信息流广告投放的优化，从理解竞价开始。所有的竞价广告都是与“竞争对手”的竞价，但如果你只是这么简单的认为，你没有抓住信息流广告的真谛。
信息流广告与搜索引擎竞价广告有极为巨大的区别，从媒体端看，信息流广告竞价管理的特性是“机器参与的多，人参与的少”，而搜索排名竞价则是“人参与的多，机器参与的少”。所以，尽管这么说不算严谨，但信息流广告的竞价相当程度是与“机器”在博弈。
本质上，信息流广告是封闭的RTB体系，而不是按照关键词排名的体系，这就注定了它要顺应机器的算法、满足机器的优化。而不仅仅只是考虑与其他投放者的价格竞争。某种程度上，尽管价格竞争仍然重要，但方式和操作都已经相当不同。
人的标签实在是太粗放太混沌太不精确，而且人的行为飘忽，兴趣多变，而标签却很难真正及时地响应与更新。
因此，效果类的投放必须要用机器学习，尤其是监督学习的方法。简单地说就是机器不断尝试各种方法，来“全力”帮助你实现转化。如果机器决定针对某一个人进行展现，但是尝试不成功（比如选择的人不对，或者投放的地方不好），就再换一个人进行展示，直到出现成功的转化，然后机器总结这些成功和不成功的人的选择和投放的方式，从而“摸索”出一个它认为的，最合适的投放策略。
或者，也可以用一个简单的名词来描述这个过程，那就是“试错”。既然是试错，那就需要给机器时间和机会。“给机器时间和机会”就构成了信息流优化的核心逻辑。
