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

圖1. 行銷預算與營收表示意
圖2. 拖拉(drag and drop)行銷預算與營收表進App即可開始分析
圖3. 拖拉(drag and drop)行銷預算與營收表進App即可開始分析

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。

圖4. 分析前的輸入資料檢視

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。

圖5. 自訂目標變數
圖6. 自訂排除的欄位

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。

圖7. 再次檢視預測變數與預測目標變數

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。

圖8. 點擊「行銷效益分析」按鈕,開始機器學習分析
圖9. Facebook最適預算圖表

同時也能縮放市場飽和效應圖表,如圖10所示。

圖10. Facebook動態市場飽和效應圖表

同樣,YouTube與Magazine的效果也能一覽無遺,如圖11與12所示。

圖11. YouTube最適預算圖表
圖12. YouTube動態市場飽和效應圖表

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。

圖13. 行銷迴歸模型的銷售預測動態圖表

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。

圖 14. 模型表現表

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。

圖15. 自動預算分配輸入表

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。

圖16. 可輸入想要分配預算的週數

接著Jasper就可點擊圖17的「應用預算分配策略」的按鈕。

圖17. 點擊應用預算分配策略按鈕,開始自動化預算分配

演算法就會在圖18自動開始找尋最佳的預算分配策略

圖18. 自動化預算分配演算

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19. 「人工預算分配」與「機器學習優化預算分配」成本架構圖

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20. 「人工預算分配」與「機器學習優化預算分配」成本架構表

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。

圖21. 人工預算與機器學習預算財務結果比較圖

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。

圖22. 人工與機器學習優化預算分配策略收益差距圖表

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!」



 

更多實戰案例及情境好文推薦

回到頂端