بیشتر وقتم را صرف خودروهای دست دوم کردهام — ۱٫۱ میلیون آگهی، ۷۳ منطقه، همان چرخهٔ همیشگی افت قیمتها و ثبت مجدد آگهیها. پس وقتی دادههای املاک در همان داشبوردهایی که برای خودرو استفاده میکنم ظاهر شد، انتظار نداشتم توجهم را جلب کند. اما کرد، به دلایلی که هیچ ربطی به برنامهٔ اولیه نداشت.
این هم گزارش روز به روز، تقریباً به همان ترتیبی که خودم متوجه چیزها شدم.
روز اول: عددی که تکان نمیخورد
اولین چیزی که در هر فید جدید بررسی میکنم مجموع کل است، چون مجموع کلها کمتر از هر چیز دیگری در این کسبوکار دروغ میگویند. مجموع آگهیهای املاک روی ۶۰۱٬۷۰۲ آگهی ثابت بود. خب، بد نیست. بعد آن را بر اساس منطقه تفکیک کردم و دیگر شبیه یک راهاندازی جهانی نبود، بلکه شبیه یک پروژهٔ تککشوری با یک خطای رندینگ کوچک به نظر میرسید: تنها ژاپن ۵۸۸٬۶۴۴ آگهی از این مجموع را در اختیار داشت. یعنی ۹۷٫۸ درصد از کل فید.
برای مقایسه، دادههای خودروی ما ۷۳ منطقه را پوشش میدهد بدون آنکه هیچ منطقهای از ۶ درصد کل فراتر رود (فرانسه، بزرگترین منطقهٔ ما، ۶۷٬۵۶۹ آگهی از ۱٫۱ میلیون دارد — حدود ۶٫۱ درصد). تمرکز دادههای املاک شانزده برابر این رقم است. مدتی مردد بودم که آیا این یک باگ در برچسبزنِ منطقهای است، تا اینکه به یاد آوردم علت واقعی چیست: پورتالهای املاک خود ژاپن حجم عظیمی از خانههای «آکییا» (akiya) را فهرست میکنند — خانههای روستایی رهاشده یا نزدیک به متروکه که دولت سالهاست تلاش میکند از دستشان خلاص شود، اغلب با قیمتهایی که یک کرولا دست دوم را کالایی لوکس جلوه میدهد. این پورتالها دقیق، ماشینخوان و بسیار حجیماند. پورتالهای بقیهٔ کشورها هنوز اینطور نیستند.
روز دوم: به دنبال آن ۲٫۲ درصد باقیمانده
میخواستم بدانم «بقیه» چه شکلی است، پس مناطق غیر از ژاپن را جدا کردم و کنار هم چیدم.
مصر کمی از آلمان جلوتر است، که برایم عجیب بود — فکر میکردم بازاری بزرگ و مستندسازیشده مثل آلمان پیش از قاهره در یک نمونهٔ تصادفی غالب شود. سریلانکا هم بهطور پایدار در حد چهاررقمی است. بعد یک پرتگاه ظاهر میشود: چهار کشور آمریکای مرکزی — گواتمالا، نیکاراگوئه، پاناما و السالوادور — روی اعداد ۸۰، ۸۰، ۸۰ و ۷۸ متوقف میشوند.
روز سوم: سه عدد یکسان هرگز تصادفی نیست
همین پرتگاه بود که واقعاً توجهم را جلب کرد. رسیدن سه کشور به عدد دقیقاً یکسان یک سیگنال بازار نیست، بلکه یک اثر انگشت است. وقتی گواتمالا، نیکاراگوئه و پاناما هر سه دقیقاً ۸۰ آگهی نشان میدهند، این به معنای همگرایی سه اقتصاد در یک حجم موجودی یکسان نیست — بلکه یعنی یک منبع بالادستی با سقف سختِ ۸۰ صفحه، همان مقدار را به هر سه تغذیه میکند. عدد ۷۸ برای السالوادور همان نشانهای است که این را تأیید میکند: بهاندازهٔ کافی نزدیک است که همان منبع باشد، و بهاندازهٔ کافی متفاوت است که ثابت کند خطای کپی-پیست در خط لولهٔ خودمان نیست. جایی یک تجمیعکنندهٔ منطقهای املاک وجود دارد که صفحات نتایج رایگان را در حدود ۸۰ آگهی به ازای هر کشور محدود میکند، و تا وقتی دور آن نزنیم — یعنی مستقیم از منبع اصلی جمعآوری کنیم بهجای تجمیعکننده، یا صفحهبندی را از هر دیواری که بالا آورده رد کنیم — این چهار کشور، صرفنظر از شکل واقعی بازارشان، بهطور یکسان کوچک به نظر خواهند رسید.
این همان بخش بیجلوهٔ ساختنِ صادقانهٔ هر دیتاست جدید است: اولین اعدادی که به دست میآورید بازار نیستند، بلکه شکل منابع فعلی شما هستند. ترجیح میدهم این را در هفتهٔ اول بفهمم تا اینکه پستی با عنوان «کوچکترین بازارهای املاک آمریکای مرکزی» منتشر کنم که بر اساس محدودیت صفحهبندی یک اسکرِیپر ساخته شده باشد.
روز چهارم: چیزی که واقعاً غافلگیرم کرد
تمرکز ژاپن نبود — نیمی از آن را از قبل حدس زده بودم، با توجه به اینکه چه مقدار از سیگنال املاک خودمان از قبل از منابع ژاپنی در سمت خودروی کسبوکار میآمد. چیزی که غافلگیرم کرد این بود که مشکل کیفیت داده بدون هیچ ابزار خاصی چقدر خوانا بود. برای دیدن سه عدد ۸۰ پشت سر هم نیازی به پیشینهٔ آمار ندارید. فقط باید اعداد را به ترتیب نگاه کنید، که بیشتر ماهیت واقعی این شغل همین است.
این ماجرا همچنین چیزی را دربارهٔ دادههای خودروی خودمان برایم بازتعریف کرد که دیگر متوجهش نمیشدم چون به آن عادت کرده بودم: ۷۳ منطقه با پراکندگی واقعی، بدون هیچ منطقهای بالای ۶٫۱ درصد، و ۱٬۳۷۵ منبع مستقل که آن را تغذیه میکنند — این توزیع، حالت طبیعی یک دیتاست اسکرِیپشده نیست، بلکه نتیجهٔ هشت سال دور زدن عامدانهٔ دقیقاً همان نوع دیوارِ تجمیعکنندهای است که در روز سوم فید املاک سر برآورد. هر یک از این ۷۳ منطقه در ابتدا شبیه گواتمالا بود.
وضعیت فعلی
املاک هنوز محصول نیست — سیگنالی است که تحت نظر داریم درحالیکه سمت خودرو به کار خود ادامه میدهد، یک خط در نقشهٔ راهی طولانیتر بهسوی پوشش گستردهتر املاک. اما یک هفته تماشای پُر شدن این فید یادآوری خوبی بود از ترتیب واقعی اتفاقات در عمل: اول فید را راهاندازی کن، بعد به اعداد گرد شک کن، دیوار را پیدا کن، و سپس راهی برای دور زدنش بساز. ژاپن به همان شکلی از بودن ۹۷٫۸ درصد این فید دست خواهد کشید که فرانسه — نه امارات و نه ژاپن — در نهایت در صدر شمار خودروهای ما قرار گرفت: با افزودن منابع، تا جایی که هیچ منبع واحدی نتواند بهطور تصادفی بر کل مجموعه مسلط شود.
