2026年廣告投放專員高頻面試題包含詳細解答

分類清晰題型全覆蓋標記考頻及考察點

精選近三年60道高頻面試題

每道題包含：錯誤示范+扣分原因+高分答案

★表示出題頻率：★★★較高★★★★很高★★★★★最高

一、自我認知與崗位匹配類（5道）

1.你為什么選擇從事廣告投放這個崗位？★★★★（考察職業意向度）

2.你認為優秀的廣告投放專員需要具備哪些核心素質？★★★★★（考察崗位認知深度）

3.你的過往經歷中哪一段對勝任當前崗位最有幫助？★★★★（考察過往經驗遷移能力）

4.你的長遠職業規劃是什么？★★★（考察職業發展穩定性）

5.你如何看待廣告投放工作中的高壓與頻繁加班？★★★★（考察抗壓能力）

二、專業理論與平臺機制類（10道）

6.請簡述CPC、CPM、CPA和ROI的具體含義?！铩铩铩铩铮疾旎A專業術語掌握度）

7.主流信息流廣告平臺的競價邏輯是怎樣的？★★★★★（考察底層競價機制認知）

8.廣告平臺中的eCPM是如何計算的？★★★★★（考察核心算法公式理解）

9.請說明OCPX與傳統競價方式的最大區別。★★★★★（考察智能出價原理掌握度）

10.深度轉化出價階段平臺通常是如何進行模型探索的？★★★★（考察智能出價進階知識）

11.頭條系和騰訊系廣告平臺的用戶標簽邏輯有什么差異？★★★★（考察跨平臺認知）

12.什么是廣告投放中的冷啟動期？★★★★★（考察廣告生命周期概念）

13.搜索廣告和信息流廣告在投放邏輯上最大的不同是什么？★★★★（考察不同流量池特性

理解）

14.歸因分析中常見的“最后一次點擊歸因”是什么意思？★★★★（考察轉化歸因邏輯認知）

15.最新的隱私政策變化對廣告追蹤產生了什么影響？★★★（考察行業前沿動態關注度）

三、賬戶實操與定向策略類（12道）

16.接手一個全新的廣告賬戶時你的第一步動作是什么？★★★★★（考察新賬戶接手思路）

17.請描述搭建一個完整廣告計劃的標準化流程。★★★★★（考察實操規范性）

18.在新計劃搭建初期你會如何選擇初始出價？★★★★★（考察出價策略制定能力）

19.你通常是如何組合使用定向標簽的？★★★★★（考察人群定向策略）

20.什么是人群包擴展功能及適用的場景？★★★★（考察拓量工具使用能力）

21.你會如何構建賬戶內部的層級結構？★★★★（考察賬戶架構邏輯）

22.預算受限時你會如何設置層級預算分配？★★★★（考察預算控制能力）

23.怎樣設置投放時間段才能實現ROI最大化？★★★★（考察時段優化策略）

24.賬戶搭建初期的A/B測試應該如何科學設置？★★★★★（考察科學測試方法論）

25.進行定向測試時如何避免多個計劃之間產生內部擠壓？★★★★（考察內部流量沖突規避

能力）

26.程序化創意工具和自定義創意分別適用于什么場景？★★★★（考察創意工具選擇策略）

27.如何高效利用系統自動定向推薦人群功能？★★★（考察平臺自動化工具應用）

四、數據分析與優化調整類（13道）

28.你每天早上查看賬戶數據時最關注哪三個核心指標？★★★★★（考察日常數據敏感度）

29.發現賬戶整體ROI下降時你會按什么邏輯進行拆解分析？★★★★★（考察數據排查思維

框架）

30.廣告展現量很低可能的原因有哪些？★★★★★（考察曝光漏斗分析能力）

31.展現量正常但點擊率遠低于行業均值你會如何優化？★★★★★（考察點擊轉化環節優化

能力）

32.點擊率高但轉化率極低的問題通常出在哪里？★★★★★（考察后端轉化鏈路分析能力）

33.轉化成本突然飆升時你會采取什么緊急措施？★★★★★（考察成本失控響應策略）

34.計劃度過冷啟動期后流量開始衰退應該怎么挽救？★★★★★（考察衰退期廣告干預能

力）

35.怎樣判斷一條計劃是否已經徹底沒有優化空間需要關停？★★★★★（考察止損判斷標

準）

36.漏斗分析模型在日常廣告優化中是如何具體應用的？★★★★★（考察數據模型應用能

力）

37.你通常如何建立自己的數據監控報表？★★★★（考察數據統計與可視化能力）

38.面對節假日等流量高峰期你的出價和預算調整策略是什么？★★★★（考察特殊節點調優

能力）

39.如何通過多維度交叉分析挖掘高轉化人群特征？★★★★（考察進階數據下鉆能力）

40.后端退單率或者客訴率偏高時前端投放可以做哪些調整？★★★★（考察全鏈路經營意

識）

五、創意策劃與素材測試類（10道）

41.一條高轉化短視頻廣告通常包含哪幾個結構要素？★★★★★（考察視頻爆款邏輯認知）

42.在與設計師溝通需求時如何確保素材產出符合預期？★★★★★（考察跨部門溝通與需求

把控能力）

43.你通常從哪些維度去尋找新的廣告創意靈感？★★★★★（考察創意挖掘與發散能力）

44.如何判斷一個新素材是否具備爆量潛力？★★★★★（考察素材數據評估標準）

45.針對跑量的老素材你會如何進行二次延展以延長生命周期？★★★★★（考察爆款素材復

用策略）

46.圖片素材和視頻素材在測試周期上的主要區別是什么？★★★★★（考察不同體裁素材特

性理解）

47.廣告文案撰寫中如何有效戳中用戶的痛點？★★★★★（考察文案策略能力）

48.落地頁的核心轉化要素有哪些？★★★★★（考察承接頁優化能力）

49.首圖或封面圖的點擊率優化通常有哪些切入點？★★★★（考察前端視覺誘導策略）

50.競品跑出了一個爆款素材后你跟進翻拍的思路是怎樣的？★★★★（考察競品素材跟進策

略）

六、異常排查與危機處理類（5道）

51.賬戶突然被平臺封禁停用時你會采取哪些處理步驟？★★★★★（考察合規危機應對能

力）

52.發現廣告數據異常跑飛時你將如何進行緊急止損與申訴？★★★★★（考察極端異常處理

能力）

53.廣告審核頻繁被拒且提示涉嫌違規時你該如何修改？★★★★★（考察平臺規則熟悉度與

應對）

54.遇到平臺系統崩潰或后臺數據大面積延遲時你的投放策略會做什么調整？★★★★（考察

外部突發事件應對經驗）

55.遭遇惡意點擊或競爭對手惡意刷量時如何通過賬戶操作進行規避？★★★（考察反作弊實

操技巧）

七、軟技能與職業素養類（5道）

56.當你的投放思路與業務負責人的KPI目標發生嚴重沖突時你會怎么處理？★★★★★（考察

向上管理與目標對齊能力）

57.請分享一次你主導并成功挽救劣勢賬戶的實戰案例。★★★★★（考察復盤總結與實戰經

驗）

58.在多項目并行且預算密集消耗的大促期間你如何進行精力管理？★★★★★（考察多線程

并發處理能力）

59.面對行業規則和玩法極快變化你日常如何保持自己投放技能的迭代？★★★★★（考察持

續學習能力）

60.面對銷售部門對線索質量的抱怨你作為投放人員如何溝通解決？★★★★★（考察跨部門

協作與矛盾化解能力）

廣告投放專員高頻面試題解答

一、自我認知與崗位匹配類（5道）

Q1：你為什么選擇從事廣告投放這個崗位？★★★★（考察職業意向度）

?不好的回答示例：

我大學學的這個專業，而且聽說互聯網廣告行業發展前景比較好，薪水也還不錯。

我個人比較喜歡上網，平時也會關注各種APP里的廣告，覺得做投放應該挺有趣

的，所以就想投遞這個崗位試試看，希望能有個學習的機會。

為什么這么回答不好：

典型的“隨大流”心態，缺乏對崗位的深刻認知。理由浮于表面，強調“學習機會”會暴

露實戰自信的不足，沒有體現出自身優勢與崗位的匹配度。

高分回答示例：

面試官您好，我選擇廣告投放崗位主要基于三個核心原因。首先，我個人非常享受

數據驅動帶來的確定性和成就感。投放工作是將創意轉化為直觀數據的過程，每一

筆預算的花費、每一次策略的調整，都能在后臺以ROI、轉化率等指標實時反饋。

這種通過科學優化直接撬動商業增長的過程，讓我覺得極具滿足感。

其次，我的個人能力模型與這個崗位高度契合。我具備較強的邏輯分析能力，能夠

從龐雜的數據報表中剝絲抽繭，找到賬戶起量或衰退的根本原因。同時，我也對用

戶心理有濃厚興趣，喜歡研究不同受眾的痛點，這能幫助我更好地優化前端創意素

材。

最后，廣告投放是一個快速迭代的領域，平臺的底層算法和營銷玩法每天都在更

新。我是一個喜歡擁抱變化、樂于持續鉆研的人。在這個崗位上，我不會陷入機械

性勞動，而是需要不斷摸透系統規則去搶占流量。這種充滿變化與挑戰的職業狀態

