点击率预估是推荐和广告的核心任务，而特征工程往往决定上限。用户侧特征包括年龄、历史点击品类、活跃时段；物品侧包括类目、热度、发布时间；上下文侧包括位置、设备和网络环境。
交叉特征非常关键。单看“男性”和“游戏”都不稀奇，但“男性加游戏”这个组合信号强得多。人工构造交叉特征或让模型自动学习交叉，都是常见做法。
类别特征要做编码。独热编码维度高且稀疏，哈希技巧能控制维度， embedding 则把每个类别映射成稠密向量，让相似类别在空间中靠近，便于模型泛化。
连续特征要做分桶或标准化，处理长尾分布时常用对数变换。时间特征要注意不能使用未来信息，否则离线评估很好看，上线效果却大幅缩水。
