# Pinterest usa Qwen3 da 4B per dedurre i percorsi degli utenti

> Pinterest afferma che, nei test negli Stati Uniti e in Canada, il modello ha aumentato i clic sulle email e le aperture delle notifiche push analizzando le attività per individuare obiettivi a lungo termine.

Oossa · 2026-11-09 · https://oossa.com/it/pinterest-uses-a-4b-qwen3-model-to-infer-user-journeys

Pinterest ha sostituito il suo sistema in più fasi per raggruppare gli interessi degli utenti con un modello linguistico Qwen3 da 4 miliardi di parametri, ottimizzato con un fine-tuning. L’azienda afferma che un primo test negli Stati Uniti e in Canada ha aumentato dell’1,1% il tasso di clic sulle email e dell’1,3% le aperture delle notifiche push rispetto al sistema precedente.

Pinterest definisce “percorso” un obiettivo che collega gli interessi, le intenzioni e le circostanze di una persona nell’arco di più sessioni. Per esempio, cercare mobili da cucina, salvare idee per i piani di lavoro e in seguito consultare piastrelle o illuminazione può indicare un unico progetto di ristrutturazione, anziché interessi separati. Il modello usa i percorsi dedotti nel sistema di raccomandazione già esistente di Pinterest, che non viene sostituito.

## Come funziona il nuovo sistema?

Il vecchio processo estraeva parole chiave dalle attività, le raggruppava tramite embedding e clustering gerarchico, poi usava altri modelli e regole per dare un nome ai gruppi e ordinarli. Secondo Pinterest, questo poteva separare azioni correlate in percorsi distinti, generare etichette vaghe o interpretare un clic occasionale come un interesse duraturo.

Il nuovo modello legge una sequenza cronologica di un massimo di 150 azioni svolte nell’arco di 360 giorni, insieme a un profilo utente sintetico, e genera nomi ordinati per i percorsi. Le ricerche e i salvataggi hanno più peso dei clic occasionali. Le istruzioni che riceve danno rilievo alla ripetizione delle attività, alla loro recenza e al livello di specificità. Gli viene anche chiesto di non unire interessi non correlati, escludere le attività isolate e non indicare alcun percorso quando le prove sono insufficienti.

Pinterest ha usato modelli più grandi per creare esempi sintetici di addestramento a partire dalle cronologie delle attività, poi ha ottimizzato con il fine-tuning modelli Qwen3 più piccoli e con pesi aperti. Dopo aver testato modelli da 0,6 a 8 miliardi di parametri, ha scelto la versione da 4 miliardi per bilanciare la qualità dell’inferenza e la velocità di esecuzione. Pinterest la esegue con NVIDIA Dynamo e vLLM su GPU L40S e non ripete l’inferenza per gli utenti i cui percorsi sono stati generati nei giorni precedenti.

## Che cosa ha misurato Pinterest?

Pinterest valuta la qualità dei percorsi con confronti affiancati, un modello linguistico separato che giudica se un percorso è pertinente e supportato dalle attività, e test online. L’azienda riferisce aumenti statisticamente significativi del coinvolgimento e della fidelizzazione nei primi test A/B, oltre agli incrementi dei tassi di clic e di apertura. Nel resoconto fornito non ha indicato l’entità dell’aumento della fidelizzazione.

L’approccio ricorda l’uso, da parte di Netflix, di sequenze lunghe di attività degli utenti per migliorare i sistemi di raccomandazione. Pinterest genera descrizioni esplicite dei percorsi, mentre Netflix ha descritto la creazione di rappresentazioni riutilizzabili delle preferenze: entrambi integrano il comportamento a lungo termine nei sistemi di personalizzazione esistenti.

## I fatti

- Il modello analizza fino a 150 azioni dell’utente in un periodo di 360 giorni, insieme a un profilo sintetico.
- Pinterest ha testato modelli Qwen3 da 0,6B a 8B di parametri e ha scelto quello da 4B.
- Nei primi test A/B negli Stati Uniti e in Canada, Pinterest riferisce un aumento dell’1,1% del tasso di clic sulle email e dell’1,3% delle aperture delle notifiche push rispetto al sistema basato sul clustering.
- Pinterest afferma che i test hanno mostrato anche aumenti statisticamente significativi del coinvolgimento e della fidelizzazione, ma non ha indicato l’entità dell’aumento della fidelizzazione.

## Perché conta

Per gli utenti di Pinterest, la modifica potrebbe rendere le email e le notifiche push relative ai progetti più coerenti con attività distribuite su più visite; nei primi test Pinterest riferisce tassi di clic e di apertura più alti. I risultati non dimostrano che tutti gli utenti riceveranno raccomandazioni più pertinenti, né indicano l’entità del miglioramento della fidelizzazione.

## Fonti e riferimenti

1. [Pinterest Replaces Journey Clustering with 4B Qwen3 LLM, Reports Improved Engagement](https://www.infoq.com/news/2026/11/pinterest-journey/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-11-09

Ultimo aggiornamento: 2026-11-09