當未知物或混合物無法清楚解析時，應縮小問題範圍，而不是強行匹配。

一般自動化搜尋的匹配分數偏低、存在數個合理的候選家族，或沒有明確結果。

多組分樣品，其中重疊的貢獻需要在概念上加以分離，並比較合理的組分假設。

可能與老化、污染、加工、反應產物或特殊基質相關的非預期特徵。

檢視合理的候選項目與相關材料類別，而不要在缺乏背景資訊的情況下直接接受自動化匹配中排名最高的結果。

檢視重要吸收帶，並在光譜證據支持的情況下，測試合理的成分組合。

使用製程歷史、已知成分、污染途徑、化學知識與文獻，評估相互競爭的解釋。

所考慮的關鍵光譜特徵、候選材料或成分類別，以及其背後的主要推理。

由光譜與背景脈絡所支持的最強結論，並說明信心程度及重要的替代解釋。

相關光譜與文獻支持，以及不宜作出更強鑑定的理由。

針對性的後續追蹤或正交確認建議；當使用另一種方法能更有效率地解決剩餘不確定性時採用。