Sai số định giá tự động là chênh lệch giữa con số mô hình ước và giá giao dịch thật; một công cụ tử tế phải cho bạn biết chênh lệch đó thường lớn cỡ nào, qua khoảng giá, điểm tin cậy hoặc các chỉ số đo trên dữ liệu kiểm tra. Không có công cụ nào đúng tuyệt đối. Câu hỏi đúng không phải là "có chính xác không" mà là "thường sai bao nhiêu, với loại tài sản nào, theo chiều nào".
Bài này giải thích các khái niệm sai số hay gặp bằng ngôn ngữ đời thường, cách đọc khoảng giá và điểm tin cậy trên màn hình, và cách bạn tự đo sai số của một công cụ với đúng loại tài sản mình quan tâm. Phần cuối là bài học từ một trường hợp có thật cho thấy vì sao sai số nhỏ trung bình vẫn có thể gây thiệt hại lớn. Mọi con số minh hoạ là ví dụ giả định.
Sai số trung bình nói ít hơn bạn nghĩ
Khi một công cụ quảng bá "độ chính xác cao", con số đứng sau thường là một dạng sai số trung bình trên toàn bộ dữ liệu kiểm tra. Trung bình che giấu hai điều quan trọng. Thứ nhất, sai số không đều: nó nhỏ với tài sản phổ biến ở khu nhiều giao dịch và lớn với tài sản lạ ở khu ít dữ liệu. Tài sản của bạn có thể nằm ở nhóm sai nhiều.
Thứ hai, trung bình không cho biết đuôi phân phối. Ví dụ giả định: một công cụ có một nửa số trường hợp sai dưới năm phần trăm, nghe rất tốt. Nhưng một phần mười số trường hợp sai trên hai mươi phần trăm. Với một giao dịch lớn, rơi vào phần mười đó là chuyện không nhỏ, và bạn không biết mình đang ở đâu nếu chỉ nhìn con số trung bình.
Vì vậy, khi đọc thông tin về độ chính xác, hãy tìm ba thứ: sai số đo trên dữ liệu nào, có tách theo khu và loại tài sản không, và có cho biết tỉ lệ trường hợp sai lớn không. Thiếu cả ba thì con số "độ chính xác" chỉ là lời giới thiệu.
Các chỉ số sai số hay gặp, giải thích cho người không chuyên
Trong tài liệu kỹ thuật của các công cụ định giá, bạn có thể gặp những chỉ số dưới đây. Không cần nhớ công thức, chỉ cần biết mỗi chỉ số trả lời câu hỏi gì.
| Chỉ số | Trả lời câu hỏi | Cách đọc |
|---|---|---|
| Sai số phần trăm tuyệt đối trung vị | Trường hợp điển hình sai bao nhiêu phần trăm | Một nửa số trường hợp sai ít hơn mức này, một nửa sai nhiều hơn |
| Tỉ lệ trong khoảng cộng trừ 10 phần trăm | Bao nhiêu trường hợp đủ gần để dùng | Càng cao càng tốt; phần còn lại là các trường hợp lệch đáng kể |
| Tỉ lệ trong khoảng cộng trừ 20 phần trăm | Bao nhiêu trường hợp không lệch quá xa | Phần nằm ngoài là đuôi rủi ro |
| Sai số phần trăm trung vị có dấu | Công cụ có xu hướng ước cao hay thấp | Dương là thường ước cao, âm là thường ước thấp |
| Độ phủ | Công cụ trả được kết quả cho bao nhiêu tài sản | Độ phủ thấp có thể là công cụ biết từ chối khi không chắc |
Chỉ số có dấu ở dòng thứ tư hay bị bỏ qua nhưng rất thực dụng. Nó cho bạn biết chiều lệch có hệ thống. Nếu công cụ thường ước cao, người bán dùng nó dễ treo giá quá tay, người mua dùng nó dễ trả hớ.
Dòng cuối cũng đáng để ý: một công cụ trả lời cho mọi tài sản chưa chắc đã tốt hơn một công cụ từ chối khi không đủ dữ liệu.
Đọc khoảng giá và điểm tin cậy trên màn hình
Khoảng giá là vùng giá trị hợp lý, không phải giới hạn tuyệt đối. Khi công cụ nói từ 2,1 đến 2,5 tỷ đồng, thường có nghĩa phần lớn các tài sản tương tự đã giao dịch trong vùng này. Giá thật vẫn có thể nằm ngoài, nhất là khi tài sản có đặc điểm công cụ không biết.
