广告排期策略优化系统

面向多渠道广告投放场景（4 个渠道、19 个广告组、118 个广告系列、4,225 条历史投放记录），将经验型预算分配问题建模为"效果预测 + 不确定性探索"的序列决策问题。

主导整体方案设计与技术路线选择，构建包含 CTR、CPC、CPA、转化率等 8 项核心指标的投放决策指标体系，并推动系统化落地。

基于 Python（Pandas）完成数据清洗与特征构建，选用 RandomForest 进行效果预测，并在策略层引入多臂老虎机（MAB）机制，平衡探索与利用。

基于 Flask + SQLite 封装"预测—探索—预算分配"流程为 API，并开发可视化界面支持多活动并行投放决策。在模拟投放环境下，相比静态经验分配策略，系统在多轮决策后表现出更稳定的策略调整特征。（该项目为原型系统，未真正上线）