Python 3.x 我如何确定在任何特定的活动上花费的最佳金额？

因此，我使用

sklearn

的线性模型

ElaticNet

和

GridSearch

来查找支出、访问、点击和LFA（较低漏斗动作）的系数。我预测点击的花费，然后预测点击的访问量，然后预测LFA的访问量。LFA是我工作的公司最重要的东西。我想做的是找出什么是最好的钱（花费）是最大限度地提高LFA的。问题不在于“多花多赚多”，因为在谷歌上搜索产品的人太多了，在一个网站上访问博客的人太多了，等等，这是一样的

比如说，我们为谷歌广告支付了150000美元，得到了100000份LFA。如果我们花20万美元，得到11万个LFA，显然是不值得的（回报递减）。我们刚刚又花了5万美元（增加了50%）获得了10%的LFA。对我们来说，15万美元是最好的花费，因为随着时间的推移，人们记住了这个品牌，我们最终得到了11万个LFA

有没有一种自动化的方法可以让我在点击量和访问量达到上限或开始减少之前，确定我应该花多少钱来最大化LFA的数量

数据示例-

---

请注意，大多数数据在几周内都没有值。

有没有理由认为LFA的发生仅仅是因为谷歌广告（

GA

）上的花费？关键是，假设还有另一个因素（称之为

FX

）也会影响LFA的表现。在这种情况下，您看到的是

FX

和

GA

的组合效应。如果你可以获得其他形式的促销费用，那么你可能也希望将其纳入分析中。没有其他促销费用。例如，“AR-5C-Tier 1-Bing广告保留”活动有27周的记录。我使用了所有的27条记录，并使用花费预测点击，点击预测访问，然后访问预测LFA。除非你是自愿到达目的地，否则你必须点击广告，访问竞选网站，然后做你的LFA（也就是说，制作你自己的t恤）。还有一个搜索或数字的“渠道”。搜索就像我提到的那样，数字就像“AR ARB购物者AOL Direct”。有道理吗？好的。您的数据是什么样子的？你能分享一些虚拟数据吗？你的数据的最小单位是什么？一个LFA的实例？你试图解决的问题是一个优化问题：最小化广告费用，但最大化LFA。这正是我想要做的。我正在添加一段输入数据。