面试 Q&A Part 2: 广告系统 + 数据算法¶
三、广告系统 (Ad System)¶
3.1 投放引擎 (Serving)¶
Q25: 广告投放引擎的核心流程？ / Core process of ad serving engine?¶
漏斗架构 (~50ms 服务端) / Funnel architecture:
- 请求解析 (~2ms) — Parse request
- 召回 Retrieval (~10ms) — 百万→千级（定向/向量/行为召回）
- 粗排 Pre-ranking (~5ms) — 千→百（轻量模型）
- 精排 Ranking (~15ms) — 百→十（深度模型，eCPM = bid × pCTR × pCVR × 1000）
- 机制 Mechanism (~5ms) — 竞价/预算/频次/Pacing
- 重排 Re-ranking (~3ms) — 多样性/生态调控
Total: ~48ms server + ~25ms network + ~25ms client rendering ≈ 100ms.
Q26: 召回阶段常见策略？ / Common retrieval strategies?¶
- 定向召回 Targeting-based：倒排索引匹配定向条件 — Inverted index matching
- 向量召回 Vector-based：ANN 检索 (Faiss/HNSW) — Approximate nearest neighbor
- 行为召回 Behavior-based：基于用户历史行为 — Based on user history
- 热门召回 Popularity-based：高 CTR 广告，用于冷启动 — For cold start
- 实时召回 Real-time：当前 Session 行为触发 — Session-based triggers
关键：召回率（好广告不漏）+ 延迟效率。Key: recall rate + latency budget.
Q27: eCPM 排序公式？各因子含义？ / eCPM ranking formula?¶
基础: eCPM = bid × pCTR × pCVR × 1000
| 因子 Factor | 含义 Meaning | 来源 Source |
|---|---|---|
| bid | 广告主出价 | 目标 CPA/CPC |
| pCTR | 预估点击率 | CTR 模型 |
| pCVR | 预估转化率 | CVR 模型 |
扩展: score = eCPM × quality_score × ecosystem_factor
quality_score 保证广告质量；ecosystem_factor 实现平台调控（新广告主扶持、行业均衡）。
Q28: 预算控制 (Pacing) 如何实现？ / How is budget pacing implemented?¶
目标：预算均匀分配到投放时段，避免过早耗尽。
PID 控制器（最常用）：监控实际消耗 vs 目标消耗偏差，动态调整出价系数 λ。
- P（比例）：当前偏差 → α × e(t)
- I（积分）：累积偏差 → 消除稳态误差
- D（微分）：偏差变化率 → 防止超调
- 消耗过快 → 降 λ → 降出价；过慢 → 升 λ → 升出价
PID controller monitors spend rate deviation and dynamically adjusts bid multiplier λ.
Q29: 新广告冷启动如何解决？ / How to solve cold-start for new ads?¶
- Explore & Exploit：Thompson Sampling 分配探索流量
- 先验估计 Prior：同类广告（同行业/广告主）历史数据作初始值
- 特征迁移 Transfer：Embedding 迁移学习
- 保守出价：冷启动期保守策略，逐步放量
- 加速学习：前期提高曝光权重快速积累数据
- 创意预估：基于图片/文案特征预估初始 CTR
通常需 20-50 个转化才能进入稳定期。Typically needs 20-50 conversions to stabilize.
Q30: 广告系统如何 100ms 内响应？ / How to achieve sub-100ms response?¶
- 漏斗架构：逐层过滤减少计算量
- 并行处理：特征获取/多路召回并行
- 多级缓存：本地 (Caffeine) → Redis → DB，命中率 >95%
- 模型优化：蒸馏/量化 (INT8)/TensorRT
- 预计算：离线预算用户/广告特征
- 异步化：非关键路径异步（日志/监控）
- 就近部署：多机房，用户就近接入
3.2 定向 (Targeting)¶
Q31: 广告定向维度？实现原理？ / Targeting dimensions and implementation?¶
| 维度 Dimension | 实现 Implementation | 数据 Data |
|---|---|---|
| 地域 Geo | IP 地理库/GPS | 设备信息 |
| 人口属性 Demo | 注册信息+模型预测 | 第一方数据 |
| 兴趣 Interest | 行为数据挖掘标签 | 浏览/搜索/购买 |
| 行为 Behavior | 历史行为序列 | 点击/转化日志 |
| 重定向 Retargeting | 像素/SDK 追踪 | 广告主埋点 |
| Lookalike | 种子用户扩展 | 种子包+模型 |
| 上下文 Context | NLP 分析页面内容 | 页面内容 |
技术：倒排索引快速匹配 + 布尔表达式 (DNF) 精确匹配。
Q32: Lookalike 扩量原理？ / Principle of Lookalike expansion?¶
- 广告主提供种子用户 (seed) — 如已付费用户
- 分析种子共同特征 — 行为/兴趣/人口属性
- 全量用户中找相似人群 — Embedding 余弦相似度 / 分类模型
- 广告主选扩展比例 (1%/5%/10%) — 越小越精准，越大量越多
Lookalike: Analyze seed users' common features → Find similar users via embedding similarity or classification models → Control precision with expansion ratio.