是我非常向往的，因此我十分堅定地選擇了這個方向。

Q2：你認為優秀的廣告投放專員需要具備哪些核心素質？★★★★★（考察崗位

認知深度）

?不好的回答示例：

我覺得做投放首先要細心，每天要看很多數據不能看錯；其次要有創意，能想出吸

引人的廣告語；最后就是要能吃苦，因為聽說經常要加班建計劃。只要肯學肯干，

吃苦耐勞，這些應該都能掌握好。

為什么這么回答不好：

只停留在“執行層”的淺顯認知，沒有觸及廣告投放操盤手的核心壁壘（數據敏感、

用戶洞察、系統邏輯），回答像流水線操作工而非專業優化師。

高分回答示例：

我認為一名優秀的廣告投放專員，必須具備三大核心素質：數據敏銳度、業務洞察

力以及系統性思維。第一，數據敏銳度是基本盤。不能只是機械地看報表，而是要

能對數據異動產生條件反射。比如展現低知道去查出價和定向，轉化差知道去排查

落地頁漏斗，必須具備從果推因的排查能力。

第二，業務與受眾洞察力。脫離了業務談投放就是閉門造車。優秀的優化師需要深

刻理解公司的產品邏輯、利潤空間，同時把自己代入目標用戶，洞察他們在什么場

景下會被什么樣的素材打動，從而指導創意團隊產出高轉化素材。

第三，系統性的測試與復盤思維。流量環境是動態的，沒有一套吃遍天下的策略。

必須具備科學的A/B測試邏輯，能夠在冷啟動期迅速搭建測試矩陣，不斷進行變量

控制。同時在遇到爆量或衰退時，能迅速總結出一套可復用的方法論，而不是只憑

感覺操作。這三點相輔相成，才是核心競爭力。

Q3：你的過往經歷中哪一段對勝任當前崗位最有幫助？★★★★（考察過往經驗

遷移能力）

?不好的回答示例：

我之前在學校社團擔任過宣傳部部長，負責過很多次海報設計和公眾號的推文撰

寫。我覺得這段經歷讓我對排版和文字很敏感，能寫出好看的文案。這對我現在應

聘投放崗位、負責廣告創意的撰寫是非常有幫助的。

為什么這么回答不好：

強行套用不相關的校園經歷，且將“投放”片面理解為“寫文案”和“做海報”，未能提煉

出諸如“數據分析”、“目標導向”、“資源分配”等真正可遷移的底層能力。

高分回答示例：

對我幫助最大的是上一段負責某新產品上線初期的整合營銷經歷。當時我們在極度

有限的預算下，需要在一個月內完成一萬的新增注冊KPI。這段經歷極大鍛煉了我

的“ROI意識”和“數據拆解能力”。

當時我沒有盲目鋪設渠道，而是先用小預算在三個主流平臺進行快速灰度測試，通

過比對CPA和次日留存率，最終將80%的預算集中在表現最好的信息流平臺。每天

我會拉取分時段的數據漏斗，發現晚間活躍度高但轉化差，于是迅速調整了晚間的

定向標簽和文案痛點，最終把獲客成本壓縮了25%，超額完成了目標。

這段經歷讓我深刻認識到，做投放不能只看表面的曝光，而是要對最終的商業轉化

負責。這種對數據漏斗的嚴密監控習慣、對預算花在刀刃上的極致追求，以及在壓

力下快速迭代策略的實戰經驗，我認為是可以完美平移到當前的廣告投放工作中

的，并能幫助我快速上手接管賬戶。

Q4：你的長遠職業規劃是什么？★★★（考察職業發展穩定性）

?不好的回答示例：

我希望前兩年先做廣告投放，多積累一些實操經驗。等把各大平臺的玩法都摸透之

后，我計劃往產品經理或者運營方向轉崗，因為我覺得投放工作比較辛苦，長期做

可能會有瓶頸，還是想多嘗試幾個不同的賽道。

為什么這么回答不好：

直接在面試官面前表達把當前崗位當“跳板”，且傳遞出對崗位長期價值的否定，會

讓企業對候選人的穩定性與培養價值產生極大疑慮。

高分回答示例：

對于未來的職業規劃，我希望能在買量增長這個賽道上深耕，最終成長為具備全局

視角的資深增長操盤手。具體而言，我將我的規劃分為三個階段。

第一階段是未來1-2年內，我希望能夠快速吃透咱們公司所在的行業特性，精通主流

媒體平臺的底層算法，成為能夠獨立操盤大預算賬戶、對ROI結果直接負責的資深

優化師。把戰術執行和數據優化做到極致。

第二階段，在3-5年內，我計劃向投放管理或全鏈路增長方向橫向拓展。不再僅僅局

限于前段的競價抓量，而是將視角延伸到后端的商業變現與留存，通過跨媒體矩陣

的組合打法，甚至結合私域運營策略，為公司提供整體的買量增長解決方案。

長遠來看，我希望自己不僅是一個懂系統算法的專家，更是一個懂商業邏輯的業務

伙伴?；ヂ摼W流量紅利在變，但基于數據和人性的營銷本質不會變，我會始終圍

繞“如何更高效地獲取高質量商業流量”這個核心點來打磨自己的職業護城河。

Q5：你如何看待廣告投放工作中的高壓與頻繁加班？★★★★（考察抗壓能力）

?不好的回答示例：

我覺得年輕人加點班是可以接受的，只要公司能給到相應的加班費或者調休。但是

如果是那種每天毫無意義地瞎忙或者內耗，我可能會受不了。如果有明確的任務，

我肯定會留下來把它做完再走。

為什么這么回答不好：

回答過于計較短期得失，且帶有潛在的抱怨情緒（假設“無意義內耗”）。未能理解

投放崗位因流量實時波動而帶來的特殊加班性質。

高分回答示例：

我非常理解廣告投放這個崗位的特殊屬性。因為流量是7x24小時實時變動的，競爭

對手的出價、系統的模型波動隨時都在發生。這就決定了我們的工作不能是朝九晚

五的打卡心態，而是要對賬戶結果負全責的“操盤手”心態。

面對高壓和加班，我通常用兩個方法來應對。第一是提升前置規劃的效率。我會把

新建計劃、素材頭腦風暴這些常規動作前置到白天的固定時間段，用自動化規則和

報表工具代替人工盯盤，盡量避免因為效率低下而導致的無效加班。

第二是對結果負責的心態調整。如果晚上遇到賬戶突然爆量，或者大促節點需要通

宵盯盤調價，對我來說這不僅是壓力，更是賬戶起飛、業績突破的興奮時刻。我曾

經負責大促雙十一投放時，連續一周高強度復盤盯數據，當看到ROI突破歷史峰值

時，那種成就感完全沖淡了疲憊。所以，我完全能夠擁抱這種基于業務爆發帶來的

高壓狀態。

二、專業理論與平臺機制類（10道）

Q6：請簡述CPC、CPM、CPA和ROI的具體含義?！铩铩铩铩铮疾旎A專業術

語掌握度）

?不好的回答示例：

CPC就是按點擊扣錢，用戶點一次算一次。CPM是按千次展現收費，只要廣告露出

了就得付錢。CPA是按照轉化來收費的，比如人家下了一個單。ROI好像是回報

率，就是我花了多少錢，最后賺了多少錢的一個比值。

為什么這么回答不好：

解釋過于口語化，缺乏嚴謹的公式支撐，沒有體現出專業從業者對核心數據指標背

后的數學邏輯與業務價值的深刻認知。

高分回答示例：

這四個指標構成了廣告投放的基礎評估體系。CPC是CostPerClick，即每次點擊

成本，等于總消耗除以總點擊量。它直接反映了前端素材的吸引力及競爭環境，是

我們控制流量引入成本的核心指標。

CPM是CostPerMille，即千次展現成本，等于總消耗除以展現量再乘以一千。它

代表了獲取曝光的成本，通常由大盤競爭激烈程度和自身廣告的eCPM質量決定。

CPA是CostPerAction，即單次行動成本，這個Action可以是表單提交、APP激

活或下單。CPA=總消耗/轉化數，是我們衡量后端流量質量和前端轉化漏斗健康度

的最直接指標。

ROI則是ReturnonInvestment，投資回報率。在電商或直接變現場景中，ROI=總

GMV（或回收金額）/總消耗。它是評估一次投放是否具備商業盈利價值的最終北

極星指標。在實際優化中，我們通常通過提升點擊率和轉化率來壓低CPA，從而在

客單價固定的情況下，最大化我們的ROI表現。

Q7：主流信息流廣告平臺的競價邏輯是怎樣的？★★★★★（考察底層競價機制

認知）

?不好的回答示例：

我覺得平臺的邏輯就是誰出的錢多，就把流量給誰。只要我的出價足夠高，我的廣

告就能排在前面。當然平臺也會看一下廣告好不好看，如果點的人多，可能稍微出

低一點也能拿到一些流量吧。

為什么這么回答不好：

思維還停留在非常原始的純競價時代，完全忽略了平臺對用戶體驗和系統收益的綜

合考量，沒有準確點出eCPM這個核心競價排序機制。

高分回答示例：

主流信息流廣告平臺的核心競價邏輯，本質上是圍繞系統預估收益（eCPM）的實

時競價排序。平臺不僅僅看廣告主出價的高低，而是追求“商業化收益”與“用戶體

驗”的平衡。

競價排序的核心公式是eCPM=出價×預估點擊率(eCTR)×預估轉化率(eCVR)

