Сто объявлений ещё не означают сто квартир
Разберём эту страницу вместе
Повторы и разные предложения одного объекта меняют видимый объём выбора. Почему в каталоге я хочу различать публикации, квартиры и подтверждённое наличие.
Материал отражает практическую позицию указанного эксперта. Как готовятся и проверяются публикации — в редакционной политике NovAsia.
Предположим, четыре посредника разместили одну квартиру. В каталоге четыре объявления, хотя жильё одно. Покупатель поймёт масштаб выбора по тому, как подписан счётчик.
Для каталога я разграничил бы три числа:
| Подпись | Что необходимо установить |
|---|---|
| Объявления | Число публикаций |
| Отдельные квартиры | Какие записи относятся к одному объекту |
| Доступные квартиры | Наличие конкретных вариантов на дату |
Последняя строка не появляется автоматически после удаления повторов. Опознать объект и подтвердить, что его ещё продают, — две разные работы.
Ошибка возможна в обе стороны
Одинаковая площадь и фотография фасада не доказывают дубль. В одном доме могут продаваться несколько квартир одной планировки. Если объединить их слишком уверенно, покупатель потеряет реальные варианты. Нужны признаки конкретного объекта, а при их нехватке — честное обозначение возможного совпадения.
Даже установленный дубль не всегда стоит просто удалить. Две цены могут относиться к разным датам, комплектации или ошибке. Выбрать меньшую — не значит объяснить расхождение. Покупателю полезнее видеть связанные условия и их происхождение.
Та же проблема переходит в исследование цен. Если одну квартиру посчитать несколько раз, она получит лишний вес. Большой массив публикаций сам по себе не исправляет этот перекос.
Масштаб базы приятно показать крупной цифрой. Пока совпадения не разобраны, эту цифру стоит подписать «объявления». Обещать столько же отдельных квартир преждевременно.
У подтверждённого совпадения можно сгруппировать предложения, сохранив даты и отличия. Сомнительные пары пусть остаются доступными для проверки: слишком уверенное объединение способно скрыть реальную квартиру.
Дубликат нельзя определять по одному совпадению
У повторов есть несколько уровней. Два объявления могут описывать одну и ту же квартиру, но иметь разные цены и даты. Могут относиться к двум квартирам одинаковой планировки в одном доме. Иногда один посредник публикует тот же объект повторно после обновления, а старое объявление остаётся доступным. Для пользователя все три ситуации выглядят похоже, но объединять их нужно по-разному.
Совпадение площади и набора фотографий само по себе недостаточно. У типового проекта несколько квартир могут выглядеть почти одинаково, особенно если используются фотографии шоурума. Надёжнее сочетание признаков: конкретный номер или этаж, ориентация, точная площадь, планировка, продавец, набор условий и другие устойчивые детали. Если идентичность не доказана, лучше пометить возможное совпадение, чем потерять реальный вариант.
Дедупликация важна не только для красивого счётчика. Она влияет на ощущение рынка. Человек видит двадцать объявлений в одном бюджете и решает, что выбор большой и торопиться некуда. После объединения может выясниться, что это пять квартир, каждая опубликована несколькими посредниками. Поведение покупателя меняется уже от понимания реального числа вариантов, даже если ни одна цена не изменилась.
Обратная ошибка тоже болезненна. Если алгоритм склеит две разные квартиры, покупатель увидит меньше выбора, чем существует. Особенно опасно автоматически оставлять одну «главную» цену. Разница может объясняться мебелью, графиком платежей, комиссией или датой. До понимания причины меньшая сумма не обязательно является лучшим и даже сопоставимым предложением.
Для аналитики проблема ещё серьёзнее. Повтор одного и того же объекта способен исказить медиану, распределение цен и видимую долю определённого формата. Поэтому источник данных должен различать строки публикаций и идентифицированные объекты. Большой объём базы полезен только после того, как понятно, что именно в ней считается.
Пользователю стоит показывать только ту степень уверенности, которую реально удалось получить. «120 объявлений» — честный счётчик публикаций. «83 отдельные квартиры» требует работы по сопоставлению. «61 доступна на 28 сентября» требует ещё и актуальной проверки наличия. Эти цифры нельзя получать одной и той же операцией.
Смысл каталога не в том, чтобы впечатлить количеством строк. Человеку важно понимать, сколько у него действительно разных вариантов и почему по одной квартире встречаются разные условия. Иногда уменьшение счётчика после аккуратной очистки делает сервис полезнее, потому что вместо иллюзии масштаба появляется ясная карта выбора.
Для интерфейса это означает ещё одну вещь: объединённая карточка должна сохранять источники предложений, а не растворять их в одной записи. Тогда пользователь видит, почему у одного и того же объекта встречаются разные условия, и может отличить расхождение данных от появления новой квартиры.
Сопоставление стоит пересматривать и после обновлений. Сегодня два объявления могут выглядеть разными из-за неполных данных, а завтра новый номер квартиры или план подтвердит совпадение. И наоборот, новая деталь способна показать, что прежнее объединение было ошибочным. Дедупликация — не разовая уборка базы, а поддерживаемое состояние.