Ianas Wongas, „Opendoor“ interviu serijos įkūrėjas ir CTO

Ar galite apibendrinti „Opendoor“ koncepciją ir kuo ji skiriasi nuo konkurentų, tokių kaip „Zillow“?

Atidarytos durys suteikia žmonėms paprastą ir patogų būdą pirkti, parduoti ir pakeisti būstus. Suskaidytą, nelankstų nekilnojamojo turto modelį paverčiame visapusiška, skaitmenine ir pagal poreikį teikiama patirtimi. Kaip „ibuyering“ pradininkė, „Opendoor“ iki šiol aptarnavo daugiau nei 70,000 21 klientų ir išsiplėtė iki XNUMX JAV rinkos.

„Opendoor“ gali pateikti beveik akimirksniu teisingą namų rinkos vertę, naudodamas patentuotą vertinimo modelį, kuris naudoja pirmosios ir trečiosios šalies duomenis, taip pat mašininį mokymąsi, dirbtinį intelektą ir žmogaus peržiūrą. Vos keliais paspaudimais „Opendoor“ programėlėje pardavėjai gali gauti pasiūlymą iš „Opendoor“ per 24 valandas. Pardavimas „Opendoor“ suteikia daugiau pasirinkimo ir tikrumo, nes namų savininkai gali pasirinkti savo išsikraustymo datą ir išvengti rūpesčių bei streso dėl namų demonstravimo ir remonto.

Be to, pradėjome spręsti kitus su būsto sandoriu susijusius nesklandumus, pristatydami naują produktą, kuris iš naujo įsivaizduoja būsto pirkimo procesą, pradėjome būsto paskolų verslą ir įsigijome nuosavybės teisę bei sąlyginio deponavimo įmonę. Mūsų tikslas – kad judėjimas būtų sklandus, pagal poreikį ir be streso.

Kuo jus patraukė „Opendoor“?

Turime galimybę iš naujo įsivaizduoti nekilnojamojo turto sandorį ir taip iš naujo apibrėžti žmonių santykius su didžiausiu jų turtu. Priešingai nei įsipareigojimas, ką daryti, jei namų savininkai gali pasinaudoti savo namų suteiktu likvidumu taip pat, kaip jūs ir aš galime išsiimti iš einamosios sąskaitos? Ką daryti, jei pirkėjai ir pardavėjai gali praleisti mėnesius trukusį stresą ir netikrumą ir tapti labiau pasitikintys žengdami į priekį kitame savo gyvenimo skyriuje? Didesnio geografinio mobilumo ir finansinės laisvės vizija yra nepaprastai įdomi, todėl atrodo, kad mes tik pradedame tą kelionę.

Opendoor analizuoja didelę istorinių rinkos sandorių kolekciją. Kokio tipo duomenų taškus renkate?

Nelengva gauti tikslius nekilnojamojo turto duomenis, kurių detalumo mums reikia. Naudojame didelių nuosavybės ir trečiųjų šalių duomenų rinkinių derinį, kad suprastume istorines rinkos operacijas, įskaitant sąrašo ir namų lygio informaciją. Tai reiškia, kad žiūrime į įprastus sąrašo duomenų taškus, pvz., pardavimo datą ir kainą, kada namas buvo įtrauktas į sąrašą, taip pat duomenų apie atskirus namus taškus, pvz., miegamųjų ir vonios kambarių skaičių, virtuvės atributiką ar kvadratinį metrą. Be to, įtraukiame namų kokybę ar unikalumą nurodančių savybių, leidžiančių mums geriau pasirinkti palyginamus daiktus ir galiausiai kuo tiksliau nustatyti namo kainą. Taip pat atsižvelgiame į panašius duomenis iš šiuo metu rinkoje esančių namų. Galiausiai šie duomenų taškai padeda mums numatyti tikrąją namo rinkos vertę ir laiką, kurio gali prireikti būstui perparduoti.

„Opendoor“ taip pat analizuoja namus, kurie pašalinami iš rinkos nesudarius sandorių. Kaip šie duomenys naudojami kitaip, palyginti su parduotais namais?

Mes žiūrime į panašius duomenis apie aktyvius namus ir namus, kurie pašalinami iš rinkos nesudarius sandorių – namus vadiname „pašalinimu iš sąrašo“. Mūsų duomenų rinkinyje nagrinėjama įvairi namų ir sąrašo lygio informacija, įskaitant kvadratines pėdas ir kiekvienos operacijos mažmeninę kainą. Nagrinėjame tas pašalinimo iš sąrašo įžvalgas, bet negalime stebėti tikslinio pardavimo dienų kintamojo. Be to, mes žiūrime į rinką holistiškai, kad suprastume pasiūlą ir paklausą. Įtraukdami neįvykdytus sąrašus, galime susidaryti išsamesnį rinkos vaizdą.

„Opendoor“ kaip būsto kainodaros veiksnį naudoja ansambliavimą. Ar galite paaiškinti, kas yra ansamblis ir kaip Opendoor naudoja šią technologiją?

