拆解實錄：查詢一輛車的價格時，系統究竟做了什麼

每天都會有像這樣的資料進到爬蟲系統：

2020 Hyundai Tucson SEL AWD，41,200 英里，車況良好（clean title），車主僅一位，售價 $22,995。刊登地點：美國俄亥俄州哥倫布市。

這則刊登資訊沒什麼特別的。這正是重點所在。我們目前處理的 1,108,535 筆刊登資訊裡，絕大多數看起來都一樣平凡——一個大家都熟悉的品牌（Hyundai 是我們資料庫中第四大品牌，共 60,937 筆刊登），一種人人會買的車型，一個乍看之下合理的價格。買家真正想知道的，從來不是「$22,995 是不是一個漂亮的整數」，而是「以『這輛車』而言，這個價格划算嗎」。要誠實回答這個問題，需要的步驟比一般人想像的多。以下就是這一則刊登資訊,依序經過的每一道流程。

原始文字資料

這筆刊登資訊是爬蟲抓下來的,不是資料庫裡的一列整齊資料。「SEL AWD」是經銷商打進表單裡的一串配備等級文字,不是一個已經標準化的事實。有些來源給我們的里程數是公里,有些是英里,還有一些乾脆完全不提供,期待買家自己打電話詢問。這輛 Tucson 里程表上的 41,200 這個數字,是整條流程裡份量最重的單一數值,同時也是最容易出錯、缺漏,或被湊成可疑整數的欄位。在估價開始之前,這些資料——幣別、單位、配備等級代碼——都得先被解析成模型真正能使用的格式。

廠牌與車型的統一

「Hyundai Tucson」、「HYUNDAI-TUCSON-SEL」、「Tucson 2.5L AWD」——三個不同來源,同一輛車,卻是三種不同的字串。如果把每個字串都當成獨立資料來估價,模型會誤以為自己掌握的資料比實際上少,估價結果也會隨著哪個經銷商的文案人員打了這則刊登資訊而搖擺不定。所以每一筆原始字串,都得先對應到一個標準化的車系。這是整套系統裡最不起眼的一步,卻也是一旦出錯,最容易在悄無聲息間毀掉估價準確度的一步——一個標錯的配備等級,可能會讓一輛車被歸進完全錯誤的比較群組。

找出它的比較群組

一個價格,唯有放在其他價格旁邊才有意義。我們的這輛 Tucson,不會拿去跟全世界所有的 Tucson 比較——而是跟同樣年份、同樣配備等級、同樣傳動方式,而且位於同一區域的 Tucson 相比,因為俄亥俄州的一輛二手 Tucson 和開羅的一輛二手 Tucson,爭取的根本不是同一群買家,折舊曲線也不一樣。這裡,區域規模同樣重要:一個區域裡的刊登資訊越多,比較群組就越精確,估價的可信度也就越高。

在我們幾個最大的區域裡,美國以 48,127 筆刊登資訊排在中段——對一輛 Tucson 的估價來說,這個深度已經相當充足,但仍遠不及法國的 67,569 筆或日本的 61,940 筆。用較淺的比較群組估出來的價格,理應比用較深群組估出來的價格,帶有更大的誤差範圍——而我們的系統正是如此處理的。

里程數扛下最重的責任

兩輛 Tucson,相同配備等級、相同年份、相同區域,價格卻相差 $6,000——十次裡有九次,答案是里程數,不是討價還價的結果。這是估價模型最倚重的單一特徵,也正因如此,凡是刪除或省略里程資料的來源,對後續流程造成的傷害最大。當某個區域內所有刊登資訊的里程數都缺漏時,我們不會盲目猜測,而是根據該比較群組的混合里程曲線進行推算,並在估價結果上標註「≈」符號,避免任何人把模型推算的猜測誤認為確切事實。我們這輛 Tucson 有實際的里程數字,因此完全不會被貼上這個標記。

配備等級與功能的標準化

「SEL AWD」不只是一個徽標——它代表一整組配備(類皮質座椅、盲點偵測、更大尺寸的輪圈),而這些配備確實會讓價格比基本款 SE 高出一截。功能標準化系統會把配備等級字串與配備相關描述,對應到模型真正能理解的一小組列舉值:變速系統、傳動方式、燃料類型、車身類型,以及從品牌官方資料來源建立的標準化配備等級對照表中取得的等級層級。少了這一步,模型就無法分辨一輛陽春的租賃車隊版 Tucson,和一輛配備齊全的 Tucson 有何不同——它眼中只會看到「Tucson」,而這樣的猜測,遠不如原本可以做到的準確。

估價數字的產生

前面所有的步驟——標準化車型、區域比較群組、里程數、配備等級、傳動方式——全部匯入訓練好的估價模型,而模型輸出的,並不是「唯一」的價格,而是一個有憑有據的區間,中間有一個估計值。像美國這種資料充足的區域,配上這樣常見的配備等級,這個區間會相當精確。若是資料稀少的區域,或是罕見的配備等級,區間就會放寬——老實說,這正是應該的:一個在任何情況下都同樣「自信」的模型,其實是在對其中某些情況說謊。

划算與否的判斷

只有在估價數字產生之後,最後一道流程才會啟動:$22,995 是否明顯低於模型對這個比較群組的預期價格?目前整個平台上,有 12,823 筆刊登資訊掛著這個標記——「低於市價」的徽章,是相對於一個依里程數與配備等級匹配的同類群組所做的比較,而不是相對於某種抽象、放諸四海皆準的 Tucson「合理價格」。如果我們這個例子裡的刊登資訊,價格比其比較群組的估價低了幾千美元,它同樣會被標記出來。如果它的價格落在區間正中央,就不會被標記——這不是系統的缺陷,因為大多數刊登資訊本來就不該被標記。划算的交易,理應只是少數。

仍然只能靠猜測的部分

這整套流程,沒有任何一個環節真正「看過」這輛車。一個藏在漂亮描述文字背後的重建車身證明(rebuilt title)、照片裡看不出來的輪圈刮痕、沒有人提起的正時皮帶問題——只要這些資訊不在文字裡,就不會進入模型的視野。這個估價數字告訴你的是:以一輛「一般而言」是這個樣子的 Tucson 來說,這輛車應該值多少錢。它無法取代技師的檢查、Carfax 的紀錄查詢,或親自掀開腳踏墊看一眼。它的作用,只是讓你在展開那場議價對話之前,已經先知道「一般而言」是什麼樣子,而不是憑空猜測。