×1000。當一次流量曝光機會產生時，系統會瞬間拉取所有符合定向條件的廣告計

劃，計算它們的eCPM值。eCPM越高的計劃，獲得的展現優先級就越高。

這意味著，即使我們的出價（Bid）不是最高的，只要我們的素材極其優秀，預估

點擊率很高；或者我們的落地頁承接能力強，預估轉化率很高，我們依然可以憑借

高eCPM贏得競價。此外，現代平臺通常采用GSP（廣義第二價格）的扣費機制，

即我們的實際扣費并不會是我們自己的出價，而是下一位競價者的eCPM加上一個

微小的差值，這就鼓勵廣告主報出真實的心理預期價格，而不是盲目虛高出價。

Q8：廣告平臺中的eCPM是如何計算的？★★★★★（考察核心算法公式理解）

?不好的回答示例：

eCPM就是千次展現收益。計算方法的話，大概就是把我們的出價，乘以廣告的點

擊率，然后再乘以轉化率。具體的公式我有點記不清了，反正就是這三個因素一起

決定的，數值越高越容易跑出去。

為什么這么回答不好：

公式要素基本正確但不夠嚴謹（缺少乘以1000的系數，且混淆了歷史CTR和預估

eCTR），解釋過于單薄，沒有體現出這個公式在日常調優中的指導意義。

高分回答示例：

eCPM即預估千次展現收益，是平臺衡量將流量分發給哪條廣告能獲得最大收益的

核心標準。在OCPX智能出價模式下，它的標準計算公式為：eCPM=目標轉化出

價×預估點擊率(eCTR)×預估轉化率(eCVR)×1000。

在這個公式中，有三個核心變量決定了我們能否搶到量。第一是出價，這是我們唯

一可以絕對控制的硬性指標，在冷啟動期或者起量困難時，通常需要通過提價來拉

高eCPM獲取初始曝光。

第二是eCTR，即平臺模型對素材點擊率的預估。這極其考驗前端素材的吸睛程

度、封面的點擊誘導以及標題的匹配度。

第三是eCVR，即預估轉化率。這依賴于落地頁的轉化邏輯、表單的順暢度以及受

眾定向的精準度。

在日常優化中，如果發現計劃拿不到量，我就會把eCPM公式拆解開來。如果不愿

意提高出價，那就必須死磕素材提升eCTR，或者優化鏈路提升eCVR。這三者的乘

積，就是我們在大盤流量池里搶占展現機會的唯一籌碼。

Q9：請說明OCPX與傳統競價方式的最大區別?！铩铩铩铩铮疾熘悄艹鰞r原理

掌握度）

?不好的回答示例：

傳統競價就是CPC那種，我們出多少錢買一個點擊；OCPX是系統幫我們出價。比

如OCPA，我們只要設定好一個轉化多少錢，剩下的就交給系統，系統會自動去尋

找容易轉化的人，比傳統競價更方便省事。

為什么這么回答不好：

解釋過于小白化，“交給系統”抹殺了優化師的價值，沒有點透OCPX背后的算法模

型原理、賠付機制及雙出價階段的核心差異。

高分回答示例：

OCPX（如OCPC/OCPA）與傳統競價（如純CPC/CPM）的最大區別在于“優化目

標與出價邏輯的后置化”。

在傳統競價模式下，平臺只對前端的曝光或點擊負責，廣告主花錢買來點擊后，后

續是否轉化只能聽天由命，風險全部由廣告主承擔。

而OCPX模式的核心是“基于轉化目標的智能出價”。我們給系統設定的是最終轉化

成本（比如CPA100元），系統會根據自身的底層算法模型和歷史數據，去預估每

一個流量個體的轉化概率（eCVR）。對于預估高轉化概率的人群，系統會在底層

自動提高CPC出價去搶量；對于低概率人群，則自動降價或不展現。

也就是說，OCPX將人工盯著點擊成本的精力解放出來，把復雜的按次動態出價交

給了算法。但這不意味著我們無事可做，我們的核心工作從“調出價”轉變為了“喂模

型”和“做素材”——我們需要通過科學的定向測試讓系統快速積累足夠的轉化樣本

（通常是度過冷啟動），幫助模型建準人群畫像，從而實現后端成本的穩定控制。

Q10：深度轉化出價階段平臺通常是如何進行模型探索的？★★★★（考察智能

出價進階知識）

?不好的回答示例：

深度轉化就是除了看表單提交，還要看有沒有實際成交。這個時候平臺會根據我們

設定的深度出價，去找那些不僅愿意點，而且還愿意付錢的人。探索的話，就是先

花點錢試試水，如果轉化好就多給量。

為什么這么回答不好：

沒有講清楚淺層轉化與深層轉化的“雙出價”關聯機制，對系統如何權衡淺層樣本與

深層模型之間的數據置信度毫無概念。

高分回答示例：

在深度轉化出價階段（例如雙出價模式），平臺模型面臨的最大挑戰是深層轉化樣

本稀疏（如完課、付費），如果直接跑深度，模型極難建立。因此，平臺通常采

取“淺層保量、深層調優”的聯合探索策略。

首先，我們在后臺同時設定“淺層目標出價”（如表單激活）和“深層目標出價”（如有

效付費）。在探索初期，由于深度數據極少，系統主要依據淺層目標的轉化概率

（eCVR1）來預估eCPM并拿量。這個時候的首要任務是讓計劃先跑出去，積累足

夠多的淺層樣本。

隨著淺層數據積累，并有部分數據轉化為深層目標，系統開始計算“淺層到深層的轉

化率”（eCVR2）。此時，競價公式的側重點會悄然過渡，逐漸將深層出價和

eCVR2納入eCPM的權重中。當深度轉化樣本達到一定門檻（即模型置信度達

標），系統就會完全以深度模型去尋量。在這個過程中，作為優化師，我們需要在

初期給予相對寬容的預算，并嚴密監控淺深層的轉化漏斗率，防止模型探索過程中

出現嚴重偏差導致成本超標。

Q11：頭條系和騰訊系廣告平臺的用戶標簽邏輯有什么差異？★★★★（考察跨

平臺認知）

?不好的回答示例：

頭條系主要就是看用戶喜歡刷什么樣的短視頻，標簽變化比較快；騰訊系主要是基

于微信和QQ，標簽看重用戶的社交關系。我覺得頭條跑量快一點，騰訊跑得比較

穩，大概就是這樣的區別。

為什么這么回答不好：

只回答了最表象的感受，沒有從兩大平臺底層產品生態、數據埋點機制和推薦算法

邏輯的根本差異上進行專業拆解。

高分回答示例：

頭條系（巨量引擎）與騰訊系（廣點通/騰訊廣告）在用戶標簽邏輯上存在本質的底

層差異，這源于兩者的產品生態體系。

頭條系是典型的“內容興趣導向”加“強算法分發”。它的標簽邏輯極度依賴用戶的短期

行為交互（如停留時長、點贊、完播、劃掉）。這意味著巨量引擎的標簽具有極強

的“實時性”和“動態變化”特征。算法極其敏銳，今天用戶多看了兩遍汽車視頻，立馬

就能被打上汽車興趣標簽。因此在頭條系投放，通常不需要做過窄的人工定向，依

賴算法自動探索是最高效的。

而騰訊系則是“社交+強賬號屬性導向”。依托微信和QQ生態，騰訊掌握的是用戶極

其穩定的人口屬性、社交圈層以及長期的商業行為閉環（如公眾號關注、小程序使

用、微信支付）。騰訊系的標簽更加“深度”和“靜態長效”。所以在騰訊系投放，人群

包的精細化圈選和社交裂變屬性的利用尤為關鍵，定向策略需要比頭條系做得更扎

實，通過精確的人群洞察來起量往往比單純依賴系統盲探更穩妥。

Q12：什么是廣告投放中的冷啟動期？★★★★★（考察廣告生命周期概念）

?不好的回答示例：

冷啟動期就是剛建好一個新計劃，還沒有什么展現和消耗的那個階段。這個時候系

統還不知道把廣告推給誰，所以跑得比較慢。等過了幾天，消耗上去了，成本也穩

定了，就不算冷啟動期了。

為什么這么回答不好：

缺乏量化標準，未講出冷啟動期的算法本質（樣本積累與模型置信度），也沒有提

及冷啟動期容易出現的賠付機制和成本波動問題。

高分回答示例：

冷啟動期，又稱為學習期，是OCPX智能出價模式下一個極其關鍵的模型探索階

段。從本質上講，由于新計劃缺乏歷史轉化數據，系統無法準確預估受眾的轉化概

率（eCVR），只能通過廣泛撒網來試探，這個尋找準確人群畫像的過程就是冷啟

動。

在量化標準上，不同平臺要求不同，通常要求在規定時間內（比如3-4天）積累到

20個或20個以上的轉化樣本。

