用户增长算法工程师（广告投放）

优缺点分析

角色解读

• 向用户增长领域专家发展，负责更大规模的策略与系统架构
• 横向扩展至推荐、搜索等算法方向，或转型为AI产品/技术Leader
• 随着AIGC/Agent技术积累，可进入AI广告平台或创业公司
• 设计并优化广告投放的AI模型，提升获客效率与留存率
• 构建AIGC素材生成、智能出价与预算控制的自动化投放系统
• 开发RTA算法，包括用户生命周期价值预估和个性化出价策略
• 扎实的广告算法基础，熟悉RTA、出价优化等核心链路
• 精通至少一种编程语言（C++/Go/Python）和大数据工具（Spark/Hive/Hadoop）
• 熟练使用TensorFlow或PyTorch进行机器学习模型开发

申请策略

• 了解B站产品生态和用户增长策略，面试中展示行业思考
• 准备一个完整的算法优化案例，从问题定义到效果复盘
• 突出用户增长/广告算法的项目经验，尤其是RTA、出价优化等
• 展示AIGC、LLM相关实践或兴趣，即使只是实验项目
• 强调代码能力与大数据处理经验，列出具体技术栈
• 系统学习计算广告领域知识，如竞价机制、归因模型
• 动手实践AIGC/Agent相关开源项目，积累经验

面试指南

• 逻辑清晰：从问题定义、数据、模型、评估、迭代逐步展开
• 量化优先：用具体指标（如ROI、CVR）说明效果
• 工程思维：考虑系统约束与线上部署的可行性
• 如何设计一个广告投放的出价策略？
• 解释RTA的工作原理及其在用户增长中的应用
• 你如何评估用户LTV？有哪些模型？
• 如果你的模型线上效果不佳，你会如何排查？
• 你对AIGC在广告投放中的落地有什么想法？