الأسئلة الشائعة
من أين تحصلون على بيانات السيارات المستعملة؟
تأتي بياناتنا من إعلانات منشورة للعامة على Facebook Marketplace وعدد من صفحات Instagram.
كيف يمكننا معرفة مستوى الثقة في نموذج تقييم السيارة؟
تظهر نسبة الثقة في النموذج بعد التقييم ضمن تقرير التقييم. النسبة باللون الأخضر الفاتح تعني ثقة عالية، والكهرماني يعني ثقة متوسطة، والأحمر يعني ثقة منخفضة.
كيف يمكننا مقارنة قيمة لوحتي رقم؟
يمكنك المقارنة بين رقمين مختلفين باستخدام زر مقارنة الأرقام في نفس الصفحة.
كيف يمكنني المقارنة بين قيمتي سيارتين متطابقتين؟
يمكن مقارنة السيارات المتطابقة أو غير المتطابقة ببعضها البعض بالنقر على زر مقارنة أسعار السيارات في نفس الشاشة.
لماذا لوحات الأرقام غالية في قطر؟
لوحات الأرقام قابلة للتحويل في قطر، والرقم مرتبط بالشخص وليس بالسيارة، لذلك تُعتبر الأرقام المحدودة نوعاً من الاستثمار.
ما أنواع اللوحات التي تكون غالية عادة؟
الأرقام من 3 و4 و5 خانات تكون غالباً أغلى. كلما قل عدد الخانات زادت القيمة، كما أن أرقام 6 خانات قد تكون غالية أيضاً إذا كانت تحمل نمطاً مميزاً.
ما الذي يجعل لوحة الأرقام غالية؟
الأنماط المختلفة قد تجعل اللوحة أغلى من غيرها حتى لو كان عدد الخانات نفسه. من هذه الأنماط: التماثل، أرقام سنة الميلاد، التسلسل، التكرار، وغيرها من القيم المطلوبة محلياً.
ما هي هذه الأداة؟
هذه الأداة لتقدير وتقييم والتنبؤ بقيمة لوحات الأرقام في قطر. تساعدك على معرفة القيمة قبل الشراء أو البيع.
كيف تعمل هذه الأداة؟
تستخدم الأداة نماذج تعلم آلي مدربة على بيانات تاريخية لتقدير موقع الرقم والتنبؤ بقيمته.
ما مدى دقة هذه الأداة؟
تم تدريبها على كمية كبيرة من البيانات الحقيقية من مصادر عامة، مما يساعدها على إعطاء تقدير قوي مبني على سلوك السوق السابق.
هل لوحات الأرقام استثمار جيد في قطر؟
لوحات الأرقام غالباً ترتفع قيمتها مع الوقت، ويعتبرها الكثيرون استثماراً جيداً في قطر.
هل هذه الأسعار دقيقة؟
يمكنك اختبار الأداة بنفسك عبر مقارنة السعر المتوقع مع سعر الطلب للأرقام المعروضة للبيع على إحدى الأسواق الإلكترونية المتعددة التي تُعرض فيها الأرقام للبيع. الأداة لم يتم تدريبها خصيصاً على بيانات سوق واحد، لكن دقتها ما زالت جيدة كتقدير عام للسوق.
يبدو أن بعض الأرقام غير دقيقة. لماذا يحدث ذلك؟
سيكون هناك عدد قليل من اللوحات التي يظهر فيها فرق كبير. غالباً يكون السبب أن السعر المطلوب أعلى من سعر السوق، أو أن الرقم نادر جداً لدرجة أن مجموعة البيانات لم تحتوِ على أمثلة كافية من نفس النمط.
هل تستطيع الأداة فهم أنماط مثل 974؟
أرقام مثل 974 تدخل ضمن تنبيه الأرقام النادرة المذكور في إخلاء المسؤولية. هذه الأرقام تكون غالباً من مستوى المزادات، باهظة جداً، ولا تظهر كثيراً في الإعلانات العادية. وحتى إذا ظهرت، يحتاج النموذج إلى عدد كافٍ من الأمثلة المشابهة في البيانات حتى يفهم الوزن الصحيح لهذا النمط. وفي مصطلحات تعلم الآلة تُعد هذه الحالات من القيم الشاذة.
كم مرة تعيدون تدريب النموذج؟
نعيد تدريب النموذج بشكل متكرر للحفاظ على أعلى دقة ممكنة مع وصول بيانات جديدة.
هل يصبح النموذج أدق مع الوقت؟ لقد وجدت أن 1234 أرخص من 7020.
