PinterestのAR技術とデータ戦略:素敵なものを見つけるための2つのデータベース(3/3)

(前回からのつづき)

VentureBeat: 実験のシステムでは成功率が30~40%とおっしゃっていましたが、成功率はどうやって測っているのでしょうか?

King:私たちは何百もの異なるメトリクスを追跡しています。時にはユーザーのエンゲージメントであることもあります。ただ、サイトに滞在している時間は人々を何かに向かわせる指標としては適切ではありません。というのも、実際にここで何かを見つけてそれを行動に移すことが重要だからです。例えば壁にペンキを塗りに行ったり、子供のために何かクリエイティブなことをしたり、夕食に何を作ろうかと考える。繰り返しになりますが、私たちはここで何かを見つけて実際に外出し、そして行動に移して欲しいのです。

VentureBeat: Pinterestをより感覚的に、かつ広告と関連性の高いものにするために技術とバックエンドデータをどのように調整していますか?

King: 私たちのコンピュータビジョン技術は何十億ものピンがボードに投げられている状態で、かつユーザーがオーガニックな体験にあったとしても、関連性のある広告を表示できるようにしています。

何百、何千もの広告がありますが、ユーザーが考えていることに非常に関連性のある広告を表示することができます。そして、ほとんどの場合、広告が正しく表示されると、どれがダメな広告でどれがダメな広告なのかさえ分からなくなります。私たちは、人々がポジティブな気持ちになり、インスピレーションを得られるような方法でPinterestを意図的にエンジニアリングしているというフィードバックをたくさんもらっています。また『ピンを隠す』とか『この広告を隠す』とか『二度とこれを見せないで』といた手動のオーバーライド機能があるので、それを通じたフィードバックループが非常に意図的に実行されています。

VentureBeat: Pinterestの全体的なデータ戦略はどのようなものですか。また、数年前にPinterestに入社してからの過程はどのようなものだったでしょうか

King: 高いレベルでは、以前のPinterestは完全に画像のシグネチャーが中心でした。だから、私たちがすることはすべてピンや画像を中心に構築されていました。一方でカタログのようなことをするときには、それが必ずしもベストではないことが分かりました。定型的なカタログです。Tシャツの色が20色だったり、花瓶の色が50色だったり、口紅の色が何百色だったり。だから、特定のアイテムを特定したい場合は、そのアイテムを固定しておきたくなるんです。そうすると正規のデータベースになります。

今、私たちはPinterestの2つの部分を構築していますが、インスピレーションの部分は画像技術を使ったもので、ショッピングカートの部分はより伝統的なデータ構造を使っています。私たちが行っていることは、EtsyやeBayなどの大規模で評判の良い小売業者の何億ものアイテムを時間をかけてインポートし、テーブルやソファ、ランプなどのアイテムを見つけたときに、そのアイテムだけでなく、それに非常に似たアイテムを見つけることができるようにすることです。そのおかげでこの1年半の間にショッピングの利便性は格段に向上しています。

まだまだ長い道のりです。何千億ものピンがあります。その中にはアイテムが入っているものも多く、商品タグを付けるために、できるだけ多くの企業やカタログを素早く調べています。これがStory Pinsで商品タグ付けを発表している理由のひとつです。

【via VentureBeat】 @VentureBeat

【原文】