Q33: 重定向 (Retargeting) 如何实现？ / How is retargeting implemented?¶
部署追踪像素/SDK → 记录浏览/加购行为 → 构建人群（如"加购未购买"）→ 定向投放 → 动态创意（展示用户浏览过的具体商品）。
隐私时代挑战：Cookie/IDFA 追踪受限，需转向第一方数据 + 服务端追踪。
Deploy pixel/SDK → Record behavior → Build segments (e.g., "added to cart but didn't buy") → Target with dynamic creatives showing viewed products.
Q34: 定向系统技术实现？ / Technical implementation of targeting?¶
倒排索引 Inverted Index：每个标签维护广告 ID 列表，请求到来取交集。O(1) 查找。适合标签型定向。
布尔表达式 Boolean Expression：(age ∈ [25,35]) AND (city ∈ {北京}) AND (interest ∈ {美妆})。DNF 索引加速。适合复杂组合。
实际：两者结合 — 倒排粗筛 + 布尔精确匹配。Production: combine both for coarse + precise filtering.
Q35: 定向太窄/太宽的问题？如何平衡？ / Too narrow/broad targeting?¶
- 太窄：曝光不足，消耗不出去 — Not enough reach
- 太宽：CPA 高，无效曝光多 — Wasted impressions
平衡：智能放量（系统自动扩展）+ Lookalike + oCPM 自动优化 + 分层测试（核心/扩展/探索人群分配不同预算）+ 排除已转化用户。
3.3 创意 (Creative)¶
Q36: 广告创意审核流程和技术？ / Ad creative review process and tech?¶
流程：素材提交 → 机器预审 (秒级, AI+规则, 处理 >90%) → 通过/待人审 → 人工审核 (分钟~小时) → 上线/拒绝反馈。
技术：OCR 文字识别、图像分类（色情/暴力）、NLP 敏感词、商标识别、视频关键帧抽取。机审持续学习人审结果。
Q37: 动态创意优化 (DCO) 原理？ / Principle of DCO?¶
将创意拆解为组件（标题/图片/描述/CTA）→ 自动组合生成多套创意 → Multi-Armed Bandit 算法实时测试 → 流量分配给表现最好的组合。实现千人千面。
DCO decomposes creatives into components, auto-combines them, and uses MAB algorithms to allocate traffic to the best-performing combinations.
Q38: 创意疲劳是什么？如何应对？ / What is creative fatigue? How to address?¶
用户反复看同一创意后 CTR 逐渐下降。Users see the same creative repeatedly, CTR declines.
应对：频次控制 + 定期更新素材 + AIGC 批量生成变体 + 动态创意自动轮换 + 监控 CTR 衰减曲线及时预警。
Q39: AIGC 在广告创意中的应用？ / AIGC applications in ad creatives?¶
- 文案生成：LLM 生成标题/描述/脚本（已成熟）
- 图片生成：Stable Diffusion/DALL-E 生成广告图（快速成熟）
- 视频生成：Sora/Runway 生成视频（早期）
- 数字人：AI 数字人代替真人（已商用）
- 个性化：根据用户特征生成千人千面创意
效率提升 10-100x，成本大幅降低。Efficiency up 10-100x, cost significantly reduced.
3.4 计费与反作弊 (Billing & Anti-Fraud)¶
Q40: 常见广告作弊手段？如何检测？ / Common ad fraud and detection?¶
| 作弊 Fraud | 说明 | 检测 Detection |
|---|---|---|
| 机器刷量 Bot | 爬虫/脚本模拟 | IP/UA 异常、行为模式 |
| 设备农场 Device Farm | 大量真机刷量 | 设备聚集度、GPS 异常 |
| 点击注入 Click Injection | 劫持归因 | 点击-安装时间异常短 |
| SDK 欺骗 SDK Spoofing | 伪造信号 | 加密校验、签名验证 |
| 归因劫持 Attribution Fraud | 抢夺归因 | 时间戳分析 |
分层：规则引擎 (GIVT) → ML 模型 (SIVT) → 人工审核。Layered: rules → ML → human review.
