我们的房产数据里,"80"这个数字出现了四次

目前我们正在追踪 73 个地区、1,375 个数据源下的 1,108,535 条在售车辆房源,以及作为新兴垂直业务叠加其上的 601,702 条房产房源。仅日本一地就贡献了 588,644 条房产数据——这个数字大到几乎为其他一切设定了尺度。紧随其后的是埃及,4,427 条。德国,4,230 条。斯里兰卡,4,006 条。再往下,数字断崖式下跌,四个国家垫底,呈现出完全相同的数字:80。

危地马拉:80。尼加拉瓜:80。巴拿马:80。萨尔瓦多:80。

我是在翻看原始的地区数据分布时偶然注意到这一点的,并非刻意去找。这四个国家除了同属"中美洲"之外,地理上毫无共同点——货币不同,人口规模不同(危地马拉约有 1,800 万人,萨尔瓦多约 600 万人),住房市场也完全是两码事——却落在同一个数字上,这不可能是市场信号,而是数据来源方式留下的一枚"指纹"。

真正的原因

当我们为一个新地区接入数据时,并不会在第一天就同时对接十几个本地房产平台。我们会从当下能够抓取、且值得投入爬虫资源的数据源起步,再逐步扩展——这和我们为各个市场逐步上线汽车数据源时采用的模式如出一辙(我们在一篇关于新国家上线机制的文章中写过具体做法)。就中美洲的大部分地区而言,目前的房产覆盖依赖于服务这四个国家的一个统一区域房源网络平台。如果这个平台对其公开房源信息流设了上限——免费套餐、分页限制,或是自动化爬虫从未点开过的"查看更多"墙——那么背后的每一个国家都会继承同样的天花板。这并不是因为每个市场真的只有 80 套在售房产,而是因为我们目前所走的这扇门,只开了能容纳 80 条房源的宽度。

这是个平淡无奇的解释,但我想坦白说明:这只是最合理的一种推测,而非已经证实的结论——我们还没有把那条抓取链路的每一次请求都逐字节追踪过。不过其他理论都站不住脚。四个国家各自独立地得出精确到个位数的相同真实数字,这不是房地产市场会做的事。如此干净利落的巧合,只能是数据库在"说话",而不是经济体在说话。

如果你恰好身处这些市场之一,这意味着什么

如果你正在为圣萨尔瓦多或巴拿马城的一处房产定价,并调出我们的数据,期待能得到类似阿联酋汽车数据(59,393 条房源)或法国(67,569 条)那样的覆盖度,你会失望——而且这种失望是合理的。80 条房源撑不起六位数级别区域数据集所能支持的那种定价建模。请把这样的数字理解为"我们在这里刚刚站稳了脚跟",而不是"这就是这个市场的全貌"。对一个年轻数据集诚实的用法,是用它来判断方向——这个社区是否在升值,这类房产是否常见——而不是给出一个自信满满的具体价格。

这份谨慎不只适用于这四个国家。任何时候,只要我们某个地区的数字看起来可疑地整齐,或者可疑地与邻国雷同,都值得问一句:你看到的究竟是一个市场,还是一个数据源的局限。我们宁愿你了解这一点,也不希望你去相信一张实际上只是在描述爬虫分页设置的图表。

解决办法,以及为什么它急不来

要让这些市场的数字突破 80,需要的是和我们扩张过程中其他地方一样朴实无华的工作:找到下一个可抓取的数据源,核实它不是在重复第一个源的数据,把它接入爬虫,然后看着这个数字因为真实原因而变动,而不是因为信息流的上限被打开了一格。这件事我们在汽车数据这一侧已经做过几十次,一个地区接一个地区地推进,没有任何捷径能绕过"可能引入垃圾数据"的风险。日本的 588,644 条房产房源也不是凭空出现的——它是我们在第一个数据源早已不再重要之后,持续不断地添加新数据源积累出来的结果。

所以,如果你几个月后回来看危地马拉,发现数字还是 80,那不是我们把它忘了,而是这个市场的排队顺序还没轮到。而如果它跳到了 800,你就会知道,真正发生变化的是上游的数据源,而不仅仅是我们的爬虫设置。