大数据破局真房源困境

简介:

很多购房者都有过这样的经历:想买高性价比二手房,浏览了很多网站,下载了很多app,那些看起来图片漂亮、价格诱人的房子,实地看房时,却往往出现图片失真、高价低报、甚至没有房源的情况。身心俱疲的购房者不禁问道:要安家,哪里才能找到真房源?

近日,由上海链家和中欧工商学院联合主办的2016上海房产经济与城市大数据论坛回答了这个问题。互联网的革命性变化带来了房屋交易匹配效率的提升,基于此的大数据研究,解开了购房者获取真实房源信息的困局。

真房源,

奠基业内领先大数据

上海二手房交易市场庞大,交易量连年上涨。数据显示,2014年上海二手房市场整体交易量为19.5万套左右,2015年翻番达到38万套,2016年上半年达到19万套、同比2015年上半年上涨24.7%。巨大的交易量下,是更加巨大的需求缺口。以链家为例,2016年上半年,其接待的客户数为50万,几乎达到了成交量的三倍。

供不应求的市场状况下,二手房虚假房源屡屡出现:打开大部分的二手房交易网站,房源数量达到100万套以上;然而,上海房地产交易中心网站网上房地产显示,上海二手房住宅出售量仅为14.8万套。虚假房源信息占到七八成,购房者陷入信息严重不对称导致的盲区。

作为对比,强调“真实房源”的链家,其上海地区网站上挂牌的二手房数量为9.5万套。

如何保障购房者获取真实房源信息的权利?从房地产交易中介的角度,链家网上海研发中心数据分析部总监陈泽帅分享了链家的经验。

陈泽帅说:“链家通过两种渠道保证房源的真实性。一方面,利用内部的房源对接平台,链家经纪人在业主上门挂牌或其他渠道挂牌后,内部检核人员会联系房源业主进行确认。另一方面,基于链家的楼盘字典,业主挂牌后,系统会自动将经纪人录入的房源信息与内部的楼盘字典核对,一致才会把房子挂牌到链家网。所以业主无法虚报房屋信息,他说有100平方米,但是我们核对后其实是99.5平方米,我们给客户的也就是99.5平方米。楼盘字典比业主更了解他的房子。”

链家研究院院长杨现领解释了链家经纪人挂牌的激励机制:“经纪人敢把真房源信息放到链家网,是因为相信这个行为可以带来正回报,房源卖掉了一定可以获得收益,这是一个正向回馈的分配规则。”

陈泽帅提到的楼盘字典,汇集了每套房子的“身份证信息”,包括户型、面积、所处地理位置、房屋朝向等。“链家十几年前就开始收集房子的身份证,花费了很多人力和时间。目前上海有734万套房子,我们都验证过、都有资质可以买卖,我们知道它们的所有信息。其他平台很难确保这一点。”他说。

楼盘字典是链家目前大数据研究的重要部分,而海量真房源奠定了链家业内领先的大数据研究地位。

大数据,

升级客户安家体验

基于业内领先的大数据研究,链家也为客户提供了优良的体验。

除了大数据对房源真实性的保障之外,链家正在尝试利用大数据优化客户体验。陈泽帅介绍到,目前,每天链家网上的浏览行为超过五十万,上海链家的经纪人超过两万,大数据可以把信息和需求进行匹配。他说:“根据客户在网站、app上的点击行为和搜索行为,链家能推荐给客户离他们最近的经纪人或者门店、以及对客户关注的房源最熟悉的经纪人。因为我们认为现在的房屋交易中经纪人很重要,所以从人着手。”

下一个阶段,链家会进一步对房子做优化推荐。“我们在很明确知道客户浏览习惯后,比如是要浦东还是浦西、哪个地铁线、几居室,已经就不需要人力去再沟通了。后期经纪人拿到客户的浏览习惯和偏好后,就不需要跟客户重复沟通、或者看几套房去试探需求,能更有准备地为客户推荐房源,加快匹配效率。给用户的直观体验就是我可以少出去跑几趟,少浪费时间,降低时间成本。所以匹配效率本身就是大数据提升的一个点,可以给客户更好体验。”陈泽帅说。

杨现领展示了一个更加美好的愿景:“未来希望为每一栋房子建立估值参考指标和体系。在上海,如果有一天可以掌握更多历史交易记录,就能够以这些交易记录为中心,把地段、交通、教育这些信息加在一起,一定能够为每一个房子建立一个主页。”

他概括到:“链家在市场的价值一定是数据化。一方面,数据驱动效率,怎么让数据探索对线上线下引导行为。另一方面,数据驱动体验,怎么样能够用数据提升经纪人和用户交互的体验。关键词就是数据驱动。”

白中介崛起

杨现领这样解释链家坚持真房源、发掘大数据的原因:“链家所在的中介行业,发展这么多年来,没有摆脱掉黑中介的帽子。我们希望,希望通过自己的努力,通过链家人努力,能够在这一代人手里,未来5-10年,实现中介从黑到白的彻底性转换。从某种程度上,今天所做的一切事情,都跟这个事情有关。”

他认为,成为白中介,需要重新定义中介。未来中介行业承担的一个历史使命,就是在房屋资产和现金流之间,建立更加高效的连接方式,提高房屋资源使用效率。此外,要靠互联网改变中介形象、提高匹配效率。客户可以享受一个真实房源最大程度集中曝光的世界,经纪人可以高效化时间利用、不再大部分时间花费打电话获客,未来链家才可以带来用户体验的上升,真正意义上改变中介行业。





====================================分割线================================


本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
SQL 存储 DataWorks
浅谈-大数据工程师面临的困境和要学习的技术
读书的时候,语文老师总会让同学看看作者的生平简介,谈谈作者为什么会写出这篇文章,文章诞生的背景是什么背景,一方面是让同学理解文章,另外一方面是让同学感同身受。 鄙人,不是大厂,也不算外包,算是靠在阿里系的一家创业公司的交付部门的小小大数据工程师,心比天高,命比纸薄。 当然,也和上学没有好好学习有关系,怨不得其他人。 回到正题,咋们先从我的个人经历聊一下大数据工程师现在面临的困境和我的一些解决思路。
254 0
|
机器学习/深度学习 大数据 数据处理

热门文章

最新文章