Возьмём один автомобиль, отмеченный на этой неделе: японский седан среднего класса, пять лет, средний пробег, выставлен примерно на 12% дешевле, чем аналогичные автомобили в его собственном городе. В самом объявлении не было ничего кричащего о выгодной сделке. При сортировке по цене он даже не попадал на первую страницу, потому что немало более старых и потрёпанных машин номинально стоили дешевле. Он всплыл именно из-за того, как его читает конвейер обработки — так что давайте разберём этот конвейер по стадиям, используя эту машину как образец.
Стадия первая: объявление поступает
Наши краулеры отслеживают 1375 источников на 73 рынках — маркетплейсы, сайты дилеров, аукционные дома — что на данный момент даёт 1 108 535 актуальных объявлений. Седан поступил с сайта объявлений в виде свободного текста: заголовок с маркой и моделью, написанными одним из нескольких способов, которыми продавцы их пишут, цена в местной валюте, пробег в единицах, принятых на этом рынке, и описание.
Первая задача — сделать строку сопоставимой. Марки и модели из свободного текста отображаются на канонические семейства (наш слой нормализации знает, что десяток вариантов написания на разных алфавитах и языках — это одна и та же машина), валюты и единицы измерения нормализуются, а очевидные дубликаты в рамках одного источника схлопываются. Без этой стадии ничего дальше не работает — нельзя сравнить машину с её когортой, если невозможно надёжно определить, к какой когорте она относится.
Стадия вторая: формируется когорта
Когорта седана — это все актуальные объявления, относящиеся к тому же рынку, той же канонической модели и тому же диапазону лет выпуска, с пробегом в сопоставимой категории. Не «седаны, похожие на него». Не общенациональное среднее. Реальный набор альтернатив, которые настоящий покупатель в этом городе мог бы сравнивать на этой неделе.
Это та часть, которую пропускают большинство ценовых справочников. Балансовая стоимость по книге — это общенациональная абстракция; когорта — это локальная, актуальная, ликвидная истина. Когда когорта достаточно глубока — а на крупных рынках так обычно и бывает — медианная цена запроса этих автомобилей является самым честным доступным определением «рыночной цены», потому что она формируется продавцами, конкурирующими за одних и тех же покупателей в один и тот же момент.
Стадия третья: фильтры часто говорят «нет»
Седан был выставлен на 12% ниже медианы своей когорты. Само по себе это ещё не даёт права на бейдж, потому что самые глубокие скидки на любом рынке в основном объясняются тем, чего вы не хотите:
- Ошибки. Пропущенный ноль, цена в неправильной валюте, заглушка дилера. Автомобиль на 70% дешевле рынка — это опечатка, пока не доказано обратное, поэтому неправдоподобные скидки отклоняются сразу.
- Объяснимые скидки. Большой пробег объясняет низкую цену; группировка по когортам отсеивает большую часть таких случаев, а то, что просачивается, дополнительно проверяется по пробегу явно. Дёшево, потому что изношено — это не выгодная сделка.
- Нерелевантный шум, не связанный с продажей. Строки аукционных реестров, машины на запчасти, формулировки вроде «на запчасти», странно оформленные объявления о списанных прокатных автомобилях — всё это распознаётся и помещается в карантин прежде, чем сможет утянуть медиану когорты вниз или само выдать себя за выгодную сделку.
- Разреженные когорты. Если сопоставимых автомобилей набирается лишь горстка, медиана — это слух, а мы предпочитаем промолчать, чем отмечать что-то на основе слуха.
После всей этой отбраковки из 1,1 миллиона актуальных объявлений бейдж в данный момент носят около 12 800 — чуть больше 1%. Фильтры отклоняют на порядок больше объявлений, чем пропускают, и именно этот процент отклонения и есть продукт. Отсортировать по цене может кто угодно; работа заключается в том, что именно отбрасывается.
Стадия четвёртая: бейдж и то, чего он не утверждает
Седан прошёл проверку: правдоподобная скидка, глубокая когорта, типичный пробег, чистый источник. Он отображается на странице выгодных предложений со скидкой, указанной относительно его собственной когорты.
Стоит точно понимать, что означает этот бейдж. Он означает: цена ниже, чем у сопоставимых актуальных объявлений на этом же рынке, без видимого объяснения в данных. Он не означает, что автомобиль был осмотрен, что коробка передач в порядке или что продавец — святой. Бейдж находит иголку; покупателю всё равно нужно её проверить. Отчёт по истории и физический осмотр остаются вашей половиной сделки.
А что с седаном-образцом? Отмечен во вторник, продан к пятнице. Это типичная картина для настоящих выгодных предложений — и это само по себе полезный сигнал. Отмеченные автомобили, которые задерживаются на недели, обычно имеют причину, которую данные не видят, а те, что исчезают за считаные дни, — это рынок, соглашающийся с математикой.
Вся система запускается после каждого краулинга, на каждом рынке, на основе одного и того же нормализованного набора данных. Один цикл, 73 рынка и бейдж, которому приходится пережить четыре стадии «нет», прежде чем вы его увидите.
