Elasticsearch 对结果 function score 排序，为什么很多案例的 modifier 都用 log1p？

对商品搜索结果进行排序，想让销量高的产品尽量靠前，对 ES 的结果进行 function score 排序，很多类似的案例采用的 modifier 都是 log1p，比如： https://www.v2ex.com/t/464592#reply4， 或者： https://www.scienjus.com/elasticsearch-function-score-query/#field-value-factor 这篇文章的描述：

{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "title": "雨伞"
        }
      },
      "field_value_factor": {
        "field": "sales",
        "modifier": "log1p",
        "factor": 0.1
      },
      "boost_mode": "sum"
    }
  }
}

我理解的可能是对数函数随着值增大曲线逐渐变得平缓，这样逐渐让热门商品不再靠前，尽量给有潜力的产品一些靠前的机会吧？对吗？

但是我在实际部署中，log1p 对搜索结果排序没有影响，一种类型的商品，销量最大为 5000 件，最小为 0 件，设置"modifier": "log1p","factor": 0.1,"boost_mode": "sum"，几乎不影响原来的排序，把 factor 设置为 10，100，1000 都是一样的排序，这是怎么回事？

所以我最后设置"modifier": "none"，factor 逐渐微调出一个兼顾销量和相关度的值，感觉还挺合适的，搜索任何商品都能兼顾销量和相关度，所以就纳闷了，这个 modifier 到底是哪种最好？