論文の概要: PinDCO: Whole-Page Aware Dynamic Creative Optimization at Scale
- arxiv url: http://arxiv.org/abs/2609.11943v1
- Date: Tue, 21 Jul 2026 17:27:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.498471
- Title: PinDCO: Whole-Page Aware Dynamic Creative Optimization at Scale
- Title（参考訳）: PinDCO: 大規模でダイナミックな創造的最適化を意識した全ページ
- Abstract要約: Pinterest上での広告クリエイティブ検索と選択のためのプロダクションDCOシステムであるPinDCOを紹介する。
PinDCOは、動的クリエイティブスコアリングを実行するCreative Component Fusion Network(CCFN)を中心に構築されている。
Pinterestのウォーターフォールグリッドレイアウトを説明するために、創造的なサイズに基づいてスコアを調整するPixel-aware Adjustment Moduleを導入しました。
- 参考スコア（独自算出の注目度）: 5.270546243489172
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in generative AI have substantially accelerated the creation of high-quality ad creatives, dramatically expanding the number of candidate variants per campaign. This shift increases the need for scalable dynamic creative optimization (DCO) systems that can match creatives to the most relevant audiences under stringent latency and cost constraints. We present PinDCO, a production DCO system for ad creative retrieval and selection on Pinterest, a billion-scale visual discovery platform. PinDCO is built around a Creative Component Fusion Network (CCFN) that performs dynamic creative scoring by modeling each creative component (e.g., image, title, layout) with a dedicated tower, using component-specific hyperparameters to account for differing modeling complexity. The component representations are fused to predict a creative-level score conditioned on the ad-level prediction, and we improve training data quality via an exploration-exploitation strategy. To account for Pinterest's waterfall grid layout, where a creative's rendered size affects nearby content and session-level engagement, we introduce a Pixel-aware Adjustment Module(PAM) that adjusts scores based on creative size to encourage efficient screen real-estate utilization and better whole-page outcomes. To support the large volume of creative candidates, we further employ a lightweight pre-selection model for early pruning, and optimize serving efficiency through caching and dynamic batching. Extensive offline analyses and online A/B experiments demonstrate the effectiveness of PinDCO, yielding a +3.09% lift in ad Click-Through Rate(CTR) with positive whole-page metrics. With the strong performance, we launched PinDCO in the Pinterest Ads platform.
- Abstract（参考訳）: 生成AIの最近の進歩は、高品質な広告クリエイティビティの作成を大幅に加速させ、キャンペーン毎に候補のバリエーションを劇的に増やしている。
このシフトは、スケーラブルな動的創造的最適化(DCO)システムの必要性を高めます。
我々は、Pinterestで広告の創造的検索と選択を行うプロダクションDCOシステムであるPinDCOを紹介した。
PinDCOはCreative Component Fusion Network(CCFN)を中心に構築されており、各クリエイティブコンポーネント(イメージ、タイトル、レイアウトなど)を専用のタワーでモデリングし、コンポーネント固有のハイパーパラメータを使用して、異なるモデリング複雑さを考慮して動的クリエイティブスコアリングを行う。
要素表現を融合させて,広告レベルの予測を条件とした創造レベルスコアを予測し,探索探索戦略によりデータ品質の向上を図る。
Pinterestのウォーターフォールグリッドレイアウトでは、近くのコンテンツやセッションレベルのエンゲージメントに創造的サイズが影響するため、創造的サイズに基づいてスコアを調整するPixel-aware Adjustment Module(PAM)を導入し、スクリーンの不動産利用を効率化し、ページ全体の結果を改善する。
創造的候補の大量化を支援するため,我々は,早期刈り込みのための軽量事前選択モデルを導入し,キャッシュや動的バッチ処理によるサービス効率の最適化を行う。
大規模なオフライン分析とオンラインA/B実験により、PinDCOの有効性が実証され、Click-Through Rate(CTR)で+3.09%上昇した。
