ピンタレストは、広告の取得にオンライン近似最近傍探索（ANN）を使用していますが、オフラインANNも、大規模なデータ処理やコスト効率の良い運用に役立ちます。オフラインANNは、オフラインで候補を事前に計算するため、高スループットと低遅延のクエリ応答、および比較的静的なクエリコンテキストのシナリオに適しています。ピンタレストはオンラインANNを成功させましたが、広告在庫の拡大に課題を抱えています。階層型ナビゲーション可能な小世界（HNSW）から逆ファイル（IVF）アルゴリズムへの移行により、より大きな階層インデックスを実現できますが、コストが増加します。オフラインANNは、豊富な計算リソースと遅延許容度の利点があり、静的なクエリコンテキストを持つ候補生成器に効果的です。オンラインとオフラインのアプローチの主な違いは、ANN検索のタイミングです。オフラインANNには、コスト効率と拡張性などの利点がありますが、リアルタイムの制限や固定近傍などの欠点もあります。ピンタレストは、類似アイテム広告や視覚的埋め込みなどのいくつかのユースケースで、オフラインANNベースの取得を評価しました。オフラインANNは、より良いエンゲージメントとコンバージョン性能を示しており、ピンタレストは将来の進歩のために独自のオフラインANNフレームワークとプラットフォームを積極的に開発しています。