Ta en bil som flaggades den här veckan: en mellanstor japansk sedan, fem år gammal, måttlig körsträcka, utannonserad cirka 12 % under vad identiska bilar i samma stad begärde. Inget i annonsen skrek fynd. Sorterad efter pris låg den inte ens på första sidan, eftersom gott om äldre, mer slitna bilar nominellt var billigare. Den dök upp på grund av hur pipelinen läser den — så låt oss ta isär den pipelinen steg för steg, med den här bilen som exempel.
Steg ett: annonsen kommer in
Våra crawlers bevakar 1 375 källor i 73 marknader — marknadsplatser, återförsäljarsajter, auktionshus — vilket för närvarande summerar till 1 108 535 aktiva annonser. Sedanen kom in från en klassificerad-sajt som fri text: en rubrik med märke och modell stavat på ett av de flera sätt säljare stavar det, ett pris i lokal valuta, körsträcka i vilken enhet den marknaden nu använder, och en beskrivning.
Första uppgiften: göra raden jämförbar. Fritextmärken och -modeller mappas till kanoniska familjer (vårt normaliseringslager vet att ett dussin stavningar över olika skript och språk är samma bil), valutor och enheter normaliseras, och uppenbara dubbletter inom samma källa slås samman. Utan det här steget fungerar inget nedströms — man kan inte jämföra en bil med sin kohort om man inte tillförlitligt kan säga vilken kohort den tillhör.
Steg två: kohorten sätts samman
Sedanens kohort är alla aktiva annonser som delar dess marknad, dess kanoniska modell och dess årsintervall, med körsträcka i en jämförbar bracket. Inte "sedaner som liknar den." Inte ett nationellt genomsnitt. Den faktiska mängden alternativ en verklig köpare i den staden kunde jämföra den mot den här veckan.
Det här är den del de flesta prisguider hoppar över. Ett bokvärde är en nationell abstraktion; en kohort är den lokala, aktuella, likvida sanningen. När kohorten är djup — och på de stora marknaderna är den oftast det — är medianpriset för de bilarna den ärligaste definitionen av "marknadspris" som finns tillgänglig någonstans, eftersom det sätts av säljare som konkurrerar om samma köpare i samma ögonblick.
Steg tre: filtren säger nej, ofta
Sedanen prissattes 12 % under sin kohorts median. Det ensamt räcker inte för en märkning, eftersom de djupaste rabatterna på vilken marknad som helst domineras av sådant man inte vill ha:
- Fel. En nolla som saknas, ett pris i fel valuta, en återförsäljares platshållare. En bil 70 % under marknaden är en felskrivning tills motsatsen bevisats, så orimliga rabatter förkastas rakt av.
- Förklarade rabatter. Hög körsträcka förklarar ett lågt pris; kohort-bracketingen fångar det mesta av detta, och det som läcker igenom kontrolleras explicit mot körsträckan. Billig-för-att-sliten är inget fynd.
- Icke-försäljningsbrus. Auktionsliggarposter, delbilar, "för reservdelar"-formuleringar, uthyrningsbilar som avvecklas och listas underligt — identifieras och sätts i karantän innan de kan dra ner en kohorts median eller själva utge sig för att vara fynd.
- Tunna kohorter. Om bara en handfull jämförbara bilar finns är medianen ett rykte, och vi föredrar att vara tysta framför att flagga mot ett rykte.
Efter all den beskärningen bär, av 1,1 miljoner aktiva annonser, för närvarande cirka 12 800 märkningen — dryga 1 %. Filtren förkastar en storleksordning fler annonser än de släpper igenom, och den förkastningsgraden är själva produkten. Vem som helst kan sortera efter pris; arbetet ligger i vad som slängs ut.
Steg fyra: märkningen, och vad den inte påstår
Sedanen klarade sig: trovärdig rabatt, djup kohort, typisk körsträcka, ren källa. Den visas på erbjudandesidan med rabatten angiven mot sin egen kohort.
Värt att vara precis om vad den märkningen betyder. Den betyder: prissatt under jämförbara aktiva annonser på sin egen marknad, utan någon synlig förklaring i datan. Den betyder inte att bilen har besiktigats, att växellådan mår bra, eller att säljaren är ett helgon. Märkningen hittar nålen; köparen får fortfarande kontrollera nålen. Historikrapport och en fysisk besiktning förblir din del av affären.
Och exempel-sedanen? Flaggad en tisdag, borta till fredag. Det är mönstret för äkta fynd — vilket i sig är en användbar signal. De flaggade bilar som ligger kvar i veckor har oftast en anledning som datan inte kan se, och de som försvinner på några dagar är marknaden som håller med matematiken.
Hela systemet körs efter varje crawl, på varje marknad, från samma normaliserade dataset. En loop, 73 marknader, och en märkning som måste överleva fyra steg av "nej" innan du någonsin ser den.
