運用盒鬚圖選擇最好的廣告 -
電商產業廣告效益分析（附Python程式碼）

資料科學人員需要進行資料呈現時，比起直接提供平均數、中位數、最大最小值等敘述性指標，透過盒鬚圖來進行呈現也是良好的選擇，不但能將資料的分佈一目了然地呈現出來，快速掌握狀況外；也能讓我們在進行統計檢定及迴歸預測前，能使用成果產生初步的決策參考。

本次使用的資料與前CH3–2的折線圖章節同為「電商交易資料.csv」，透過該資料繪製盒鬚圖，了解產品系列在不同月份的廣告效益。

一、引入套件包與原始資料

首先，將本次會使用到的套件包以及分析資料引入，如程式碼1所示：

程式碼1：

# 引入套件包

import pandas as pd

import os

from collections import Counter

import heapq

import plotly.offline as py

import plotly.graph_objects as go

# 引入電商資料

data = pd.read_csv(“電商交易資料.csv”, encoding=’utf-8-sig’)

data.head()

產出：

二、資料處理

在基礎資料處理的部分，我們主要會針對兩項重點進行處理，分別為：

(一) 欄位與產品系列篩選

由於該電商資料共有近百種的產品系列，每種系列常用的廣告宣傳方式以及廣告可以帶來的效益都有所不同。因此本章節會先以「系列4」的資料用來製圖和分析，透過下方程式可透過「系列」欄位，將「系列4」以外的資料給篩選掉，並將本次製圖不需使用到的資料欄位移除，如顏色、性別、年齡等。

程式碼2：

data = data[[‘單價’, ‘成本’, ‘系列’, ‘訂單時間’, ‘廣告代號all’]]

data = data[data[‘系列’] == ‘系列4’]

data.head()

產出：

篩選完之後可透過變數檢視器看到，資料集「data」的資料成功從35萬筆左右篩選到剩下11059筆了。

(二) 篩選廣告系列名稱

資料集中的「廣告代號all」欄位內的編號依序為「廣告系列」(如YND、KDPOD2等)與「廣告細項」(如pid)。

展開資料集「data」可以發現，該資料集在廣告方面的記載十分詳盡，舉例來說：光是廣告系列「KDPOD」就有「qrtist」、「chiciMT」、「select」、「chicihey」…等細項分枝。若要考慮到如此大量的廣告種類，除了資料集被大量廣告平分下來會有個別資料過少問題，龐大的類別也會使資料處理及呈現變得雜亂，因此在進行資料呈現時只考慮廣告「系列」，而忽略廣告「細項」。

透過程式碼3，依照廣告資料格式使用「split」功能將廣告名稱依照「_」切分開來，如下所示。

程式碼3：

ad_split = data['廣告代號all'].str.split('_', expand=True)

ad_split

產出：

我們可以從上方圖3. 得知，若只想取得廣告系列名稱的話，則需取出編號1的欄位。

透過程式碼4，我們將編號1的欄位取出後存成串列「ad_series」，並透過程式碼5將「ad_series」放入資料集「data」中，形成新欄位「廣告代號」。

程式碼4：

ad_series = data['廣告代號all'].str.split('_', expand=True)[1].tolist()

print(ad_series[:10])

產出：

['YND', 'YND', 'YND', 'YND', 'YND', 'YND', 'YND', '自然流量', '自然流量', '自然流量']

程式碼5：

data['廣告代號'] = ad_series

data.head()

產出：

三、進階資料處理－挑選主力廣告

即使已經忽略廣告的細部分枝，展開資料集仍可發現一些問題：

1. 廣告種類依舊五花八門，可能導致資料展示及分析困難

2. 資料集中少數的廣告系列佔據了大部分的資料筆數

透過程式碼6，可幫助掌握系列4總共使用了幾種系列的廣告：

程式碼6：

len(data['廣告代號all'].unique())

產出：

36

從產出可看到，系列4在行銷廣宣上一共使用了36系列的廣告。接著使用「Counter」功能，可協助我們計算不同廣告總共出現的頻率分別為多少，如程式碼7所示，製作出頻率清單「count_list」：

程式碼7：

count_list = Counter(data['廣告代號'])

count_list

產出：

緊接著，透過程式碼8，將「count_list」整理成DataFrame格式，以利閱讀，如下所示：

程式碼8：

count_frame = pd.DataFrame.from_dict(count_list,orient='index').reset_index() # 轉換為DataFrame形式

count_frame.columns = ['廣告名稱', '樣本數'] # 重新命名欄位名稱

count_frame.head()