冷啟動期有三個典型特征：第一是拿量困難，因為模型不確信，分配的初始流量有

限；第二是成本極度不穩定，可能一兩單成本極高或極低，因為系統在各個流量層

級進行試探；第三是享受平臺的賠付政策，為了鼓勵廣告主測試，只要我們不在冷

啟動期頻繁修改出價和定向，且轉化數達標但成本超標，平臺會承擔超出部分的損

失。所以在這個階段，優化師最重要的是保持耐心，給予合理的初始高出價和預

算，切忌頻繁人工干預導致模型重啟。

Q13：搜索廣告和信息流廣告在投放邏輯上最大的不同是什么？★★★★（考察

不同流量池特性理解）

?不好的回答示例：

搜索廣告就是百度那種，用戶自己去搜關鍵詞，比較精準；信息流廣告就是刷抖音

頭條出來的廣告，有點像大海撈針。搜索廣告不用做很多視頻素材，主要是寫字；

信息流要花很大精力拍視頻。

為什么這么回答不好：

只描述了表面現象，沒有深入剖析“人找信息”與“信息找人”底層邏輯帶來的流量轉化

漏斗差異，以及競價維度的根本不同。

高分回答示例：

這兩種廣告在投放邏輯上的最大不同，核心在于“流量獲取邏輯”與“用戶意圖強弱”的

差異。

搜索廣告是典型的“人找信息”。用戶主動輸入關鍵詞，帶有極其明確的需求和痛

點。因此，搜索廣告的投放邏輯是以“詞”為核心，通過買斷高意圖的搜索詞來精準

攔截流量。它的轉化率極高，漏斗較短。我們的優化重點是拓詞策略、賬戶層級搭

建以及搜索詞與創意的相關度匹配。

信息流廣告則是“信息找人”。用戶本來是在娛樂或看新聞，廣告是原生穿插其中

的，用戶當下并沒有明確的需求。因此，信息流廣告的投放邏輯是以“受眾定向和素

材激發”為核心。它的本質是“激起潛在欲望”。在優化策略上，我們不再買詞，而是

通過標簽買人，并且高度依賴高沖擊力的圖片或視頻素材在短短前3秒內抓住用戶

眼球，強行制造需求。相比搜索，信息流的流量池無限大，但意圖偏弱，極度考驗

素材的創意生命力和OCPX模型的調優能力。

Q14：歸因分析中常見的“最后一次點擊歸因”是什么意思？★★★★（考察轉化

歸因邏輯認知）

?不好的回答示例：

最后一次點擊歸因就是，如果一個用戶點了很多次廣告，我們只算他最后點的那一

下。因為最后一次點擊之后他才買了東西，所以業績就應該算給那最后一條廣告計

劃，之前的都不算數。

為什么這么回答不好：

雖然字面意思解釋正確，但沒有深入探討這種歸因模型在實際全渠道投放中的優缺

點，無法體現出對數據鏈路分配價值的深度思考。

高分回答示例：

“最后一次點擊歸因”是目前數字營銷中最傳統也是被使用最廣泛的一種歸因模型。

它的邏輯是，當一個轉化發生時，系統會將100%的功勞全部分配給用戶在轉化前

最后點擊的那一個廣告媒介或觸點。

舉個例子，用戶先在百度搜了品牌詞，又在抖音看了信息流廣告并點擊，最后在朋

友圈看到廣告點擊后完成了下單。在最后一次點擊歸因模型下，這個轉化100%算

作微信渠道的業績。

這種模型的優點是規則極其簡單清晰，便于系統快速統計和計算直接ROI。但在多

觸點、多平臺的整合營銷時代，它的缺點也極其明顯：它嚴重忽視了前期各個渠道

對用戶的“種草”和“認知教育”價值，容易導致預算分配失衡——過度獎勵負責收割流

量的底層漏斗渠道（如品牌專區），而餓死負責拉新的前端信息流渠道。因此，在

評估全局賬戶時，我們通常還會參考助攻轉化，或者引入線性歸因、時間衰減歸因

來做更科學的預算分配。

Q15：最新的隱私政策變化對廣告追蹤產生了什么影響？★★★（考察行業前沿

動態關注度）

?不好的回答示例：

蘋果現在好像不讓APP隨便獲取用戶隱私了，用戶可以選不同意。這樣的話我們就

很難拿到用戶數據，廣告投放肯定會變差，成本會變高?？赡芤院笾荒芸肯共铝耍?/p>

沒以前好做了。

為什么這么回答不好：

情緒過于悲觀且表達不專業。未能點出關鍵技術名詞（如IDFA、ATT政策），也沒

有提出廣告平臺及優化師應對數據斷裂的解決思路。

高分回答示例：

以蘋果ATT政策落地為代表的隱私新規，對數字廣告底層追蹤邏輯產生了革命性的

影響，主要體現在兩個方面：第一是設備級標識符（如IDFA）的獲取率斷崖式下

跌；第二是跨APP的數據追蹤鏈路被迫切斷。

這帶來的直接痛點是：精準定向能力受損，系統難以構建完整的用戶畫像；同時，

轉化歸因出現嚴重延遲和漏報，導致基于OCPX的智能出價模型因收不到及時的后

端轉化信號而出現學習困難，進而引起空耗和成本飆升。

面對這種變化，我認為優化師和行業都在積極調整策略。從技術端看，各大平臺正

在推行隱私計算和更依賴聚合數據而非設備級別數據的歸因方案（如蘋果的

SKAdNetwork）。從投放端看，我們的策略必須回歸營銷本質。過去我們過度依

賴機器精準抓人，現在我們需要重新重視素材的“廣譜穿透力”，用更優質的創意去

自然篩選目標受眾；同時，在考核上拉長歸因周期，從看單日ROI轉變為看后端整

體的用戶生命周期價值（LTV）。

三、賬戶實操與定向策略類（12道）

Q16：接手一個全新的廣告賬戶時你的第一步動作是什么？★★★★★（考察新

賬戶接手思路）

?不好的回答示例：

接手新賬戶，我第一步肯定就是趕緊建幾條新計劃跑起來看看情況。我會去別的賬

戶里找幾個跑得好的素材直接傳上去，設好預算和出價，看看一天能花多少錢，出

不出單，再決定下一步怎么做。

為什么這么回答不好：

一上來就盲目建計劃是最大的大忌，完全缺乏全局調研和謀篇布局的能力，沒有體

現出“謀定而后動”的操盤手思維。

高分回答示例：

接手全新賬戶，我絕對不會馬上動手建計劃，我的第一步動作是進行全面的“賬戶與

業務盡職調查”。分為三個維度：

第一是理清業務大盤與考核底線。我會找業務負責人確認當前的投放預算體量、核

心KPI指標（是保量還是保ROI）、能承受的最高CPA上限，以及后端承接鏈路是否

已經跑通。

第二是競品與市場環境調研。我會通過巨量算數或者第三方數據抓取工具，拉取行

業競品的主力投放素材、主打賣點、落地頁結構以及常見的定向人群包，做到知己

知彼。

第三是規劃賬戶的底層骨架?；谇皟刹剑視谀X圖里畫出賬戶的基礎架構：命

名規則怎么定、預算怎么切分（比如按產品線還是按受眾測試方向）、冷啟動期第

一批要測試的變量是哪些（比如測試三個核心定向搭配兩套主視覺風格）。只有當

這套策略白皮書完全成型后，我才會真正登錄賬戶開始搭建操作。這樣才能確保賬

戶從起步階段就是整潔、可追蹤且邏輯嚴密的。

Q17：請描述搭建一個完整廣告計劃的標準化流程?！铩铩铩铩铮疾鞂嵅僖幏?/p>

性）

?不好的回答示例：

首先就是在后臺點新建，選好推廣目的。然后設置一下想要花多少錢，出價多少。

接著選一下想投給誰看，比如年齡地區這些。最后把做好的視頻和文案上傳上去，

選好要跳轉的落地頁，點發布等審核就可以了。

為什么這么回答不好：

記流水賬式的回答，雖然包含了基本步驟，但缺乏作為“優化師”的策略思考，沒有

體現命名規范、版位選擇、創意組合等進階細節。

高分回答示例：

搭建一條標準廣告計劃，不僅是點選按鈕，更是一個嚴密邏輯的落地過程。我的標

準化流程分為五步：

第一步是基礎設置與命名規范。明確營銷目標后，我會嚴格按照“產品_定向類別_素

材編號_出價方式_日期”的格式命名計劃，這是為了后續分析數據時能夠一眼看穿計

劃屬性，極大提升復盤效率。

第二步是預算與版位選擇。根據測試策略分配初始預算，版位上新計劃通常優選平

臺推薦的核心流量池（如抖音主端版位），避免無效流量干擾模型。

第三步是人群定向策略。我會依據前期的受眾畫像，勾選基礎的人口屬性，并精心

搭配興趣行為標簽或者上傳第一方DMP數據包。同時，注意勾選智能擴量功能以防

流量枯竭。

第四步是出價與排期。設定具有競爭力的冷啟動出價，并設置合理的投放時間段

（規避轉化極差的凌晨時段）。

