亚马逊卖家如何从宏观角度量化广告效果

了解了波士顿矩阵后，就可以尝试推敲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的、利润和投入经营所必备的财产相关，因为管理人员必需通过投资和现有财产获得利润。

ROI的盘算方法很简单，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，象限分析法的实质就是波士顿矩阵，其具体形式（在Excel2016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”（其盘算方法是将与广告活动相关的产品总成本除以总订单量，产品总成本包括人工成本、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觉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法，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法，还有其他办法，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，然后连续增长投入；

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”消费应当减少。

当然，在实际优化流程中可能会涌现如下“幻想与现实互相PK”的情形。

优化策略如何选择，产品广告投放策略如何制订，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良的标准之一，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，极大地提高运营决策才能。