Q41: 广告计费系统架构？ / Ad billing system architecture?¶
请求日志 → Kafka → Flink 实时计费（去重/反作弊过滤/预算扣减）→ 计费数据库 → 报表聚合。
关键：幂等性（防重复扣费）、最终一致性、实时预算控制。
Key: idempotency (prevent double-charging), eventual consistency, real-time budget control.
Q42: GIVT vs SIVT？ / What are GIVT and SIVT?¶
- GIVT (General Invalid Traffic)：通用无效流量，可通过规则识别。如爬虫、已知数据中心 IP、预加载。
- SIVT (Sophisticated Invalid Traffic)：复杂无效流量，需 ML 检测。如设备农场、点击注入、归因劫持。
GIVT is identifiable by rules (bots, known datacenter IPs); SIVT requires ML detection (device farms, click injection).
Q43: 广告归因流程？ / Ad attribution process?¶
广告曝光/点击 → 记录归因信息（设备 ID/时间戳/广告 ID）→ 用户转化 → 匹配归因（确定性：ID 精确匹配；概率性：IP/设备指纹模糊匹配）→ 归因到对应广告计划。
归因窗口：通常 7 天点击 + 1 天曝光。Attribution window: typically 7-day click + 1-day view.
Q44: iOS ATT 对归因的影响？SKAN 限制？ / ATT impact on attribution? SKAN limitations?¶
SKAN 限制 / Limitations: - 转化数据延迟 24-48h — Delayed conversion data - 仅 64 个转化值 (6 bit) — Only 64 conversion values - 无用户级数据，只有聚合 — No user-level data, aggregated only - 无法做实时优化 — Cannot optimize in real-time - 单一归因来源 — Single attribution source (last ad network)
Q45: 如何做广告数据对账？常见差异原因？ / Ad data reconciliation? Common discrepancy causes?¶
对账：广告主报表 vs 媒体报表 vs 第三方监测，差异率控制 ±5%。
常见差异原因： - 统计口径不同：曝光定义（服务端 vs 客户端可见） - 归因窗口不同：7 天 vs 30 天 - 时区差异：UTC vs 本地时区 - 反作弊过滤差异：各方过滤规则不同 - 数据延迟：实时 vs T+1
四、数据与算法 (Data & Algorithm)¶
4.1 用户画像 (User Profile)¶
Q46: 用户画像系统整体架构？ / User profile system architecture?¶
数据采集（行为日志/第三方）→ 数据处理（Spark 离线 + Flink 实时）→ 标签计算（规则+模型）→ 存储（HBase/Redis）→ 服务（在线查询 API, P99 <5ms）。
Data collection → Processing (Spark offline + Flink realtime) → Tag computation (rules + models) → Storage (HBase/Redis) → Serving (API, P99 <5ms).
Q47: 常见用户标识？ID Mapping 如何实现？ / User identifiers and ID Mapping?¶
标识：IDFA/GAID/OAID、Cookie、手机号、邮箱、自有 User ID。
ID Mapping：构建 ID Graph，确定性匹配（登录关联）+ 概率性匹配（设备指纹），图算法（连通分量）合并多标识到同一用户。
Build an ID Graph using deterministic matching (login association) + probabilistic matching (device fingerprint), merge via graph algorithms (connected components).
Q48: 离线标签 vs 实时标签？ / Offline vs real-time tags?¶
| 离线标签 Offline | 实时标签 Real-time | |
|---|---|---|
| 计算 | Spark 批处理 | Flink 流处理 |
| 更新 | T+1 | 秒~分钟级 |
| 示例 | 长期兴趣、消费能力 | 当前意图、实时行为 |
| 存储 | HBase/Hive | Redis |
Q49: 人群包技术实现？Bitmap vs Bloom Filter？ / Audience segment implementation?¶
| 方案 | 优点 | 缺点 | 适用 |
|---|---|---|---|
| RoaringBitmap | 精确、支持集合运算、压缩率高 | 需整数 ID | 主流方案 |
| Bloom Filter | 空间极小 | 有误判、不支持删除 | 大规模粗筛 |
RoaringBitmap 支持 AND/OR/NOT，用于定向匹配。Production standard.
