Jelenleg 1 108 535 élő autóhirdetést követünk 73 régióban és 1 375 forrásból, ezen felül pedig 601 702 ingatlanhirdetést az újabb vertikálisban. Egyedül Japán 588 644 ingatlansorral szerepel – ez a szám olyan mértékben domináns, hogy gyakorlatilag ez határozza meg minden más léptékét. Ezt követi Egyiptom 4427-tel. Németország 4230-cal. Srí Lanka 4006-tal. Utána a lista zuhanórepülésbe kezd, és négy ország pontosan ugyanazt a számot mutatja a lista alján: 80.
Guatemala: 80. Nicaragua: 80. Panama: 80. El Salvador: 80.
| Régió | Ingatlanhirdetések |
|---|---|
| Japán | 588 644 |
| Egyiptom | 4427 |
| Németország | 4230 |
| Srí Lanka | 4006 |
| Guatemala | 80 |
| Nicaragua | 80 |
| Panama | 80 |
| El Salvador | 80 |
Ezt a nyers, régiónkénti bontást böngészve vettem észre, nem szándékosan kerestem. Négy ország, amelyeknek földrajzilag semmi közük egymáshoz azon túl, hogy „Közép-Amerika" – eltérő pénznemekkel, eltérő népességszámmal (Guatemalának nagyjából 18 millió lakosa van, El Salvadornak körülbelül 6 millió), és teljesen eltérő lakáspiacokkal –, és mégis pontosan ugyanarra a számra futnak ki: ez nem piaci jelzés. Ez egy ujjlenyomat, amit az hagyott hátra, ahogyan az adat odakerült.
Mi történik valójában
Amikor egy új régiót indítunk el, nem kötünk be egyszerre egy tucat helyi ingatlanportált. Azzal a forrással kezdünk, amelyik elérhető és megéri a crawler idejét, aztán onnan bővítünk tovább – ugyanaz a minta, amit az autós források piaconkénti bekapcsolásánál is alkalmazunk (ennek a mechanikáját egy korábbi cikkben már körbejártuk az új országok bevezetéséről). Közép-Amerika nagy részén az ingatlanlefedettség jelenleg egyetlen regionális hirdetési hálózaton keresztül fut, amely mind a négy országot egy közös platformról szolgálja ki. Ha ez a platform korlátozza a nyilvános hirdetési feedjét – egy ingyenes csomag, egy lapozási limit, egy „több megjelenítése" fal, amelyen egy automatizált crawler sosem jut túl –, akkor minden ország, amely mögötte áll, ugyanazt a plafont örökli. Nem azért, mert mindegyik piacon valóban csak 80 eladó ingatlan van. Hanem azért, mert az az ajtó, amelyen most éppen belépünk, csak 80 hirdetésnyi szélesre nyílik.
Hétköznapi magyarázat, és fontos leszögeznem, hogy ez a legvalószínűbb, nem pedig megerősített magyarázat – nem követtük végig byte-ról byte-ra az adott crawlelési útvonal minden kérését. De az alternatív elméletek nem állják meg a helyüket. Az, hogy négy ország egymástól függetlenül ugyanazt a valódi számot produkálja, egészen az egész számig pontosan, nem olyasmi, amit az ingatlanpiacok szoktak csinálni. Az ilyen tiszta egybeesések adatbázisok üzenetei, nem gazdaságok.
Miért számít ez, ha éppen az egyik ilyen piacon vagy érintett
Ha egy San Salvador-i vagy Panama City-i ingatlant szeretnél beárazni, és előveszed a számainkat, olyan lefedettséget várva, mint amilyet egy autónál kapnál az Egyesült Arab Emírségekben (59 393 hirdetés) vagy Franciaországban (67 569), csalódni fogsz – és ez így is van rendjén. Nyolcvan hirdetés nem tud olyan típusú árazási modellezést alátámasztani, mint egy hat számjegyű regionális adathalmaz. Egy ilyen számot inkább úgy kezelj, hogy „van itt egy lábunk bent", nem pedig úgy, hogy „ez a piac". Egy fiatal adathalmaz becsületes felhasználása irányjelző jellegű – trendben van-e felfelé ez a környék, gyakori-e ez az ingatlantípus –, nem pedig egy magabiztos dollárérték.
Ugyanez az óvatosság szélesebb körben is érvényes, nemcsak erre a négy országra. Bárhol, ahol a regionális számunk gyanúsan kerek, vagy gyanúsan megegyezik egy szomszédjáéval, érdemes feltenni a kérdést: valóban egy piacot látunk, vagy csak egy forrás korlátját? Inkább tudd ezt, minthogy megbízz egy diagramban, amely valójában csak egy scraper lapozási beállításait írja le.
A megoldás, és miért lassú
A 80-on való túljutás ezeken a piacokon ugyanazt a kevéssé látványos munkát jelenti, mint a terjeszkedésünk bármely más pontján: megtalálni a következő elérhető forrást, ellenőrizni, hogy nem duplikálja-e az elsőt, bekötni a crawlerbe, és figyelni, ahogy a szám valódi okokból mozdul el, nem egy feedlimit miatt. Ezt már tucatszor megcsináltuk az autós oldalon, régiónként egyesével, és nincs olyan rövidítés, amely ne kockáztatná szemetes adatok bekerülését. Japán 588 644 ingatlanhirdetése sem véletlenül jött össze – azért jött össze, mert jóval azután is folytattuk a források hozzáadását, hogy az első forrás már rég nem számított.
Szóval ha pár hónap múlva visszanézel Guatemalára, és a szám még mindig 80, az nem azt jelenti, hogy elfelejtettük. Azt jelenti, hogy annak a piacnak a sora még nem került sorra. És ha 800-ra ugrik, tudni fogod, hogy valami valós dolog változott az adatforrás felől, nem csak a crawlerünkben.
