提起广告，可能大部分人对它的印象都不怎么好。尤其是在传统媒体时代，电视台播放的内容，除了电视剧就是广告，并且还会告诉大家“广告同样精彩”。在十几年前，外出逛街，发现很多商店附近都会发传单，虽然发出去了不少，但是很多人看都不看就直接丢进了垃圾桶。可见，在互联网还不发达的时代，各中小商家要想推广自己的产品，其难度可想而知。
传统媒体时代，宣传一件产品，虽然可能投入的资源多，但效率比较低下。在电视上，大家看到的都是同样的东西，说教式的宣传逻辑；发传单的员工，非要跟着你让你写联系方式，这种行为只会更加让人厌恶。从商家的角度来看，产品必须得通过一些手段来让大家知晓，从而产生收益，而这些商家，在有些时候，又是普通大众的一份子，他们对社会及经济的发展产生着至关重要的作用。那么，有没有一种高效的方式，来达成体验与宣传上的平衡，从而形成共赢局面呢，随着技术的发展，答案已经显而易见。近十年，国内互联网广告市场持续向上，展现出强大的潜力。以我的角度来看，这种市场的蓬勃发展，和移动设备的大量普及有很大的关系。
大约在五年前，从同学那里偶然看到了一本书，叫《集体智慧编程》。看书名觉得很有意思，于是借来翻看，当时感觉最有意思的莫过于将用户产生的数据套用到数学公式中，从而产生一些结论，比如：垃圾邮件的识别、物体相似度的计算 等等。所有这些，让我意识到，这应该就是信息化世界的未来，很多事情不是基于逻辑来解决而是基于统计和数据。在群体的活动中，逻辑只能解决一部分比较固定的问题，而对于复杂活动来说，里面有很多不确定性和未知性，根本无法用现有的经验来处理，在这种情况下，最好的方式应该就是通过统计的方式去解决问题。带着这种问题，又翻看了一些推荐系统相关的资料，多数情况下，基础的计算原理很简单，比如：二维情况下，怎么计算两个点之间的相似度，最直观的就是计算两点间距离；那么，拓展到 N 维，可以把一组数据看成一个向量，计算向量之间的相似度，可以用余弦值来度量。当把这种计算方式，放在一个很复杂的关系网中的时候，情况就完全不一样了。在信息流推荐中，该如何计算用户之间的相似度，从而推荐相似用户共同感兴趣的东西（这基于一个假设，即，喜欢同一个东西的用户很可能也喜欢对方喜欢的东西）；该如何计算文章之间的相似度，从而给一个用户推荐相似的内容，所有这些计算，都面临一个很大的问题，就是海量数据的处理，只有将数据处理好了，才能服务好用户。很显然地，广告也处于其中的一环，可以说，现在的互联网广告，其实就是个性化推荐技术的应用，并且是一种很成功的应用。这种对知识的体系化应用，对我而言是一个很大的吸引点。
有人可能会说，作为一个前端开发工程师，我有必要了解很底层的原理吗？从前端发展的历程来看，它越来越多地向完整的系统研发工程师转变，可能十年前引以为傲的切图、做炫酷页面的技术，在今天来看根本就不能算作核心技能。今天，不管是大小公司，需要的其实不是只会开发页面的人，而是能够系统化解决问题的人。前后端工程师，在能力层面的要求，在慢慢地趋于统一，未来，可能这个界限会更加模糊，我们只有不断提升解决问题的能力，才能顺应时代的需要。因此，新技术学不过来，其实不是最大的挑战，最大的挑战在于，作为一个前端开发人员，是否能够不断挑战自己的边界。
那么在广告方向，前端工程师可以做什么呢？前面已经提到过，广告其实是一种很复杂的应用，它的核心是数据和策略。处理的问题，就是平台、用户、广告主三方的博弈关系。对于平台而言，我需要提供系统来给需求方使用，对于用户而言，我需要给用户展示友好的广告样式，最大限度降低用户的厌恶程度。整体的前端系统，其实都围绕广告投放而展开，例如：如何高效地生成广告计划、如何快速配置定向条件、如何看到投放后的数据、如何对没有开发能力的用户提供创建落地页服务、如何在手机端的信息流里展示广告素材。这些都是前端工程师可以做的事情。
抽象总结一下。生成广告计划的系统，可以看成很复杂的数据配置系统。定向条件及人群包的生成，是一种数据加工及处理平台。查看投放数据，是数据的可视化展示。提供给广告主的创建落地页的系统，其实就是可视化建站系统。手机端广告素材的展示，是跨端技术的最好实践方向。因为大部分 B 端系统都大同小异，这也给组件化建设、Low Code / No Code 平台的建设，提供了很好的闭环生态。广告系统中的前端应用，已经不是简单的表单提交与后台管理系统，它最大的特点是在复杂业务的场景下，要求开发人员对技术以及业务的理解都需要比较深入。
广告系统中，从前端到后端，涉及技术面广，且能接触到一个公司的核心商业化逻辑。这对于不论是在业务还是技术方面想深耕的人来说，都是一个很好的选择。
