炒房|Zillow“炒房”失败，算法神话破灭了吗？( 二 )_

一方面，Zillow往往会给出高于同行的报价，有媒体统计过，Zillow的报价比竞争对手Opendoor、Offerpad都要高。此外，Zillow囤积了大量的房产，从2018年4月以来购买了27000套房屋，但截至2021年9月底仅售出了17000套，最近不得不将余下的数千套房屋“挥泪大甩卖”。

文章插图
看起来，Zillow真是不怎么聪明，比咱们“温州炒房团”差远了。但仔细想想，Zillow的选择真的有什么大错误吗？
事实上，尽管Zillow炒房业务失败了，但iBuying模式却依然被看好。有咨询机构认为，到2025年，iBuyers在美国的总交易将占所有购房和售出房屋的3%-5%（目前不到2%）。一方面，年轻一代希望在郊区购买房屋，远程工作的持续推行，以及可预期的低利率趋势，这些都让房屋需求带来较大的变化。

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。