Mổ xẻ: Chuyện gì thực sự xảy ra khi bạn kiểm tra giá một chiếc xe

Mỗi ngày có những tin kiểu thế này xuất hiện trong dữ liệu crawl:

2020 Hyundai Tucson SEL AWD, 41,200 mi, sổ sạch, một đời chủ, $22,995. Đăng tại Columbus, Ohio.

Chẳng có gì đặc biệt cả. Và đó chính là vấn đề. Phần lớn trong số 1,108,535 tin đăng chúng tôi đang xử lý hiện nay đều bình thường y như vậy — một hãng xe ai cũng biết (Hyundai là thương hiệu lớn thứ tư trong dữ liệu của chúng tôi, với 60,937 tin), một kiểu dáng ai cũng mua, một mức giá thoạt nhìn có vẻ hợp lý. Điều người mua thực sự muốn biết không phải là "$22,995 có phải một con số tròn trịa đẹp mắt" — mà là "đây có phải mức giá tốt cho CHIẾC XE NÀY hay không." Trả lời câu hỏi đó một cách trung thực đòi hỏi nhiều bước hơn người ta tưởng. Dưới đây là toàn bộ các bước đó, theo đúng thứ tự, áp dụng cho đúng một tin đăng này.

Văn bản thô

Tin đăng đến dưới dạng dữ liệu crawl, chứ không phải một dòng trong cơ sở dữ liệu. "SEL AWD" là một chuỗi ký tự về phiên bản do người bán gõ vào một biểu mẫu, chứ không phải một sự thật đã được chuẩn hóa. Một số nguồn cung cấp số km theo đơn vị km, một số theo dặm, và một vài nguồn thì bỏ trống hoàn toàn, buộc người mua phải gọi điện hỏi. Con số khoảng 41,200 trên đồng hồ công-tơ-mét của chiếc Tucson này là con số quan trọng nhất, "gánh nặng" nhất trong toàn bộ pipeline, và cũng chính là trường dữ liệu dễ bị sai, thiếu, hoặc làm tròn thành một con số đẹp đến đáng ngờ nhất. Trước khi được định giá, dữ liệu phải được phân tích — tiền tệ, đơn vị, mã phiên bản — thành một dạng mà mô hình có thể thực sự sử dụng được.

Hãng xe và dòng xe, được hợp nhất

"Hyundai Tucson," "HYUNDAI-TUCSON-SEL," "Tucson 2.5L AWD" — ba nguồn, cùng một chiếc xe, ba chuỗi ký tự khác nhau. Nếu định giá từng chuỗi ký tự một cách độc lập, mô hình sẽ tưởng rằng nó có ít dữ liệu hơn thực tế, và mức giá sẽ dao động tùy thuộc vào việc biên tập viên của đại lý nào gõ tin đăng đó. Mọi chuỗi ký tự thô đều được ánh xạ về một họ (family) chuẩn hóa trước tiên. Đây là bước kém hào nhoáng nhất trong toàn bộ hệ thống, nhưng cũng là bước dễ âm thầm phá hỏng một ước tính giá nhất nếu làm sai — một phiên bản bị gán nhãn nhầm có thể đẩy cả chiếc xe sang một nhóm so sánh hoàn toàn khác.

Tìm nhóm so sánh (cohort)

Một mức giá chỉ có ý nghĩa khi đặt cạnh những mức giá khác. Chiếc Tucson của chúng ta không được so sánh với mọi chiếc Tucson trên thế giới — nó được so sánh với những chiếc Tucson cùng năm sản xuất, cùng cấp phiên bản, và cùng hệ dẫn động, trong cùng một khu vực, bởi vì một chiếc Tucson cũ ở Ohio và một chiếc Tucson cũ ở Cairo không cạnh tranh cùng một nhóm người mua và cũng không mất giá theo cùng một đường cong. Quy mô khu vực cũng quan trọng ở đây: khu vực càng có nhiều tin đăng, nhóm so sánh càng chặt chẽ, ước tính càng đáng tin cậy.

Mỹ nằm ở mức trung bình trong nhóm các khu vực lớn nhất của chúng tôi với 48,127 tin đăng — độ sâu dữ liệu vẫn đủ dùng cho ước tính giá một chiếc Tucson, nhưng còn kém xa con số 67,569 của Pháp hay 61,940 của Nhật Bản. Một mô hình được định giá dựa trên nhóm so sánh mỏng nên có biên sai số rộng hơn so với mô hình được định giá dựa trên nhóm so sánh sâu dày — và mô hình của chúng tôi đúng là như vậy.

