在校期间，主修市场营销专业，核心课程包括市场营销策略、消费者行为分析、市场调研与预测等。学习了品牌管理、广告投放策略等与广告定价相关的知识，培养了数据分析和决策能力。
获得了校级一等奖学金，并在市场营销案例分析竞赛中获得团队第一名，展示了在广告市场定价模型方面的应用能力。
积极参与校园活动，担任市场营销协会副会长，组织了多次广告策划比赛，提升了团队协作和创新思维。此外，辅修了经济学课程，增强了对市场动态和定价理论的理解。
在复旦大学新闻学院攻读广告学专业，重点学习了广告策划、媒介研究、广告市场分析等课程，深入理解了广告定价机制和消费者心理。
完成了关于数字广告市场动态定价模型的毕业论文，运用了计量经济学方法，获得了优秀毕业论文荣誉，并被推荐至相关领域实习。
参与了学院的广告创新实验室项目，负责数据收集和分析工作，积累了实际广告定价案例经验。在校期间，担任广告学学生会主席，组织了多场行业讲座，与广告公司建立了联系，增强了实际操作能力。
工作描述
主要职责
- 负责制定和优化广告定价策略，包括实时竞价（RTB）和程序化广告模型，以最大化广告投放的ROI（投资回报率）。
- 分析海量广告数据，使用工具如Hadoop和Tableau进行数据挖掘，评估CPM（千次展示成本）和CPC（每次点击成本）等关键指标。
- 与媒体合作伙伴协作，设计并实施广告定价算法，确保定价模型符合市场竞争动态。
专业技能
- 精通广告交易平台，如Google AdX和MediaMath，能够进行程序化广告拍卖优化。
- 掌握数据驱动的定价方法，包括需求预测和价格弹性分析，提升广告库存的填充率。
成果
- 在2021至2022年期间，成功将公司广告定价系统的填充率提高了15%，并减少了10%的无效广告支出。
- 领导团队开发了自定义定价算法，针对不同受众群体优化出价策略，显著提升了整体广告收入。
职责一：广告投放策略制定
负责品牌客户的线上广告投放策略，结合目标受众画像和媒体环境，制定程序化广告定价方案。通过分析历史投放数据，优化广告位溢价模型，提升投放ROI。主导某快消品牌在视频流广告的竞价策略，实现CPM提升20%。
职责二：系统操作与执行
熟练使用The Trade Desk、Rubicon等程序化广告交易平台，执行实时竞价操作。监控广告投放过程中的填充率、点击率等关键指标，及时调整出价策略，确保广告资源有效覆盖目标用户。参与集团程序化广告系统升级项目，主导测试并反馈优化方案。
职责三：定价模型优化
建立并维护广告定价模型，结合第三方数据平台（如ComScore、MoPub）进行实时市场趋势分析。针对不同行业（如电商、金融）制定差异化定价策略，降低客户获取成本。定期撰写《程序化广告市场季度分析报告》，为部门定价策略调整提供数据支持。
负责广告定价策略的制定与优化，基于市场数据和用户行为分析，开发自定义定价模型，确保广告投放的ROI最大化。使用Python和SQL进行数据分析，计算CPC（每次点击成本）和CPM（千次展示成本）等关键指标，并通过Google Ads API实现自动化出价系统。定期监控广告表现，调整竞价策略以提升转化率和减少浪费预算。
协作团队完成广告交易平台（ad exchange）的集成工作，包括与DSP（需求方平台）和SSP（供应方平台）的对接，确保实时竞价（RTB）流程高效运行。分析历史数据，识别定价偏差并提出改进建议，参与公司级广告预算分配方案的讨论，确保资源最优配置。
主导季度定价回顾会议，使用Tableau生成可视化报告，评估不同广告渠道的效率，如社交媒体和搜索引擎广告。针对行业趋势，如程序化广告和AI驱动定价，持续学习并应用新技术，提升团队整体定价能力。
项目背景
在阿里巴巴集团的电商业务中，广告竞价系统面临效率低下的问题，导致广告投放ROI不足。目标是通过优化竞价模型，提升整体广告效果和用户转化率。
挑战
- 现有竞价算法基于静态历史数据，无法适应实时市场变化，导致预测偏差大。
- 用户行为数据量庞大且动态，处理和分析存在瓶颈，影响竞价决策的准确性。
- 竞争对手采用先进机器学习模型，我们的系统在实时竞价中处于劣势。
解决方案
- 引入实时竞价算法，结合深度学习模型（如LSTM网络）预测用户点击率和转化率。
- 使用Python和TensorFlow构建预测模型，并集成到Hadoop大数据平台中，实现高效数据处理。
- 开发自适应竞价策略，基于实时反馈调整出价，优化ROI计算。
成果
- 系统优化后，广告点击率提升了20%，用户转化率提高了15%。
- 竞价决策时间从原来的秒级减少到毫秒级，显著提升了系统性能。
- 整体ROI增加了25%，广告投放成本降低了10%。
项目背景
在腾讯广告的电商业务中，广告定价策略需要根据市场趋势和用户行为动态调整，以最大化广告投放效果和ROI。目标是设计并实施新的定价模型，适应竞争激烈的在线广告市场。
