L’obiettivo
L’azienda di acquisto auto aveva bisogno di una valutazione oggettiva del prezzo di mercato delle vetture usate. Per farlo serviva una base di annunci ampia e pulita, con caratteristiche e prezzi, come insieme di addestramento e riferimento per il sistema di valutazione.
Cosa abbiamo fatto e quali dati abbiamo raccolto
Abbiamo avviato la raccolta degli annunci di vendita auto da più piattaforme: marca, modello, generazione e allestimento, anno, chilometraggio, stato, regione, prezzo e data. Abbiamo ricondotto i dati a tassonomie uniformi e ripulito le anomalie, preparando il dataset per l’analisi e l’addestramento dei modelli. Per avere un quadro attuale del mercato, la raccolta gira con regolarità.
Le difficoltà e come le abbiamo risolte
La prima: duplicati e ripubblicazioni. La stessa auto viene messa su più piattaforme e più volte. Abbiamo deduplicato gli annunci, altrimenti i modelli più diffusi avrebbero distorto le statistiche.
La seconda: la confusione nelle caratteristiche. Marca, modello, generazione e allestimento si scrivono a modo proprio su ogni sito. Le abbiamo ricondotte a tassonomie uniformi.
La terza: i prezzi «spazzatura» e gli annunci falsi, dalle esche a prezzo ribassato ai rivenditori. Abbiamo filtrato i valori anomali, perché la valutazione poggiasse su transazioni reali e non su anomalie. Una parte delle piattaforme limita la raccolta automatica: abbiamo lavorato con attenzione, con una frequenza ragionevole e con proxy.
Il risultato
Il cliente ha ottenuto una base di annunci aggiornata con regolarità e ripulita, con caratteristiche confrontabili: una base solida per il sistema di valutazione in fase di acquisto.
Servizi coinvolti nel caso: Estrazione di annunci classificati · Dati per AI/ML · Monitoraggio dei prezzi sui marketplace
Materiali utili: Normalizzazione dei dati · Scraping di siti dinamici · Proxy per il web scraping