產出：

透過「count_frame」可以看到，除了少數幾款廣告系列有800筆以上的出現頻率以外，大部分的廣告系列皆只有個位數或是十位數的使用頻率，不適合用來做資料分析，除此之外，「自然流量」而產生的廣告系列並非我們能實際加強之廣告，需進行排除。

透過程式碼9，除了將自然流量從「count_frame」內進行排除外，也根據每個廣告系列的樣本數進行排序，方便我們挑選主力廣告，如下所示。

程式碼9：

count_frame = count_frame[count_frame['廣告名稱']!='自然流量']

count_frame = count_frame.sort_values(by='樣本數', ascending=False)

count_frame.head()

產出：

根據圖7. 我們便可有效地掌握哪些廣告系列成功促成的交易筆數最多，並針對這些廣告進一步進行效益分析，在本章節我們將先以促成交易筆數最多的「KDP」與「critei」做為主力廣告，如下程式碼10，我們創建名為「chosen_ad」的串列，用以存放主力廣告名稱。

程式碼10：

chosen_ad = count_frame['廣告名稱'].tolist()[:2]

chosen_ad

產出：

['KDP', 'critei']

找到主力廣告後，接下來要將資料集「data」進行篩選，只留下主力廣告所促成的交易資料即可。

對於搜尋符合廣告的情況下，可以使用pandas套件包內的附屬功能isin()取得，省下使用迴圈逐一尋找的苦工，如下程式碼11便透過該功能，判斷每筆交易是否透過主力廣告促成。

程式碼11：

# 判斷是否符合條件

data['廣告代號'].isin(chosen_ad)

產出：

掌握isin()的操作方法及產出後，便可透過此技巧進行資料篩選，如下所示。

程式碼12：

# 篩選

data = data[data['廣告代號'].isin(chosen_ad)]

data

產出：

四、進階資料處理－不同廣告每期帶來的淨利

到目前為止，資料處理差不多完成7成了，要將資料用來繪圖之前，還得計算出資料集的「淨利」，並加以統整出不同廣告在每一期(月份)所為系列4帶來利潤為多少。

首先透過程式碼13，將資料集「訂單時間」的月份取出，建立新欄位，如下。

程式碼13：

data['月份'] = pd.DatetimeIndex(data['訂單時間']).month

data.head()

產出：

「月份」將會用來在製圖時，做為X座標。

接著我們透過to_period()這項功能，取出資料的年月並新增欄位，我們後續在進行資料群組加總時便會根據「年月」這欄進行操作。

程式碼14：

data['年月'] = pd.to_datetime(data['訂單時間']).dt.to_period('M')

data.head()

產出：

當我們在to_period的括號內輸入「M」時，時間資料會一路取到最小為月的單位，括號內的英文字母也可以從以下幾種中去做替換：

1. Y：時間資料會一路取到最小為年的單位

2. D：時間資料會一路取到最小為日的單位

3. H：時間資料會一路取到最小為小時的單位

4. T：時間資料會一路取到最小為分鐘的單位

5. S：時間資料會一路取到最小為秒的單位

接著，透過程式碼15，利用產品的「單價」減掉產品的「成本」，取得「淨利」，並回存至資料集「data」中。

程式碼15：

data['淨利'] = data['單價'] - data['成本']

data.head()

產出：

最後，透過程式碼16，將資料集「data」的多餘欄位去除，便完成資料群組加總前的資料處理了。

程式碼16：

data = data[['廣告代號', '月份', '年月', '淨利']]

data.head()

產出：

現在我們的資料集中剩餘四個欄位，分別為用來區分主力廣告種類的「廣告代號」、做為盒鬚圖資料分佈參考的「月份」、用以群組加總的「年月」，以及「淨利」。

接下來透過程式碼17，使用「pandas」中的群組功能「groupby」，將資料集「data」內的資料根據「廣告」、「月份」以及「年月」進行群組，並計算出淨利總和，如下：

程式碼17：

data = data.groupby(['廣告代號', '月份', '年月'])['淨利'].sum()

data = data.to_frame().reset_index()

data.head()

產出：

最後，在進行繪圖之前，將已經不需再使用的「年月」欄位移除，並新增「count」欄位，每筆資料的「count」欄位皆為1。

由於不同的產品系列有不同的銷售期間，因此有可能會有些期數沒有任何該產品系列的交易數據。舉例來說：產品系列X於2017年上市，並於2018年底停售，若我們想了解該產品在1月的平均利潤，應該要除以兩年而非四年(本原始資料時間範圍為2016~2019年)。透過count的加總，我們可以很清楚不同年度的同一個月份共有幾筆資料，並做為計算平均時的分母。如下：