挑战
- 传统定价模型过于依赖人工干预，缺乏自动化和实时响应，无法应对快速变化的市场条件。
- 数据分散在多个平台，整合难度大，导致模型训练数据不足且质量不高。
- 竞争对手采用动态定价算法，我们的策略在竞价竞争中处于劣势，影响广告填充率和有效点击率。
解决方案
- 开发基于机器学习的动态定价模型，使用随机森林算法预测广告需求弹性。
- 整合腾讯内部数据源，包括用户浏览历史和交易数据，通过ETL过程清洗和标准化。
- 实施A/B测试来验证不同定价策略的效果，并使用Python进行数据分析和模型优化。
成果
- 新定价策略实施后，广告填充率提升了18%，有效点击率增加了22%。
- ROI提高了30%，广告投放成本减少了12%。
- 系统可扩展性强，支持多平台应用，提升了整体广告业务的竞争力。
| 专业技能：精通广告竞价系统（如Google AdX、程序化广告）的实时出价机制与CPM优化策略，具备丰富的数据分析能力，能够通过挖掘用户行为和市场趋势，制定精准的广告投放策略；熟悉第三方数据源和受众定位技术，能够有效提升广告ROI。
| 工作经验：曾主导多个大型广告客户的竞价账户优化，涵盖电商、新闻、娱乐等多个行业。成功实现客户广告支出的降本增效，提升单日广告收益超过20%；负责广告预算分配与资源调度，确保投放效果最大化。
| 职业规划：致力于在广告定价与技术结合领域持续深耕，关注人工智能与机器学习在广告投放中的应用，期望通过不断学习与实践，推动广告行业智能化升级，为客户提供更具竞争力的广告解决方案。
研究内容
本研究聚焦于在线广告竞价领域，探讨如何利用深度强化学习（Deep Reinforcement Learning, DRL）模型优化广告竞价策略，以提升广告主的点击率（Click-Through Rate, CTR）和广告平台的填充率（Fill Rate）。研究基于大规模真实广告数据集，模拟了多代理竞争环境下的动态竞价过程。
研究方法
采用深度Q网络（Deep Q-Network, DQN）和其变体如优先级经验回放（Prioritized Experience Replay）算法，结合强化学习的奖励函数设计，针对广告定价中的不确定性因素进行建模。具体方法包括：1) 构建状态空间（State Space），涵盖用户行为特征、竞争对手出价历史等；2) 定义动作空间（Action Space），包括出价调整策略；3) 设计奖励函数，融入广告收益和风险评估指标，如预期转化率（Expected Conversion Rate）。
研究成果
研究成果在国际期刊《Journal of Machine Learning Research》上发表论文一篇，并应用于某大型广告平台的竞价系统，实验表明竞价成功率提升约15%，广告投放成本降低8%。创新点在于首次将深度强化学习与广告拍卖理论结合，提出了‘动态风险调整竞价框架’，解决了传统静态模型在实时竞价（Real-Time Bidding, RTB）中的适应性不足问题。
研究内容
本研究深入分析在线广告拍卖市场中的纳什均衡（Nash Equilibrium）和系统效率（System Efficiency），特别关注广告定价机制对市场透明度和广告主福利的影响。研究基于广告经济学理论，模拟了多种拍卖类型，如第二价格密封投标（Second-Price Sealed-Bid, FPSB）和实时竞价（RTB）机制。
研究方法
运用博弈论和微分方程模型，结合Python进行仿真分析。具体步骤包括：1) 构建拍卖模型，考虑广告位供给、竞价者异质性及信息不对称问题；2) 采用数值优化技术计算均衡出价策略；3) 通过蒙特卡洛模拟评估不同定价算法（如维克里拍卖Vickrey Auction）下的社会福利（Social Welfare）和帕累托效率（Pareto Efficiency）。
研究成果
研究成果在学术会议‘亚太广告研究协会年会’（APASS）上获得最佳论文奖，并推导出在广告定价中引入‘信息透明度指数’可显著提升市场效率。创新点在于量化了信息不对称对广告定价偏差的影响，提出了‘动态均衡调整算法’，为广告平台设计更公平的定价机制提供了理论基础，相关模型已申请专利。
熟练掌握英语，具备流利听说读写能力，能够独立处理国际项目及跨文化沟通。熟悉广告行业常用术语，如CPM、ROAS等，能够精准传达定价策略与执行方案。
持有Google Ads认证专家证书，深入理解程序化广告竞价逻辑及实时竞价（RTB）机制。掌握广告投放平台定价模型，包括CPC、CPM、oCPC等，具备优化广告预算配置的能力。
持续跟踪广告科技（AdTech）领域创新，熟悉程序化广告生态系统及数据驱动定价（Data-Driven Pricing）方法论。定期参与行业峰会，如MCC China及Kingsize Summit，保持对广告市场趋势的敏锐洞察。