测试过程：提前两天浏览、收藏大量同风格、价位等于高于测试店铺客单价的单品，但区
域、所有关联项全部隔离。
测试结果：1、A真实下单后，半小时内真实卖出1单。2、B和C都收到关于Y店铺和W款的推送。3、B、C跟着足迹真实下单后，马上成交+1、+2。
测试方案三：成功
测试三总结：浏览足迹的真实买家成交了，淘宝后台马上向和此买家类似的买家推送此单
品和店铺。（淘宝是根据上个买家成交足迹来判断下一个买家看到的单品）
意外收获（测试四接着验证）：
1、自己浏览的类目推送内容有延迟，延迟时间2小时左右。
2、如果淘宝是按照足迹推送的话，sd也是有足迹的，所带来的流量应该更多的，我的流量去哪了？
结论：1、千人千面的新算法最终的结果是逼着店铺去做小而美、去做店铺定位。
2、客群已经自动标签化，客群不匹配，靠sd，已经于事无补，乱sd越刷越死。
那么问题来啦：
千人千面小而美的根本目的是什么？
答：流量的最大化。
举例说明：意思是我是卖300块连衣裙的店铺，进来100个人都是想买300元客单价连衣裙的，都转化了，转化率就是100%，这是最理想的状态。当然，为何到不了这个理想状态呢？女人是个奇怪的动物，她可能浏览了两天的300元连衣裙，但最后却买了套98元的情趣内衣，找谁说理去。（轨迹和预测是扯淡，这个已经扯到心理学上去了，对于女人来说购买就是一种乐趣！）
测试方案四：挖出流量
方案：
背景：女装店铺Y，客单价270—400元，客群18—35岁，风格文艺长裙，测试长裙W。
测试ID：A、B、C、D、E、F、G 、a、b， 9个客群匹配号
过程：ABCDEFG分别以10分钟、30分钟、1小时、2小时、4小时、1天、2天的时长下单购买长裙W（均收藏、添加购物车）。a b分别提前1天、2天浏览W和相关类似产品。
测试结果：成交后ABCD没有任何展现到ab；E展现极短时间；G展现时间最长。
测试方案四：结论
1、服务器和网页COOKIE不能实现同步。（没有服务器能这么牛B）
2、产品下架展现原理是后台服务器提前存储好的（存储展现）。
3、服务器展现方式应该是：重复展现+延迟（现在展现A，下一步应该展现B的时候，由于
服务器运算速度跟不上和你不可能实时刷新网页，就变成了重复展现A+延迟，那么恰好B的展现时间较短，就被跳过去了）
那么流量去哪了？
被后台的算法给吃了
针对以上四个测试，我们做如下总结：
算法多维度：
1、店铺权重值设定：①店铺成交笔数设上限（SKU\库存\单品潜质）
②店铺UV数设上限（转化\点击\客群基数）
2、店铺定位精准化(动销商品归类客群)
3、客群标签化（年龄、能力、习惯等）
4、新品维度
店铺应对：必须去做小而美，去做定位。
做出来的数据：流量会被算法吃掉。