我大部分時間都花在二手車上——110 萬筆刊登資訊、73 個地區,還有降價與重新上架這種家常便飯的變動。所以當房地產資料開始出現在我平常用來看車的儀表板上時,我原本沒指望它會抓住我的注意力。結果它做到了,而且原因跟原本的計畫完全無關。
以下是這份紀錄,大致按照我實際注意到事情的順序整理。
第一天:動也不動的數字
我拿到任何新來源的資料時,第一件事一定是看總數,因為在這一行裡,總數是最不會騙人的東西。房地產的總數停在 601,702 筆刊登資訊。還算正常。接著我按地區拆開來看,這個數字就不再像是全球佈局,反而像是一個單一國家的專案外加一點四捨五入的誤差:光是日本就佔了其中 588,644 筆。也就是整個資料來源的 97.8%。
作為對照,我們的汽車資料橫跨 73 個地區,沒有任何一個地區的佔比超過 6%(法國是我們最大的地區,110 萬筆裡佔了 67,569 筆——大約 6.1%)。房地產的集中程度是這個數字的十六倍。我一度懷疑這是地區標記器出了 bug,後來才想起真正的原因:日本自家的房地產入口網站列出了大量的「空き家」(akiya)——政府多年來一直想脫手的荒廢或近乎荒廢的鄉村房屋,價格低到讓一輛二手 Corolla 看起來都像奢侈品。這些入口網站資料完整、機器可讀,而且數量龐大。其他國家的入口網站目前還做不到這一點。
第二天:尋找剩下的 2.2%
我想知道「其他國家」看起來是什麼樣子,於是把日本以外的地區抓出來排在一起。
埃及以些微差距領先德國,這點讓我意外——我原本以為像德國這樣龐大、資料完整的市場,理應比開羅更早出現在隨機樣本裡。斯里蘭卡也穩定維持在四位數。接著就是斷崖式下滑:四個中美洲國家——瓜地馬拉、尼加拉瓜、巴拿馬和薩爾瓦多——分別落在 80、80、80 和 78。
第三天:三個一模一樣的數字絕不是巧合
真正讓我停下來的,就是那道斷崖。三個國家的數字完全一致,這不是市場訊號,而是一種指紋。當瓜地馬拉、尼加拉瓜和巴拿馬都精確顯示 80 筆刊登時,那不是三個經濟體剛好收斂到同樣的庫存規模——而是有一個上游來源設了硬性的 80 筆分頁上限,並用同樣的方式餵給這三個國家。薩爾瓦多的 78 正是確認這一點的線索:數字接近到足以判定是同一個來源,又有些微差異足以證明這不是我們自家管線裡複製貼上出的錯。某個地方一定有一個區域性的房地產彙整平台,把每個國家的免費結果頁上限設在大約 80 筆左右,在我們繞過它之前——直接對接原始來源而非彙整平台,或是想辦法翻過它設下的那道分頁牆——這四個國家的資料看起來都會一樣小,不管它們的實際市場規模如何。
這正是老老實實建立任何新資料集時,最不光鮮的部分:你拿到的第一批數字,反映的不是市場本身,而是你目前資料來源的形狀。我寧可在第一週就發現這件事,也不想發表一篇建立在爬蟲分頁上限之上的〈中美洲最小房地產市場〉文章。
第四天:真正讓我意外的事
不是日本的集中度——考慮到我們汽車業務這邊的房地產訊號,原本就有不少來自日本來源,我其實早有半個心理準備。真正讓我意外的,是這個資料品質問題在沒有任何特殊工具的情況下,竟然如此一目了然。你不需要統計學背景就能看出連續三個 80。你只需要按順序看數字,而這幾乎就是這份工作的全部內容。
這也讓我重新看待自己已經習以為常、幾乎不再留意的汽車資料:73 個地區有著真正分散的分佈,沒有任何一個地區超過 6.1%,背後有 1,375 個獨立來源在餵養它——這種分佈狀態並不是爬蟲資料集的自然狀態,而是八年來刻意繞過第三天在房地產資料裡剛冒出來的那種彙整平台高牆的成果。這 73 個地區裡的每一個,一開始看起來都跟瓜地馬拉一樣。
目前的進度
房地產還不是一項產品——它只是我們在汽車業務持續運作的同時觀察的一個訊號,是通往更廣泛房地產覆蓋範圍這條更長路線圖上的一行字。但花一週時間看著它逐漸成形,倒是一個不錯的提醒,讓我想起實際運作的順序:先讓資料來源上線,對過於整齊的數字保持警覺,找出那道牆,然後想辦法繞過去。日本終將不再是這個資料來源的 97.8%,就像法國、而不是阿聯或日本,最終登上我們汽車數量榜首的方式一樣——靠不斷增加來源,直到沒有任何單一來源能意外主導總數為止。
