From Clicks to Conversions: Architecting Shopping Conversion Candidate Generation at Pinterest
Author: Pinterest Engineering | Source: Pinterest Engineering Blog | Published: 2026-04-28
한 줄 요약
Pinterest는 병렬 DCN v2 + MLP 아키텍처와 통합 멀티태스크 모델을 통해 전환 최적화 광고 리트리벌 성능을 대폭 개선했다.
핵심 주장/내용
- 병렬 DCN v2 + MLP 아키텍처를 도입하여 오프라인 recall@1000을 11% 향상시켰으며, 이 구조는 전체 프로덕션 리트리벌 모델에 채택되었다
- 멀티헤드에서 통합 싱글헤드 멀티태스크 아키텍처로 전환하여 recall@100을 42% 향상시켰다
- 광고주 수준의 손실 함수를 설계하여 전환 신호의 안정성을 확보했다
- 멀티서피스 모델, 클릭 지속시간 가중치를 적용한 이중 양성 신호, 하드 네거티브 샘플링 등 다양한 기법을 결합했다
주요 수치 / 사실
- 전환 볼륨 +2.3% 증가
- CTR +1.5% 증가
- RoAS +3.1% 증가
- 오프라인 recall@1000 +11% (병렬 DCN v2 + MLP)
- recall@100 +42% (통합 싱글헤드 멀티태스크)
관련 위키
Source: 원문 보기