「80」這個數字,在我們的房產資料裡出現了四次

目前我們正在追蹤 73 個地區、1,375 個來源的 1,108,535 筆有效汽車物件,再加上疊加在其上、屬於較新垂直領域的 601,702 筆房產物件。光是日本一地就佔了其中 588,644 筆房產資料——這個數字大到基本上決定了其他一切的比例尺。緊接在後的是埃及,4,427 筆;德國,4,230 筆;斯里蘭卡,4,006 筆。接著名單就斷崖式下滑,墊底的四個國家呈現出完全相同的數字:80。

瓜地馬拉:80。尼加拉瓜:80。巴拿馬:80。薩爾瓦多:80。

我是在瀏覽原始地區分佈資料時注意到這一點的,並不是刻意在找。四個除了「都在中美洲」之外,在地理上毫無共同點的國家——貨幣不同、人口規模不同(瓜地馬拉約有 1,800 萬人,薩爾瓦多約 600 萬人)、房市結構也完全不同——卻落在同一個數字上,這不是市場訊號,而是資料是怎麼進來的所留下的指紋。

實際發生了什麼事

當我們為一個新地區上線時,並不會在第一天就把十幾個當地房產入口網站全部接上。我們會先從當下可觸及、且值得讓爬蟲花時間去抓取的來源開始,再逐步擴充——這和我們讓汽車來源逐市場上線時所用的模式如出一轍(我們曾在一篇談新國家上線機制的文章中寫過細節)。就中美洲大部分地區而言,目前的房產覆蓋是透過一個單一的區域性物件聯播網,以同一個共用平台服務這四個國家。如果這個平台對其公開物件動態設有上限——免費方案、分頁限制,或是自動化爬蟲永遠點不過去的「顯示更多」牆——那麼背後的每一個國家都會繼承同一道天花板。這不是因為每個市場真的只有 80 間房子在賣,而是因為我們目前所走的這扇門,只開了 80 筆物件寬。

這是個很平凡的解釋,而我要坦白說,這只是目前最合理的推測,而不是已經證實的結論——我們並沒有把那條爬取路徑上的每一個請求都逐位元組追蹤過。但其他理論站不住腳。四個國家各自獨立產生出精確到個位數都一致的真實筆數,這不是房地產市場會做的事。這麼乾淨俐落的巧合,說明的是資料庫在互相呼應,不是經濟體在運作。

如果你正身處這些市場之一,這件事為什麼重要

如果你正在為聖薩爾瓦多或巴拿馬市的一處房產估價,並調出我們的數字,期待能得到像阿聯(59,393 筆物件)或法國(67,569 筆)那樣的覆蓋度,你會失望的,而你也應該失望。80 筆物件撐不起六位數區域資料集才能支撐的那種價格建模。看到這樣的數字,該把它理解為「我們在這裡有了個立足點」,而不是「這就是市場全貌」。年輕資料集的誠實用法是方向性的——這個社區的走勢是往上還是往下、這種房產類型常不常見——而不是一個信心十足的金額數字。

同樣的謹慎不只適用於這四個國家。無論在哪裡,只要我們的地區筆數看起來可疑地整齊,或可疑地和鄰國一模一樣,都值得問一句:你看到的究竟是一個市場,還是一個來源限制。我們寧可你知道這一點,也不希望你信任一張其實只是在描述爬蟲分頁設定的圖表。

解方,以及它為何進展緩慢

要讓這些市場的數字突破 80,需要的是和我們在其他擴展工作中一樣不起眼的苦功:找到下一個可觸及的來源、確認它不是在重複第一個來源、把它接入爬蟲,然後看著數字因為真實原因而變動,而不是因為動態上限。我們在汽車這一側已經一個地區接著一個地區做過幾十次了,沒有任何捷徑能不冒著抓到垃圾資料的風險。日本那 588,644 筆房產物件也不是憑空得來的——是因為我們在第一個來源已經不再有太大意義之後,還持續不斷地新增更多來源。

所以如果你幾個月後回來看瓜地馬拉,數字還是 80,那不是我們把它忘了。那只是代表輪到這個市場的排隊順位還沒到。而如果它跳到了 800,你就會知道,是上游真的發生了什麼實質變化,而不只是我們的爬蟲變了。