클릭에서 전환으로: Pinterest 쇼핑 전환 후보 생성 설계

Pinterest는 쇼핑 retrieval을 클릭 중심에서 전환 중심으로 바꾸기 위해 전용 후보 생성 모델을 만들었다. 2023년 첫 모델은 전환과 engagement를 함께 끌어올렸고, 2025년 개선판은 US 쇼핑 캠페인 RoAS 3.1% 개선까지 이어졌다.

데이터 설계는 희소하고 지연되는 offsite conversion 신호를 보완하는 데 초점을 맞췄다. Homefeed, Related Pins, Search를 하나의 multi-surface model로 묶어 학습했고, conversion에 더해 click과 repin을 함께 쓰는 dual positive signals 전략을 적용했다. click은 체류 시간을 반영한 log 기반 re-weighting으로 노이즈를 줄였고, engagement가 없는 ad impression은 더 어려운 hard negative로 활용했다.

모델은 user tower와 Pin tower를 분리한 two-tower 구조 위에 DCN v2를 얹었고, sequential 대신 parallel로 DCN v2와 MLP를 병렬 배치해 정보 병목을 줄였다. 이 변경은 offline recall@1000을 +11% 끌어올렸고, 이후 production engagement retrieval 모델에도 확산됐다.

멀티태스크 구조도 바뀌었다.

• 2023년에는 conversion head와 engagement head를 분리한 multi-head 구조를 사용했다.
• 2025년에는 이를 unified single-head multi-task architecture로 통합해 서빙 임베딩이 두 목적을 함께 반영하도록 했다.
• Pin-level conversion 신호의 분산을 보완하기 위해 advertiser-level loss를 추가했고, 그 결과 conversion task의 recall@100이 2023년 모델 대비 +42% 개선됐다.

최종적으로 이 후보 생성 모델은 shopping conversion volume 2.3% 증가, shopping impression-to-conversion rate 2.7% 상승, CTR 1.5% 증가, 30초 초과 CTR 2.2% 증가로 이어졌다. Pinterest는 전환 최적화와 Pinner 경험 개선이 서로 충돌하지 않고 함께 개선될 수 있음을 입증했다.