Ian Wong, Co-founder & CTO of Opendoor – Wawancara Seri

Apakah Anda dapat merangkum konsep di balik Opendoor, dan bagaimana perbedaannya dengan pesaing seperti Zillow?

Opendoor memberikan orang-orang cara yang sederhana dan nyaman untuk membeli, menjual, dan menukar rumah. Kami sedang mengubah model real estat yang terfragmentasi dan tidak fleksibel menjadi pengalaman digital dan on-demand yang lengkap. Sebagai pelopor “ibuying”, Opendoor telah melayani lebih dari 70.000 pelanggan hingga saat ini dan telah berkembang ke 21 pasar AS.

Opendoor dapat memberikan nilai pasar yang adil hampir secara instan untuk rumah dengan menggunakan model valuasi yang dipatenkan yang memanfaatkan data pertama dan ketiga, serta penggunaan machine learning, AI, dan tinjauan manusia. Dengan hanya beberapa ketukan di aplikasi Opendoor, penjual dapat menerima penawaran dari Opendoor dalam waktu 24 jam. Menjual ke Opendoor memberikan lebih banyak pilihan dan kepastian karena pemilik rumah dapat memilih tanggal pindah dan menghindari kerumitan dan stres dari pameran rumah dan perbaikan.

Selain itu, kami telah mulai memecahkan titik sakit lainnya dalam transaksi rumah dengan peluncuran produk baru yang membayangkan kembali proses pembelian rumah, peluncuran bisnis pinjaman rumah, dan akuisisi perusahaan judul dan escrow. Tujuan kami adalah membuat proses pindah menjadi lancar, on-demand, dan bebas stres.

Apa yang menarik Anda ke Opendoor?

Kami memiliki kesempatan untuk membayangkan kembali transaksi real estat, sehingga mendefinisikan kembali hubungan orang dengan aset terbesar mereka. Sebaliknya dengan menjadi beban, bagaimana jika pemilik rumah dapat mengetuk likuiditas yang diberikan oleh rumah mereka dengan cara yang sama seperti Anda dan saya dapat menarik dari rekening giro kami? Bagaimana jika pembeli dan penjual dapat melewati bulan-bulan stres dan ketidakpastian, dan menjadi lebih percaya diri untuk melangkah ke babak berikutnya dalam hidup mereka? Visi memungkinkan mobilitas geografis dan kebebasan keuangan yang lebih besar sangat menggembirakan, dan terasa seperti kami baru saja memulai perjalanan itu.

Opendoor menganalisis koleksi besar transaksi pasar historis. Jenis data apa yang Anda kumpulkan?

Data real estat yang akurat dengan tingkat granularitas yang kami butuhkan tidak mudah ditemukan. Kami menggunakan kombinasi dari data besar milik kami sendiri dan data pihak ketiga untuk memahami transaksi pasar historis, termasuk detail tingkat daftar dan rumah. Ini berarti kami melihat data umum dari daftar, seperti tanggal penjualan dan harga, ketika rumah terdaftar, serta data poin tentang rumah individu, seperti jumlah kamar tidur dan kamar mandi, atribut dapur, atau luas tanah. Di atas itu, kami memasukkan fitur yang menunjukkan kualitas atau keunikan rumah, memungkinkan kami untuk lebih baik memilih perbandingan dan pada akhirnya menentukan harga rumah dengan akurat. Kami juga mempertimbangkan data serupa dari rumah yang saat ini di pasar. Pada akhirnya, data poin ini membantu kami memprediksi nilai pasar yang adil dari rumah dan jumlah waktu yang kemungkinan dibutuhkan untuk menjual kembali rumah.

Opendoor juga menganalisis rumah yang diambil dari pasar tanpa melakukan transaksi, bagaimana data ini digunakan secara berbeda dibandingkan dengan rumah yang telah terjual?

Kami melihat data serupa untuk rumah yang aktif dan rumah yang diambil dari pasar tanpa transaksi — rumah yang kami sebut “delistings.” Data set kami melihat berbagai detail tingkat rumah dan daftar, termasuk kaki persegi dan harga daftar, untuk setiap transaksi. Kami memeriksa wawasan ini untuk delistings, tetapi tidak dapat mengamati variabel target kami dari hari-hari di pasar. Selain itu, kami memahami pasar secara holistik untuk memahami penawaran dan permintaan. Dengan memasukkan daftar yang tidak diperdagangkan, kami dapat memiliki gambaran yang lebih komprehensif tentang pasar.

Opendoor menggunakan Ensembling sebagai faktor dalam penentuan harga rumah. Apakah Anda dapat menjelaskan apa itu ensembling dan bagaimana Opendoor menggunakan teknologi ini?

