如何運用 AI 分配有限預算達到效益最大化？【後記】
系列九（連結請點此）我們解釋了管理意涵，而本系列為主題的最後一篇，就讓我們開始吧！
低程式碼決策工具(Low-code app)在自動化預算策略的應用
當然本案沒有因此結束，後續Jasper異想天開詢問：「上次效果不錯，有改善不少！現在既然有這些相關的分析成果，那是否能自動化分配不同廣告預算到不同通路？ 然後也看看自動化的預算策略是否能夠超越人工預算分配策略？ 這樣以後先給機器跑，我就甭這麼累啦~！」
這是完全沒有問題的！筆者團隊善用Python技術結合網頁技術，完成了一組Low-code app網頁應用，讓Jasper團隊往後只要將圖1顯示的行銷通路費用與週營收表來用如圖2與3的拖拉方式（drag and drop）放入到App裡面，即可開始執行分析
檔案上傳成功伊始，機會出現圖4的模樣，讓Jasper可以多加檢視資料表的正確性。
再來可以自行訂定相關需求欄位與需要排除的欄位，如圖5與6所示。
為了更確保Jasper提供的資料建模前之正確性與整潔性，筆者即會產出特徵變數（預測變數）與目標變數（預測目標）表，提供Jasper再次確認要放入迴歸模型變數是否正確，如圖7所示。
令Jasper引頸期盼的部分就來了，點擊如圖8的「行銷效益分析」按鈕後，即會產出圖9的Facebook最適預算。
同時也能縮放市場飽和效應圖表，如圖10所示。
同樣，YouTube與Magazine的效果也能一覽無遺，如圖11與12所示。
在模型表現上，一樣可以使用來預測後續的銷售狀況，如圖13所示。
也可以評估每週營收與信賴區間的上下界，同時可以查看模型表現與誤差部分，以本次案例而言，我們得知預測準確率為近95%且加入了遞延效應與市場飽和效應後的行銷迴歸模型能解釋94%的營收來源，如圖14所示。
接著就來到了Jasper最引頸期盼的「自動預算分配」環節，在圖15中可以輸入Jasper的欲分配的總預算，此例為65,949元，因為每一組行銷通路很難只投少量的費用，例如：1元，所以為了因應各行銷通路的最低的成本投入需求，所以在本例的其他機器學習模型的設計上也有將成本的上、下限給考量進去。甚至我們最高預算部分則採納我們在圖10至12的最適預算自動填入其中，讓Jasper不用花費心力思考每一個通路最高要給多少預算，反而直接請演算法幫Jasper決定。
至於要分配到多長時間，在圖16中Jasper也可以自己輸入想要分配預算的週數，演算法即自動會幫Jasper善用65,949元預算，進而找出最大化的獲利。
接著Jasper就可點擊圖17的「應用預算分配策略」的按鈕。
演算法就會在圖18自動開始找尋最佳的預算分配策略
首先映入眼簾的是圖19的預算成本結果，左圖的「人工預算分配」與右圖的「機器學習優化預算分配」，可以看到人工分配大多集中在數位通路，但根據最大化營收的演算法分析來說，則可見大多預算選擇會放在Magazine，再來則是YouTube與Facebook。
圖20的左表則是這八週來人工預算分配的配比，右表則是演算法建議的預算配比。
圖21是人工預算與機器學習預算所產出的財務結果比較圖，左圖的人工預算分配可以獲得的ROAS為18左右，營收為120萬左右；反觀右圖的機器學習優化預算分配可以獲得的ROAS為24.5，真實ROAS則會落在22.15與26.93的區間，營收為161萬左右，真實營收則會落在146萬與178萬的區間。
由此可知，本機器學習模型在這8週的預算分配下，有95%的信心水準表現的至少會比人工預算分配的結果還要來得更好。
Jasper回饋：「哦哦！ 這真實太棒了！ 這就是我想要的預算分配智慧系統啊！」
Jasper繼續詢問：「那具體好多少呢？」
可從圖22了解到Jasper若使用機器學習預算分配策略，則有95%的信心其真實營收會，遠比自行人工預算分配策略所產出營收還要高26萬到58萬。
Jasper回饋：「這套機制真的太棒了！ 這樣我之後就可以判斷不同商品在不同的行銷通路廣告下，來比較人工與機器學習的建議，進而找到最適的預算分配方法！」
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）
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）
更多實戰案例及情境好文推薦
行銷活動利潤模型與最佳決策點分析【資料分析篇】（附 Python 程式）
行銷活動利潤模型與最佳決策點分析【資料分析篇】（附 Python 程式） 在系列三（連結請點此），筆者帶領讀者解決了第二個問題－「如何用高層
如何使用機器學習提高房仲業潛在成交率？進階資料處理面與基礎建模(附Python程式碼)
如何使用機器學習提高房仲業潛在成交率？ 進階資料處理面與基礎建模(附Python程式碼) 先回顧上一篇文章吧～ 如何使用機器學習提高房仲業潛
資料分析後的下一步？分析結果人人看得懂！ －資料視覺化設計－系列４（附Python程式碼）
資料分析後的下一步？分析結果人人看得懂！ 資料視覺化設計－系列４（附Python程式碼） 歡迎回來「行銷活動效益知多少？顧客回購了嗎？」系列
