La tarea
La empresa de compraventa necesitaba una cotización objetiva del precio de mercado de los autos usados. Para eso hacía falta una base de anuncios grande y limpia, con características y precios, como conjunto de entrenamiento y referencia para el sistema de cotización.
Qué hicimos y qué datos recopilamos
Organizamos la recopilación de anuncios de venta de autos en varias plataformas: marca, modelo, generación y acabado, año, kilometraje, estado, región, precio y fecha. Unificamos los datos en diccionarios normalizados y eliminamos las anomalías, preparando el conjunto para la analítica y el entrenamiento de modelos. Para tener un panorama actualizado del mercado, la recopilación se realizaba periódicamente.
Dificultades y cómo las resolvimos
Primero, los duplicados y las repeticiones. Un mismo auto se publica en varias plataformas y varias veces. Deduplicamos los anuncios; de lo contrario, los modelos populares distorsionarían las estadísticas.
Segundo, el desorden en las características. Marca, modelo, generación y acabado se escriben de forma distinta en cada sitio. Los unificamos en diccionarios normalizados.
Tercero, los precios «basura» y los anuncios falsos (cebos con precio rebajado, revendedores). Filtramos los valores atípicos para que la cotización se apoyara en operaciones reales y no en anomalías. Algunas plataformas limitan la recopilación automática: trabajamos con cuidado, con una frecuencia razonable y con proxies.
El resultado
El cliente recibió una base de anuncios actualizada con regularidad y depurada, con características comparables: una base confiable para el sistema de cotización en la compra.
Servicios en este caso: Extracción de anuncios clasificados · Datos para IA/ML · Monitoreo de precios en marketplaces