4.2 CTR/CVR 预估 (Prediction)¶
Q50: CTR 预估模型演进？核心思想？ / CTR model evolution?¶
LR → FM → FFM → Wide&Deep → DeepFM → DIN → DIEN → MMOE/PLE
| 模型 Model | 核心 Core Idea |
|---|---|
| LR | 线性模型，手工特征交叉 Linear, manual feature crossing |
| FM | 自动二阶交叉，隐向量内积 Auto 2nd-order interaction via latent vectors |
| Wide&Deep | Wide(记忆) + Deep(泛化) Wide(memorization) + Deep(generalization) |
| DeepFM | FM 替代 Wide，自动交叉 FM replaces Wide for auto crossing |
| DIN | Attention 建模用户兴趣与候选广告相关性 Attention on user behavior |
| DIEN | 序列模型捕捉兴趣演化 Sequential model for interest evolution |
| MMOE/PLE | 多任务学习，多目标联合优化 Multi-task learning |
Q51: FM 原理？复杂度优化？ / FM principle and complexity optimization?¶
FM 为每个特征学习 k 维隐向量 v，二阶交叉 <vi, vj> 代替 wij。
原始 O(kn²) → 数学变换优化为 O(kn)：Σ<vi,vj>xixj = 1/2[(Σvixi)² - Σ(vixi)²]
FM learns k-dim latent vectors per feature. Complexity reduced from O(kn²) to O(kn) via algebraic reformulation.
Q52: DIN 核心创新？ / Core innovation of DIN?¶
传统模型对用户历史行为做 sum/mean pooling，丢失与候选广告的相关性。
DIN 引入 Attention 机制：根据候选广告对历史行为加权 — 相关行为权重高，不相关权重低。实现"千人千面"兴趣表达。
DIN introduces attention over user behavior history, weighting each historical item by its relevance to the candidate ad. This enables personalized interest representation.
Q53: CVR 样本选择偏差？ESMM 如何解决？ / CVR sample selection bias? ESMM solution?¶
问题 Problem：CVR 模型只能在点击样本上训练（只有点击后才知道是否转化），但推理时需对所有曝光预估。训练/推理样本空间不一致。
ESMM 方案：在全量曝光样本上联合训练 pCTR 和 pCVR，利用 pCTCVR = pCTR × pCVR 关系，用 CTCVR 作为监督信号，消除偏差。
ESMM jointly trains pCTR and pCVR on all impression samples, using pCTCVR = pCTR × pCVR as supervision to eliminate selection bias.
Q54: 什么是模型校准？为什么广告需要？ / What is model calibration? Why needed?¶
校准确保预估概率的绝对值准确（不仅排序准确）。
广告需要因为出价公式 bid = CPA × pCVR × 1000 直接使用预估值计算金额。pCVR 偏高 → 出价偏高 → 成本超标。
方法：Isotonic Regression、Platt Scaling。指标：ECE (Expected Calibration Error)。
Calibration ensures predicted probabilities are accurate in absolute terms, not just ranking. Critical because bid formulas directly use predicted values to calculate monetary amounts.
Q55: 在线学习 vs 离线学习？FTRL？ / Online vs offline learning? FTRL?¶
| 离线 Offline | 在线 Online | |
|---|---|---|
| 更新 | 天/小时级 | 实时/分钟级 |
| 数据 | 全量历史 | 流式增量 |
| 优势 | 稳定 | 捕捉实时变化 |
FTRL (Follow The Regularized Leader)：在线学习算法，L1 正则产生稀疏解（特征选择），适合高维稀疏广告特征。
Q56: 多任务学习 MMOE/PLE 在广告中的应用？ / Multi-task learning in ads?¶
广告需同时预估多目标（CTR/CVR/停留时长/付费）。
- MMOE：多个 Expert + Gate 为每个任务动态分配 Expert 权重
- PLE：区分 task-specific 和 shared Expert，减少任务冲突
优势：共享底层表征减少计算；任务间信息互补提升效果。
MMOE uses multiple experts with task-specific gates; PLE separates task-specific and shared experts to reduce task conflicts.