第五步，也是最重要的一環，創意組裝。采用程序化創意或自定義方式，上傳至少

3-5套視頻素材和多組標題文案進行排列組合，仔細檢查落地頁跳轉鏈接是否帶有準

確的追蹤參數，最終核對無誤后提交審核。

Q18：在新計劃搭建初期你會如何選擇初始出價？★★★★★（考察出價策略制

定能力）

?不好的回答示例：

新計劃的話，為了能快點跑出去，我通常會把出價設得非常高，比老板給的考核成

本高個一兩百都行，只要能燒出去就行。等后面有了轉化數據，我再把它慢慢降下

來，這樣賬戶就起量了。

為什么這么回答不好：

一味推崇“高價砸量”且沒有底線思維，后續“慢慢降下來”在OCPX機制下極易導致模

型崩潰，做法非常魯莽，容易造成預算嚴重超標無法收場。

高分回答示例：

新計劃初期的出價需要平衡“快速起量積累模型”與“控制長期成本”兩個目標，我的初

始出價策略通常遵循“分層測試、微調上浮”的原則。

具體來說，我不會盲目報出一個天價，而是以業務可接受的目標CPA為基準。如果

是常規跑量計劃，為了讓系統在冷啟動期能夠搶到更優質的展示位快速渡過學習

期，我的初始出價通常會比目標考核成本高出15%到20%左右。在這個溢價范圍

內，既能刺激模型積極探索，也能保證即便發生賠付或前期成本稍高，也不至于引

發不可逆的預算雪崩。

同時，我會采用階梯出價法。同一批相似的素材，我會復制成2-3條計劃，分別設置

略低、居中、偏高三個出價梯度去試探大盤。偏高的用來快速試錯探底，居中的用

來跑穩固模型。如果發現高出價計劃起量太猛且轉化極差，我會迅速關停而非頻繁

降價；如果成本極好，我也不會輕易降價，而是通過擴大預算池來收割利潤。出價

是一門心理戰，起初的克制與合理的溢價同樣重要。

Q19：你通常是如何組合使用定向標簽的？★★★★★（考察人群定向策略）

?不好的回答示例：

我通常就是把所有能想到的跟產品相關的標簽全都選上，興趣也選，行為也選，把

人群包做得越細越好。我覺得這樣跑出來的人肯定最精準，就不會浪費錢在那些不

想買的人身上。

為什么這么回答不好：

典型的“流量漏斗過窄”思維。在智能算法時代，定向過窄會直接導致計劃完全跑不

出量，連冷啟動都無法完成，違背了當前的系統探索邏輯。

高分回答示例：

在OCPX時代，定向策略的核心不是“圈得越小越準”，而是“給系統一個方向，讓算

法去擴大”。我通常采用“寬泛+精準”組合的三明治打法。

首先，對于剛起步或者急需放量的賬戶，我會使用“寬定向”策略。也就是只卡死性

別、年齡、地域這三個最核心的硬件指標，甚至什么都不限（通投），完全依靠素

材的內容去天然篩選人群。這種做法拿量能力極強，不容易衰退。

其次，對于需要嚴格控制成本或者轉化極難的非標品，我會使用“意圖標簽矩陣”。

我不會把所有標簽擠在一條計劃里，而是拆分。比如推一款商務車，我會建三條計

劃：A計劃打“同類汽車品牌興趣詞”，B計劃打“高爾夫/名表等高凈值行為詞”，C計

劃用老客戶號碼包做Lookalike擴量。

最后，我會根據賬戶所處的階段動態調整。新計劃階段注重用行為標簽給模型指

路；模型成熟后，大膽放寬定向，利用系統的自動擴量功能去收割泛流量。千萬不

能讓過于繁雜的人工標簽限制了機器的學習上限。

Q20：什么是人群包擴展功能及適用的場景？★★★★（考察拓量工具使用能

力）

?不好的回答示例：

人群包擴展就是把我們本來很小的一群人，通過系統放大，變成很多人。比如我傳

了一萬個號碼，系統就能幫我擴展到幾十萬人。這個功能我一般在錢花不出去的時

候就會點一下，希望能多拉點人來看廣告。

為什么這么回答不好：

理解停留在表面，沒有解釋Lookalike（相似人群擴展）背后的種子質量與模型距

離邏輯，且使用場景僅僅局限于“錢花不出去時盲目點一下”，缺乏策略性。

高分回答示例：

人群包擴展，也就是我們常說的Lookalike相似人群拓展，是平臺基于廣告主提供

的“種子人群”，利用自身的底層數據模型，去大盤中尋找在興趣、行為、設備特征

上與種子人群高度相似的新用戶的工具。

這個功能在三大場景下非常適用。第一是賬戶嚴重衰退、急需破圈拓量時。當我們

原有的定向包已經洗了一遍，跑不出量，我們可以把歷史轉化最好的那批高優客戶

提取出來作為種子包，向外擴展幾百萬量級，這比盲目開通投更安全。

第二是冷啟動期輔助模型快速收斂。新賬戶缺乏歷史數據時，我們可以上傳公司歷

史成交的優質CRM數據進行拓展，相當于直接給算法喂了極高精度的樣本，能大幅

縮短冷啟動時間。

在使用時我非常注重兩個關鍵點：一是種子包的質量必須極致純凈（比如用復購用

戶而非單純點擊用戶），因為垃圾種子擴出來的也是垃圾；二是擴展量級要循序漸

進，不能直接選“最大范圍”，否則相關度會被極度稀釋，導致成本失控。我會從窄

范圍高相似度開始，逐步向外釋放量級。

Q21：你會如何構建賬戶內部的層級結構？★★★★（考察賬戶架構邏輯）

?不好的回答示例：

我一般就是按照每天的日期來建計劃，比如今天建的都叫今天的名字?；蛘哂行滤?/p>

材了，就專門為這個新素材建個計劃。反正只要把計劃建好，預算給夠，能跑出量

就行，沒有特別去管里面要怎么分層，我覺得跑得好才是最關鍵的。

為什么這么回答不好：

毫無架構思維，把賬戶當成垃圾桶。這種雜亂無章的搭建方式會導致后期數據復盤

極度困難，無法橫向對比素材和定向的優劣，嚴重拖慢優化效率。

高分回答示例：

構建清晰的賬戶層級結構是高效優化的前提。我通常會秉持MECE原則（相互獨

立，完全窮盡）來搭建，一般分為橫縱兩套邏輯。

縱向是以“營銷目標”和“產品線”為核心劃分。比如在一個電商賬戶里，我會優先把不

同客單價或者不同類目的產品拆分到不同的大層級。因為不同客單價的人群畫像和

轉化成本差異巨大，混在一起會導致系統模型極度混亂，互相搶量。

橫向則是以“測試變量”為核心劃分，也就是我們在日常計劃搭建時的命名和組合邏

輯。我通常會把賬戶劃分為三個核心區：“測試區”、“跑量區”和“長尾區”。新上的素

材和定向組合會先放入測試區，采用嚴格的A/B測試邏輯；一旦測試區跑出了低成

本、高轉化的模型，我就會把這些計劃提拔到跑量區，放大預算，給足空間；而長

尾區則是用來掛那些偶爾出單但起伏不定的老計劃，用低出價來撿漏大盤流量。

這種結構的好處是：當賬戶出現異動時，我能一秒鐘定位是新計劃探索失敗，還是

老計劃生命周期枯竭，從而實現極其高效的盯盤與診斷。

Q22：預算受限時你會如何設置層級預算分配？★★★★（考察預算控制能力）

?不好的回答示例：

如果預算比較少，我就把預算平攤給所有的計劃，讓每個計劃都能花一點錢，看看

哪個運氣好能出單?；蛘吒纱嘀唤ㄒ粌蓷l計劃，把所有的錢都砸在這一兩條上面，

這樣它們就有足夠的錢去度過冷啟動了。

為什么這么回答不好：

平攤預算會導致所有計劃都“吃不飽”，無法度過冷啟動；而全砸一兩條計劃又等于

把雞蛋放在一個籃子里，缺乏容錯率。沒有體現出預算分級的精細化管理能力。

高分回答示例：

在預算受限的緊約束條件下，最忌諱的就是“撒胡椒面”式的平攤預算。我的核心策

略是“集中火力打高優，保留小額做測試”。

首先，我會把有限的預算做2-8開的分配。80%的主力預算必須傾斜給賬戶里歷史

轉化數據最好、跑量最穩健的“頭部計劃”或者“明星產品”。在預算不足時，保住ROI

的基本盤是第一要務。這部分預算我會設置在廣告組層級，防止單條計劃突然爆量

導致整個賬戶瞬間空耗。

其次，剩下20%的預算我會建立一個獨立的“探索池”。這部分絕不會去建海量的新

計劃，而是極度精簡，可能每天只上2-3條最有潛力的微創新素材，采用極窄的定向

去打最核心的受眾人群，確保這少量的測試預算能跑出足夠的樣本量。

