不動産の科学：マッチングと購入

あなたのデータはあなたを最もよく知っています。夢の家を見つけるためにそれを使用しましょう。不動産業界は、毎年使用されない大量のデータを持っています。この記事では、不動産投資家、ブローカー、企業が業界内の大量の情報を利用して、人々が夢の家を見つけるのを助けるように、先進技術がどのように役立っているかについて説明します。

2017年、Field Actions Science Reports 記事は、AI、機械学習、予測分析が不動産業界に与える影響について論じています：

「不動産業界では、AIを活用した都市分析の実践が始まっています。データサイエンスとアルゴリズムロジックは、新しい都市開発慣行の最前線にあります。どのくらい近いかという вопросに答えるために、専門家は、デジタル化が賢い建物管理システムを超えて進むと予測しています。新しい分析ツールと予測機能は、都市開発の未来に大きな影響を与え、不動産業界を再構築するでしょう。」

2020年まで進み、ハイプの罠を超えて、データリテラシー、デジタル化戦略、テクノロジー進歩の変革的な影響を認識しています。予測分析、機械学習、AIを活用したアプリケーションは、不動産業界を超えて、様々な業界で革新を牽引しています。最も面白くないMLアプリケーションから、最も興味深いNLP & OCR自動化の取り組みまで、業界のリーダーは、これらの強力なツールを利用する方法を学んできました。

今日、不動産の3つのユースケースを紹介します。これらは、モダンなソフトウェアスタックと直感的なインターフェースが、機械学習とデータエンジニアリングとどのように相互作用して、ユニークな製品とサービスを作成するかを示すことを目的としています。

不動産の科学：あなたのデータはあなたを最もよく知っています、あなたの完璧な家を見つけるためにそれを使用しましょう。

家の購入プロセス

今日の不動産市場は、機械学習に面白い課題を提起しています：正しい家の購入者と正しい物件を正しい価格でマッチングするための式はありますか？正確な家のマッチングと発見サービスを構築することは、研究者と業界の専門家が気を配っていることです。大きなデータ量が利用可能であり、オンラインのレコメンダーシステム（Netflixなど）の高精度に着想を得て、家のマッチングエンジンは不動産業界でも不断に開発されています。

Orchardは、モダンなテクノロジーツールを活用して、家の発見サービスを改善するブローカーです。機械学習アルゴリズムを使用して、家の購入者が最もよく聞く質問に答えます：「私の夢の家はどんなものですか？」さらに、アルゴリズムは、続いての質問にも答えることができます：「私はどのような妥協をしますか？私はどのような妥協をしませんか？」

共同創設者兼チーフプロダクト＆マーケティングオフィサー、Phil DeGisiは次のように述べています：

「Home Matchは、初めての家の検索アルゴリズムです。購入者に、最も重要な機能についての質問をします。キッチンのアイランド、裏庭のプール、通勤時間など、「必須」と「望ましい」機能についてです。Orchardは、検索エリアのすべての家に個人用マッチスコアを割り当てます。」

このように、購入者は正当な家の購入機会にマッチングされ、全プロセスがすべての関係者にとって簡単になります。

家のマッチングシステムのユーザーは、パーソナライズと使いやすさが特徴的なエクスペリエンスを楽しむことができます。検索結果はプロファイルに基づいてランク付けされ、使いやすいインターフェースが古い不動産カタログに取って代わっています。

「Orchardは、Photo Switchという別の業界初の機能も開発しました。これは、パーソナライズされた検索結果をより視覚的に有用でパーソナライズされた方法で表示します。Orchardは、市場に出ているすべての家の写真をスキャンするための機械学習モデルを作成しました。各写真の部屋を決定するために使用されます。この機能は、ユーザーが一度にすべての「必須」機能を比較できるようにします。シェフのキッチン、囲い込みされた裏庭、または居心地の良いリビングルームなど、購入者は今、各部屋を一つのブラウザで、単一のボタンのクリックで比較できます。」

このような機能は、モダンなテクノロジーツールの無駄なく相互作用することによってのみ可能になります。ウェブプラットフォーム、バーチャルリアリティSDK、画像処理アルゴリズム、機械学習フレームワークがすべて、ユニークな不動産エクスペリエンスを作成するために貢献しています。

商業用不動産の評価

商業用不動産の別の重要なステップは、物件の評価です。自動評価モデルは、業界自体と同じくらい古く、物件を評価し、価格設定スキームを確立するタスクを負っています。従来、これらのモデルは主に過去の販売データに基づいていました。しかし、過去の行動のみに依存するモデルは、多くの他のデータソースを利用できません。

