题目重点：区分不可越过的硬条件与可优化的软条件，基于增量覆盖、转化和广告主成本逐级扩展受众。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 广告主指定的地域、年龄法律要求、排除名单、用户同意/隐私权限等若为硬条件，永不自动放宽；技能/资历近似等可由广告主授权设为软匹配。
- 训练目标是在同预算下改善合格覆盖与转化，不以纯曝光量作为唯一成功。
解题路线
- 将 targeting 约束拆 hard 与 soft，估算原受众规模和每个条件的边际限制，先告诉广告主哪些条件使覆盖变窄；扩展必须在广告主可控的范围内。
- 候选生成可从相似技能、相邻职位、行业相关性、兴趣/行为 embedding 和 lookalike 受众产生，但所有候选仍先过硬过滤、频控和政策检查。按软匹配程度分 tier，保留为什么匹配的解释。
- 用实际曝光/点击/转化训练 propensity 或转化模型，注意 position/出价/历史策略选择偏差；评估边际新增用户的预期价值和成本，而非只看原核心受众表现。
- 投放可从小预算探索扩展 tier，按广告主 ROI、CPA、转化质量和用户负反馈调整。与原受众重叠部分要去重，测增量覆盖及增量转化，可用随机 holdout 或地理/广告主实验。
- 控制品牌安全、敏感定向、公平曝光和用户退订；模型不应靠推断未授权敏感属性扩受众。
手动走一遍
广告主要求纽约、有 Backend 技能，理想候选仅 5 千人；若‘做过分布式系统’是可放宽软条件，可扩到同城具备相邻技能的人并降低排序分，而纽约地域硬条件继续保留。小流量试验确认新增人群的 CPA 与投诉率。
规模与取舍
设原受众 U、候选扩展池 C、每人特征维 d，离线生成与索引可到 O(Cd)，在线从索引召回 K≪C 人再过滤/排序。实际吞吐受广告请求 QPS、预算与政策规则影响，题目未明确数值。
易错点与追问
容易失分的边界
- 直接放宽所有 targeting 条件，越过政策或广告主限制。
- 只看扩后曝光增长，不看增量转化与成本。
- 训练数据只来自原窄定向人群，却假设对扩展人群无偏泛化。
- 把相似技能推荐等同敏感属性推断。
- 未给广告主控制扩展范围和关闭能力。
继续深挖
- 哪些条件绝不能放宽？
- 扩展人群缺少标签时如何探索？
- 怎样衡量增量转化而非抢走原本会转化的人？
- 预算有限时扩展与核心人群如何分配？