此外，在出價策略上，預算受限時我會更偏向于使用保守的OCPA出價，甚至利用

平臺的“成本保障”工具，嚴防超成本拿量。同時在投放時段上進行收縮，砍掉轉化

率平庸的時段，把有限的子彈全部打在高轉化率的黃金時段，以此來拉升整體的資

金利用效率。

Q23：怎樣設置投放時間段才能實現ROI最大化？★★★★（考察時段優化策

略）

?不好的回答示例：

我覺得最好就是全天24小時都投，因為你不知道客戶什么時候會看手機。如果晚上

停了，可能就錯過了一些想買東西的人。只要有人點就行，所以我一般都不限制時

間，讓系統自己去跑。

為什么這么回答不好：

沒有考慮不同時段流量質量與轉化漏斗的差異，完全依賴系統。夜間垃圾流量可能

導致極高空耗，缺乏精細化運營意識。

高分回答示例：

實現ROI最大化的時段策略，不能靠拍腦門，而是必須基于賬戶歷史漏斗數據和業

務客群特征來進行科學切分。我的時段設置分為三個步驟。

第一步，建立分時轉化漏斗報表。我會拉取過去兩周的分時數據，不僅看點擊量和

消耗，最核心是看每個小時的“前端轉化成本”和“后端簽單/退單率”。很多時候，凌

晨1點到5點的流量極度便宜，點擊率也不錯，但網民容易沖動消費，次日退單率極

高。這種看似CPA低的時段，實際上是拉低整體ROI的元兇，必須堅決關停或降

價。

第二步，鎖定黃金轉化窗口。對于教育、B2B這類強客服介入的業務，我會把黃金

時段與客服排班強綁定，確保線索進來的第一分鐘有人跟進；對于電商業務，我會

鎖定晚間8點到11點這個消費決策高峰期，此時段不僅全量開放，甚至會通過自動

化規則在此時段上浮出價，搶占最優質的流量。

第三步，冷啟動計劃的特殊處理。新計劃我通常會選擇在流量高峰期前一兩個小時

（比如下午4點）開啟，讓系統有充足的時間完成模型探索，順勢承接晚高峰的流

量紅利。通過這樣精細到小時級別的時段干預，能大幅擠干消耗水分。

Q24：賬戶搭建初期的A/B測試應該如何科學設置？★★★★★（考察科學測試

方法論）

?不好的回答示例：

我測試的時候就是多建幾條不一樣的計劃。比如計劃A用一個新視頻加上年輕人定

向，計劃B用另外一張圖片加上中年人定向，然后都跑個一兩天，誰的成本低我就

留誰，別的直接關掉。

為什么這么回答不好：

完全違背了控制變量法的科學原則。同時改變了素材、定向甚至出價多個變量，導

致最終根本無法歸因是哪個因素帶來了好效果，測試結果毫無復用價值。

高分回答示例：

科學的A/B測試是賬戶持續增長的引擎。我的測試原則是嚴格遵循“單一變量控制

法”，杜絕一鍋燉式的盲測。

在賬戶搭建初期，我會明確測試的優先級：通常素材是第一權重，其次是定向，最

后是出價方式。以測試素材為例，如果我要測試三種不同的視頻開頭，我會新建三

個廣告計劃。這三個計劃除了視頻開頭不同之外，其他所有條件——包括人群定向

包、出價金額、落地頁、甚至發布時間——必須保持絕對一致。

跑出數據后，評估也有嚴格的標準。我不會只看半天的消耗就下結論，而是設定一

個置信區間：至少要讓每條計劃消耗到目標CPA的3-5倍以上，積累足夠的點擊和

轉化樣本。如果在同等定向下，計劃A的轉化率遠高于B，那就證明A的素材方向是

正確的。

接下來我會進入第二輪裂變測試。把跑贏的A素材作為固定基準，再去測試不同的

定向包（比如測試興趣人群與相似人群包的差異）。通過這樣一輪一輪剝洋蔥式的

單變量嚴密測試，最終能沉淀出一套確定的“爆款素材+核心定向”的起量模型，作為

賬戶的長期壓艙石。

Q25：進行定向測試時如何避免多個計劃之間產生內部擠壓？★★★★（考察內

部流量沖突規避能力）

?不好的回答示例：

這個沒法避免吧，因為賬戶里的錢都是一起花的。如果發現它們互相搶量，我就把

其中跑得差的那條直接關了。或者我就故意把定向設置得完全不一樣，一個選北京

一個選上海，這樣肯定就不會擠壓了。

為什么這么回答不好：

通過物理隔離（如完全割裂地域）來規避擠壓會嚴重縮小受眾池，阻礙起量。缺乏

利用平臺產品功能（如頻次控制、受眾排除）進行系統化防擠壓的技巧。

高分回答示例：

內部計劃擠壓（流量同質化競爭）不僅會導致自身成本被無謂抬高，還會讓新計劃

遲遲拿不到展現。在定向測試時，我會通過事前隔離和事中排查兩手抓來規避。

事前隔離最有效的手段是“交集排除”。當我在測試不同的人群包時，比如測試A（高

頻網購人群）和B（美妝興趣人群），這兩者必然存在大量重合。我會在后臺使用

DMP工具，做人群包的交集計算，然后在建計劃時，讓B定向主動“排除”A包人群。

這樣兩條計劃圈定的就是完全不重合的獨立流量池，不僅避免了自己人打自己人，

還能清晰看出不同維度標簽的真實價值。

事中排查則是通過控制素材和出價梯隊。系統判斷是否擠壓，不僅僅看定向，還要

看eCPM競爭。所以我會避免讓多條出價極其接近、素材高度同質化的計劃在同一

時間段競爭同一波人群。我會把老計劃的出價壓穩，給新計劃稍微高一點的溢價，

在階梯上錯開它們。如果依然發現展現嚴重被搶，我會借助后臺的“流量重合度分析

工具”，一旦發現重合度超過30%，我就會果斷暫停轉化效率偏低的那一條，把流量

灌給跑量主力。

Q26：程序化創意工具和自定義創意分別適用于什么場景？★★★★（考察創意

工具選擇策略）

?不好的回答示例：

程序化創意就是系統幫你亂拼，自定義就是自己選好標題和視頻搭配。我比較喜歡

用自定義，因為心里有底，知道廣告長什么樣。程序化有時候拼得牛頭不對馬嘴，

比較難看，所以我基本不用那個。

為什么這么回答不好：

思維過于主觀，否定了機器學習在效率和個性化分發上的優勢。未能清晰界定兩者

在“冷啟動測試”與“精細化運營”不同階段的戰略分工。

高分回答示例：

程序化創意和自定義創意是我們在不同投放階段、針對不同戰略目的使用的兩把利

器。

程序化創意（如巨量的動態創意）最核心的優勢是高并發測試與千人千面分發。它

非常適合“新賬戶搭建初期”或者“大促放量期”。這時候我們需要快速篩選優質素材，

我會上傳5個視頻和5個標題，系統會裂變出25種組合，自動給年輕人推偏娛樂的組

合，給中年人推偏痛點的組合。它能大幅提升起量概率，把測試效率拉滿。

但它的缺點是難以掌控特定素材的生命周期，且不方便做深度的數據下鉆。因此，

自定義創意就有了用武之地。它非常適合“精細化跑量”和“爆款素材復制”階段。當我

在程序化里發現某個“視頻A+標題B”的組合轉化率極高時，我就會把它剝離出來，

用自定義創意單獨建一條計劃，給足預算去榨干它的利潤。

另外，對于一些強品牌調性的客戶，或者素材邏輯有嚴格先后順序的要求時，我也

會堅決使用自定義創意，以確保傳達給用戶的視覺和文案邏輯絕對無誤。所以，程

序化用來“拓荒找爆款”，自定義用來“深耕守利潤”，兩者結合才是最優解。

Q27：如何高效利用系統自動定向推薦人群功能？★★★（考察平臺自動化工具

應用）

?不好的回答示例：

系統推薦的話，一般就是點一下那個智能推薦的開關就好了。反正系統會根據我們

之前的轉化數據去自己找人。如果跑得不好，我就把這個功能關掉，還是自己手工

選標簽比較靠譜。

為什么這么回答不好：

完全是一種黑盒式、被動式的使用方法。不知道自動定向的生效前提（如種子數據

積累），也沒有掌握人工策略與自動模型相配合的高階玩法。

高分回答示例：

系統自動定向（如系統推薦/智能尋量）是平臺基于深層轉化模型進行放量的強大工

具。但要高效利用它，絕不是簡單撥開一個開關，而是需要有策略地“喂養模型”。

首先，自動定向功能的表現極其依賴賬戶底層的歷史轉化數據模型。所以，在賬戶

極度饑荒、沒有任何老計劃跑出模型的純冷啟動階段，我絕對不會全開自動定向，

那樣會導致極高的空耗。必須是賬戶里已經有幾十甚至上百個穩定的轉化樣本后，

