当然是有效，广告主关注的点更多是效果好不好，也就是互联网广告所带来的ROI。

　　由于信息技术的支撑，互联网广告在目标受众的定位和推广效果数据信息跟踪分析方面，效果远远超越了传统广告。其中非常至关重要的两个因素：精准定位和策略的演变。但现在的广告依然有大范围的人工干预，尽可能少的人工干预是必然趋势。

　　自动化推广不仅是自动把互联网广告投放到媒体上去，还包含持续不断的推广策略优化。这个迭代优化的过程，就像是生物种群的演变，在继承-变异-选择的交替中实现适者生存、稳定提高。

　　互联网广告的精准推送是一个比较复杂的任务。面对多种多样的场景、人群特点、搜索词，信息经常是模糊的、不完整的、不确定的。如何更好地抓住浏览者背后的意图，找出广告的潜在客户，需要复杂的判断处理。选择的思路，不是由上而下地设计一套精密的推广策略并人为保持刷新，而是用大量相对简单的元策略构成策略池，并接入反馈数据信息用于选择淘汰，建立一套可以自行演变的系统软件。

　　举个例子，尿布与啤酒的关系。直观上很难发现购买啤酒的消费者会是尿布商家的用户群体，但通过沃尔玛的数据分析找到了两者之间的联系。在大数据广告时代，相近的许多关系都需要从数据信息方面发掘出来。

　　互联网广告投放后，背后强大的分析优化系统，收集所有推广过程中的数据信息，由人工智能机器学习总结成功经验，进化系统反过来优化推广策略，指导推广过程，自此系统软件形成闭环。这对技术、数据模型能力、系统软件自我演变等要求都更高。

　　这样一来系统软件形成闭环，就可以让数据信息自己去寻找答案了。演变的单元是元策略，一个匹配的元策略可以是“给25-35岁喜欢旅游的男性推荐摄影器材”，一个出价的元策略可以是“之前1.00$竞价失败的广告这次出1.20$”，等等。单独一个元策略并不全面，也未必准确有效。可是，大量的元策略组合起来，就可以覆盖各种各样的情况；根据真实的效果数据信息淘汰较差的元策略，并将较好的元策略组合变化，就可以产生出越来越准确有效的策略。

　　自动化推广策略的优化，就是控制演变过程中的多样性和选择压，确保策略池有效演变。在冷启动的初期，基于演变的系统软件并不占优；可是伴随着时间的推移和数据信息的积累，系统软件的演变慢慢深层次和细化，就会体现出更好的全面性和稳定性。