Den, kdy si čtenář myslel, že jsme dvakrát vypsali stejný Nissan Patrol

Tiket dorazil v 9:14 ráno, předmět „bug??" a kromě toho žádné zdvořilosti. Čtenář jménem Faisal si uložil do záložek Nissan Patrol Platinum ročník 2020, bílý s béžovým interiérem, a o dva dny později narazil na to, co vypadalo jako naprosto stejný vůz pod jiným ID inzerátu, s jiným jménem prodejce, o 8 000 AED levněji. Chtěl vědět, jestli naše platforma neduplikuje záznamy, protože pokud ano, jak by pak mohl věřit jakýmkoli cenám.

Oprávněná otázka. Máme aktuálně 1 108 535 živých inzerátů napříč 73 regiony a 1 375 zdroji, přičemž samotné SAE nesou 59 393 z nich, které sbírají nezávisle běžící scrapery jako dubizzle.py a opensooq_uae_scraping_task.py, každý na úplně jiných webech s úplně jinými schématy inzerátů. Nissan celosvětově tvoří v našem systému 42 342 řádků. Někde v té hromadě byly dva Patroly, které Faisalovi připadaly jako jeden vůz se dvěma cenovkami.

Oba záznamy jsem si vytáhl dřív, než se stihla udělat káva. Stejný rok modelu, stejná výbava, stejná barva karoserie, nájezd lišící se o jedenáct kilometrů — dost blízko na to, aby to bylo zaokrouhlení, ale ne dost na to, aby to cokoli dokazovalo. Jiná telefonní čísla, i když se ukázalo, že to na OpenSooq je účet typu WhatsApp Business, což je samo o sobě indicie. Jiná data zveřejnění, čtyři dny od sebe. A detail, který Faisal nezmínil: fotky interiéru u levnějšího inzerátu ukazovaly na čelním skle stále nalepenou registrační nálepku UAE Pass, jakou dealeři nechávají viset během převodu mezi majiteli.

Tenhle vzorec — firemní číslo na WhatsAppu, mírně vyšší cena a fotky pořízené evidentně na dvorku dealera, ne na něčí příjezdové cestě — je typickým podpisem konsignačního přeprodeje. Můj odhad, a vsadil bych se na něj: soukromý majitel vůz na začátku týdne prodal nebo dal do konsignace makléři, ten ho o čtyři dny později přeinzeroval na druhé platformě s přirážkou, přičemž původní inzerát nechal dál běžet, dokud sám nevypršel, a po tyto překrývající se dny byl tentýž fyzický Patrol živý na dvou místech za dvě ceny. Na tomto trhu se to děje neustále. Tuzemští bazaroví dealeři tu prohánějí svůj sklad přes tři čtyři portály najednou a ne vždy stáhnou starý inzerát hned ve chvíli, kdy auto změní majitele.

Tady je ta část, na které v tiketu skutečně záleželo: tyhle záznamy neslučujeme a ani nebudeme. Naše deduplikační logika slučuje duplicity v rámci jednoho zdroje — stejné ID inzerátu, které se znovu objeví při dalším procházení — ale záměrně nikdy neslučuje napříč zdroji podle VIN, ani když jsme si celkem jistí, že jde o stejný vůz. Než jsem Faisalovi odepsal, ověřil jsem si to proti našemu vlastnímu pravidlu, protože je lákavé si říct „samozřejmě to sluč, je to jedno auto". Jenže dva prodejci se stejným VIN jsou fakticky dva účastníci trhu se dvěma nezávislými nabídkami, a zacházet s nimi jako s duplicitami by znamenalo tiše smazat z datasetu cenový signál jednoho z prodejců — a přesně tohle časem nenápadně kazí model podhodnocených cen. Denně označujeme zhruba 12 823 inzerátů jako podhodnocené vůči jejich regionální skupině, a to číslo má smysl jen tehdy, pokud v poolu zůstane každá živá nabídka, ať vypadá jakkoli nadbytečně.

Faisalovi jsem tedy napsal pravdu: není to chyba, nejspíš přeprodej, a těch 8 000 AED rozdílu, na které zíral, nebyl šum — byl to nejjasnější signál podhodnocené ceny v jeho vyhledávání za celý týden, ležící přímo na světle. Inzerát na OpenSooq byl skutečně jedním z toho dne označených výhodných nabídek, s cenou pod tím, co si toho dne žádalo šest srovnatelných Patrolů ve výbavě Platinum v Dubaji a Šardže. Faisal tak nechtěně narazil na dvojité poučení: inzeráty, které vypadají jako duplicity, jsou obvykle jen zvláštnost distribuce, ne chyba dat, a ten „divný" z dvojice bývá právě ten, komu se vyplatí zavolat jako prvnímu.

Jeden dealer, se kterým jsem před lety mluvil v Šardže, to formuloval bez servítek, jak bych si to sám nikdy netroufl napsat: „Autu je jedno, na kolika webech je. Mluví za něj cena." Neměl daleko od pravdy, a je to v podstatě celý argument pro to, proč nikdy neslučovat dva prodejce do jednoho řádku.

Do odpoledne jsem do našeho FAQ přidal odstavec o zdánlivých duplicitách, hlavně aby příští Faisal dostal okamžitou odpověď místo jednodenního pátrání. Co jsem nezměnil, bylo samotné deduplikační pravidlo — stejný zdroj, stejné ID, nic víc. Dva prodejci, stejný VIN, pořád dva inzeráty. Pokud někdy narazíte na to, co vypadá jako vaše vysněné auto dvakrát, nepředpokládejte, že je web rozbitý. Podívejte se, kdo žádá méně, a nejdřív se zeptejte proč.