ИИ на Авто.ру и Авито: как парсят и анализируют объявления

Вы выставляете машину на продажу, загружаете фотографии, указываете цену. Через три секунды площадка уже знает, что на заднем крыле скол, VIN не совпадает с указанной модификацией, а цена завышена на 14%. Алгоритмы маркетплейсов Авто.ру и Авито работают быстрее любого эксперта, и разбираться в том, как они устроены, придётся каждому, кто зарабатывает на автомобильном рынке.

Масштаб автоматической модерации: 25 миллионов проверок в сутки

Ручная модерация на площадках с миллионами объявлений давно перестала быть жизнеспособной. По данным Neva.Today со ссылкой на материалы Авито, на Авито Авто около 99% объявлений модерируются автоматически с помощью ИИ-алгоритмов, а ежедневно через проверки проходит порядка 25 млн публикаций.

Сотни алгоритмов анализируют каждое объявление на наличие нарушений. Согласно RBC Trends, в 95% случаев именно машинное обучение решает, публиковать объявление или отправлять его на доработку. Сама площадка внедряет технологии искусственного интеллекта с 2014 года, и ИИ-модерация объявлений стала одной из ключевых задач, как отмечается в материале CNews.

Компьютерное зрение: как площадка читает фотографии

Нейросеть Авто.ру оценивает состояние автомобиля по фото, как сообщает VC.ru. Модель сканирует изображения в карточке, выбирает ракурсы и реагирует на дефекты кузова и салона, после чего присваивает категорию от «плохой» до «отличной» (Max-Cars.ru). При этом учитываются царапины, сколы, потёртости, следы некачественного ремонта, ржавчина и неравномерно нанесённая краска, по информации Hi-Tech Mail.ru.

На стороне Авито работает каскад из трёх ML-моделей компьютерного зрения для распознавания госномера и VIN. Первая определяет наличие номерного знака на фото, вторая уточняет его границы, третья преобразует изображение в текст (CNews). Результат: при подаче объявления система автоматически заполняет марку, модель, год выпуска, тип кузова, двигатель, привод, коробку передач и модификацию. Продавцу остаётся проверить и нажать «Опубликовать».

ML-модели на Авито также анализируют фотографии для выявления повреждений и проверки соответствия данных в объявлении, а алгоритмы компьютерного зрения определяют категорию товара по фото и рекомендуют цену (Neva.Today, CNews AI). Авто.ру акцентирован на оценке состояния конкретного автомобиля, Авито — на скорости публикации и широте охвата категорий.

Прогноз справедливой цены: множество параметров вместо интуиции

Покупатель хочет знать, не переплачивает ли он. Продавец хочет знать, не продешевил ли. ИИ-алгоритмы прогноза справедливой цены закрывают оба запроса одновременно.

На Авито Авто модель учитывает состояние рынка, спрос, предложение и информацию о реальных сделках (Neva.Today). На Авто.ру нейросеть сканирует фотографии, историю обслуживания и историю ДТП для анализа справедливости цены (Hi-Tech Mail.ru). Оценка состояния по фото при этом влияет на расчёт рекомендованной цены (RosFines.ru).

Собирать и обновлять вручную данные по каждому объявлению конкурентов с учётом рыночной динамики занимает часы. Автоматические модели делают это непрерывно, опираясь на данные о реальных сделках, а не только на текущие листинги.

Генеративные модели YandexGPT: от описаний до отчётов

Авто.ру интегрировал генеративную модель YandexGPT в форму создания объявлений. Пользователь может сгенерировать продающее описание по базовым характеристикам, как описано в статье на Хабре. Нейросеть также помогает определить комплектацию и составить текст объявления по фотографиям и ключевым параметрам (YouTube).

Отдельная история с отчётами. В них используется блок YandexGPT, который кратко пересказывает историю автомобиля: количество владельцев, юридическая чистота, наличие ДТП, и формулирует рекомендации (TrueSharing.ru). Покупатель получает не сырые данные из десятка баз, а сжатое резюме на человеческом языке.

Для тех, кто размещает объявления массово, генеративные модели сокращают время на подготовку текста каждого лота. Есть и обратная сторона: шаблонные тексты без редактуры снижают уникальность и могут проигрывать в поисковой выдаче объявлениям с живыми описаниями. Сгенерированный текст стоит проверять и дорабатывать вручную.

