方法论
最后核校 · 主编 Wan Meng (/about)
所有 verdict / resale score / future value 都基于结构化观测 + 统计模型, 不用 LLM 推测价格. 这一页把"我们怎么算"的细节摊开 — 数据源 / 误差范围 / 边界 都写出来. 完整 API 字段说明见 公开 docs.
verdict (买不买) 是怎么算的?
用挂牌价对比同款 P10/P50/P90 分布. ≤ P30 为 deal, P30–P70 为 fair, ≥ P80 为 overpriced. 包类用 resale 中位锚定, 不用零售牌价 (因为 Hermès 配货 / 灰市价差 → 零售价是噪音). 全部端点公开在 /docs.
价格数据从哪里来?
新品: 品牌官方门店 + 官网 + 6 家联盟零售商 (Farfetch / Mytheresa / NAP / Saks / Bergdorf / Selfridges) feed. 二手: 7 家平台 (Vestiaire / TRR / Fashionphile / 寺库 / 红布林 / 胖虎 / 只二) 公开页观测. 全部走联盟+公开页, 不爬保护内容.
字段级来源徽章是什么?
每个数值旁挂一颗带颜色的 dot: 绿色 manual (人工核对), 蓝色 real (真实样本), 黄色 llm_synth (AI 合成, 标日期), 灰色 null (暂无). 这是 Phia 因 'Fortune 报道数据不准' 留下的口子, 我们直接把每个字段的出处标在 UI 上.
二手中位 / 残值预测的误差范围多大?
二手中位置信区间 ±10% (样本 ≥ 30 件), 残值 3 年预测 ±15% (基于品牌 / 款式 / 流动性三因子模型). 所有 verdict 旁会显示样本量 n=, n < 30 时打 'low_confidence' badge.
为什么不用 LLM 直接给价格?
LLM 不知道昨天 Vestiaire 上一只 Birkin 25 实际成交多少 — 它只能基于训练数据做统计推测, 这会把过期信息当真. 我们的边界是: LLM 只做 SKU 归一 (multilingual embedding 把 '黑色 Togo Birkin' 和 'Hermès BK25 Black Togo' 对齐), 价格全部从结构化观测来.
汇率怎么处理?
按月度均值, 数据源是欧央行 + IRS. 跨币种比较时显示原币种 + 折算 USD. 不用实时汇率 — 实时波动会让 verdict 在一天内反复跳, 用户不需要这种噪音.
鉴别风险怎么判定? 你们做鉴定吗?
不做最终鉴定. 我们做的是风险旗标 + 转介: 对挂牌的价格 / 卖家 / 描述与同款历史分布做统计偏离检测, 偏离明显时挂 risk badge. 真伪鉴定转介 Entrupy / CSA / Real Authentication / 品牌官方服务.
API 文档在哪?
公开 API 文档: https://luxecopilot.com/docs (静态摘要 + curl 示例 + endpoint 索引). 全部 endpoint (verdict / fair-price / resale-score / future-value / wardrobe-roi / lens) 均公开 schema + 示例. Live OpenAPI 暂在迁移, /docs 是当前唯一推荐入口.
发现误差或漏洞: hello@luxecopilot.com. 每篇 Journal 都会在文末附上观测窗口和样本量声明 (/journal).