行銷活動效益知多少？顧客回購了嗎？ － 資料視覺化產出與分析判讀－系列６（附Python程式碼）

歡迎回來「行銷活動效益知多少？顧客回購了嗎？」系列的最後一篇文章，本篇文章要跟大家分享如何使用plotly套件將資料視覺化，並且存成離線html檔案，無時無刻都可以開啟查看，最後會自動建立一個資料夾存放所有視覺化的檔案。

將資料視覺化之後，要如何判讀資料結果呢…？

不用擔心！在文章的最後會跟大家分享本次資料視覺化的成果！現在就先來看我們如何將資料視覺化吧！

一、資料視覺化

首先，將長條圖設為基底的圖，分別設定好繪製長條圖所需要的元素，x軸為「月份」，y軸為「平均利潤」，顏色是按照「第幾次購買」的不同來區分，以及使用「barmode = ‘group’」，將其以長條圖的方式並排於每個月份，以利比較每個月的狀況，如程式碼1所示。

程式碼1：

# 先畫bar 
fig = px.bar(ad_total_mon,
　　　　　　　　x = '月份', y = '平均利潤',
　　　　　　　　color = ‘第幾次購買’,barmode=”group”)

產出：

行銷活動-critei不同月份中不同客群的利潤（長條圖），如圖1所示。

在上述的基礎條件下加上2張折線圖（各為一條線），第一張「月每人平均利潤」，x軸設為有帶來利潤的月份（mon_list），y軸則是設定我們前面辛苦整理mon_tt_profit中的平均利潤欄位，最後命名為「月每人平均利潤」，如程式碼2所示。

程式碼2：

# bar + scatter(月平均)
fig.add_scatter(x = mon_list, y = mon_tt_profit.平均利潤, name = ‘月每人平均利潤’)

產出：

行銷活動-critei不同月份中不同客群的利潤（長條圖）+每個月每人平均利潤（折線圖），如圖2所示。

第二張「年每人平均利潤」，x軸也是設定為有帶來利潤的月份（mon_list），y軸則是設定前面填補12次年平均利潤的mon_mean_profit，並且在此處設定mode = ‘lines’，這樣就不會有節點出現，讓圖形更加整潔，最後命名為「年每人平均利潤」，如程式碼3所示。

程式碼3：

# bar + scatter(月平均) + scatter(lines型態,年平均)
fig.add_scatter(x=mon_list,y=mon_mean_profit, name = ‘年每人平均利潤’,mode=’lines’)

產出：

行銷活動-critei不同月份中不同客群的利潤（長條圖）+每個月每人平均利潤（折線圖）+ 年每人平均利潤（折線圖），如圖3所示。

最後，使用plotly可以調整外觀的功能，將圖片比例大小以及圖形的顏色、標題名稱、字體大小及顏色、圖例大小與位置都調整成自己想要的樣子。然後，再以離線動態繪圖的方式輸出圖檔，就可以從html開啟，並查看大家辛苦繪製的圖形，同時可以隨心所欲的放大縮小，如程式碼４所示。

程式碼４：

# 調整外觀
fig.update_layout(
　　　　title={'text': '系列1_'+ ad_pd1[ad_num] +'_利潤比較圖' ,
　　　　　　　　'y':0.95,'x':0.2,
　　　　　　　　'xanchor': 'center'},
　　　　title_font_color="black",
　　　　xaxis_title="月份",
　　　　axis = dict(tickformat = ',d',
　　　　　　　　　　　color = 'black'),
　　　　yaxis_title="利潤",
　　　　yaxis = dict(tickformat = ',d',
　　　　　　　　　　　　color = 'black'),
　　　　autosize=False,
　　　　width=1800,
　　　　height=960,
　　　　font=dict(family="Courier New, monospace",
　　　　　　　　　　size=20,
　　　　　　　　　　color="lightslategrey"),
　　　　legend=dict(orientation="h",
　　　　　　　　　　　yanchor="bottom",
　　　　　　　　　　　y=1.02,
　　　　　　　　　　　xanchor="right",
　　　　　　　　　　　x=1),
)
pyplt = py.offline.plot
# 跑出圖檔
pyplt(fig, filename = ‘行銷活動回購分析圖/’+ ad_pd1[ad_num]+’_2018'+’.html’,auto_open = False)

產出：

將圖3調整外觀後之最終圖形，如圖4所示。

最後補充：

1. 此次流程的圖是以其中一個廣告舉例，若想完成執行出全部廣告的圖，只需要把文章【行銷活動效益知多少？顧客回購了嗎？ －資料視覺化設計－系列４】的程式碼1的「critei」換成「ad_pd1[ad_num]」就可以成功執行繪圖階段的程式碼囉。
2. 若只想輸出資料量較充足的廣告類別的話，可以在文章【行銷活動效益知多少？顧客回購了嗎？ －萃取精華資料中的精華－系列５】中的「程式碼2」的最前面加上以下程式碼，如程式碼bonus所示。

程式碼bonus：

# 將資料量太少的排除(可調整：目前為10)
if len(ad_total_mon) < 10:
continue

以上就是本系列文章所有的資料前處理以及繪圖的所有流程。但其實視覺繪圖最重要是最後的資料判讀，接下來會跟大家說明圖形呈現出來後，可以從中看出甚麼管理意涵。

二、管理意涵

我們可以從圖4中先查看「高於」紅線（年每人平均利潤）的藍點是哪幾個，分別為1、2、6、9、11、12月。代表上述幾個月份「利潤」表現是還不錯的，在從這幾個月當中看到6月份第二次購買客群的每人平均利潤是最高的，因此可以在6月份時，此行銷活動（critei）是可以多針對回購的客群行銷，以達到讓第二次購買的人數增加，使整體的利潤更上一層樓。

我們再舉一個例子，看看下方這張圖5，大家會怎麼去做判斷呢？

如同剛剛的判斷方法一樣，我們可以看出2月以及11月的點都比年每人平均利潤還要高相當的多，代表此行銷活動(ikip)這兩個月的行銷效果是相當不錯的。再看看他們的組成的分布情形，完全都只有第一次購買的客群，也就是說，如果想要提升更多的利潤的話，可以在2月跟11月的時候，建議多向新客作行銷推廣，達到我們「利潤上升」的目的！

本次系列的文章就到此結束！希望大家看完本系列後都有吸收到充實的內容！

Thinking smarter makes you work smarter
如果你喜歡我的文章的話，請給我一點拍手~
如果你覺得喜歡又實用的話，請給我更多的拍手！

程式碼：行銷活動效益知多少？顧客回購了嗎？ － 資料視覺化與分析圖中管理意涵－系列６（附Python程式碼）

作者：張友志 (臺灣行銷研究特邀作者)、鍾皓軒（臺灣行銷研究有限公司創辦人）

行銷活動效益知多少？顧客回購了嗎？－取出關鍵資料－系列1（附Python 程式碼）
行銷活動效益知多少？顧客回購了嗎？ －建立會員消費紀錄資料庫－系列2（附Python程式碼）
行銷活動效益知多少？顧客回購了嗎？－彙整資料視覺化所需的基本元素－系列3（附Python程式碼）
行銷活動效益知多少？顧客回購了嗎？ －資料視覺化設計－系列4（附Python程式碼）
行銷活動效益知多少？顧客回購了嗎？ －萃取精華資料中的精華－系列5（附Python程式碼）