Ketika pembeli ingin membeli rumah atau penjual memutuskan untuk memasang rumah mereka di pasar, cara mereka menentukan nilai rumah akan tergantung pada alasan mereka membeli atau menjual. Dan ini dapat sangat berbeda tergantung pada jenis pembeli dan penjual. Kami memasukkan ini dalam model kami untuk memahami bagaimana pembeli dan penjual memandang pasar, yang mana ensembling masuk. Ensembling memungkinkan kami untuk menggunakan model harga yang berbeda bersama-sama untuk menghitung rata-rata tertimbang dari nilai rumah. Beberapa model mungkin menimbang variabel tertentu secara berbeda dari yang lain. Kami telah menemukan bahwa ensembling umumnya menghasilkan harga yang lebih akurat daripada model tunggal.

Opendoor mengimpor data besar dari berbagai sumber yang dapat menjadi tantangan karena cara data awalnya diberi label atau diformat. Opendoor menggunakan Markov Random Field untuk membantu dengan masalah ini. Apakah Anda dapat menjelaskan apa itu?

Tantangan ini berasal dari mutasi dalam data teks, dari singkatan dan kesalahan ejaan hingga pengaturan kata yang tidak konsisten dan ejaan numerik. Data berkualitas buruk mempengaruhi model valuasi rumah kami, yang mengapa kami menerapkan pendekatan matematika untuk membantu memstandarisasi teks dan meningkatkan kualitas label. Markov Random Field memungkinkan kami untuk memberi skor label secara bersamaan dan lebih akurat menafsirkan karakteristik seperti subdivisi. Skor dari setiap label berasal dari dua komponen yang berbeda: 1) seberapa baik label akhir terkait dengan teks asli dan 2) seberapa kontinu spasial label di antara tetangga. Dengan matematika rantai Markov, kami membuat data lebih dari sekadar jumlah bagian-bagiannya.

Anda menggunakan teknik yang disebut analisis kelangsungan hidup untuk memodelkan waktu rata-rata penahanan rumah yang terdaftar untuk dijual. Apa itu analisis kelangsungan hidup dan apakah itu berlaku dalam kasus Opendoor?

Pada dasarnya, kami perlu memahami likuiditas pada basis rumah per rumah, dan dapat memperbarui pandangan kami tentang profil likuiditas rumah ketika kami mendapatkan informasi lebih lanjut. Analisis kelangsungan hidup adalah metode statistik yang menganalisis jumlah waktu yang diharapkan sampai satu atau lebih peristiwa terjadi. Dalam kasus kami, kami menggunakan analisis kelangsungan hidup untuk membantu memahami dan memprediksi berapa lama rumah akan dijual. Dengan menggunakan metode ini, kami secara dramatis meningkatkan kemampuan kami untuk merespons kondisi pasar yang berkembang, dan lebih akurat memprediksi ekonomi unit kami. Ini membantu kami menentukan ambang risiko untuk setiap rumah dan membuat investasi yang lebih cerdas, yang sangat penting bagi bisnis kami.

Seringkali ada faktor yang mempengaruhi nilai rumah yang sangat bergantung pada lokasi, seperti kebisingan jalan. Bagaimana Anda menggunakan machine learning untuk memprogram model valuasi untuk masalah seperti itu?

Model Valuasi Opendoor (OVM) menggabungkan kecerdasan mesin dengan keahlian manusia untuk memberikan penawaran yang akurat dan kompetitif, mempertimbangkan faktor yang kurang jelas, seperti kebisingan jalan. Untuk melakukannya, kami mengandalkan operator manusia kami untuk mengidentifikasi variabel dan mesin kami untuk memprediksi seberapa banyak mereka mempengaruhi algoritma harga. OpenStreetMap (OSM) adalah dataset yang tersedia secara gratis untuk geometri jalan dan membantu kami mengidentifikasi rumah yang berdekatan dengan jalan. Kami juga melihat penyesuaian manusia sebelumnya pada rumah untuk menghitung nilai penyesuaian rata-rata. Kami dapat memperbaiki nilai-nilai ini dengan skala, dan ketika kami mengumpulkan lebih banyak data penyesuaian manusia untuk pasar, dataset tumbuh dan meningkatkan kinerja OVM. Yang paling penting, kami memperkaya data pihak ketiga yang tersedia dengan data milik kami sendiri. Sebagai hasilnya, sinyal yang bergantung pada lokasi secara keseluruhan ditingkatkan secara dramatis seiring waktu.

Apakah ada yang lain yang ingin Anda bagikan tentang Opendoor?

Apa yang membuat bekerja di Opendoor sangat istimewa bagi saya adalah bahwa kami menggunakan teknologi, ilmu data, dan keunggulan operasional untuk membantu menyelesaikan masalah nyata yang dihadapi jutaan konsumen. Perkawinan antara dunia online dan offline ini belum pernah dilakukan sebelumnya dan datang dengan banyak tantangan baru dan menarik. Untuk mempelajari lebih lanjut, kunjungi Opendoor

Untuk mempelajari lebih lanjut, kunjungi Opendoor