Intelligenza artificiale
Ian Wong, Co-fondatore & CTO di Opendoor – Serie di Interviste
Puoi riassumere il concetto alla base di Opendoor e come si differenzia da concorrenti come Zillow?
Opendoor offre alle persone un modo semplice e conveniente per acquistare, vendere e scambiare case. Stiamo trasformando un modello di immobili fragilitato e inflessibile in un’esperienza digitale e on-demand dall’inizio alla fine. In quanto pioniere dell'”ibuying”, Opendoor ha servito oltre 70.000 clienti fino ad oggi e si è espanso in 21 mercati degli Stati Uniti.
Opendoor è in grado di fornire valori di mercato equi per le case in tempi quasi istantanei utilizzando un modello di valutazione proprietario che sfrutta dati di prima e terza parte, oltre all’utilizzo di apprendimento automatico, intelligenza artificiale e revisione umana. Con pochi tap sull’app Opendoor, i venditori possono ricevere un’offerta da Opendoor entro 24 ore. Vendere a Opendoor offre più scelta e certezza poiché i proprietari di case possono scegliere la data di trasloco e evitare il fastidio e lo stress delle visite e delle riparazioni della casa.
Inoltre, abbiamo iniziato a risolvere altri punti deboli nella transazione immobiliare con il lancio di un nuovo prodotto che ridisegna il processo di acquisto di una casa, il lancio di un’attività di prestiti ipotecari e l’acquisizione di una società di titolo e escrow. Il nostro obiettivo è rendere il trasloco senza soluzione di continuità, on-demand e senza stress.
Cosa ti ha attirato verso Opendoor?
Abbiamo la possibilità di ridisegnare la transazione immobiliare, ridefinendo così i rapporti delle persone con il loro bene più grande. A differenza di un onere, cosa succede se i proprietari di case possono attingere alla liquidità offerta dalle loro case allo stesso modo in cui tu e io possiamo prelevare dal nostro conto corrente? Cosa succede se acquirenti e venditori possono saltare mesi di stress e incertezza e diventare più fiduciosi nel proseguire con il prossimo capitolo della loro vita? La visione di abilitare una maggiore mobilità geografica e libertà finanziaria è super entusiasmante e sembra che stiamo solo iniziando questo viaggio.
Opendoor analizza una vasta raccolta di transazioni di mercato storiche. Quali sono i punti di dati che stai assemblando?
I dati immobiliari precisi con il livello di granularità di cui abbiamo bisogno non sono facili da trovare. Utilizziamo una combinazione di grandi set di dati proprietari e di terze parti per comprendere le transazioni di mercato storiche, compresi dettagli a livello di elenco e a livello di casa. Ciò significa che guardiamo a punti di dati comuni da un elenco, come la data di vendita e il prezzo, quando la casa è stata elencata, nonché punti di dati su singole case, come il numero di camere da letto e bagni, attributi della cucina o la metratura. Inoltre, incorporiamo caratteristiche che denotano la qualità o l’unicità di una casa, consentendoci di selezionare meglio i confronti e, in definitiva, di valutare la casa con maggiore accuratezza. Consideriamo anche dati simili da case attualmente in vendita. In definitiva, questi punti di dati ci aiutano a prevedere il valore di mercato equo di una casa e il tempo che probabilmente ci vorrà per rivenderla.
Opendoor analizza anche le case che vengono rimosse dal mercato senza transazioni, come vengono utilizzati questi dati in modo diverso rispetto alle case che sono state vendute?
Guardiamo a dati simili per case attive e case rimosse dal mercato senza transazioni — case che chiamiamo “delistings”. Il nostro set di dati esamina una varietà di dettagli a livello di casa e a livello di elenco, compresi metri quadrati e prezzo di elenco, per ogni transazione. Esaminiamo quelle informazioni per i delistings, ma non possiamo osservare la nostra variabile di destinazione dei giorni sul mercato. Inoltre, esaminiamo il mercato in modo olistico per comprendere l’offerta e la domanda. Incorporando elenchi non transatti, possiamo avere un’immagine più completa del mercato.
Opendoor utilizza Ensembling come fattore nella valutazione delle case. Puoi spiegare cosa sia l’ensembling e come Opendoor utilizza questa tecnologia?