我才會開啟這個功能，讓系統有“參照物”去擴量。

其次，我是采用“人工設限+系統探索”的模式來駕馭它。在開啟自動定向的同時，我

會保留最核心的“不可突破的底線標簽”。比如我的產品客單價極高，那我即使開自

動擴量，也會死死卡住“高消費能力”或者特定城市這個基礎條件，讓系統在這個安

全范圍內去拓展人群。

最后，我會配合激進的衰退期干預策略。當一條老計劃人群洗盡、開始掉量時，正

是開啟“智能擴量”的最佳時機。它能幫老計劃突破原有的人群壁壘，經常能帶來意

想不到的流量第二春。

四、數據分析與優化調整類（13道）

Q28：你每天早上查看賬戶數據時最關注哪三個核心指標？★★★★★（考察日

常數據敏感度）

?不好的回答示例：

我每天早上來主要看看昨天花了多少錢，有沒有超預算；然后看看展現量和點擊量

高不高，視頻有沒有人看；最后數一下出了幾單。如果數據不好就改改計劃，如果

挺好就不怎么動了。

為什么這么回答不好：

只關注了表層的淺度指標，像“流水賬”，沒有觸及廣告投放的核心商業邏輯（成本

控制、轉化效率、收益回報），體現不出資深操盤手對核心鏈路的把控。

高分回答示例：

每天早上的數據復盤是指導全天操作的基石，我會優先穿透繁雜的數據，盯緊以下

三個最核心的北極星指標：

第一是核心后端指標：整體賬戶的真實CPA（轉化成本）與ROI。因為這直接關系

到公司的盈利底線。我會先對比昨日全天以及今日凌晨的實際CPA是否在KPI考核

范圍內。如果成本超標，接下來的所有動作都將圍繞“降本止損”展開；如果ROI表現

極佳，那我當天的策略就會轉為“提價擴量”。

第二是前端流量漏斗指標：點擊率（CTR）和轉化率（CVR）。這兩個率是賬戶健

康度的體檢表。如果展現很大但CTR暴跌，說明素材生命周期進入衰退期，今天必

須緊急補充新素材；如果CTR穩健但CVR大幅下滑，說明流量質量變差或落地頁承

接出了問題，需要馬上排查定向模型。

第三是跑量趨勢指標：核心計劃的消耗速率與展現份額。我會看頭部那幾條吃預算

的計劃，它們今天的消耗斜率和昨天同時段相比是否出現嚴重下滑。因為信息流的

衰退往往是斷崖式的，盯緊頭部計劃的消耗速率，能讓我提前預判斷量風險，及時

上新計劃做流量接力。

Q29：發現賬戶整體ROI下降時你會按什么邏輯進行拆解分析？★★★★★（考

察數據排查思維框架）

?不好的回答示例：

如果ROI降了，我就看看是不是大盤流量變貴了。如果是的話我就降低一點出價，

或者少花點錢。另外我會把那些不出單、花錢多的計劃直接關掉，再重新建幾條新

的試試，希望能把ROI拉回來。

為什么這么回答不好：

典型的“頭痛醫頭腳痛醫腳”，缺乏系統性的分析框架。簡單粗暴的關停降價容易導

致賬戶徹底斷流，沒有從“流量-轉化-后端”的全鏈路去排查根本原因。

高分回答示例：

面對ROI下降，我不會盲目操作，而是有一套“由表及里、從后往前”的三維交叉排查

框架。

第一維度，先做大盤與賬戶結構的宏觀切割。我會看是全行業大盤成本普漲（比如

遇到大促節點），還是只有我的賬戶單方面崩盤。接著排查賬戶內部，是普遍計劃

都變差，還是某一條頭部計劃突然跑飛拉跨了整體大盤。如果是單條計劃出問題，

迅速降權或暫停即可。

第二維度，利用轉化漏斗進行微觀定位。公式是：ROI=客單價/(CPC/轉化

率)。我會挨個排查：是前端點擊成本（CPC）急劇上升導致流量買不起了？還是

轉化率（CVR）突然斷崖下跌？如果是CPC飆升，說明素材生命周期衰竭或遇上了

強勁競品擠壓，需要上新創意去洗盤；如果是CVR暴跌，我會立刻檢查落地頁是否

打不開、服務器是否宕機，或者近期是否有大量低質量泛流量涌入。

第三維度，排查后端流量承接與客單質量。有時候前端CPA很穩，但ROI依然降

了，這就要求我跳出系統，去跟銷售端或者運營端對齊：是不是最近推的產品客單

價變低了？是不是有效線索率變差了？或者客服跟進不及時導致流失率高？通過這

種嚴密的邏輯拆解，才能對癥下藥，穩住基本盤。

Q30：廣告展現量很低可能的原因有哪些？★★★★★（考察曝光漏斗分析能

力）

?不好的回答示例：

展現低可能是因為我們的錢沒給夠，出價太低了，系統不想給我們量。也有可能是

因為我們選的人太少了，或者視頻做得不夠吸引人，系統覺得沒人看，就不給推薦

了。

為什么這么回答不好：

雖然提到了出價和定向，但缺乏基于競價機制（eCPM）的專業理論支撐。語言不

專業，邏輯零散，沒有展現出一條完整的排查鏈路。

高分回答示例：

廣告拿不到展現，本質上是在大盤競價池中競爭失敗，也就是我們計劃的eCPM

（預估千次展現收益）太低。我會按照“內部阻礙-競價三要素-外部環境”的順序依次

排查：

首先排除內部硬件阻礙。是不是計劃日預算或者賬戶總余額撞線了？是不是選了極

其苛刻的投放時段？或者后臺有未解決的違規記錄導致賬戶被隱形降權？這些是低

級錯誤，必須最先排除。

其次深挖eCPM競價三要素：出價、預估點擊率（eCTR）、預估轉化率

（eCVR）。如果出價遠低于行業大盤，當然拿不到量，這在冷啟動期尤為常見；

如果是老計劃突然沒量，通常是素材老化導致歷史點擊率和轉化率雙雙下滑，系統

模型判斷你的廣告質量極差，從而大幅壓低了你的流量權重。另外，定向過窄（比

如選了幾千人的包還不開擴量）也會直接掐斷流量入口。

最后我會評估外部競爭環境。是否最近剛好遇上電商大促，大客戶在瘋狂提價搶

量，拉高了大盤整體水位？或者直接競品上了極具殺傷力的新爆款素材，把我們的

份額擠壓殆盡。只有通過這種層層遞進的排查，才能準確決定是該提價、放寬定向

還是緊急換素材。

Q31：展現量正常但點擊率遠低于行業均值你會如何優化？★★★★★（考察點

擊轉化環節優化能力）

?不好的回答示例：

點擊率低的話，說明大家都不愿意點。我就會去找設計重新做幾張好看一點的圖

片，或者把標題寫得稍微夸張一點、誘惑一點。實在不行我就去抄一下別人的爆款

廣告，換一下視頻的背景音樂試試看。

為什么這么回答不好：

“標題黨”或者盲目抄襲不是長久之計。缺乏對點擊行為發生前3秒的受眾心理拆解，

沒有提出結構化的創意優化方向（如首圖、前三秒、賣點匹配度）。

高分回答示例：

展現正常但點擊率極低，說明廣告成功觸達了用戶，但沒能產生有效的“注意力攔

截”。這時優化動作必須全神貫注于素材表現力和定向匹配度上，我通常從三個切入

點下手。

第一是視覺沖擊與“黃金前3秒”的重構。對于視頻廣告，前3秒決定了80%的點擊

率。我會重點分析前3秒的臺詞是否足夠痛點、畫面是否有強烈的矛盾沖突或懸

念。如果是圖片廣告，我會測試加大主文案的字號、使用更高對比度的色彩，或者

更換更具代入感的原生場景圖，打破用戶的“廣告防御心理”。

第二是文案與定向的“鉤子匹配度”排查。點擊率低往往是因為我們對牛彈琴。我會

交叉檢查文案賣點是否契合當前圈定的受眾人群。比如打折促銷的文案如果推給高

凈值人群，點擊率必然低。我會在文案里增加更具針對性的呼喚語（如“深圳買房的

人注意了”），用強關聯性刺激點擊。

第三，提煉外顯附加價值。除了視覺和文案，我還會優化視頻封面、底部轉化按鈕

的文案（比如把“了解更多”改為“免費領資料”），甚至利用跑馬燈等組件增加互動

感，通過多維度降低用戶的點擊門檻，誘導下一步動作。

Q32：點擊率高但轉化率極低的問題通常出在哪里？★★★★★（考察后端轉化

鏈路分析能力）

?不好的回答示例：

這肯定是落地頁沒做好，可能頁面太丑了或者加載太慢了，用戶點進去就關了。也

有可能是我們在外面寫的廣告太夸張，把人騙進來的，結果進來一看不是那么回

事，覺得上當了就不買了。

為什么這么回答不好：

雖然點到了落地頁和夸大宣傳，但不夠系統。沒有引入流量質量、系統模型匹配和