Độ rộng khoảng giá là thông tin, không phải sự mập mờ. Khoảng hẹp nghĩa là mô hình có nhiều dữ liệu tương tự và chúng nhất quán. Khoảng rộng là mô hình đang nói thật rằng nó không chắc. Một công cụ luôn cho khoảng hẹp với mọi tài sản là công cụ đáng ngờ.
Điểm tin cậy thường là xếp hạng, không phải xác suất. Nhãn "tin cậy cao" hay điểm số trên thang mười của mỗi công cụ được tính theo cách riêng, thường dựa trên số lượng và độ giống của dữ liệu so sánh. So điểm tin cậy giữa hai công cụ khác nhau là vô nghĩa.
Giá điểm nằm giữa không có nghĩa là giá có khả năng nhất. Phân phối giá thường lệch: tài sản có thể bán thấp hơn nhiều khi gấp, nhưng khó bán cao hơn nhiều. Vì vậy giá điểm là mốc tham chiếu, còn việc bạn chọn đứng ở đâu trong khoảng phụ thuộc mục đích và thời gian.
Tự đo sai số của một công cụ với tài sản của bạn
Bạn không cần dữ liệu lớn để biết một công cụ có hợp với loại tài sản mình quan tâm. Mười trường hợp đã cho bạn một bức tranh thô.
- Gom khoảng mười tài sản cùng loại mà bạn biết giá giao dịch thật gần đây: từ người quen, từ chính các lần mua bán của bạn, từ cửa hàng bạn làm việc. Chỉ ghi đặc điểm, bỏ thông tin định danh.
- Nhập từng tài sản vào công cụ theo đúng tình trạng thật. Ghi lại giá điểm và khoảng giá.
- Với mỗi tài sản, tính chênh lệch phần trăm: lấy giá công cụ trừ giá thật, chia cho giá thật.
- Sắp xếp các chênh lệch, lấy giá trị ở giữa làm sai số điển hình. Đếm xem bao nhiêu trường hợp nằm trong cộng trừ mười phần trăm.
- Xem dấu của các chênh lệch. Phần lớn dương nghĩa là công cụ thường ước cao với loại tài sản này.
- Đếm bao nhiêu giá thật rơi vào khoảng giá công cụ đưa ra. Nếu chỉ vài trường hợp, khoảng giá của công cụ đang quá hẹp so với thực tế.
Mười trường hợp không phải nghiên cứu thống kê, nhưng đủ để bạn có một hệ số chỉnh tay và biết nên tin công cụ đến đâu. Cửa hàng hay văn phòng thường xuyên định giá nên lặp lại phép đo này mỗi vài tháng.
Vì sao cùng một công cụ, mỗi lần hỏi lại ra con số khác
Người dùng hay bất ngờ khi tra lại cùng một tài sản sau vài tuần và thấy con số đổi. Có ba nguyên nhân chính, và chúng khác nhau về ý nghĩa. Nguyên nhân thứ nhất là dữ liệu mới: công cụ đã nạp thêm giao dịch hoặc tin rao gần đây. Thay đổi kiểu này là bình thường, phản ánh thị trường, và nếu công cụ ghi ngày dữ liệu thì bạn thấy được.
Nguyên nhân thứ hai là mô hình được cập nhật: bên làm công cụ huấn luyện lại hoặc đổi phương pháp. Con số có thể nhảy dù thị trường đứng yên. Đây là lý do khi so sánh qua thời gian, bạn nên lưu cả ngày tra và, nếu có, phiên bản công cụ. Một thay đổi lớn không kèm lý do thị trường rõ ràng thường đến từ phía mô hình.
Nguyên nhân thứ ba chỉ có ở chatbot đa năng: cùng một câu hỏi, mỗi lần trả lời có thể khác nhau vì cách mô hình ngôn ngữ sinh câu trả lời có yếu tố ngẫu nhiên. Với việc ước giá, độ dao động này chính là một phần sai số. Cách đo đơn giản: hỏi cùng một câu lệnh ba lần trong ba cuộc trò chuyện mới, ghi lại ba khoảng giá. Nếu chúng chênh nhau nhiều, chatbot đang đoán chứ không tính từ dữ liệu, và bạn cần đưa thêm dữ liệu so sánh vào câu lệnh.