Số km đi gánh phần việc nặng nhất

Hai chiếc Tucson, cùng phiên bản, cùng năm, cùng khu vực, nhưng chênh nhau $6,000 — chín trên mười lần, câu trả lời nằm ở số km đã đi, chứ không phải do mặc cả. Đây là yếu tố đơn lẻ mà mô hình định giá dựa vào nhiều nhất, và đó cũng chính là lý do vì sao những nguồn nào lược bỏ hoặc thiếu dữ liệu này gây thiệt hại lớn nhất về sau. Khi số km đi bị thiếu trên toàn bộ một khu vực, chúng tôi không đoán mò — chúng tôi suy ra (impute) từ đường cong số km trung bình pha trộn của nhóm so sánh, và đánh dấu ước tính đó bằng ký hiệu "≈" để không ai nhầm lẫn một con số do mô hình đoán với một sự thật. Chiếc Tucson của chúng ta có số liệu thật, nên nó không bị gắn cờ này.

Phiên bản và trang bị, được chuẩn hóa

"SEL AWD" không chỉ đơn thuần là một cái tên gắn trên xe — đó là một gói các tùy chọn (ghế bọc gần giống da, cảnh báo điểm mù, mâm xe lớn hơn) có tương quan với mức giá cao hơn hẳn so với bản SE cơ bản. Bộ chuẩn hóa tính năng (feature normalizer) ánh xạ các chuỗi ký tự về phiên bản và các trang bị được nhắc tới thành một tập hợp nhỏ các giá trị enum mà mô hình thực sự hiểu được: hộp số, hệ dẫn động, loại nhiên liệu, kiểu dáng thân xe, và cấp phiên bản được lấy từ một bản đồ chuẩn hóa có nguồn gốc từ hãng xe. Nếu bỏ qua bước này, mô hình sẽ không thể phân biệt được một chiếc Tucson trần trụi thuộc đội xe cho thuê với một chiếc được trang bị đầy đủ — nó chỉ thấy "Tucson," và đó là một phỏng đoán tệ hơn nhiều so với mức cần thiết.

Con số cuối cùng xuất hiện

Mọi thứ ở các bước trước — dòng xe chuẩn hóa, nhóm so sánh theo khu vực, số km đi, cấp phiên bản, hệ dẫn động — đều được đưa vào mô hình định giá đã huấn luyện, và kết quả đầu ra không phải là "giá đúng," mà là một khoảng giá có căn cứ với một điểm ước tính ở giữa. Với một khu vực có dữ liệu dày dặn như Mỹ, trên một phiên bản phổ biến như chiếc xe này, khoảng giá đó khá hẹp. Với một khu vực dữ liệu mỏng hoặc một phiên bản hiếm, khoảng giá sẽ rộng ra — và thành thật mà nói, nó nên như vậy — một mô hình tự tin như nhau ở mọi trường hợp là một mô hình đang nói dối bạn về ít nhất một trong số đó.

Kiểm tra giá hời

Chỉ sau khi ước tính đã có, bước cuối cùng mới chạy: liệu $22,995 có thấp hơn đáng kể so với mức mô hình kỳ vọng cho nhóm so sánh này hay không? Trên toàn nền tảng, hiện có 12,823 tin đăng đang mang cờ này — một huy hiệu "dưới giá thị trường" là kết quả so sánh với một nhóm ngang hàng đã được khớp theo số km đi và phiên bản, chứ không phải so với một "mức giá công bằng" trừu tượng nào đó cho một chiếc Tucson nói chung. Nếu tin đăng ví dụ của chúng ta thấp hơn vài nghìn đô so với ước tính của nhóm so sánh, nó sẽ được gắn cờ tương tự. Nếu nó nằm gọn trong khoảng giá, nó sẽ không bị gắn cờ — và đó không phải là lỗi — phần lớn tin đăng vốn dĩ không nên bị gắn cờ. Xe giá hời phải là số ít.

Điều gì vẫn chỉ là phỏng đoán

Không có gì trong pipeline này thực sự nhìn thấy chiếc xe ngoài đời. Một cà-vẹt xe đã tân trang ẩn sau một mô tả nghe có vẻ sạch sẽ, vết xước vỉa hè mà ảnh chụp không cho thấy, một dây curoa cam không ai nhắc tới — không điều nào trong số đó lọt vào mô hình trừ khi nó xuất hiện trong văn bản. Ước tính giá cho bạn biết chiếc xe này đáng lẽ nên có giá bao nhiêu, dựa trên việc một chiếc Tucson tương tự thường như thế nào. Nó không thay thế được một thợ máy, một bản Carfax, hay việc tự mình cúi xuống xem gầm xe. Nó chỉ giúp bạn bước vào cuộc trò chuyện đó với sự hiểu biết sẵn có về "thường thì" trông như thế nào, thay vì phải đoán mò.