強力なパフォーマンスで、Pinterest AdsプラットフォームでPinDCOをローンチしました。
関連論文リスト
- CreativeBench: Benchmarking and Enhancing Machine Creativity via Self-Evolving Challenges [69.3795501613098]
コード生成における機械の創造性を評価するベンチマークであるCreativeBenchを紹介します。
CreativeBenchは、創造性と幻覚を、品質とノベルティの産物として定義された統一された計量によって客観的に区別する。
進化的探索パターンを内部化し,機械の創造性を継続的に向上する,プラグアンドプレイ型推論時ステアリング戦略であるEvoRePEを提案する。
論文 参考訳（メタデータ） (2026-03-12T12:36:56Z) - NextAds: Towards Next-generation Personalized Video Advertising [46.666292153282875]
NextAdsは次世代のパーソナライズされたビデオ広告のためのパラダイムだ。
私たちは、パーソナライズされたクリエイティブ生成とパーソナライズされたクリエイティブ統合という2つの代表的なタスクを定式化します。
我々は初期の探索実験を行い、GenAIがパーソナライズされたクリエイティブを創造し、統合し、パフォーマンスを奨励できることを実証した。
論文 参考訳（メタデータ） (2026-03-02T17:58:07Z) - Generative Modeling with Multi-Instance Reward Learning for E-commerce Creative Optimization [15.51942931334223]
eコマース広告では、創造的要素の最も説得力のある組み合わせを選択することが、ユーザの注意を引き、コンバージョンを推進するために重要である。
我々は、生成モデリングとマルチインスタンス報酬学習を統合したGenCOという新しいフレームワークを提案する。
われわれのアプローチは広告収入を大幅に増加させ、その実用的価値を示している。
論文 参考訳（メタデータ） (2025-08-13T11:53:41Z) - On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。
推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。
本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
論文 参考訳（メタデータ） (2025-04-02T17:40:47Z) - CTR-Driven Advertising Image Generation with Multimodal Large Language Models [53.40005544344148]
本稿では,Click-Through Rate (CTR) を主目的とし,マルチモーダル大言語モデル(MLLM)を用いた広告画像の生成について検討する。
生成した画像のCTRをさらに改善するため、強化学習(RL)を通して事前学習したMLLMを微調整する新たな報酬モデルを提案する。
本手法は,オンラインとオフラインの両方で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-02-05T09:06:02Z) - Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms [68.51708490104687]
調査力の低い純粋に関連性の高い政策は、短期的ユーザの満足度を高めるが、コンテンツプールの長期的豊かさを損なうことを示す。
調査の結果,プラットフォーム上でのユーザの即時満足度と全体のコンテンツ生産との間には,根本的なトレードオフがあることが判明した。
論文 参考訳（メタデータ） (2024-10-31T07:19:22Z) - A New Creative Generation Pipeline for Click-Through Rate with Stable
Diffusion Model [8.945197427679924]
従来のAIベースのアプローチは、デザイナーからの美的知識を限定しながら、ユーザー情報を考慮しないという同じ問題に直面している。
結果を最適化するために、従来の方法で生成されたクリエイティブは、クリエイティブランキングモデルと呼ばれる別のモジュールによってランク付けされる。
本稿では,クリエイティビティ生成段階においてCTRを改善することを目的とした,Click-Through Rate (CG4CTR) のための新しいCreative Generationパイプラインを提案する。
論文 参考訳（メタデータ） (2024-01-17T03:27:39Z) - Parallel Ranking of Ads and Creatives in Real-Time Advertising Systems [20.78133992969317]
広告とクリエイティビティランキングのオンライン並列推定のための新しいアーキテクチャを初めて提案する。
オンラインアーキテクチャは、全体的なレイテンシを低減しつつ、洗練されたパーソナライズされたクリエイティブモデリングを可能にする。
CTR推定のためのオフラインジョイントモデルは、広告とクリエイティブの相互認識と協調最適化を可能にする。
論文 参考訳（メタデータ） (2023-12-20T04:05:21Z) - AdBooster: Personalized Ad Creative Generation using Stable Diffusion
Outpainting [7.515971669919419]
デジタル広告において、最適項目(勧告)と最良の創造的プレゼンテーション(創造的最適化)の選択は伝統的に別分野とみなされてきた。
本稿では、ユーザの興味を取り入れたクリエイティブ生成のための生成モデルのタスクを紹介し、パーソナライズされた広告クリエイティビティのためのモデルであるAdBoosterを形作る。
論文 参考訳（メタデータ） (2023-09-08T12:57:05Z) - Efficient Optimal Selection for Composited Advertising Creatives with
Tree Structure [24.13017090236483]
視覚的に楽しめる広告クリエイティビティは、製品のクリックスルーレート(CTR)を増加させる可能性がある。
ツリー構造に基づいたアダプティブで効率的な広告クリエイティブセレクションフレームワークを提案します。
ツリー構造に基づいて、トンプソンサンプリングは動的プログラミングに適応され、最大のCTRを持つ潜在的な広告クリエイティブの効率的な探索につながります。
論文 参考訳（メタデータ） (2021-03-02T03:39:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。