Kai pirkėjas nori nusipirkti namą arba pardavėjas nusprendžia įtraukti savo būstą į rinką, būsto vertės nustatymo būdas priklausys nuo to, kodėl jie perka ar parduoda. Ir tai gali labai skirtis priklausomai nuo pirkėjo ir pardavėjo tipo. Tai įtraukiame į savo modelį, kad suprastume, kaip pirkėjai ir pardavėjai žiūri į rinką, kurioje atsiranda komplektavimas. Sujungimas leidžia kartu naudoti skirtingus kainodaros modelius, kad apskaičiuotume svertinį namų verčių vidurkį. Kai kurie modeliai tam tikrus kintamuosius gali sverti kitaip nei kiti. Pastebėjome, kad derinant paprastai nustatoma tikslesnė kaina nei bet kurio atskiro modelio.

„Opendoor“ importuoja didelius duomenis iš įvairių šaltinių, o tai gali būti iššūkis dėl to, kaip iš pradžių duomenys buvo pažymėti arba suformatuoti. „Opendoor“ naudoja Markovo atsitiktinį lauką, kad padėtų išspręsti šią problemą. Ar galite paaiškinti, kas tai yra?

Iššūkis kyla dėl teksto duomenų mutacijų, nuo santrumpų ir rašybos klaidų iki nenuoseklios žodžių tvarkos ir skaičių rašybos. Prastos kokybės duomenys turi įtakos mūsų namų vertinimo modeliams, todėl įgyvendinome matematinį metodą, kad padėtume standartizuoti tekstą ir pagerinti etikečių kokybę. Markovo atsitiktinis laukas leidžia įvertinti visas etiketes kartu ir tiksliau interpretuoti charakteristikas, pvz., poskyrius. Kiekvieno ženklinimo balas gaunamas iš dviejų skirtingų komponentų: 1) kaip galutinės etiketės yra susietos su originaliu tekstu ir 2) kiek erdviškai tolydžios etiketės yra tarp kaimynų. Naudodami Markovo grandinių matematiką, mes darome duomenis daugiau nei tik jų dalių sumą.

Naudojate metodą, vadinamą išgyvenimo analize, kad modeliuotumėte vidutinį parduodamų namų laikymo laiką. Kas yra išgyvenimo analizė ir ar ji taikoma Opendoor atveju?

Iš esmės turime suprasti kiekvieno būsto likvidumą ir turėti galimybę atnaujinti savo požiūrį į būsto likvidumo profilį, kai gauname daugiau informacijos. Išgyvenamumo analizė yra statistinis metodas, kuris analizuoja numatomą laiką, kurio prireiks iki vieno ar kelių įvykių. Mūsų atveju mes naudojame išgyvenimo analizę, kuri padeda suprasti ir numatyti, kiek laiko užtruks pardavimas. Naudodami šį metodą, mes žymiai pageriname savo gebėjimą reaguoti į besikeičiančias rinkos sąlygas ir tiksliau prognozuoti savo vieneto ekonomiką. Tai padeda mums nustatyti kiekvieno namo rizikos ribą ir protingiau investuoti, o tai gyvybiškai svarbu mūsų verslui.

Dažnai yra veiksnių, turinčių įtakos namo vertei, kurie labai priklauso nuo vietos, pavyzdžiui, kelių triukšmas. Kaip naudojate mašininį mokymąsi, kad suprogramuotumėte savo vertinimo modelį tokiai problemai?

„Opendoor Valuation Model“ (OVM) sujungia mašinos intelektą ir žmogaus patirtį, kad pateiktų tikslius ir konkurencingus pasiūlymus, atsižvelgiant į mažiau akivaizdžius veiksnius, pvz., kelio triukšmą. Norėdami tai padaryti, pasikliaujame savo žmonėmis, kurie identifikuoja kintamuosius, ir savo mašinomis, kad nuspėtų, kiek jie svarbūs kainodaros algoritme. OpenStreetMap (OSM) yra laisvai prieinamas kelių geometrijos duomenų rinkinys, padedantis identifikuoti šalia kelių esančius namus. Taip pat ieškome ankstesnių žmonių koregavimų namuose, kad apskaičiuotume vidutinę koregavimo vertę. Šias vertes galime patikslinti naudodami mastelį, o rinkoms renkant daugiau žmogaus koregavimo duomenų, duomenų rinkinys auga ir gerėja OVM našumas. Svarbiausia, kad lengvai pasiekiamus trečiųjų šalių duomenis praturtintume savo patentuotais duomenimis. Dėl to bendri nuo vietos priklausantys signalai laikui bėgant labai gerėja.

Ar yra dar kuo nors, kuo norėtumėte pasidalinti apie „Opendoor“?

Darbas „Opendoor“ man ypač ypatingas yra tai, kad naudojame technologijas, duomenų mokslą ir veiklos meistriškumą, kad padėtume išspręsti realaus pasaulio skausmo problemas milijonams vartotojų. Ši internetinio ir neprisijungusio pasaulių santuoka niekada nebuvo sudaryta ir susiduria su daugybe naujų ir įdomių iššūkių.

Norėdami sužinoti daugiau, apsilankykite Opendoor