做高价值的选择会先进行粗排的过滤，粗排的过滤里其实会有两个重要的因素，就是大家熟悉的ecpm相比于信息流而言，会关注计划和用户请求下的相关性，ecpm以及相关性进行粗排的过滤。在粗排过滤里会引入标题的改写和的预估模型，一起过相关信息的过滤。引入系统的扶持打压，也是扶持的计算模块，去帮助在原有的ecpm上，再加上系统给到的扶持，得到排序的ecpm的竞争力指标。
在每个投放端都会有不同的ecpm门槛，过了门槛还会去取得更有竞争力的计划，也就是会取得平台靠前的一些计划去做竞争。在这三部的相关性ecpm门槛和ecpm排名，过滤主要是发生在的环节，里面的过程有点多。但是我们大家可以记住跟相关的，就是这三个相关性进行过滤，ecpm门槛过滤和ecpm排名靠前的过滤。
04
混排环节
在环节的过滤后，会进入混排的环节，去帮助取得更高价值的广告做优的排序。所谓混排就是会根据广告整体的ecpm和用户体验，这两个权重去选择广告投出的优组合。过了的计划其实也不一定能够得到后的投出，还需要根据用户计划本身的竞争力和根据搜索词的相关性去后决定是否能够投出。
经过混排就会进入到根据实际投放的有计价的环节，后才是用户看到的实际投放出来的广告。
给大家举一个汽车的案例。小*p7左边其实是模拟的漏斗模型的各个环节的机制。比如上面的召回，是各种风控流控环节，接下来会有混牌的。其实更看重的是它的相关性和ecpm的过滤。
那在实际的投放当中是怎么样展现的呢？比如用户发起了小*p7搜索词，可以看到小*p7搜索词可以触发相关的一些广告，以及一些自选流量。比如在买了小*汽车，包括小*新款的广告词，可能就会触发小*p7。但是像买了两室一厅装修，还有北京租房这种不相关的词基本就不会触发到的广告。
其次，从咨询流量上来看，可能像汽车的客户就会跟小*p7有比较大的相关性。但是游戏的客户跟小*p7是没有太大开放性的，所以基本不会触发，也就是像客户的搜索词query，小*鹏p7会同客户买的词，以及是否开了自选这两个方向上去做流量的触发。在接下来会有一系列的定向的过滤，就是刚刚在模型里有提到的，比如年龄的定向，地域的定向。如果在没有特别必要的情况下，地域的定向尽量不要做限制，这样能够更好的去方便触达更多的用户。