如何運用 AI 分配有限預算達到效益最大化？
【自動預算分配篇 - Part 2】（附 Python 程式）

在系列七（連結請點此）產出了初步的分析成果，接著讓筆者開始帶領各位讀者用Python動態視覺化三組行銷通路，後續再佐以相關圖表來闡述視覺化之管理意涵。

讀者可從下述QR code或從下述GitHub repository鏈接中找到topic02_forecast-marketing-roas-and-budget-optimization資料夾，將其複製（clone）下來，一起隨筆者實作程式碼。

https://github.com/HowardNTUST/Marketing-Data-Science-Application/tree/master/ai-marketing-book/topic02_forecast-marketing-roas-and-budget-optimization

由程式碼10即可動態視覺化知Facebook通路的遞延效應與飽和效應，並產出00_【Facebook】 — 廣告延遲效用圖.html、01_【Facebook】 — 廣告飽和效用圖.html、02_【Facebook】 — 預算與毛利分析圖.html。

特別需要請讀者注意的是「01_【Facebook】 — 廣告飽和效用圖.html」即呈現了之前提過的指數分佈之形狀，可見目前最大投遞預算（max budget so far）為13,901元，其飽和度（saturation point）為77.37%，但經機器學習之運算，則建議可以將預算提升到16,582元，其飽和度為83%，同時也可以得知其營收狀況。

而「02_【Facebook】 — 預算與毛利分析圖.html」則是接續「01_【Facebook】 — 廣告飽和效用圖.html」之延伸，筆者將其y軸置換成毛利（營收-行銷通路費用），如此便可找到行銷費用對應的最高毛利所在，故本例之Facebook通路之預期最高毛利（Expected max margin）為137,006元，且對應值飽和度同樣為83%。往後我們將以預算與毛利分析圖配合「00_【Facebook】 — 廣告延遲效用圖.html」來闡述相關之管理意涵。

程式碼 10

# %%
# SECTION - 程式碼10

# Facebook的遞延效應與飽和效應
fb_prop_budget, Carryover_plot, saturation_fig, budget_margin_plot = effect_plot(
X=X, variable_name=(variable_name := ‘Facebook’),
tuned_model=tuned_model, best_param=best_param, only_prop_budget=False)

# !SECTION – 程式碼10

產出成果

由程式碼11即可動態視覺化知YouTube通路的遞延效應與飽和效應，並產出00_【Youtube】 — 廣告遞延效用圖.html、01_【Youtube】 — 廣告飽和效用圖.html、02_【Youtube】 — 預算與毛利分析圖.html。

程式碼 11

# %%
# SECTION - 程式碼11
# Youtube的遞延效應與飽和效應
yt_prop_budget, Carryover_plot, saturation_fig, budget_margin_plot = effect_plot(
    X=X, variable_name=(variable_name := 'Youtube'),
    tuned_model=tuned_model, best_param=best_param, only_prop_budget=False)

# !SECTION – 程式碼11

產出成果

由程式碼12即可動態視覺化知Magazine通路的遞延效應與飽和效應，並產出00_【Magazine】 — 廣告遞延效用圖.html、01_【Magazine】 — 廣告飽和效用圖.html、02_【Magazine】 — 預算與毛利分析圖.html。

程式碼 12

# %%
# SECTION - 程式碼12
# Magazine的遞延效應與飽和效應
mg_prop_budget, Carryover_plot, saturation_fig, budget_margin_plot = effect_plot(
X=X, variable_name=(variable_name := 'Magazine'),
tuned_model=tuned_model, best_param=best_param, only_prop_budget=False)

# !SECTION – 程式碼12

產出成果

本系列用Python動態視覺化了三組行銷通路，下個系列則是本主題最後一個系列文，將帶Jasper查看本分析主題的管理意涵，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！

系列一：AI 幫您擬定最適行銷預算分配戰略【個案資料與情境介紹篇】

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）

系列九：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）