前兩天參加同學聚會，大家問我最近在做什么工作。我一說我在做廣告算法的工作，大家立馬贊嘆了起來：“廣告算法？這聽起來就很高大上呀。”“算法工程師？聽說搞算法的掙的都很多，真是羨慕?！庇行┩瑢W對我的工作比較好奇，問我：“你們平常都做些什么工作？和廣告模型相關嗎？”

　　看來大家對廣告算法工程師還真的是存在一些誤解。外行人覺得，廣告算法工程師每天都在和各種各樣的模型、算法打交道，實際上則不然。在廣告算法這個行業里，數據往往才是最重要的，其次是特征，最后才能輪得到算法。

　　在實際的工作中，如果廣告算法工程師只精通做模型，是很難取得好的工作效果的。

　　廣告算法工程師的真實日常是怎樣的？

　　比如一個擅長做模型的工程師，不停地做模型優化，不停地做調參，把所有的參數能試的都試一遍，什么學習率、優化器、batch_size等等。最后卻發現，auc曲線沒有上升反而下降了。再比如一個擅長做特征的工程師，不會在模型上下很多功夫，會對特征做更多的處理，比如為了增加模型的泛化性而添加一些統計類特征。最后發現，auc曲線出現了一些上升的趨勢，ctr（點擊通過率）也表現出上升的趨勢。這就算是取得一個不錯的工作成果。

　　那擅長數據的廣告算法工程師會怎么做呢？他會選擇在數據方面做一些改進，比如刪除一些沒有回傳轉化價值的廣告主數據，或者優化廣告主回傳轉化數據的方式方法等等。這樣的方法往往會取得很好的工作成果，不論是auc曲線還是ctr，都可以看到大幅的上升。

　　所以，廣告算法工程師更多的是處理數據與特征，最后才會考慮算法和模型。這才是最真實的廣告算法工程師的工作日常。這也是為什么，有些人戲謔稱我們為“數據庫工程師”，說我們每天都是在跟數據打交道。

　　廣告算法工程師的真實日常是怎樣的？

　　除了跟數據打交道，我們還需要根據銷售部門反饋回來的各種案例，對轉化率模型進行修改和優化。銷售部門經常反饋回來一堆問題：為什么這個賬戶實際跑量遠遠低于前期預估值，為什么這個賬戶超出成本預算那么多，等等。定位案例原因，也是我們經常做的事情。

　　這就是廣告算法工程師的真實日常，并沒有大家想象之中的那么高大上，那么遙不可及。