決策分析：利潤
很好，你已經把後驗點擊率轉換成成本分佈！同時，公司發布了新政策。從現在開始，行銷部門的目標不再是盡量降低活動成本（事實證明成效有限），而是要最大化利潤。已知行動廣告每次點擊的預期收益為「$3.4」，桌機廣告為「$3」。你能依此調整你的結論嗎？計算利潤時，先計算所有點擊帶來的收益，再減去相對應的成本。
你在前一個練習算出的所有內容都已放在你的工作空間中：ads_cost 字典，以及點擊次數的分佈 clothes_num_clicks 和 sneakers_num_clicks。
本練習屬於課程
Bayesian Data Analysis in Python
練習說明
- 建立字典
ads_profit，包含四個鍵：clothes_mobile、sneakers_mobile、clothes_desktop、sneakers_sneakers，各自存放對應點擊的利潤分佈。 - 使用 99% 可信區間，為
ads_proft繪製 forest plot。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Calculate profit distributions for each product and platform
ads_profit = {
"clothes_mobile": ____,
"sneakers_mobile": ____,
"clothes_desktop": ____,
"sneakers_desktop": ____,
}
# Draw a forest plot of ads_profit
____
plt.show()