Pinterestは、オフサイトのコンバージョンデータが疎でノイズが多いという課題に対処するため、コンバージョン広告専用の候補生成モデルを開発しました。このモデルは、従来のエンゲージメントベースのシステムとは異なり、ファネルの下位にあるコンバージョンに焦点を当てています。2023年の最初のローンチでは、クリック率の向上など、コンバージョンとエンゲージメントの両方の指標において大幅な改善が見られました。2025年のさらなる反復では、コンバージョン価値がさらに向上し、広告主の広告費用対効果が向上しました。データ疎性を解消するため、このモデルはマルチサーフェスアプローチを使用して、すべてのショッピングサーフェスでトレーニングされています。主要なコンバージョンシグナルをオンサイトのエンゲージメントデータで補完し、ノイズを軽減するためにクリックデータを期間に基づいて再重み付けします。エンゲージメントのない広告インプレッションなどのより厳しいネガティブサンプルは、より堅牢な対照学習に使用されます。このモデルには、リアルタイムの意図と長期的な好みを捉えるユーザー側の特徴と、セマンティックな理解とパフォーマンス追跡のためのPin側の特徴が組み込まれています。DCN v2とMLPを並列に配置した2つのタワーアーキテクチャは、特徴の相互作用モデリングと検索品質を向上させます。このモデルは、マルチヘッド設計から統合されたマルチタスクアーキテクチャに進化し、サービング中にマルチタスク最適化から直接的な恩恵を受けることができるようになりました。広告主レベルの損失関数が導入され、コンバージョンシグナルに対してより安定した粒度を提供し、大幅なリコール改善につながりました。この新しいモデルは、ショッピングのコンバージョン量を増やし、広告主のパフォーマンスを向上させると同時に、ユーザーのショッピング体験を向上させることに成功しました。