常用的思维方式：
分类：将简单统计汇总的数据进行分类，通过归因方式变为少量、量级足以处理的问题。例如一万条输入的Query中分析优化点，比如分析影视条件下的搜索，可以大致分为，影视基本信息查询，影视新闻，影视发布情况等等。再比如从不同人群喜欢的衣服服饰不同中抽象出社会地位影响消费偏好这样的结论。

下钻：与分类相反，有些问题足够具体，但是不够细致，例如某一天搜索的请求量变少，在排除故障的可能性之后，需要通过人、货、场等拆分方式确定具体的影响因子

量化：量化是考量如何对主观地指标进行标准制定，比如说召回的准确性，随机抽取100个每个下按照当前的召回结果截取头部十个作为评测数据，再对准确的标准下定义，已召回的结果的质量度销量评分和相关度作为结果评测的标准，按照这个标准一一标注合理或者不合理，最终统计合理数据的条数占总体的比例。

极限：要考虑当前策略在最开始以及运行到极致会带来的问题，冷启动是极限问题在初始情况下的变现。