程式碼18：

data = data.drop(['年月'], axis=1)

data['count'] = 1

data.head()

產出：

五、繪圖

經過了一大番努力過後，終於可以將處理完後的資料繪圖產出拉！透過程式碼19可先設置空白畫布，並透過for迴圈，根據廣告種類逐一繪製每月的利潤盒鬚圖：

程式碼19：

fig = go.Figure() # 設定空白畫布

colors_box = ['#3366CC', '#DC3912'] # 設定盒子顏色

color_num = 0

# 繪製盒鬚圖

for i in data['廣告代號'].unique():

fig.add_trace(go.Box(

y = data[data['廣告代號'] == i]['淨利'],

x = data[data['廣告代號'] == i]['月份'],

name = i,

marker_color= colors_box[color_num]))

color_num = color_num + 1

盒鬚圖內的設定如下：

l y：盒鬚圖的y軸，在這邊指的是「平均淨利」

l x：盒鬚圖的x軸，在這邊指的是「月份」

l name：類別名稱，在這邊是依據「廣告類別」區分

l marker_color：盒子的顏色，如串列「colors_box」所示

設定完了盒鬚圖之後，接著會透過程式碼20繪製平均線，如下所示：

程式碼20：

adlist = list(data['廣告代號'].unique()) # 廣告名稱清單

color_line = ["royalblue" , "firebrick"] # 設定線條顏色

colour = 0 # 取用的顏色順序

# 畫平均線

for i in adlist:

ad = i # 選用廣告

meanlist = [] # 平均

axislist = [] # 月分

for ii in range(1,13):

axislist.append(ii)

total = data[data['廣告代號'] == ad][data['月份'] == ii]['淨利'].sum() # 總利潤

counts = data[data['廣告代號'] == ad][data['月份'] == ii]['count'].sum() # 資料筆數

aver = total/counts # 平均利潤 = 總利潤/資料筆數

meanlist.append(aver)

# 如果1~12月都已經計算完畢，就繪圖

if ii == 12:

# 繪圖

fig.add_trace(go.Scatter(

x= axislist,

y= meanlist,

mode="lines+markers",

textfont=dict(

family="sans serif",

size=16,

color="royalblue"),

line=dict(color=color_line[colour], width=2),

))

# 即將更換廣告，挑選另一種顏色

colour = colour + 1

在上方的迴圈中，我們先透過for迴圈依序挑選不同主力廣告，並再透過第二層for迴圈逐月計算平均淨利，儲存至串列「mean_list」中，直到該廣告計算到12月為止，便針對該廣告繪製平均線。

資料都輸入完之後，便可設定佈景主題並且產出了，如下：

程式碼21：

# 設定佈景主題(字體、大小、背景等)

fig.update_layout(

title={

'text': "<b>BoxPlot－廣告效益分析</b>",

'y':0.95,

'x':0.5,

'xanchor': 'center',},

yaxis_title='Profit',

xaxis={

'title': 'Month',

'tickmode': 'linear'

},

width=1800,

height=960,

boxmode='group',

font=dict(

family="Courier New, monospace",

size=20,

color="lightslategrey"

)

)

fig.show()

程式碼22：

# 另存html檔

py.plot(fig, filename='CH3-8產出成果_廣告效益分析', auto_open=True)

# 另存圖檔

fig.write_image("CH3-8產出成果_廣告效益分析.png")

產出：

我們可針對產出的圖片做初步的熱門廣告效益分析，舉例來說「critei」在九月時，相較於「KDP」可讓「系列4」有較好的淨利效果，因此在九月時對「系列4」加強「critei」廣告應該可以產生更好的獲利效果。而有些月分則較難去目測比較廣告的好壞，如以5月的資料來說，雖然「KDP」的淨利涵蓋範圍遠高於「critei」的淨利涵蓋範圍，應該會有比較好的效果，但使用「critei」時的淨利範圍比較集中，可以得到較好的控制效果，因此難以推論誰好誰壞。

有沒有發現上面的結論不斷出現「應該」呢？那是因為在進行決策參考時，若沒有一個公允的指標或檢定來進行判斷的話，資料科學人員所能歸納出的結果往往會偏於主觀想法。

因此在下一單元中，將會開始為您介紹不同的統計檢定，並將這些檢定應用至商務個案中，創造出準確且值得信賴的決策指標。

點我看程式碼！

作者：徐子皓(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）