Das Verfahren soll die Zählermatrix rasch an die Beispiele anpassen. Dazu ist es sinnvoll, die Zählwerte nicht linear zu verändern, sondern bei wiederholten Veränderungen in derselben Richtung (Bestätigung oder Diskreditierung) immer weniger hinzuzufügen oder zu entfernen. Indem die Zählwerte zunächst stark und später gering angepaßt werden, sorgt das Verfahren für ein Einpendeln um stabile Werte.
Wenn Zählwerte wenig über 1 eine Toleranzoption repräsentieren, erhöht das FACTORFINDER-Verfahren bei plausiblen Toleranzhypothesen den Zählwert um einen großen Betrag. Hohe Zählwerte werden nur noch wenig erhöht. Die Zunahme sinkt bis zum maximalen Zählwert. Dort verharrt der Zählwert auch bei weiterer Bestätigung.
Bei der Diskreditierung einer Toleranzoption verhält es sich umgekehrt: Ist eine Toleranzoption durch einen großen Zählwert repräsentiert und läßt sich zu einem Kandidaten mit der Toleranzhypothese kein plausibles Referenzbeispiel finden, so wird der Zählwert zunächst drastisch gesenkt. Bei einem geringen Zählwert wird dieser nur noch wenig weiter abgesenkt.
Die Obergrenze der Zählwerte wirkt einer fortwährenden Selbstbestätigung entgegen. Die Maximalzahl verhindert einen zu großen Anteil der Zählwerte weniger Toleranzoptionen an der Summe der Zählwerte einer Analysedimension. Wenig bestätigte Toleranzoptionen erhalten so in einem Mindestumfang die Chance, in den Testvektor gewählt zu werden.
Einmal bestätigte Toleranzoptionen laufen Gefahr, Objekt fortwährender weiterer Bestätigungen zu werden. Dies läßt die Zählermatrix in bestehenden Verteilungen verharren und behindert die Ausbildung von Zählermatrizen, die Eigenschaften der Beispielbasis zutreffender wiedergeben.
Der direkte Weg aus inadäquaten Repräsentationen ist nicht immer möglich. Mehrere Hürden müssen zugleich überwunden werden: Die erste Hürde bildet die geringe Wahrscheinlichkeit von Toleranzoptionen mit Zählwerten nahe der Untergrenze. Aufgrund ihres geringen Anteiles an der Summe der Zählwerte einer Analysedimension sind sie selten im Testvektor enthalten. Wird eine solche Toleranzoption dennoch in den Toleranz-Testvektor gewählt, steht die nächste Hürde bevor: Die neue, vorher noch nicht getestete Toleranzhypothese eines Faktors paßt nicht zu den vorherrschenden Toleranzhypothesen der anderen Dimensionen. Ein Merkmal, das vorher als tolerabel und unwichtig eingestuft wurde, bewirkte eine bestimmte Einschätzung der anderen Merkmale. Eine stark unterschiedliche Hypothese paßt nicht zu den vorherrschenden Einstufungen der anderen Merkmale. Die abwegige Toleranzhypothese wird in Verbindung mit den vorherrschenden Toleranzhypothesen der anderen Dimensionen diskreditiert. Die abwegige Toleranzhypothese eines Merkmales wird nur zusammen mit abwegigen Toleranzhypothesen der anderen Merkmale bestätigt.
Ein direkter Weg aus solch einer Verteilung der Zählwerte gelingt selten. Stattdessen wird eine solche Verteilung innerhalb der Zählermatrix verlassen, indem die Zählermatrix mehrfach Zählwertreduktionen durchläuft und somit ihre Konturen verliert. Dadurch sinkt die Wahrscheinlichkeit, die dominierenden Toleranzoption zu wählen. Kontinuierlich sinkt die Bestätigung durch große Zählwerte und dadurch steigt die Wahrscheinlichkeit der Wahl zuvor abwegiger Toleranzoptionen in den Testvektor.