Pinterest 近日通过其工程博客分享了广告服务模型的最新改进方案。更新后的模型现已能够同时考量用户的站外转化历史与实时搜索行为，从而推送更具个人相关性的促销内容。

在 Pinterest 工程博客发布的一篇文章中，团队表示，他们近期将用户的外部转化历史纳入模型，用于预测用户未来与广告主及特定产品的互动可能性。

然而，这种基于历史数据的方案仅能在事后发挥作用，无法反映用户当下的搜索意图。为提升广告相关性系统，Pinterest 团队构建了第二套实时行为数据流作为补充。

据 Pinterest 官方表述：“该方案聚焦于三大核心领域：全新的模型架构、创新的训练方法，以及混合式服务流程。”

Pinterest contextual sequencing

更新后的系统现在能够结合用户过往的购买历史，评估更多与相关图板（Related Pins）相关的输入信号，以提升广告相关性。

Pinterest 在说明中举例：“对于相关图板这一展示场景，上下文层的输入特征源自用户当前正在浏览的主题 Pin（subject Pin），具体包括该主题 Pin 的顶级兴趣类别的聚合嵌入表示，并按置信度分数加权。”

简而言之，Pinterest 整合了更多数据点，以预测用户对每条推广 Pin（Promoted Pin）的可能兴趣程度，其中涵盖过往转化记录与网站访问历史，从而驱动相关性与用户响应的双重提升。

测试效果：相关性提升3至10倍

那么，这一升级究竟能带来多大改善？Pinterest 表示，在测试中，更新后的模型在广告相关性方面实现了3倍至10倍的提升。

Pinterest 进一步披露数据：“候选广告的中位相关性提升了约275%至300%。在相关图板这一展示场景中，整体广告相关性指标提升了1.08%。此外，我们观察到候选广告的交付量显著增加，检索到的广告候选被投放到展示环节的数量是此前的2倍。”

尽管这是一份偏技术性的说明，但核心要点在于：Pinterest 现在能够基于更广泛的因素组合，向每位用户展示更具相关性的广告。这一变化很可能将带动 Pin 广告系列的整体表现提升。

上周，Pinterest 报告其月活跃用户数已达6.31亿，同比净增6000万人。与此同时，其基于人工智能驱动的发现流程的持续优化，也在不断提升用户的响应率与内容相关性。