Quando un acquirente vuole acquistare una casa o un venditore decide di elencare la sua casa sul mercato, il modo in cui determinano il valore della casa dipenderà dal motivo per cui stanno acquistando o vendendo. E ciò può essere molto diverso a seconda dell’acquirente e del venditore. Incorporiamo questo nel nostro modello per comprendere come acquirenti e venditori vedono il mercato, ed è qui che entra in gioco l’ensembling. L’ensembling ci consente di utilizzare diversi modelli di valutazione insieme per calcolare una media ponderata dei valori delle case. Alcuni modelli possono pesare alcune variabili in modo diverso dagli altri. Abbiamo scoperto che l’ensembling genera generalmente una valutazione più precisa di qualsiasi modello singolo.
Opendoor importa grandi dati da varie fonti, il che può essere una sfida a causa di come i dati sono stati etichettati o formattati in origine. Opendoor utilizza Markov Random Field per aiutare con questo problema. Puoi spiegare cosa sia?
La sfida deriva dalle mutazioni nei dati testuali, dalle abbreviazioni e dagli errori di battitura all’ordinamento inconsistente delle parole e alle ortografie numeriche. I dati di scarsa qualità impattano sui nostri modelli di valutazione delle case, ed è per questo che abbiamo implementato un approccio matematico per aiutare a standardizzare il testo e migliorare la qualità delle etichette. Markov Random Field ci consente di valutare tutte le etichette congiuntamente e interpretare più accuratamente caratteristiche come le suddivisioni. Il punteggio di ogni etichetta deriva da due componenti diverse: 1) quanto bene le etichette finali si relazionano con il testo originale e 2) quanto le etichette sono spazialmente continue tra i vicini. Con la matematica delle catene di Markov, rendiamo i dati più della somma delle loro parti.
Utilizzi una tecnica chiamata analisi di sopravvivenza per modellare il tempo di detenzione medio di una casa elencata in vendita. Cosa è l’analisi di sopravvivenza e si applica nel caso di Opendoor?
Fondamentalmente, dobbiamo capire la liquidità su base per casa e poter aggiornare la nostra visione del profilo di liquidità di una casa man mano che otteniamo più informazioni. L’analisi di sopravvivenza è un metodo statistico che analizza la quantità di tempo prevista fino a quando non si verificheranno uno o più eventi. Nel nostro caso, utilizziamo l’analisi di sopravvivenza per aiutarci a comprendere e prevedere quanto tempo ci vorrà per vendere una casa. Utilizzando questo metodo, miglioriamo notevolmente la nostra capacità di rispondere alle condizioni di mercato in evoluzione e prevedere più accuratamente la nostra economia aziendale. Ci aiuta a determinare una soglia di rischio per ogni casa e a fare investimenti più intelligenti, il che è vitale per il nostro business.
Ci sono spesso fattori che influenzano il valore di una casa che sono molto dipendenti dalla posizione, come il rumore del traffico. Come utilizzi l’apprendimento automatico per programmare il modello di valutazione per tale questione?
Il modello di valutazione Opendoor (OVM) combina l’intelligenza macchina con l’esperienza umana per fornire offerte accurate e competitive, tenendo conto di fattori meno evidenti, come il rumore del traffico. Per farlo, ci affidiamo ai nostri operatori umani per identificare le variabili e alle nostre macchine per prevedere quanto contano nell’algoritmo di prezzi. OpenStreetMap (OSM) è un set di dati disponibile gratuitamente per le geometrie stradali e ci aiuta a identificare le case adiacenti alle strade. Cerchiamo anche gli aggiustamenti umani precedenti sulle case per calcolare il valore di aggiustamento medio. Possiamo raffinare questi valori con la scala e, man mano che raccogliamo più dati di aggiustamento umano per i mercati, il set di dati cresce e migliora le prestazioni del modello OVM. Il più importante è che arricchiamo i dati di terze parti facilmente disponibili con i nostri dati proprietari. Di conseguenza, i segnali dipendenti dalla posizione migliorano notevolmente nel tempo.
C’è qualcos’altro che ti piacerebbe condividere su Opendoor?
Cosa rende particolarmente speciale lavorare a Opendoor per me è che stiamo utilizzando tecnologia, scienza dei dati e eccellenza operativa per aiutare a risolvere punti deboli del mondo reale per milioni di consumatori. Questo matrimonio tra il mondo online e offline non è mai stato fatto e viene con molti nuovi e interessanti sfide.
