文章插图
其次，通过大数据和算法来预估房价，也并没有什么大问题。iBuying模式的平台几乎都是这么完成的，比如占比最高的Opendoor，就通过机器学习房屋照片来进行定价，并不断搜集有关公司的大量数据，不断训练智能定价系统——换句话说，和Zillow的方式一样。

文章插图
（Opendoor的智能定价）
那么，Zillow到底是为什么失败的？原因真的如Zillow高管所说，是AI算法错误率太高吗？
锅是AI的，也不完全是Zillow的失败，不仅让大众看到了平台“炒房”的操作，也暴露了使用AI来进行定价决策有多困难。
在Zillow的一份文件中曾提到，它们的Zestimates拥有超过50万个独特的估值模型，建立在超过7000万美国家庭、3.2TB的数据之上。
听起来并不差对不对，不然也不能吸引到精明的华尔街投资人。那么Zillow Offers为什么会失败呢？
不可否认，算法预测房价的错误率高，是一个全行业都面临的现实问题。
房价走势往往覆盖较长的时间周期、复杂的数据维度，而炒房又需要预测非常精准才能获利，这本身就是一个悖论。
比如说，很多影响房价的信息是系统很难捕捉或洞察到的。暂且不提“买家觉得从小长大的街区更有价值”这种小概率事件，房屋装修审美风格、户型设计是否科学等，都可能影响购房决策，而它们很难被量化评估，并且会随着流行趋势变动。比如系统可能知道某套房子一共有三间卧室，但它能知道房间的布局是否合理吗？疫情要求居家隔离之后，人们对房屋空间和位置的喜好也会发生变化，而这些转变没有被Zillow的AI模型快速捕捉并迭代。

文章插图
为了提高算法的准确性，Zillow多年来都在举办公开的Zestimate数据科学竞赛，单项奖金就高达120万美元，而其中一个参赛者提到，一些隐藏问题，比如地基中的裂缝，该系统是无法预测的。
算法不是万能的，这一点虽然是现实，但可以说行业内大家都受到这一技术瓶颈的限制，Zillow就算做的不是最好，但也不差，这并不是它失败的终极理由。

文章插图
事实上，为了弥补算法的缺陷，Zillow也雇用了一支由100多名定价分析师组成的团队，通过对比销售情况来校对算法预测的报价。
这下是双保险了吧？但技术再牛，员工再厉害，都抵不过决策者的“骚操作”。
由内部员工透露，Zillow为了在市场竞争中赶上对手的份额，加大了购买力度，甚至在算法预估和分析师报价的基础上，加价购买房屋，并且无视了员工对高价买入的担忧。
Zillow为加速购房成立了一个专项计划：“番茄酱计划”（Project Ketchup）。Ketchup恰好与Catch up同音，代表着想要追赶iBuyer头部公司Opendoor的野心。
比如凤凰城今年5月的房价中位数是35.1万美元，到9月上涨到了47.5万美元，其他公司已经开始降低价格和购买数量，而Zillow支付的价格仍比房屋中位价高出6.5万美元。
结果下半年美国房地产市场降温后，无法快速完成过户、装修、销售，直接导致了一串连锁反应。

文章插图
如果房价接着涨，或许这会儿大家就得夸Zillow囤房囤得好、囤得妙，得到了开发商囤房惜售的精髓。
结果，Zillow虽然看到了疫情影响下购买热潮的到来，却没有预计到供应链和劳动力问题对ibuying业务的影响。因为ibuying模式下，平台都需要对房屋进行翻新维护，而建材和劳工的短缺，则让许多房子无法达到挂牌标准，给Zillow的资金链带来了巨大压力，不得不甩卖回血。
疫情固然是“黑天鹅”，但同样的市场情况下，模式一样的Opendoor和Offerpad，都没有出现暴雷。Opendoor 的第三季度报告显示，其收入还增长了91%。换句话说，因为供应链问题而遭受损失的只有Zillow一家。
对ibuying模式上下游产业链机制的审慎与把握不足，或许才是压倒Zillow offers的那根稻草。

文章插图
从Zillow身上可以看到，算法的有限性固然是业务受创的原因，但绝不是本质的原因。公司管理与模式正常时，有效的算法分析能够带来巨大的竞争优势；而公司运转不够良性，那么再厉害的算法恐怕也无法挽狂澜于既倒。

稿源：(钛媒体APP)

【傻大方】网址：/c/1201b0X52021.html

标题：炒房|Zillow“炒房”失败，算法神话破灭了吗？( 二 )