首先，我们总是应该通过各种方式，把能确定的东西尽可能的确定下来，之后再去做未知部分的探索。比方说搜索引擎，能确定的东西很大一部分来自于搜索引擎原理书籍、百度官方搜索资源平台的文章、百度专利……当然，还有在无论任何领域都通用的——常识。

    常识告诉我们，外卖的配送距离或是时间，一定是排序影响最大的因素之一。

    其次，常识也能告诉我们，口味的评分、销量等一些和用户反馈相关的数据指标，也较有可能是会影响排序先后的。

    随后，收集具体的排序结果，及对应的数据指标。

    如果一家店，前面几个指标表现都良好，排名也不错，就视为正常结果。反之，如果排名不错，但主要指标都不佳的那些排序结果，则是主要需要分析的部分。

    只要分析到这些结果的共性（且同时差异于正常结果的），便基本上是真正对排名有影响的地方。

    第一个额外排序因素很快就被发掘到了，新店。对于新开的店，外卖平台会先流量扶持一阵。但这个排序因素可操作性不强，并非我关注的重点。

    刨除掉新店影响后，继续分析剩余那些排名异常的店家的共性，发现了那些商家的图片，大多数都是品牌LOGO，而这些商家都使用了菜品的图片。大部分场景下，商品图片的CTR都明显高于品牌LOGO，因此基本可以断定，点击率或受到点击率影响的其它指标，是一个重要的排序因素。

    也因此，外卖排名谈什么刷单、好评返现刷评分等等极其高成本的操作之前，哪怕花几分钟把商家图片从品牌LOGO换成菜品，订单量也能大幅提升。