Pinterest 推出实验性 AI 购物应用 “Ask Pinterest”：探索对话式发现的新边界

Pinterest 于周三宣布推出了一款名为 “Ask Pinterest” 的实验性应用程序。该应用旨在探索一种更具对话性质的购物和产品发现方式，其最终目标是将这些经过验证的功能整合至主 Pinterest 应用中。与此同时，Pinterest 还推出了其他 AI 举措，包括专为在 Pinterest 平台上投放广告的活动设计的 Pinterest Model Context Protocol (MCP)，以及一系列新的 AI 广告工具。

这一消息发布之际，正值广告技术行业年度盛会 Cannes Lions 前夕，今年的会议重点主要聚焦于 AI 如何满足广告商和营销人员的需求。

背景

随着 AI 聊天机器人日益与传统搜索引擎争夺用户的注意力，科技巨头们纷纷在购物领域布局。Google 已经利用 AI 帮助在线购物者寻找所需商品、追踪价格并完成结账；ChatGPT、Meta 和 Shopify 等公司也都在尝试“代理式购物”（agentic shopping）。

在此背景下，Pinterest 选择了一条不同的路径。与其通过授权协议将自己变成其他 AI 服务可利用的产品推荐来源，Pinterest 更倾向于利用自身的数据来训练 AI 模型并驱动其 AI 产品。此外，将 “Ask Pinterest” 作为一个独立的应用程序推出，使公司能够在不干扰主 Pinterest 用户体验的前提下，对这项技术进行实验和测试。

Pinterest 首席商务官 Lee Brown 在宣布这一消息时指出，网络搜索的性质正在发生变化。他表示：“发现的未来不仅仅由关键词驱动，它将由上下文、品味和值得信赖的推荐所塑造。”他认为，Pinterest 在这一领域拥有“独特的优势”。

核心内容

1. “Ask Pinterest” 的功能与定位 “Ask Pinterest” 是一个在线应用程序，它赋予了 Pinterest 利用其核心资产——“Taste Graph”（品味图谱）的另一种方式。“Taste Graph” 是 Pinterest 内部的数据映射系统，用于将人与他们的兴趣和美学偏好联系起来。

该应用最初将以受限访问的形式推出。其设计初衷是将 Pinterest 知名的视觉发现体验扩展到主应用之外，采用类似聊天机器人的对话式界面。消费者可以使用自然语言提出问题，从而获得更个性化的推荐和灵感。

2. 解决复杂查询与保持上下文 Pinterest 解释称，“Ask Pinterest” 适用于那些无法在传统 Pinterest 搜索中解决的复杂或多步骤查询。例如，用户可以使用该应用寻求帮助策划晚宴，或者随着时间的推移逐步布置房间。Pinterest 的理念是测试和探索 AI 如何在保留用户跨会话上下文的情况下，更好地支持人们的购物体验。

此外，该应用还能利用用户保存的 Pins（图钉）和 Boards（画板）来个性化其回答。Pinterest 相信，随着时间的推移，这些结果将有助于公司在构建主应用更强大的 AI 驱动体验时做出决策。

3. 面向广告商的 AI 新举措 除了消费者端的应用，Pinterest 还宣布了一系列针对营销人员的更新：

• Ads Manager AI 助手：在美国地区推出了一款仍处于测试阶段（beta）的 AI 助手，集成在其 Ads Manager 中。
• Performance+ creative 模型：在全球范围内引入了一种新的 AI 模型，旨在帮助广告商在不同的广告素材中进行选择，以找出每次广告展示时表现可能最好的素材。
• Pinterest MCP 基础设施层：Pinterest 宣布的 MCP（Model Context Protocol，模型上下文协议）基础设施层，允许广告商以标准化的方式使用其他第三方代理工具来管理和监控他们的广告活动。

关键要点

• 独立实验应用：“Ask Pinterest” 是一个独立的实验性应用，旨在测试对话式购物功能，未来可能整合至主应用，避免直接干扰现有用户体验。
• 利用 Taste Graph：该应用核心依赖于 Pinterest 内部的 “Taste Graph” 数据，通过自然语言交互提供基于用户兴趣和美学的个性化推荐。
• 应对复杂需求：相比传统搜索，该应用更擅长处理多步骤、复杂的购物规划场景（如策划活动、长期房间布置），并能保持跨会话的用户上下文。
• 个性化数据整合：应用能够读取用户保存的 Pins 和 Boards，从而提供高度个性化的答案。
• 广告技术升级：
  • 推出面向美国市场的 Ads Manager AI 助手（测试版）。
  • 全球部署 Performance+ creative AI 模型，优化广告素材选择。
  • 引入 MCP 基础设施层，支持广告商通过第三方代理工具标准化地管理活动。
• 战略差异化：Pinterest 拒绝成为其他 AI 服务的“数据供应商”，而是坚持利用自有数据训练模型，强调“上下文、品味和推荐”作为未来发现引擎的核心，以此区别于关键词驱动的搜索引擎。

意义与影响

1. 重新定义“发现”引擎 Pinterest 此举标志着其从传统的“视觉搜索引擎”向“基于品味和上下文的 AI 助手”转型。Lee Brown 的观点表明，Pinterest 认为未来的搜索不再仅仅是关键词匹配，而是对用户需求、审美偏好和具体场景的深度理解。这为 Pinterest 在 Google 和 ChatGPT 等巨头主导的 AI 搜索市场中找到了一个差异化的切入点——即专注于“品味”和“美学”这一垂直领域的深度数据优势。

2. 独立应用作为 AI 创新的试验田 将 “Ask Pinterest” 作为独立应用推出，反映了大型科技公司在整合生成式 AI 时的谨慎策略。通过隔离实验环境，Pinterest 可以收集用户与 AI 交互的数据，测试自然语言处理在购物场景中的有效性，而无需承担在主应用中引入不稳定功能的风险。这种“先独立，后整合”的路径可能成为其他平台探索 AI 功能的标准范式。

3. 广告生态的 AI 化深化 Pinterest 同时推出的 MCP 协议和 Performance+ creative 模型，显示了其在 B 端（广告商）的强力推进。MCP 的引入意味着 Pinterest 正在尝试将其平台与更广泛的 AI 代理生态系统连接起来，允许广告商使用自动化工具管理活动。这不仅提高了广告效率，也增强了 Pinterest 平台在程序化广告技术栈中的兼容性。

4. 数据隐私与利用的平衡 通过利用用户保存的 Pins 和 Boards 来个性化回答，Pinterest 展示了如何在提供个性化服务的同时，利用用户主动产生的数据。这种模式既增强了用户体验的相关性，也强化了 Pinterest 数据网络的护城河，因为其他通用 AI 模型缺乏这种长期、垂直且带有美学标签的用户兴趣图谱。