.jpg)
Si vous utilisez Pinterest pour le marketing, vous savez à quel point la recherche Pinterest est importante.
La plate-forme facilite plus de deux milliards de recherches chaque mois, avec la recherche guidée et les outils de correspondance contextuelle de Pinterests jouant un grand rôle dans la visibilité et la portée de votre contenu Pin – en fait, Pinterest a récemment rapporté comment leurs mises à niveau vers des résultats de recherche plus localisés dans chaque pays ont augmenté l’activité des nouveaux utilisateurs jusqu’à 10 %.
Fondamentalement, si vous voulez maximiser Pinterest, vous devez comprendre leur algorithme de recherche et comment les gens sont les plus susceptibles de trouver votre contenu. Et à ce titre, cette dernière mise à jour de Pinterest est importante.
Cette semaine, l’équipe d’ingénierie de Pinterest a expliqué comment elle a amélioré son système d’épingles associées pour fournir des correspondances plus pertinentes à chaque utilisateur.
Comme expliqué par Pinterest :
« L’un des moyens les plus populaires pour trouver des idées sur Pinterest est d’utiliser les épingles associées, un système de recommandations d’élément à élément qui utilise un filtrage collaboratif. Auparavant, les candidats étaient générés à l’aide de la cooccurrence des tableaux, les signaux de tous les tableaux sur lesquels une épingle est enregistrée. à. Maintenant, pour la première fois, nous appliquons l’apprentissage en profondeur pour rendre les épingles associées encore plus pertinentes. »
Et soulignant l’importance de la recherche sur la plate-forme, Pinterest indique qu’au cours des tests, le nouveau système d’épingles associées a augmenté l’engagement de 5 % dans le monde, « représentant désormais près de la moitié de tous les engagements sur Pinterest ».
Cela vaut la peine de prêter attention.
Dans un article détaillé, l’ingénieur Pinterest Andrew Liu explique comment leur ancien système d’épingles associées, utilisant la « co-occurrence du tableau », est souvent défectueux en raison de la façon dont les gens utilisent Pinterest.
Fondamentalement, le système prend en compte les types de tableau sur lesquels chaque image est épinglée. messages dans les forums de chiens des utilisateurs.
Le problème est que les gens utilisent Pinterest différemment.
Pinterest fournit cet exemple – dans l’image ci-dessous, il y a une image d’un couple de lion câlins qui a été enregistrée sur des tableaux appelés « Animaux » et « Animaux sauvages ». En tant que tel, Pinterest utilise cela comme contexte et fournit des correspondances connexes comme indiqué – même si elles ne sont pas similaires, en termes de contenu d’image, elles sont similaires aux autres images publiées sur les tableaux à côté de la première.
Mais ce n’est pas nécessairement ce que les gens recherchent, les gens pourraient en fait vouloir des images très similaires aux premières, pas seulement d’autres animaux sauvages.
Pour résoudre ce problème, Pinterest utilise un nouveau système de recherche appelé Pin2Vec qui utilise l’apprentissage en profondeur de l’ensemble du réseau Pinterest pour non seulement examiner le contenu du tableau associé, mais aussi ce avec quoi les autres utilisateurs se sont le plus souvent engagés immédiatement après avoir vu la première épingle – le graphique ci-dessous montre comment l’activité de l’utilisateur est regroupée autour des entités Pin associées.
Sur cette base, les résultats sont beaucoup plus alignés sur un comportement d’utilisateur plus large – par exemple, lorsque vous recherchez la même image de lions dans Pin2Vec, le système fournit ce résultat.
Cela montre que les Pinners recherchent plus souvent des correspondances exactes pour cette épingle, par opposition aux images associées basées sur les correspondances du tableau.
Dans un autre exemple, les recommandations connexes de Pin2Vec pour une épingle d’une bouteille de vin sont en fait des boissons à base de vin, pas d’autres épingles de vin, montrant que les utilisateurs recherchent plus souvent des utilisations connexes que le même article.
Le système utilise efficacement les tendances et les habitudes du public pour mettre en évidence des correspondances plus pertinentes sur le plan contextuel, aidant ainsi à guider les utilisateurs vers une plus grande partie du contenu de l’épingle qui les intéressera probablement.
Pour les spécialistes du marketing Pinterest, cela pourrait être important – dans le système précédent, vos produits s’affichaient en fonction des correspondances de tableau associées, de sorte que les personnes recherchant vos produits voyaient des options de produits similaires qui n’étaient pas aussi exactes. Ce nouveau système pourrait leur permettre de voir des produits plus directement comparables et pourrait les aider à découvrir la meilleure offre en montrant quels articles similaires d’autres utilisateurs ont acheté.
Le changement pourrait également réduire l’exposition de votre produit, car une meilleure correspondance des épingles pourrait signifier que les utilisateurs verront moins d’épingles associées provenant de votre entreprise avec chaque résultat, et s’afficheront une plus grande variété à partir d’autres sources.
Il est difficile de savoir exactement quel impact aura le changement, car ce sera une proposition au cas par cas, mais il est important de comprendre de tels changements et comment ils pourraient avoir un impact sur les performances de votre plate-forme.
