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，这时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，广告收入除以广告支出，那么它就等于ACoS的倒数。
在了解了 ROI这一新的评估变量后，运营者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，其具体形式(在Excel 2016版本中可以通过制作气泡图来进行分析)。
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是指产品销售额(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，结合图表中的信息就可以发现I象限的价值是最低的，这是因为I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。
假设运营者不想放弃处于I象限产品，而是选择对广告投放进行优化，那么就有两种优化方式，一种是将这类产品从I象限经过I象限最终优化到IV象限;另一种是将这类产品从I象限经过亚象限最终优化到IV象限。
除了这种主流优化方式，还有其他方法，一般可以分为如下3种优化方向:
1将象限I、I的渠道努力优化到IV，然后持续增加投入;
2将象限的渠道向I、I优化，否则淘汰;
3左上角的“低广告投放价值产品”花费应该减少。
当然，在实际优化过程中可能会出现如下“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，这就要具体问题具体分析了，而且这也是考量一个运营管理者是否优秀的标准之一，但不管怎么样，象限分析法能够帮助运营者从宏观角度分析广告效果，极大地提升运营决策能力。