表單流失節點等更深層的技術和數據維度去剖析。

高分回答示例：

高點擊、低轉化是一個極其危險的信號，如果不及時干預，不僅會浪費大量預算，

還會把賬戶模型徹底跑偏。這種情況通常暴露出前后端鏈路斷裂，我會從以下三個

深層環節進行排查：

首當其沖是“所見非所得”導致的預期違背。這是最常見的病因。為了追求高點擊，

前端素材可能過度使用了誘導性內容（比如“點擊免費送”），但落地頁里卻是原價

售賣。用戶一旦發現預期落差，跳出率會極高。這要求我必須重新校準素材與落地

頁的信息一致性。

其次是落地頁的硬件承接效率極差。我會馬上調用熱力圖工具或后臺數據，查看頁

面的首屏跳出率和加載時間。如果加載超過3秒，流失率會成倍增加；如果是表單

轉化，我會檢查表單字段是否過多、索要隱私是否過分，或者轉化按鈕是否被折疊

隱藏。任何一個摩擦點都會嚴重拉低CVR。

最后，是流量質量與模型精準度的問題。在信息流廣告中，有時候高點擊來源于系

統抓取了大量“無腦點擊客”（如誤觸的羊毛黨）。如果發現點擊率高得出奇，我會

重點排查是否投放到了極差的穿山甲聯盟媒體位，或者在系統定向推薦時模型跑

偏，抓了一批毫無轉化意圖的低質人群，這時候必須通過負向排除和精準標簽去強

行糾偏模型。

Q33：轉化成本突然飆升時你會采取什么緊急措施？★★★★★（考察成本失控

響應策略）

?不好的回答示例：

如果成本突然變得很高，我肯定第一時間把出價降下來，能降多少降多少。如果降

價還沒用，我就直接把這條計劃關了，反正不能讓它繼續虧公司的錢了，然后趕緊

去建一堆新計劃補上。

為什么這么回答不好：

遇到成本飆升就直接大幅降價或關停，是新手的通病。大幅降價會直接破壞OCPX

模型導致計劃徹底死亡，沒有給模型自適應的空間，缺乏冷靜診斷的過程。

高分回答示例：

轉化成本突然飆升是投放中的高危時刻，但絕不能盲目一刀切關停計劃。我會啟動

一套“止損控盤與診斷搶救”的標準化SOP。

第一步，拉取當日分時數據，確認飆升的性質。是瞬間某一個小時超高導致均值拉

高，還是全天呈現持續攀升的趨勢？如果是偶發波動且處于冷啟動期，且整體超出

不多，我會穩住不動，觀察模型能否在晚間自動回拉，因為頻繁修改會直接導致模

型報廢。

第二步，如果確認是持續性的惡性飆升，我會采取“軟著陸”止損。我絕不會大幅修

改出價，而是優先采用“收縮預算上限”或“暫停劣質時段/版位”的方式來控制現金流

血。如果是老計劃，我會微調出價（每次幅度控制在5%以內），向系統釋放降溫信

號。

第三步，立刻下鉆數據，定位飆升節點。如果展現和點擊都很穩，僅僅是轉化數掉

底導致成本拉高，我會緊急排查后端落地頁是否宕機、API回傳接口是否故障導致

丟單。如果是前端成本（CPC）突然翻倍，那說明大盤競爭加劇，原先的高效模型

正在失效，此時我會立刻啟用備用池里的新素材，搭配核心定向開啟新計劃，準備

做新老計劃的流量交接。

Q34：計劃度過冷啟動期后流量開始衰退應該怎么挽救？★★★★★（考察衰退

期廣告干預能力）

?不好的回答示例：

流量衰退很正常，就是這個計劃的壽命到了。一般這種情況我就直接關掉了，因為

再去搶救也很難救回來。我會把精力放在做新視頻上，不斷地上新計劃去代替老

的。

為什么這么回答不好：

把正?，F象當成絕癥放棄治療，完全沒有展現出延長優質計劃生命周期的能力。度

過冷啟動的計劃是高價值資產，輕易放棄會導致賬戶極不穩定。

高分回答示例：

度過冷啟動期的成熟計劃是賬戶的優質資產，一旦出現衰退，盲目放棄極其可惜。

流量衰退通常分為“人群洗盡”和“eCPM競爭力下降”兩類，我會對癥下藥進行搶救。

如果是因為定向太窄導致的“人群洗盡”，我會利用平臺的“破圈”工具。首選動作是在

該計劃上開啟“自動擴量”或“智能尋量”功能，因為此時模型極其精準，放開限制能讓

系統去更廣的流量池里抓取相似人群。如果不行，我會輕微放開年齡和地域限制，

給模型注入新血。

如果是“eCPM競爭力下降”（比如CTR隨著曝光變多而下滑），我會采取“煥新策

略”。首先，我會堅決不去動原有的定向和出價，而是給這條老計劃新增一套全新

的、甚至完全不同風格的爆款素材，利用老模型的高權重去強推新素材。

如果上述微調都無法挽回趨勢，我才會采用終極方案：將這條老計劃的核心爆款素

材+高轉化定向直接一鍵復制，稍微提高5%的出價，建立一條新計劃去重新沖擊冷

啟動，同時把老計劃降權，完成賬戶內部的基因迭代。

Q35：怎樣判斷一條計劃是否已經徹底沒有優化空間需要關停？★★★★★（考

察止損判斷標準）

?不好的回答示例：

如果一條計劃連續兩天都不出單，或者跑出去的成本比我們規定的高出很多，我覺

得就可以直接關了。不能因為有感情就不舍得關，做投放就是要狠，跑不好的計劃

留著也是白搭。

為什么這么回答不好：

只靠“一兩天不出單”作為標準過于草率，忽略了消耗門檻、流量波動、賠付期機制

以及助攻轉化等多維度評估，極易誤殺潛力計劃。

高分回答示例：

關停計劃是賬戶止損的最后一道防線，必須基于嚴格的數據指標和模型狀態，切忌

憑感覺操作。我通常通過以下三個維度的“判死刑標準”來綜合決定：

第一，跨越賠付紅線且無收斂趨勢。如果是處于冷啟動期的新計劃，成本超標但我

絕不會輕易關，因為要爭取平臺的自動賠付。但如果它已經消耗了目標CPA的3倍

以上，且實際成本高出預期30%，且近24小時內轉化成本完全沒有下降的趨勢曲

線，說明模型徹底跑偏，我會果斷關停。

第二，老計劃的“三降一高”晚期癥狀。如果一條昔日跑量的主力計劃，出現了展現

量連續3天暴跌、點擊率跌破行業均值、轉化率腰斬，同時前端CPC高得離譜。并

且，在我嘗試了提價、放寬定向、添加新素材等一系列挽救動作后，連續48小時依

然毫無起色，這說明該計劃的受眾池已徹底枯竭或在競價池中被完全碾壓，我會判

定其失去優化空間。

第三，看它是否存在“助攻價值”。有些計劃雖然表面不產生直接轉化，但通過歸因

分析發現它帶來了大量的前期優質點擊和深度停留，屬于給其他跑量計劃“打掩

護”的種草計劃。只有當它既沒有直接轉化，也沒有助攻貢獻時，我才會毫不留情地

一鍵關停。

Q36：漏斗分析模型在日常廣告優化中是如何具體應用的？★★★★★（考察數

據模型應用能力）

?不好的回答示例：

漏斗分析就是看從展現到點擊，再到轉化的一個過程，像個漏斗一樣越來越少。我

在優化的時候就會看看哪一步流失的人最多，比如很多人點了但是沒買，我就會覺

得是這中間出了問題，然后想辦法去改改看。

為什么這么回答不好：

描述過于淺白，“感覺中間出了問題去改改”體現不出系統性的優化方法論，沒有將

漏斗模型的每一層與具體的廣告操作動作（素材、落地頁、定向）強行綁定。

高分回答示例：

漏斗分析模型是廣告優化師最核心的診斷聽診器。在我的日常優化中，我將用戶路

徑拆解為五級漏斗，并在每一層都對應著嚴格的診斷指標和優化動作。

第一級是“展現漏斗”（定向層）。如果大盤流量充沛但我的展現極小，我重點排查

的是出價和定向寬窄，這說明我連下場的資格都沒有。

第二級是“點擊漏斗”（創意層）。這是最關鍵的斷崖點。如果展現巨大但點擊率

低，我會直接將刀口對準外層素材：前3秒是否抓人、封面和標題夠不夠痛點，這

決定了能否有效攔截用戶注意力。

第三級是“抵達漏斗”（鏈路層）。點擊高但抵達落地頁的到達率低。這純粹是技術

阻力。我會馬上排查落地頁加載速度、是否被劫持或者適配存在問題。

第四級是“轉化漏斗”（承接層）。也就是抵達后不留資不下單。我會對落地頁進行

大手術：調整首屏的賣點露出、縮短表單索要的信息層級、或者增加強背書的客戶

案例，消除信任障礙。

第五級是“后端有效漏斗”（客源層）。即留資后發現全是假號或不接電話。這說明

前端模型跑偏抓取了劣質