نعم، النموذج يتحسن عادة كلما توفرت بيانات أكثر. وحالات مثل 1234 مقارنة بـ 7020 قد تحدث لسببين: إما أن بيانات التدريب تشير فعلاً إلى أن 7020 أغلى، أو أن مجموعة البيانات لا تحتوي بعد على أمثلة كافية للأرقام التسلسلية مثل 1234 أو 4567 لفهم هذا النمط بالكامل. لذلك نستمر في إعادة التدريب لتقليل هذه الفجوات.
لماذا لم تضيفوا الأرقام من 3 خانات؟
لم تكن بيانات الأرقام من 3 خانات كافية لبناء نموذج يمكن الوثوق به. يوجد فقط 900 رقم ممكن من 3 خانات إجمالاً، والجزء القابل للاستخدام من منظور التعلم هو فقط ما يظهر منها في مصادر البيانات العامة.
كيف يتم احتساب القيمة؟ هل هو نظام قواعد أم نموذج يعتمد على البيانات؟
الاحتساب يعتمد بالأساس على البيانات. التسعير القائم على قواعد ثابتة لا يعمل جيداً مع لوحات الأرقام لأن سلوك السوق معقد ودقيق. نحن ندرب نماذج على بيانات متاحة للعامة، ثم نمرر كل رقم جديد عبر النموذج حتى يلتقط الأنماط التي يصعب تحويلها إلى قواعد يدوية.
هل يأخذ النموذج الحوادث والضمان في الحسبان؟
سؤال جيد يستحق إجابة دقيقة. الإجابة في معظمها نعم — ولكن أيضاً ليست نعم بالضبط. نماذج تعلّم الآلة لا تفهم حقاً ماذا تعني كلمة "ضمان" أو "حادث" بالمعنى الحرفي. كل ما تفعله هو بناء العديد والعديد من الروابط والعلاقات بين المعطيات التي نقدّمها أثناء مرحلة التدريب — الماركة، الموديل، العمر، الممشى، عدد الأسطوانات، الفئة — حتى يتمكن النموذج من التنبؤ بسعر السيارة التالية. تُؤخذ الحوادث في الحسبان بشكل غير مباشر، رغم أن البيانات لا تحتوي فعلياً على عدد الحوادث لكل سيارة. هناك أمران يمكن قولهما عن الحوادث: ١. يمكن أن تزيد فقط مع مرور الوقت، ولا يمكن أن تتراجع (مؤكد). ٢. تميل إلى الزيادة أكثر مع مرور الوقت (محتمل). تنعكس أنماط عدد الحوادث على الأسعار في البيانات لأن متوسط عدد الحوادث على أي سيارة يقودها سائق عادي يكون ثابتاً تقريباً بالنسبة لعمر وممشى معينين. التحدي الوحيد للنموذج هو الحالات الشاذة — حوادث كبيرة كثيرة في فترة قصيرة، أو حوادث بسيطة قليلة جداً على مدى 10 سنوات — لكن ليس هكذا يعمل العالم في الغالب. أما الضمان، فالبيانات لا تحتوي على معلومة ما إذا كانت السيارة لا تزال تحت الضمان، ولكن الانخفاض الحاد في أسعار سيارات مثل BMW بعد انتهاء فترة الضمان يُلتقَط ضمنياً عبر العلاقة بين العمر والممشى. ما دام النموذج يتعلّم منحنى السعر مقابل العمر والانخفاض الحاد بعد حوالي 5 سنوات، فإن أثر الضمان يظهر تلقائياً.
ما هي العوامل أو المعطيات التي يستخدمها النموذج لتقدير قيمة السيارة؟
هناك عوامل واضحة — مثل الممشى والفئة والسنة والماركة والموديل وعدد الأسطوانات — نأخذها مباشرة منك من حقول الإدخال. ولكن هناك أيضاً علاقات أخرى يبنيها النموذج من هذه المدخلات لا تظهر بشكل مباشر. على سبيل المثال: قيمة إعادة بيع السيارة نفسها (سيارة Toyota Corolla تحافظ على قيمتها بشكل مختلف عن Range Rover)، وشهرة السيارة والطلب عليها في المنطقة (بعض الموديلات تباع بسهولة أكثر من غيرها)، ومنحنيات الإهلاك الخاصة بكل ماركة، وكيف يؤثر الممشى على السعر بشكل مختلف حسب نوع الهيكل، والكثير من الروابط الأخرى — بعضها يمكننا تفسيره وبعضها لا. يكتشف النموذج هذه الأنماط ضمنياً أثناء التدريب، حتى دون أن نخبره صراحةً بأن "هذا الموديل شائع" أو "تلك الماركة تُهلك بسرعة".