Bài học từ một trường hợp có thật: sai số nhỏ, hậu quả lớn
Năm 2021, Zillow, một trang bất động sản lớn ở Mỹ, thông báo đóng mảng mua nhà trực tiếp để bán lại, vốn dựa nhiều vào giá ước của chính hãng. Lãnh đạo hãng khi đó giải thích rằng việc dự báo giá nhà khó lường hơn nhiều so với dự tính. Trường hợp này được nhắc nhiều trong giới làm định giá tự động như một ví dụ về giới hạn của mô hình.
Bài học không phải là mô hình kém. Công cụ ước giá của họ được nhiều người dùng tham khảo trong thời gian dài. Bài học là: dùng một con số ước để tham khảo khác hẳn dùng nó để ra quyết định mua thật với số lượng lớn. Khi bạn mua theo giá ước, những trường hợp mô hình ước cao là những trường hợp bạn dễ mua được nhất, vì người bán sẵn lòng bán. Sai số tưởng cân bằng hai chiều lại dồn về một phía.
Ở quy mô cá nhân, hiện tượng này vẫn xảy ra. Ví dụ giả định: một người thu mua điện thoại cũ đặt giá thu theo một công cụ. Những máy công cụ ước cao hơn thực tế sẽ được người bán đem đến nhiều, những máy công cụ ước thấp thì người bán đi nơi khác. Sau vài tháng, kho đầy máy mua hớ. Cách phòng là đo sai số định kỳ như mục trên và giữ một biên an toàn trong giá thu.
Dùng sai số để ra quyết định
Biết sai số rồi thì dùng nó thế nào. Vài nguyên tắc thực dụng:
- Quyết định càng khó đảo ngược thì biên an toàn càng phải lớn hơn sai số điển hình của công cụ.
- Người bán dùng đầu trên của khoảng giá để rao, nhưng tính toán tài chính theo đầu dưới.
- Người mua dùng đầu dưới để mở lời, nhưng chuẩn bị tinh thần cho mức giữa.
- Khi khoảng giá rộng quá một phần năm giá điểm, coi con số AI là chưa đủ để quyết, cần thêm nguồn.
- Doanh nghiệp thu mua theo giá ước phải theo dõi riêng các giao dịch đã chốt để phát hiện sai số dồn về một phía.
- Với giao dịch có thủ tục pháp lý như thế chấp, góp vốn hay chia tài sản, sai số của công cụ không quan trọng bằng việc con số phải đến từ thẩm định viên theo quy định hiện hành.
Sai số không phải là khuyết điểm cần giấu mà là thông tin cần dùng. Công cụ cho bạn biết nó sai bao nhiêu là công cụ tôn trọng người dùng.
Câu hỏi thường gặp
Sai số mười phần trăm có phải là tốt không?
Tuỳ loại tài sản và mục đích. Với một món đồ cũ giá vừa phải, chênh mười phần trăm thường chấp nhận được. Với một căn nhà, mười phần trăm có thể là số tiền rất lớn. Đánh giá sai số theo số tiền tuyệt đối có thể mất, không chỉ theo phần trăm.
Vì sao công cụ không công bố sai số?
Có thể vì chưa đo kỹ, vì sai số ở một số phân khúc không đẹp, hoặc vì họ nghĩ người dùng không quan tâm. Dù lý do là gì, không công bố thì bạn nên tự đo bằng vài trường hợp đã biết giá trước khi dựa vào công cụ.
Khoảng giá rộng có nghĩa là công cụ kém không?
Không nhất thiết. Khoảng rộng với tài sản lạ là trung thực. Công cụ kém là công cụ cho khoảng hẹp khi thực tế không chắc chắn, khiến bạn tin vào một độ chính xác không có thật.
Có cách nào giảm sai số khi dùng công cụ không?
Nhập dữ liệu đầy đủ và trung thực, nhất là tình trạng và điểm trừ. Dùng công cụ cho đúng loại tài sản nó mạnh. Kiểm chéo bằng giao dịch thật. Những việc này giảm phần sai do bạn, còn phần sai do mô hình thì phải chấp nhận và tính vào biên an toàn.
Chatbot đa năng có sai số đo được không?
Bạn tự đo được theo cách trong bài, bằng các tài sản đã biết giá. Nhưng chatbot có thể trả lời khác nhau cho cùng một câu hỏi ở những lần hỏi khác nhau, nên nên hỏi vài lần và xem độ dao động như một phần của sai số.
Tự đo sai số với mười trường hợp có đủ tin cậy không?
Đủ để thấy xu hướng lớn như công cụ thường ước cao hay thấp, và sai cỡ nào. Không đủ để kết luận chính xác đến từng phần trăm. Càng đo thêm theo thời gian, bức tranh càng rõ.