予測分析とモダンなデータ収集インフラストラクチャは、外部データソースを統合し、異種のデータタイプに基づいてアルゴリズムをトレーニングするように設計されています。単一のデータタイプのみを使用して物件に限定的な視点を提供するのではなく、統一されたデータアーキテクチャは360度のビューを提供し、外部データソースを統合します：市場需要、経済データ、賃貸値、資本市場、仕事、交通など。物件評価モデルが使用できるデータに制限がないため、予測分析は不動産業界で強力なツールです。

Smart Capitalは、物件評価のためのモダンなソリューションを提供しています。予測分析を使用して不動産物件を評価し、1営業日以内にフルレポートを提供することを約束しています。CEOのLaura Krashakovaは、どのようにしてこれを達成するかについての洞察を提供しています。

「テクノロジーにより、リアルタイムでデータを処理し、物件を評価することができます。地元のブローカーしか利用できなかったデータに、個人にアクセスできるようになりました。人気のある場所、地域のアメニティ、公共交通機関の質、主要な高速道路へのアクセス、歩行者交通など、ローカルな洞察は、比較のためにスコア付けされています。」」

このようなサービスが可能になる2つの側面があります：アクセスの容易さとリアルタイムの洞察の提供。モバイル＆ウェブプラットフォームにより、顧客が簡単にアクセスしてデータをアップロードして視覚化できるようになりました。必要なのはインターネット接続のみです。一方で、予測分析フレームワークはリアルタイムでデータを処理しています。新しいデータイベントが発生すると、それらは収集されて最新の分析レポートに含められます。時間のかかる、集中した計算を待つ必要はありません。すべての計算はクラウドでほぼ瞬時に発生するからです。

また、テクノロジーの相互作用により、リアルタイムの洞察に基づいてシームレスなエクスペリエンスを提供できるようになりました。同時に、外部データソースの多様性は、評価の精度が高まることを保証しています。これにより、すべての関係者にとって時間、金銭、頭痛が節約されます。

ローン申請プロセスの合理化

商業用不動産の別のプロセスが、機械学習モデルに面白い課題を提起しています：ローン申請。家の購入者にとって、そして機械学習モデルにとって、課題です。信用承認モデルは、個人情報、信用履歴、過去の取引、雇用歴など、様々なデータにアクセスする必要があります。手動でこれらのデータソースをすべて特定して統合することは、単調で時間のかかる作業になります。また、手動処理には、申請全体を通じて誤ったエントリーのリスクが伴います。これらの側面は、手動のローン申請プロセスを不動産取引のボトルネックに変えています。

もし自動化されたソリューションがあれば、痛みを和らげることができたでしょう…

Beelineは、ローン申請プロセスを合理化する会社です。直感的なモバイルインターフェースにより、購入者が数分でローン申請を完了できます。全プロセスは15分で完了し、購入者にとって多くの頭痛を救うと主張しています。彼らがこれをどのように行うかは、驚くほどシンプルです：彼らのサービスは、銀行、給与、税金情報などの個人データソースに接続し、自然言語処理（NLP）を使用して情報を読み取り収集し、リアルタイムでデータを統合して分析します。単調で時間のかかるプロセスが回避され、購入者はローン申請プロセスを合理化できます。

これはどのように可能になったのでしょうか？

彼らのサービスは、モバイルファーストのエクスペリエンス、インテリジェントな処理能力、および最先端のユーザーデザインの統合によってのみ可能になります。彼らのローンガイドは、チャットインターフェースを通じて提供され、ユーザーが質問に簡単に答えることができます。NLPアルゴリズムは、これらのやり取りを裏付け、パーソナライズされたエクスペリエンスを作成するのに役立ちます。

同時に、自動評価アルゴリズムが、購入者がフォームを入力するにつれて、バックグラウンドで実行されます。これは、自動化が彼らのサービスの成功の鍵であることを示しています。テクノロジーのシームレスな相互作用が、この自動化を可能にします。

次に何が起こるのか

強力なテクノロジートレンドの組み合わせが、不動産の革新の最前線にあります：データの可用性の増加、データ処理能力の向上、機械学習アルゴリズムの普及。これらすべてが、インテリジェントで自動化されたエラーのない方法で、最も課題的なアプリケーションに取り組むことを可能にします。

さらに、クラウドコンピューティングの機能とモダンなストレージアーキテクチャにより、リアルタイムでデータから洞察を抽出し、複雑な予測モデルを構築し、様々なデータソースを統合することができます。すべてこれらが、未来を予測する、革新し、競争上の優位性を維持することを可能にします。

image sources: Canva