣告支出的比重可能就較高，例如，奧美廣告公司為全聯製作的「經濟美學系列影片」，即是在用各種「金句」打造一種全聯在生活無所不在的觀感，吸引更多消費者至全聯購物；如果目標是提高銷售額，那麼像是內容行銷和社群媒體行銷就更加重要了。

上次Jasper經歷過主題1精準行銷的洗禮後，接著又遇到了難題，便回饋給筆者：「上次的精準行銷操作確實有協助企業增長商品利潤率與舊客回頭率，不過我們這次遇到的難題是…」

為了方便讀者閱讀，筆者點列呈現並讓讀者先睹為快本章難題：

1. 上個主題的A商品等其他重點商品具完整的CRM資料，但依然有不少商品僅有行銷通路在一段期間的費用與營收記錄，並無每一位顧客的詳盡資料，且資料通常僅有幾百筆，這樣也可以做分析嗎？

2. 推出的數位廣告和實體廣告，諸如：品牌行銷或雜誌廣告仍難以追蹤廣告效益（例如：ROAS，廣告投資報酬率），我們該如何知道廣告是否有效呢？

3. 我們可以能夠透過現有的通路花費資料來預測未來商品收益嗎？

4. 可以知道花費到多少錢就不用再打廣告了嗎？

5. 發佈每一則廣告後，在各通路可以維持多久的成效呢？

6. 是否能自動化分配不同廣告預算到不同通路？自動化的預算策略是否能夠超越人工預算分配策略？

於是筆者又開始與Jasper新一輪的合作。面臨上述挑戰，筆者將介紹如何使用機器學習技術來幫助Jasper回饋了上述疑問，同時協助Jasper自動化擬定最適行銷預算分配策略。筆者接下來將詳細說明公司行銷預算分配策略的決策過程與Python程式碼實作，讓讀者有一個全面的了解。

對了，Jasper最後還補了一句酸味十足的話語：「過往老總給我們的行銷預算，基本上我們都是按照直覺來分配的，哈哈！ 時好時壞，每次投廣告就想算命一樣，希望透過本次的學習與實作，我們可以不用再充當算命師了。」

相信多數人在做行銷通路預算分配時，也是在通靈與算命，但真的只能如此嗎？ 我們能善用所有幾乎所有企業都拿得出來的數據讓「通靈」與「算命」更加準確嗎？

讓通靈與算命更準確？ 需要的資料沒想象中複雜！

擔任數據品質解決方案公司（Data Quality Solutions）總裁與奇異公司全球研究中心（GE Global Research）應用統計實驗室負責人的湯瑪斯．雷曼 （Thomas C. Redman）與羅傑．賀爾（Roger W. Hoerl）於2019年的哈佛商業評論（HBR）上，發表了一篇文章〈大多數分析專案沒那麼需要大數據〉 （Most Analytics Projects Don’t Require Much Data）(Redman & Hoerl, 2019)，內容提到小數據有助於讓人們得以快速取得相關資料，並且每個小數據專案在美國係有機會在每年產出1萬到25萬美元的財務收益。所以在Jasper所面臨做精準行銷數據量不足且數據蒐集成本有限的狀況下，首要的是要調整思維，切勿因數據量或數據資訊量不足而放棄，反而應優先重視該專案現有的數據品質是否堪以分析。

就算有不少商品僅有行銷通路在一段期間的費用與營收記錄，只要資料品質是優質且無污染的，就算該商品資料沒有包含每一位顧客的詳盡資料，也可以在資料僅有幾百筆的狀況下來做數據分析。

以本案為例，讀者可從圖1與2中知曉筆者為Jasper團隊所使用的資料形態僅包含簡單的每週行銷通路花費，如：Facebook、YouTube與Magazine每週花費；以及每週該商品的營收，總共200筆的資料。這樣即可分析上述疑問。同樣的，請讀者特別注意，本案提供的所有資料皆為非真實之模擬資料（讀者可點此連結，來查看更詳細的資料）。

為了分別讀者理解，筆者也在此羅列本案情境，讓讀者更能有沉浸式體驗一同與筆者來分析本案：

1. 商品：Jasper團隊要行銷的B商品，本商品為家用類的科技產品，讀者可以自行想象與冰箱相似之中、大型科技產品。

2. 價格: $45,000新台幣左右

3. 營收/成交通路：98%皆是透過實體通路銷售，僅有2%是從網路銷售出去

4. 行銷通路：公司近4年建立了YouTube自媒體、Facebook社區等行銷通路，同時也通過雜誌、廣告牌等實體行銷通路來行銷本商品。

5. 資料：過去4年的去識別化模擬資料。

Jasper接著回饋：「原來如此！ 雖然這些小資料不足以做之前合作過的精準行銷案件，但有上述小數據原來就可以完成數據分析工作了！」

Jasper繼續問：「那接下來這些資料有辦法推估不同廣告，例如品牌行銷或雜誌廣告，這種難以評估廣告投資報酬率（ROAS）的廣告嗎？ 雖然FB等廣告可以埋Pixel追蹤，但是不少人會因為看過FB廣告與我們雜誌等廣告直接搜我們的產品然後購買，所以這種狀況是否也能估計呢？ 以便我們評估這些廣告到底有無效果。」

在下個系列文，筆者將進入到程式碼，帶領讀者以及Jasper解決廣告有效性評估的問題，敬請期待！

以下筆者綜整了本主題各系列的連結以及其餘主題的連結，歡迎讀者取用！

系列二：AI 幫您擬定最適行銷預算分配戰略【廣告有效性篇 — Part 1】（附 Python 程式）

系列三：AI 幫您擬定最適行銷預算分配戰略【廣告有效性篇 — Part 2】（附 Python 程式）

系列四：AI 幫您擬定最適行銷預算分配戰略【預測營收篇】（附 Python 程式）系列五：AI 幫您擬定最適行銷預算分配戰略【市場飽和效應篇】

系列六：AI 幫您擬定最適行銷預算分配戰略【遞延效應篇】

系列七：AI 幫您擬定最適行銷預算分配戰略【自動預算分配篇 — Part 1】（附 Python 程式）

系列八：AI 幫您擬定最適行銷預算分配戰略【自動預算分配篇 — Part 2】（附 Python 程式）

系列九：AI 幫您擬定最適行銷預算分配戰略【自動預算分配篇 — Part 3】（附 Python 程式）

系列十：AI 幫您擬定最適行銷預算分配戰略【後記】

主題總頁：AI行銷學實作篇故事情境介紹 & AI行銷學分析工具應用實戰

作者：鍾皓軒（臺灣行銷研究有限公司 創辦人）、蔡尚宏（臺灣行銷研究 資料科學家）