第一方面：人气模型全类目覆盖
在人气模型关键因子包括：商品人气，店铺人气。
1、商品人气关键因子包括：销售额、销售量、转化率、评论得分、加购、关注次数、详情页访问深度。
2、店铺人气关键因子包括：店铺pv，店铺uv，店铺sku关注数量，店铺关注数，销量，销售额，转化率，客单价。
第二方面：PC和移动端数据权重拆分
1、移动端下关键词权重排名因子包括：PC搜索反馈分、APP搜索反馈分、商品质量分。
2、pc和移动端数据拆分应对策略
在移动端原本是没有搜索反馈因子的，而PC端考核是搜索反馈分与质量分，之后移动端同步PC端。移动端现在主要考核因子是：20%pc端搜索反馈分+80%APP搜索反馈分+100%商品质量分。那么app端将变为做销量和补单的主要途径，更多提升移动端排名方法京东分析汪—戴俊后期解析，但并不代表全部从app端做补单入口，主要看数据排名表现情况。
第三方面：品牌穿插覆盖全类目
品牌穿插读取规则包括：关键词+3级类目+品牌ID
1、品牌穿插目的
为了公平性，能给更多品牌展现的机会，避免某些宝贝长期占据坑位，同时为了用户体验，具体体现在浏览页每两行之间不允许出现同一品牌的商品，如下图：
2、品牌穿插读取流程演示
(1)读取关键词+三级类目
比如搜索关键词：女包，出现：单肩包，斜挎包，手提包等三级类目，排在第一位的是关键词和类目之间的匹配关系最好，第一相关、得分最高的;
读取品牌ID：品牌穿插读取的是品牌ID，而不是图片，只要你的品牌ID不同，就可以有两个同一品牌的商品排列在一起;
第四方面：品牌模型全量覆盖
1、品牌模型考核因子包括：属性区扩展属性点击量、品牌搜索量、商品点击次数、销售额、销量、品单价。
2、品牌得分影响后期的单品排序，更多的倾向大品牌。
单品排序影响因素：sku权重+品牌得分权重
3、大品牌资源倾斜
大概可以分为两种情况：大品牌的品牌分数比较高，品牌得分的差距也会很明显;小品牌下品牌得分都会差不多处于同一水平线上，不会有多大差异。总之品牌得分影响更多的是对大品牌来说效果更明显，主要通过单品排序来体现。比如搜索某一个关键词，大品牌一般都会优先展示，靠前展示，如下图：
第五方面：反作弊系统升级，反作弊量级增大
1、反作弊考量因子：系统反作弊、系统反作弊+认为反作弊、人为反作弊。
2、反作弊量级增大应对策略
双十二之前过滤订单量级日均40万单，后来订单过滤量级增加到了日均100-120万单，惩罚订单的精准度越来越高，误判的比例越来越少，我们应对策略要知道过滤订单主要考核的是补单的订单量，如果触及到反作弊系统的预警线的时候必然会导致订单过滤和扣分罚款，京东分析汪—戴俊专业研究规避反作弊系统补单方法，更多规避反作弊技巧京东分析汪—戴俊下回解析。订单过滤与否量是主要问题，订单处罚与否是质变的情况。减少控制每天补单的单量，合理判断竞争对手产品权重。
