Pinterest 为转化广告开发了一个专用的候选生成模型，以应对站外转化数据稀疏和噪声问题。该模型与以往基于互动的系统不同，专注于低漏斗转化。2023 年初次上线后，转化和互动指标均显著提升，包括点击率提高。2025 年的进一步迭代带来了更高的转化价值和更优的广告支出回报率。为应对数据稀疏问题，该模型采用多表面策略，在所有购物场景中训练，并辅以站内互动数据作为主要转化信号的补充，同时根据点击时长对点击数据进行重新加权，以减轻噪声影响。模型还引入“硬负样本”（如无互动的广告曝光），以增强对比学习的鲁棒性。模型融合了用户侧特征（捕捉实时意图与长期偏好）和 Pin 侧特征（用于语义理解与效果追踪）。其采用双塔架构，结合 DCN v2 与并行交叉层中的 MLP，提升了特征交互建模与召回质量。模型从多头设计演进为统一的多任务架构，使得在推理阶段可直接受益于多任务优化。此外，引入广告主级损失函数，为转化信号提供更稳定的粒度，显著提升了召回效果。该新模型成功增加了购物转化量，改善了广告主表现，同时优化了用户的购物体验。