Ich habe die meiste Zeit mit Gebrauchtwagen verbracht — 1,1 Millionen Anzeigen, 73 Regionen, das übliche Auf und Ab aus Preissenkungen und Neuinseraten. Als also Immobiliendaten in denselben Dashboards auftauchten, die ich für Autos nutze, hatte ich nicht erwartet, dass sie meine Aufmerksamkeit fesseln würden. Taten sie aber, aus Gründen, die mit dem ursprünglichen Plan nichts zu tun hatten.
Hier das Protokoll, ungefähr in der Reihenfolge, in der mir die Dinge tatsächlich auffielen.
Tag eins: die Zahl, die sich nicht bewegt
Das Erste, was ich bei jedem neuen Feed prüfe, ist die Gesamtzahl, denn Gesamtzahlen lügen in diesem Geschäft am wenigsten. Bei Immobilien standen 601.702 Anzeigen zu Buche. Gut. Dann habe ich nach Region aufgeschlüsselt, und die Zahl sah plötzlich nicht mehr wie ein globaler Rollout aus, sondern wie ein Ein-Land-Projekt mit einem angehängten Rundungsfehler: Allein Japan machte 588.644 dieser Anzeigen aus. Das sind 97,8 % von allem im Feed.
Zum Vergleich: Unsere Autodaten erstrecken sich über 73 Regionen, wobei keine einzige mehr als 6 % des Gesamtvolumens ausmacht (Frankreich, unser größter Markt, kommt auf 67.569 von 1,1 Millionen — etwa 6,1 %). Bei Immobilien liegt die Konzentration beim Sechzehnfachen dessen. Ich habe eine Weile hin und her überlegt, ob das ein Fehler im Regions-Tagger war, bevor mir einfiel, was tatsächlich dahintersteckt: Japans eigene Immobilienportale listen eine gewaltige Menge an Akiya — jenen verlassenen oder fast verlassenen Landhäusern, die die Regierung seit Jahren loszuwerden versucht, oft zu Preisen, bei denen ein gebrauchter Corolla wie ein Luxuskauf wirkt. Die Portale sind gründlich, maschinenlesbar und riesig. Die aller anderen Länder sind es noch nicht.
Tag zwei: auf der Suche nach den restlichen 2,2 %
Ich wollte wissen, wie "alle anderen" aussehen, also habe ich die Nicht-Japan-Regionen herausgezogen und nebeneinandergelegt.
Ägypten liegt knapp vor Deutschland, was mich überrascht hat — ich hätte erwartet, dass ein großer, gut dokumentierter Markt wie der deutsche eine Zufallsstichprobe vor Kairo dominiert. Auch Sri Lanka hält sich stabil im vierstelligen Bereich. Dann kommt eine Klippe: Die vier mittelamerikanischen Länder — Guatemala, Nicaragua, Panama und El Salvador — liegen bei 80, 80, 80 und 78.
Tag drei: drei identische Zahlen sind niemals Zufall
Diese Klippe war es, die mich wirklich stutzig machte. Wenn drei Länder exakt auf derselben Zahl landen, ist das kein Marktsignal, sondern ein Fingerabdruck. Wenn Guatemala, Nicaragua und Panama alle genau 80 Anzeigen zeigen, konvergieren da nicht drei Volkswirtschaften zufällig auf dieselbe Bestandsgröße — das ist eine einzige vorgelagerte Quelle mit einer harten Seiten-Obergrenze von 80, die alle drei auf dieselbe Weise beliefert. El Salvadors 78 ist der Beweis, der das bestätigt: nah genug, um dieselbe Quelle zu sein, aber unterschiedlich genug, um zu zeigen, dass es kein Kopier-Fehler in unserer eigenen Pipeline ist. Irgendwo gibt es einen regionalen Immobilien-Aggregator, der die kostenlosen Ergebnisseiten auf rund 80 Anzeigen pro Land deckelt, und solange wir diesen nicht umgehen — direkt an der Quelle statt über den Aggregator, oder über die Paginierung hinaus, wo auch immer die Sperre einsetzt —, werden diese vier Länder immer gleich winzig aussehen, ganz gleich, wie ihre tatsächlichen Märkte beschaffen sind.
Das ist der wenig glamouröse Teil beim ehrlichen Aufbau eines neuen Datensatzes: Die ersten Zahlen, die man bekommt, sind nicht der Markt, sondern die Form der aktuellen Quellen. Das finde ich lieber schon in Woche eins heraus, als einen Beitrag über die "kleinsten Immobilienmärkte Mittelamerikas" zu veröffentlichen, der auf der Seitenbegrenzung eines Scrapers beruht.
Tag vier: was mich tatsächlich überrascht hat
Nicht die Konzentration auf Japan — damit hatte ich von Anfang an halbwegs gerechnet, schon weil ein Großteil unseres eigenen Immobiliensignals bereits über japanische Quellen auf der Autoseite des Geschäfts einfloss. Überrascht hat mich, wie gut sich das Datenqualitätsproblem ohne besonderes Werkzeug erkennen ließ. Man braucht keinen Statistik-Hintergrund, um drei Achtziger hintereinander zu bemerken. Man muss sich die Zahlen nur der Reihe nach ansehen — das ist ohnehin der Großteil dieser Arbeit.
Es hat mir auch etwas an unseren Autodaten wieder bewusst gemacht, das ich nicht mehr wahrgenommen hatte, weil ich mich daran gewöhnt habe: 73 Regionen mit echter Streuung, keine Region über 6,1 %, gespeist von 1.375 unabhängigen Quellen — diese Verteilung ist nicht der natürliche Zustand eines gescrapten Datensatzes, sondern das Ergebnis von acht Jahren, in denen wir gezielt genau die Art von Aggregator-Sperre umgangen haben, die am dritten Tag beim Immobilien-Feed auftauchte. Jede einzelne dieser 73 Regionen sah einmal aus wie Guatemala.
Wo es gerade steht
Immobilien sind noch kein Produkt — sie sind ein Signal, das wir im Auge behalten, während die Autoseite weiterläuft, eine Zeile in einer längeren Roadmap hin zu breiterer Immobilienabdeckung. Aber eine Woche, in der ich zusah, wie sich der Feed füllte, war eine gute Erinnerung an die Reihenfolge, in der solche Vorhaben tatsächlich ablaufen: den Feed live bringen, misstrauisch gegenüber runden Zahlen werden, die Sperre finden, dann einen Weg daran vorbei bauen. Japan wird aufhören, 97,8 % dieses Feeds auszumachen, auf dieselbe Weise, wie Frankreich — nicht die VAE oder Japan — an der Spitze unserer Autozahlen landete: indem man so lange Quellen hinzufügt, bis keine einzige mehr das Gesamtbild versehentlich dominieren kann.
