Desmontagem: o Que Acontece Realmente Quando se Verifica o Preço de um Carro

Todos os dias, algo assim chega ao crawl:

Hyundai Tucson SEL AWD de 2020, 41,200 mi, título limpo, um único dono, $22,995. Anunciado em Columbus, Ohio.

Nada de especial. E é precisamente esse o ponto. A maioria dos 1,108,535 anúncios que temos neste momento parece exatamente assim de comum — uma marca que toda a gente conhece (a Hyundai é a quarta maior marca nos nossos dados, com 60,937 anúncios), uma carroceria que toda a gente compra, um preço que à primeira vista parece plausível. A pergunta que um comprador realmente faz não é "será que $22,995 é um número redondo e bonito" — é "será este um bom preço para ESTE carro." Responder a isso com honestidade exige mais passos do que se costuma pensar. Aqui está cada um deles, por ordem, para este anúncio em concreto.

O texto em bruto

O anúncio chega-nos como um scrape, não como uma linha de base de dados. "SEL AWD" é uma cadeia de texto de acabamento que um concessionário escreveu num formulário, não um facto canónico. Algumas fontes dão-nos a quilometragem em km, outras em milhas, e algumas omitem-na por completo, esperando que o comprador telefone. Os 41,200 dígitos do conta-quilómetros deste Tucson são, sozinhos, o número mais determinante de todo o pipeline — e é também o campo com maior probabilidade de estar errado, em falta, ou arredondado para um valor suspeitosamente redondo. Antes de qualquer coisa ser avaliada, é analisada e convertida — moeda, unidade, token de acabamento — para um formato que um modelo consiga efetivamente usar.

Marca e modelo, unificados

"Hyundai Tucson," "HYUNDAI-TUCSON-SEL," "Tucson 2.5L AWD" — três fontes, o mesmo carro, três cadeias de texto diferentes. Se avaliássemos cada cadeia de texto de forma independente, o modelo pensaria que tinha menos dados do que realmente tem, e o preço oscilaria consoante o redator do concessionário que escreveu o anúncio. Por isso, toda a cadeia de texto em bruto é primeiro mapeada para uma família canónica. Este é o passo menos glamoroso de todo o sistema — e também o que tem maior probabilidade de arruinar silenciosamente uma estimativa de preço se estiver errado: um acabamento mal identificado pode colocar um carro num conjunto de comparação completamente errado.

A encontrar a sua coorte

Um preço só faz sentido ao lado de outros preços. O nosso Tucson não é comparado com todos os Tucsons do planeta — é comparado com Tucsons do mesmo ano de modelo, do mesmo nível de acabamento e da mesma tração, na mesma região, porque um Tucson usado no Ohio e um Tucson usado no Cairo não estão a competir pelo mesmo comprador nem se desvalorizam segundo a mesma curva. O tamanho da região também importa aqui: quanto mais anúncios existirem numa região, mais restrita é a coorte, e mais confiança tem a estimativa.

Os EUA ficam a meio da tabela entre as nossas maiores regiões, com 48,127 anúncios — profundidade mais do que suficiente para uma estimativa de um Tucson, mas longe dos 67,569 da França ou dos 61,940 do Japão. Um modelo calculado a partir de uma coorte pouco povoada deve ter uma margem de erro maior do que um calculado a partir de uma coorte densa — e é exatamente isso que o nosso faz.

A quilometragem faz o trabalho pesado

Dois Tucsons, mesmo acabamento, mesmo ano, mesma região, com uma diferença de $6,000 — nove em cada dez vezes, a explicação é a quilometragem, não a negociação. É a variável em que o modelo de preços mais se apoia, e é exatamente por isso que as fontes que a removem ou omitem causam mais estragos a jusante. Quando a quilometragem está em falta em todos os anúncios de uma região, não adivinhamos às cegas — imputamo-la a partir da curva de quilometragem combinada da coorte, e assinalamos a estimativa com um "≈" para que ninguém confunda uma estimativa modelada com um facto. O nosso Tucson tem um número real, por isso escapa por completo a essa marcação.

Acabamento e equipamento, normalizados

"SEL AWD" não é apenas um emblema — é um conjunto de opções (bancos em pele sintética, monitorização de ângulo morto, jantes maiores) que se correlaciona com um prémio de preço real face à versão base SE. O normalizador de equipamento mapeia as cadeias de texto de acabamento e as menções a equipamento para um pequeno conjunto de enums que o modelo realmente compreende: transmissão, tração, tipo de combustível, tipo de carroçaria, e um nível de acabamento retirado de um mapa canónico com origem na marca. Sem este passo, o modelo não consegue distinguir um Tucson despojado de frota de aluguer de um totalmente equipado — vê apenas "Tucson," o que é uma estimativa bem pior do que precisava de ser.

Sai o número

Tudo o que veio antes — modelo canónico, coorte regional, quilometragem, nível de acabamento, tração — alimenta o modelo de preços treinado, e o que sai não é "o" preço, é um intervalo defensável com uma estimativa pontual no meio. Para uma região bem povoada como os EUA, num acabamento comum como este, esse intervalo é estreito. Para uma região pouco povoada ou um acabamento raro, alarga-se — e, sinceramente, deve mesmo alargar-se: um modelo igualmente confiante em todo o lado está a mentir-lhe num desses casos.

A verificação de oportunidade

Só depois de a estimativa existir é que corre o último passo: será que $22,995 fica significativamente abaixo do que o modelo espera para esta coorte? Em toda a plataforma, 12,823 anúncios têm essa marcação neste momento — um selo de "abaixo do mercado" é uma comparação com um grupo de referência equiparado em quilometragem e acabamento, não com algum "preço justo" platónico para um Tucson em geral. Se o nosso anúncio de exemplo ficasse alguns milhares abaixo da estimativa da sua coorte, seria assinalado da mesma forma. Se caísse mesmo no centro do intervalo, não seria — e isso não é um erro: a maioria dos anúncios não deve ser assinalada. As oportunidades devem ser a minoria.

O que continua a ser um palpite

Nada neste pipeline vê o carro pessoalmente. Um título reconstruído escondido atrás de uma descrição que soa impecável, um arranhão nas jantes que as fotos não mostram, uma correia de distribuição que ninguém mencionou — nada disso chega ao modelo, a menos que esteja no texto. A estimativa diz-lhe quanto este carro deveria custar dado o que um Tucson como este costuma ser. Não substitui um mecânico, uma consulta ao Carfax, ou espreitar por baixo dos tapetes. Significa apenas que entra nessa conversa já sabendo como é o "costume," em vez de estar a adivinhar.