Pitva ceny: Co se skutečně stane, když si necháte ocenit auto

Každý den do našeho crawlu přistane něco takového:

2020 Hyundai Tucson SEL AWD, 41 200 mi, čistý (clean) title, jeden majitel, $22,995. Inzerát z Columbusu, Ohio.

Nic zvláštního. A přesně o to jde. Většina z 1 108 535 inzerátů, které aktuálně vedeme, vypadá stejně nenápadně – značka, kterou zná každý (Hyundai je čtvrtá největší značka v našich datech, 60 937 inzerátů), karoserie, kterou kupuje kdekdo, cena, která na první pohled působí věrohodně. Skutečná otázka, kterou si kupující klade, není „je $22,995 pěkné kulaté číslo“ – je to „je tohle dobrá cena za TOHLE konkrétní auto“. Poctivá odpověď vyžaduje víc kroků, než si lidé myslí. Tady jsou všechny, popořadě, pro tenhle jeden inzerát.

Surový text

Inzerát přichází jako výstup ze scrapování, ne jako řádek v databázi. „SEL AWD“ je řetězec s výbavou, který dealer napsal do formuláře, ne kanonický fakt. Některé zdroje nám nájezd dodávají v kilometrech, jiné v mílích a pár jich ho úplně vynechá s tím, že si kupující má zavolat. Zhruba 41 200 na tachometru Tucsonu je jediné nejvíc zatěžující číslo v celé pipeline a zároveň pole, u kterého je nejpravděpodobnější, že bude chybné, chybějící nebo podezřele zaokrouhlené na kulaté číslo. Než se cokoliv oceňuje, projde parsováním – měna, jednotka, řetězec s výbavou – do podoby, se kterou model dokáže reálně pracovat.

Značka a model, sjednocené

„Hyundai Tucson“, „HYUNDAI-TUCSON-SEL“, „Tucson 2.5L AWD“ – tři zdroje, stejné auto, tři různé řetězce. Kdybychom každý řetězec oceňovali zvlášť, model by si myslel, že má míň dat, než ve skutečnosti má, a cena by kolísala podle toho, který copywriter u kterého dealera inzerát psal. Každý surový řetězec se nejdřív namapuje na kanonickou rodinu. Tohle je nejméně efektní krok v celém systému, a zároveň ten, který nejsnáz potichu zničí odhad ceny, pokud se pokazí – špatně označená výbavová úroveň dokáže posunout auto úplně do jiné srovnávací skupiny.

Hledání kohorty

Cena má smysl jen ve srovnání s jinými cenami. Náš Tucson se neporovnává s každým Tucsonem na světě – porovnává se s Tucsony stejného modelového roku, výbavové úrovně a pohonu, ve stejném regionu, protože ojetý Tucson v Ohiu a ojetý Tucson v Káhiře nesoutěží o stejného kupce a neztrácejí hodnotu podle stejné křivky. Důležitá je tu i velikost regionu: čím víc inzerátů v regionu, tím užší kohorta a tím jistější odhad.

USA se s 48 127 inzeráty drží někde uprostřed našich největších regionů – dost hloubky na odhad pro Tucson, ale zdaleka ne tolik jako 67 569 ve Francii nebo 61 940 v Japonsku. Model oceněný na základě řídké kohorty by měl nést širší rozpětí nejistoty než ten, který vychází z hluboké kohorty, a náš to tak dělá.

Nájezd odvádí tu nejtěžší práci

Dva Tucsony, stejná výbava, stejný rok, stejný region, rozdíl $6 000 – devětkrát z deseti za tím stojí nájezd, ne smlouvání. Je to jednotlivá vlastnost, na kterou se cenový model spoléhá nejvíc, a právě proto zdroje, které ji ořezávají nebo vynechávají, dělají po proudu nejvíc škody. Když nájezd chybí u celého regionu inzerátů, nehádáme naslepo – dopočítáváme ho z kombinované křivky nájezdu kohorty a odhad označíme symbolem „≈“, aby si nikdo modelovaný odhad nespletl s faktem. Náš Tucson má reálné číslo, takže se tomuto označení úplně vyhne.

Výbava a vlastnosti, normalizované

„SEL AWD“ není jen odznak – je to balíček výbavy (koženkové sedačky, hlídání mrtvého úhlu, větší kola), který koreluje se skutečnou cenovou přirážkou oproti základnímu SE. Normalizátor vlastností mapuje řetězce s výbavou a zmínky o vybavení na malou sadu enumů, kterým model skutečně rozumí: převodovka, pohon, palivo, karoserie a výbavová úroveň získaná z kanonické mapy odvozené od výrobce. Když tenhle krok vynecháte, model nerozezná odřený Tucson z flotily pronajímaných aut od plně vybaveného kusu – vidí jen „Tucson“, což je mnohem horší odhad, než by musel být.

Vychází číslo

Vše, co proběhlo výše – kanonický model, regionální kohorta, nájezd, výbavová úroveň, pohon – jde do natrénovaného cenového modelu, a to, co z něj vyleze, není „ta“ cena, ale obhajitelné rozpětí s bodovým odhadem uprostřed. Pro dobře zastoupený region jako USA u běžné výbavy, jako je tato, je rozpětí úzké. Pro řídký region nebo vzácnou výbavu se rozšiřuje, a upřímně, tak to má být – model, který je stejně jistý si všude, vám o jednom z těchto případů lže.

Kontrola výhodnosti

Až po vzniku odhadu se spustí poslední krok: je $22,995 výrazně pod tím, co model pro tuto kohortu očekává? Napříč platformou nese toto označení právě teď 12 823 inzerátů – odznak „pod tržní cenou“ je srovnání vůči peer skupině sladěné podle nájezdu a výbavy, ne vůči nějaké platónské „spravedlivé ceně“ Tucsonu obecně. Kdyby náš ukázkový inzerát byl o pár tisíc pod odhadem své kohorty, dostal by stejné označení. Kdyby spadl přesně doprostřed rozpětí, nedostal by ho, a to není chyba – většina inzerátů by označená být neměla. Výhodné nabídky mají zůstat menšinou.

Co pořád zůstává odhadem

Nic v této pipeline auto nevidí naživo. Přestavěný title schovaný za hezky znějícím popisem, oděrky na nárazníku, které fotky neukážou, rozvodový řemen, o kterém se nikdo nezmínil – nic z toho se k modelu nedostane, pokud to není v textu. Odhad vám řekne, kolik by tohle auto mělo stát vzhledem k tomu, jaký Tucson jako tenhle obvykle je. Nenahrazuje mechanika, výpis z Carfaxu ani pohled pod koberečky. Znamená jen, že do té konverzace vstupujete už s tušením, jak vypadá „obvykle“, místo abyste hádali.