라떼군 뉴스

핀터레스트, 광고 검색 비용 80% 절감의 비밀은 '오프라인'

핀터레스트는 계속해서 증가하는 광고 인벤토리 속에서 실시간 광고 추천 시스템의 한계에 부딪혔습니다. 온라인 ANN(근사 근접 이웃)은 사용자 행동에 즉각 반응하는 데 필수적이지만, 막대한 인프라 비용과 응답 속도 저하라는 문제를 야기했습니다. 단순히 알고리즘을 개선하는 것만으로는 폭증하는 비용을 감당하기 어려웠습니다.

이에 대한 해법으로 핀터레스트는 오프라인 ANN 아키텍처를 도입했습니다. 이 방식은 사용자 쿼리 맥락이 정적인 경우, 미리 유사 광고 후보군을 일괄 계산하여 저장해두는 전략입니다. 온라인 환경에서는 복잡한 ANN 검색 대신 단순한 키-값 조회를 수행하므로, 인프라 비용을 최대 80%까지 절감하고 응답 속도를 개선할 수 있었습니다. 모든 광고 시나리오에 실시간 처리가 필요한 것은 아니라는 점을 간파한 것입니다.

핀터레스트는 이 하이브리드 전략을 통해 비용 절감과 성능 유지라는 두 마리 토끼를 모두 잡았습니다. 이는 모든 문제를 하나의 만능 열쇠로 풀려는 기술적 이상주의를 비판하며, 문제의 성격에 따라 최적의 도구를 선택하는 것이 얼마나 중요한지를 보여줍니다. 결국 가장 뛰어난 엔지니어링은 기술의 맹목적 도입이 아닌, 비용과 성능 사이의 현실적인 균형점을 찾아내는 것입니다.

핀터레스트, 광고 검색 비용 80% 절감의 비밀은 '오프라인'

핀터레스트는 실시간성이 중요하지 않은 광고 검색에 오프라인 ANN을 도입했습니다.
이를 통해 인프라 비용을 최대 80% 절감하면서도, 온라인 시스템의 부하를 줄이고 동등하거나 더 나은 광고 효율을 달성했습니다.

모든 문제를 하나의 기술로 해결하려는 접근은 비효율적입니다. 실시간과 비실시간의 장점을 결합한 하이브리드 시스템이야말로 확장성과 비용 효율성을 모두 잡는 현실적인 해법입니다.

#광고기술 #추천시스템 #머신러닝 #ANN #비용최적화 #핀터레스트 
https://news.mrlatte.net/posts/2025/06/15/pinterest-offline-ann-ad-retrieval/