4.3 出价 (Bidding)¶
Q57: PID 控制在预算 Pacing 中的应用？ / PID control in budget pacing?¶
（详见 Q28）PID 输出出价调整系数 λ = f(P, I, D)。实际出价 = 原始出价 × λ。P 响应当前偏差，I 消除累积误差，D 防止超调。
Q58: 智能出价的成本控制机制？ / Cost control in smart bidding?¶
- PID Pacing 控制消耗速率
- 赔付机制（超标 120% 赔付）
- 模型校准（预估准确性）
- 出价截断（最高出价上限）
- 冷启动保护
- 多目标约束（成本+量级联合优化）
Q59: 强化学习在出价中的应用？ / RL in bidding?¶
将出价建模为序列决策问题：状态（预算余额/时段/竞争环境）→ 动作（出价系数）→ 奖励（转化/成本）。
方法：DQN、DDPG、Constrained RL（带约束的强化学习，满足成本约束）。
优势：全局最优（考虑未来预算分配），而非贪心的逐次最优。
RL models bidding as a sequential decision problem: state (budget/time/competition) → action (bid multiplier) → reward (conversions/cost). Achieves globally optimal allocation vs greedy per-impression optimization.
Q60: 预算分配策略？ / Budget allocation strategies?¶
- 计划间分配：根据各计划 ROI 动态调整预算（高 ROI 追加，低 ROI 缩减）
- 渠道间分配：跨平台（抖音/微信/百度）按效果分配
- 时段分配：根据流量和转化率分时段（晚高峰多分配）
- 预留池：保留 10-20% 预算用于探索和应急
4.4 推荐广告融合 (Rec-Ads Blend)¶
Q61: 推荐系统 vs 广告系统核心区别？ / Rec system vs ad system?¶
| 推荐 Rec | 广告 Ads | |
|---|---|---|
| 目标 | 用户体验（点击/时长） | 收入 (eCPM) |
| 内容 | 平台内容 | 广告主付费内容 |
| 排序 | 相关性/兴趣 | eCPM（含出价） |
| 约束 | 多样性/新鲜度 | 预算/频次/成本 |
Q62: 常见混排策略？ / Common blending strategies?¶
| 策略 | 方法 | 优缺点 |
|---|---|---|
| 固定位置 Fixed | 第 N 条为广告 | ✅ 简单 ❌ 不灵活 |
| 概率插入 Probabilistic | 按概率插入 | ✅ 灵活 ❌ 体验不稳定 |
| 联合排序 Unified | 广告+内容统一排序 | ✅ 最优 ❌ 复杂 |
Q63: Ad Load 如何确定最优值？ / How to determine optimal Ad Load?¶
A/B 测试不同 Ad Load (5%/10%/15%/20%)，观察短期收入和长期留存。存在拐点：Ad Load 超过某值后收入增长放缓但留存加速下降。最优点在收入边际收益 = 留存边际损失处。
4.5 搜索广告 (Search Ads)¶
Q64: 搜索广告核心流程？ / Core search ads process?¶
Query 输入 → Query 理解（分词/意图/改写）→ 关键词匹配（广泛/短语/精确）→ 广告召回 → 质量分计算 → 排序 (Ad Rank = bid × QS) → 扣费 → 展示。
Q65: 关键词匹配类型？ / Keyword match types?¶
| 类型 Type | 说明 | 流量 Volume | 精准度 Precision |
|---|---|---|---|
| 精确 Exact | Query 完全一致 | 小 | 最高 |
| 短语 Phrase | 包含关键词 | 中 | 中 |
| 广泛 Broad | 语义相关即可 | 大 | 低 |
Q66: 质量分？如何影响排名和扣费？ / Quality Score impact on ranking and pricing?¶
质量分 QS = f(历史 CTR, 创意相关性, 落地页体验)。
- 排名：
Ad Rank = bid × QS。QS 高可用更低出价获更好位置。 - 扣费 (GSP)：
CPC = 下一名 Ad Rank / 自己 QS + ¥0.01
QS incentivizes relevant, high-quality ads. Higher QS = lower cost for same position.
Q67: GSP 竞价机制？ / How does GSP auction work?¶
GSP (Generalized Second-Price)：每个广告主支付刚好超过下一名所需的最低价格。
排名按 Ad Rank = bid × QS。扣费：CPC_i = Ad Rank_{i+1} / QS_i + ¥0.01。
与 VCG 的区别：GSP 不是激励相容的（真实出价不一定最优），但实现简单，是搜索广告的标准机制。
Q68: Query 理解包含哪些技术？ / Query understanding techniques?¶
- 分词 Tokenization：中文分词（jieba/自研）
- 意图识别 Intent：导航/信息/交易意图分类
- Query 改写 Rewriting：同义词替换、纠错、扩展
- 实体识别 NER：品牌、产品、地点等
- 语义理解：BERT/大模型深层语义匹配
Modern: LLM-based query understanding for deeper semantic matching beyond keyword level.