เมทริกซ์ความสัมพันธ์แบบฮีตแม็พช่วยให้เห็นว่าตัวชี้วัดแต่ละตัวเชื่อมโยงกันแค่ไหน สีเข้มบอกความสัมพันธ์บวก/ลบที่แรง ในแผนภูมิเดียวเราจึงเลือกได้ว่าควรจับตาคู่ตัวแปรใดก่อน
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
metrics = pd.DataFrame(
{
"ยอดขาย": [100, 120, 150, 170, 190, 210, 230, 250],
"ลูกค้าใหม่": [35, 42, 48, 55, 58, 63, 67, 72],
"งบโฆษณา": [25, 28, 32, 40, 43, 47, 50, 55],
"อัตราแปลง": [0.31, 0.33, 0.34, 0.36, 0.37, 0.39, 0.40, 0.41],
}
)
corr = metrics.corr(numeric_only=True)
fig, ax = plt.subplots(figsize=(6, 5))
sns.heatmap(
corr,
annot=True,
cmap="Blues",
vmin=-1,
vmax=1,
square=True,
fmt=".2f",
ax=ax,
)
ax.set_title("เมทริกซ์ความสัมพันธ์ของตัวชี้วัดการเติบโต")
fig.tight_layout()
plt.show()

วิธีอ่าน #
- ค่าใกล้ 1 แสดงความสัมพันธ์ทางบวกสูง ขณะที่ใกล้ -1 คือความสัมพันธ์ผกผัน
- สีบอกความแรงอย่างชัดเจน ช่วยให้มองเห็นกลุ่มตัวชี้วัดที่เคลื่อนไปพร้อมกัน
- เมื่อเทียบหลายเพจหรือหลายทีม ควรเรียงลำดับตัวชี้วัดเดียวกันและใช้ค่าสีคงที่เพื่อให้อ่านง่าย