Внешний парсинг: AI-агенты для анализа рынка

Помимо внутренних систем площадок, существуют сторонние инструменты. Сервис Lumen AI позиционирует себя как AI-парсер объявлений Avito, ЦИАН, Auto.ru, Юла и ДомКлик. По описанию на сайте, агент автоматически получает данные объявления, оценивает цену по рынку, ищет признаки мошенничества и формирует рекомендации. Актуальность работы сервиса и его соответствие пользовательским соглашениям площадок стоит проверять самостоятельно перед использованием.

На GitHub представлен открытый проект auto-ads-parser для парсинга объявлений с Auto.ru и Avito.ru, включающий серверную и клиентскую части. Дата последнего коммита и степень актуальности кода требуют проверки на странице репозитория. Автоматический парсинг используют аналитики рынка, дилерские сети для мониторинга конкурентов и разработчики собственных агрегаторов.

Здесь возникает критичный вопрос: легальность. Площадки защищают данные техническими средствами (капча, лимиты запросов, блокировка IP) и юридическими (пользовательские соглашения, прямой запрет автоматизированного сбора). Использование внешних парсеров без согласия площадки несёт риск блокировки аккаунтов и судебных претензий. Решать задачи мониторинга и анализа рынка проще и безопаснее через официальные API, где они доступны, или через легальные сервисы, которые работают в рамках соглашений с площадками.

Где ИИ ошибается и почему это важно знать

Ни одна модель не гарантирует 100% точности. Нейросеть может не распознать редкий тип повреждения, неправильно интерпретировать блик на фото как скол или присвоить завышенную категорию состояния машине с тщательно замаскированным кузовным ремонтом.

При распознавании госномера каскад из трёх моделей решает задачу последовательно: обнаружение, уточнение границ, преобразование в текст. Грязный номер, нестандартный шрифт, плохое освещение, обрезанный кадр ломают цепочку на любом этапе. Авито частично компенсирует это тем, что данные автозаполнения показываются продавцу для ручной проверки перед публикацией.

Для покупателя вывод прост: оценка нейросети по фото сужает воронку поиска, но не заменяет очный осмотр. Для продавца: знание того, какие дефекты алгоритм фиксирует автоматически, помогает подготовить машину к съёмке и избежать заниженной категории.

Можно ли доверять оценке состояния авто от нейросети, если машина была профессионально перекрашена?

Нейросеть Авто.ру фиксирует неравномерно нанесённую краску и следы ремонта, но профессиональная перекраска в заводские стандарты может остаться незамеченной по фото. Покупателю стоит использовать оценку нейросети как фильтр первого уровня и проверять историю ДТП отдельно.

Зачем дилеру внешний AI-парсер, если площадки и так показывают рыночные цены?

Площадка показывает цену в контексте своей экосистемы. Внешний инструмент вроде Lumen AI собирает данные одновременно с Avito, Auto.ru, ЦИАН и других площадок, позволяя сравнивать предложения кросс-платформенно. Дилер, который видит картину только одной площадки, может упустить ценовой тренд, формирующийся на другой.

Влияет ли автогенерация описаний через YandexGPT на позиции объявления в Яндексе?

YandexGPT генерирует тексты на основе базовых характеристик, и при массовом использовании описания рискуют стать шаблонными. Площадки ранжируют объявления внутри своей выдачи по собственным алгоритмам, но в поисковых системах дублирующийся контент снижает видимость. Редактировать сгенерированный текст, добавлять детали из личного опыта эксплуатации — практически обязательное условие для тех, кому нужна выдача за пределами маркетплейса.

Что из этого следует для вашего бизнеса

Инструменты на основе машинного обучения на Авто.ру и Авито из технической опции превратились в рабочую инфраструктуру: десятки миллионов проверок в сутки, каскады моделей компьютерного зрения, многофакторные модели ценообразования, генерация описаний через YandexGPT. Всё это влияет на то, какие объявления видит покупатель и по какой цене.

Дилерам и аналитикам нужны три вещи: понимание того, какие данные площадка извлекает автоматически (чтобы учитывать это при подготовке объявлений), инструменты кросс-платформенного мониторинга (чтобы не терять ценовые тренды), и здравый скепсис по отношению к любой автоматической оценке (чтобы не переложить ответственность на алгоритм целиком).