Profit Chart与Gain Chart和Lift Chart不同，其主要表示的是模型可能带来的收益，而不是模型的正确率。故要想将Gain Chart等转换为Profit Chart，即必须知道营销活动的收入与成本。

假设ACME（型录邮购公司）促销活动的固定成本为20000美元，邮寄一单位型录的成本是1美元，卖出一件商品的净利是45美元，则下图4-9表示的是ACME促销活动的成本矩阵。

假设ACME的促销客户总人数为100万，若全部进行促销，则总回应客户人数为1万，而受到公司促销成本的限制，促销人数最多为促销客户总人数的20%，即20万。

从客户中随机挑选20%

预期回应的客户人数：10000*20%=2000

预期收益：2000*44-198000*1-20000=-130000

利用数据挖掘来改进回应率（假设从20%改进到50%）

预期回应的客户人数：10000*50%=5000

预期收益：5000*44-195000*1-20000=5000

由此可见，数据挖掘能够改善促销活动的绩效，提高公司的利润，但要实现公司的最大利润，还应当针对促销客户人数进行优化，如下图所示，可知当促销人数为促销客户总人数的10%时，公司实现最大利润为15000。

注：括号代表负值。

Profit Chart就是将上述收益数据表示在图中，横轴为营销人数的百分比，纵轴为收益额（有正负之分），具体见下图。

注：图中三条曲线表示在不同的成本矩阵下运用数据挖掘的促销活动所能获得的收益曲线。

由上图可知，在不同的成本矩阵条件下，最优的营销人数也会随之改变。同时也表明，数据挖掘技术并不一定能够给营销方带来收益，这取决于多方面的因素，如获利空间、回应率、固定成本等等。