去年双十一前两周，某女装店铺的推荐位点击率稳定在0.8%，但加购转化只有1.1%。运营团队拿出7天的曝光日志，共42万条记录，按小时切片后发现：晚8点到10点的点击率是凌晨的3.6倍，但客单价反而低18元。这说明流量质量和时段强相关，不能只看整体均值。
先把数据按「时段×价格带」做交叉统计。价格带分4档：0-99元、100-199元、200-399元、400元以上。结果200-399元档在晚8点后的点击率2.4%，转化率3.2%；而0-99元档点击率1.9%但转化率仅0.7%。常见错误是直接把点击率最高的商品堆到首位，忽略了转化漏斗的下游衰减。
排序公式做了三步调整。第一步，把单一CTR排序改为CTR×CVR的加权分，权重各0.5，离线A/B测试用过去30天数据回放。第二步，加入价格带惩罚项：0-99元商品乘以0.85系数，避免低价引流品挤占高价值位。第三步，对晚8-10点时段单独训练一个轻量排序模型，特征从12个增到19个，包含时段标识和用户近7天客单价分桶。
模型评估不能只看AUC。离线AUC从0.71升到0.76，但业务方更关心Top10位置的GMV贡献。于是补了两个指标：NDCG@10（衡量排序相关性）和Top10 GMV占比。调整前Top10贡献全店推荐GMV的34%，调整后升到41%，同时曝光覆盖率没降。
线上灰度跑了5天，每天分流10%流量。第1天转化率2.1%，第3天到2.8%，第5天稳定在3.2%。有个反直觉发现：加入价格带惩罚后，200-399元档的曝光量只涨了9%，但GMV涨了27%，说明排序精度比曝光数量更关键。
概率常识在这里很实用。42万条曝光里，某单品点击次数38次，粗算点击率0.9%，但按贝叶斯平滑（先验取全店均值0.8%，等效样本量50）修正后是0.82%。避免小样本商品因偶然高点击被误推到首位，这是推荐排序里最常见的统计陷阱之一。
落地检查清单共6项：①日志时间戳统一到秒级；②价格带边界左闭右开；③A/B分流按用户ID哈希而非随机数；④每天10点跑一次数据质量校验，空值率超2%报警；⑤模型版本和特征版本绑定记录；⑥上线后48小时内不做二次调参，避免震荡。
一次完整迭代周期约9天：2天取数清洗、2天离线实验、1天评估复核、3天灰度、1天全量复盘。团队3人分工，数据工程1人、算法1人、运营1人。按这个节奏，季度内可完成4轮排序优化，每轮预期转化率提升0.3到0.6个百分点。
