Metodología

Cómo se calculan los precios que muestra esta herramienta, y qué decisiones se tomaron con los datos.

Anuncios recopilados el 25 de octubre de 2026 · 11,461 anuncios analizados · R² = 0.8679 · MAPE = 14.8%
Modelo ajustado el 25 de octubre de 2026.

De dónde vienen los datos

Se recopilan precios de oferta publicados en MercadoLibre México: lo que los vendedores piden, no lo que finalmente se paga. El precio de transacción real suele ser menor. La herramienta modela el mercado de anuncios.

Cada modelo se consulta hasta 5 páginas de 48 anuncios, alternando el orden de resultados (relevance, price_asc, price_desc) entre modelos.

Segmentos y filtros de validez

Los límites de precio y año no son recortes estadísticos: están fijados muy por fuera del inventario observado y sólo eliminan errores de captura o anuncios mal clasificados (por ejemplo un compacto listado en $2,000,000). No mueven los cuantiles.

Vehículos nuevos

Una unidad con 0 km es una venta de auto nuevo, no un comparable de auto usado. Se excluyen del modelo (322 anuncios en esta actualización — Compacto: 65, SUV Inicial: 47, SUV Grande: 118, SUV Mediana: 73, Deportivo Compacto: 19). Se marcan y se cuentan; no se eliminan en silencio.

Cómo se estiman los precios

Para cada segmento se ajustan ocho regresiones por cuantiles independientes (Q20 a Q80) sobre el logaritmo del precio, con antigüedad, kilometraje, motor, transmisión, origen y tracción como variables.

Un cuantil responde una pregunta de negociación concreta: el Q25 es el precio por debajo del cual está el 25% de los anuncios. El rango entre cuantiles es el producto — no es ruido a promediar.

Combinaciones que no se responden

Sólo se sirven combinaciones que existen en el mercado observado. Un motor que no aparece en un segmento no se ofrece, y el kilometraje se valida contra la antigüedad: un auto de un año con 285,000 km no es un vehículo real, aunque ambos valores por separado estén dentro de rango. En esos casos la herramienta no responde, en lugar de inventar un precio con apariencia razonable.

Verificación del efecto del kilometraje

El precio debe bajar al aumentar el kilometraje. Se verifica en cada uno de los modelos por cuantiles que alimentan la herramienta, no sólo en el modelo agregado:

Ajuste por condición

El control de condición aplica un multiplicador de ±20% sobre los valores estimados. Cubre el estado físico que los datos del anuncio no capturan (carrocería, interiores, mantenimiento, historial). Junto con el ajuste por modelo de abajo, son los únicos dos ajustes que se aplican en el navegador; todo lo demás son valores estimados en Python.

Ajuste por modelo

Elegir un modelo específico (campo opcional «Modelo») no activa un modelo estadístico independiente por auto — los anuncios de un solo modelo casi nunca alcanzan para ajustar ocho cuantiles propios sin el mismo problema de cruces que ya excluyó los controles de versión/acabado de los modelos por segmento (ver arriba). En su lugar, cada modelo con datos suficientes recibe un solo multiplicador, aplicado por igual a los ocho cuantiles — por construcción nunca puede invertir su orden.

Este ajuste se calcula en Python, antes de publicarse — nunca en el navegador del usuario — y queda escrito como un factor fijo en meta.json. El cálculo exacto: para cada modelo, razón = mediana(precio real / precio Q50 que el segmento le habría asignado); esa razón se reduce hacia 1.0 por peso = n / (n + 100), de modo que factor = 1.0 + peso × (razón − 1.0); el resultado se acota entre 0.6 y 1.6 como salvaguarda contra un escalar que se dispare por contaminación de datos (p. ej. un modelo mal clasificado), no por un efecto real. Un modelo con pocos anuncios (n bajo) queda casi igual al segmento (peso cercano a 0); uno con muchos (n alto) puede alejarse más (peso cercano a 1). Solo se calcula para modelos con n ≥ 20 anuncios. Hoy 82 modelos tienen suficientes datos para este ajuste, con multiplicadores entre 0.83 – 1.22.

Qué no hace este modelo

• No conoce el historial de accidentes, servicios ni el número de dueños.
• No distingue vendedor particular de agencia.
• No modela diferencias regionales de precio.
• No estima la versión o equipamiento específico dentro de cada modelo.
• No predice precios de transacción, sólo precios de oferta.