Predicting used car price from data collected with Web Scraping and Machine Learning Techniques

Abstract

La compraventa en línea de vehículos viene creciendo a un ritmo exponencial tras los cambios en los hábitos de los consumidores que buscan maneras más simples para comprar un auto. En entornos cada vez más competitivos, aquellas empresas que logren una correcta estrategia de determinación de precios lograrán también traccionar ventas y tener una mejor posición en el mercado.

En la presente tesis se utilizaron técnicas de web scraping para recolectar información significativa del mercado que luego, mediante t ́ecnicas de aprendizaje

automático, fue utilizada para predecir los precios de mercado para autos usados.

Se trabajaron diferentes modelos de aprendizaje automático con los datos obtenidos a través del web scraping del principal sitio en línea de compra y venta de autos usados.Estos datos fueron luego utilizados como insights para medir el precio del stock de una plataforma que comercializa autos usados. Como resultado, se obtuvo un modelo con un rendimiento que alcanzó un puntaje de 371,4 miles de pesos de error absoluto versus valores reales. Dicho modelo tiene como objetivo ser la base para estimar los precios de mercado, sobre los cuales luego se trabajar ́a la estrategia de precios que permitir ́a alcanzar la rentabilidad que la empresa necesita. Se midió el impacto económico de aplicar esta nueva metodología, y se obtuvo una ganancia de 1,3 millones de dólares para el stock actual de una compañía que compra y vende auto en línea.