资深广告行业算法工程师

优缺点分析

角色解读

• 深耕广告算法领域，成长为行业顶尖算法专家，主导公司级广告技术架构
• 横向拓展至推荐系统、搜索算法等相邻领域，提升综合技术影响力
• 可向技术管理方向发展，带领团队负责商业化算法方向
• 负责B站重点行业的广告投放算法，包括智能出价、oCPM、预算分配等核心机制的设计与优化
• 深入分析行业广告数据，构建行业特征和模型，提升CTR/CVR和广告主ROI
• 与产品、运营和工程团队紧密合作，推动算法策略在投放系统中的落地与迭代
• 扎实的机器学习基础，熟悉推荐算法或广告算法，有CTR/CVR建模经验
• 理解广告投放全链路，包括竞价、预算控制、智能出价等机制
• 具备优秀的工程能力，能独立实现复杂算法系统的开发与部署
• 强大的数据分析能力，能从海量数据中提炼业务洞察

申请策略

• 在面试中展示对广告业务的理解和创新能力，而不仅是模型技术
• 提前了解B站的商业化战略和广告产品矩阵，体现对公司的兴趣
• 重点突出广告算法相关项目经验，包括CTR/CVR模型、智能出价策略等
• 量化展示算法优化带来的业务指标提升，如ROI提升、成本下降等
• 强调工程实现能力，包括大规模数据处理、模型部署与在线推理经验
• 深入理解广告系统架构，学习oCPM、pacing等最新投放机制
• 补充因果推断、在线learning等高级技术，提升算法效果上限
• 熟悉B站广告产品特点，提前了解其行业客户和投放场景

面试指南

• 技术问题采用STAR原则：情境-任务-行动-结果，突出个人贡献和量化成果
• 设计类问题先明确目标和约束，再分模块阐述方案，最后总结效果
• 业务问题要结合广告场景，体现对收入和用户体验平衡的思考
• 请详细说明你如何优化CTR/CVR模型，遇到过哪些挑战？
• 如何设计一个智能出价系统？请说明核心机制和优化目标
• 面对冷启动广告主，你会如何设计算法策略？
• 如何评估广告投放算法的效果？请给出你的指标体系
• 复习广告算法经典论文和工业界实践，如Google的oCPM、Facebook的DLRM