了解了波士顿矩阵后，就可以尝试思考如何筛选和优化多广告组了，这时候又需要用到投资回报率，即ROI。投资回报率是指通过投资而返回的价值，即企业从一项投资活动中得到的经济回报。它涵盖了企业的获利目标。利润和投入经营所必备的财产相关，因为管理人员必须通过投资和现有财产获得利润。
ROI的计算方式很简单：
广告收入广告支出=ACoS的倒数
在了解了ROI这一新的评估变量后，卖家就可以利用象限分析法，从宏观角度对广告效果进行评估，象限分析法的本质就是波士顿矩阵。
横轴是广告活动的“ROI”数值，纵轴是“单个订单成本”(其计算方式是将与广告活动相关的产品总成本除以总订单量，产品总成本包含人工成本、库存成本、物流成本、广告成本等)，图中的蓝色圆形区域指的是产品销售额(产品销售额=自然订单销售额+广告订单销售额)，蓝色区域越大，产品销售额就越高。
当区分完各个象限后，结合图中的信息，卖家就可以发现Ⅱ象限的价值是最低的，这是因为Ⅱ象限代表了低ROI数值即低投资回报率，以及高单个订单成本的区域，用红色方框将这类产品标注出来。
假设卖家不想放弃处于Ⅱ象限的产品，而是选择对广告投放进行优化，则有两种优化方式：一种是将这类产品从Ⅱ象限经过I象限最终优化到IV象限；另一种就是将这类产品从Ⅱ象限经过Ⅲ象限最终优化到I象限。
当然除了这种主流优化方式外，还有其他方法，一般可以分为如下三种优化方向：
1.将象限I、Ⅲ的渠道努力优化到象限IV，然后持续增加投入；
2.将象限Ⅱ的渠道向象限I、Ⅲ优化，否则淘汰；
3.越左上角的“低广告投放价值产品”投资应该越小。
当然，在实际优化过程中不可能一帆风顺，可能会出现如下“理想与现实互相PK”的情况。
优化策略如何选择，产品广告投放策略如何制定，需要具体问题具体分析，而且这也是考量一个运营管理者是否优秀的标准之一。但不管怎样，象限分析法能够帮助卖家从宏观角度分析广告效果，会极大地提升运营决策能力。
