วิทยาศาสตร์ของอสังหาริมทรัพย์: การจับคู่และซื้อ

ข้อมูลของคุณรู้คุณดีที่สุด ให้มันช่วยคุณหาบ้านฝันของคุณอุตสาหกรรมอสังหาริมทรัพย์นั่งอยู่บนข้อมูลมากมายที่ไม่ได้ใช้ในปีที่แล้ว ในบทความนี้ เราจะพูดถึงวิธีการที่เทคโนโลยีขั้นสูงช่วยให้นักลงทุนอสังหาริมทรัพย์ ตัวแทนอสังหาริมทรัพย์ และบริษัทใช้ข้อมูลจำนวนมากภายในอุตสาหกรรมเพื่อช่วยให้ผู้คนหาบ้านฝันของตน

ในปี 2017รายงานวิทยาศาสตร์ภาคสนาม บทความกล่าวถึงผลกระทบของ AI การเรียนรู้ของเครื่อง และการวิเคราะห์เชิงทำนายต่อภาคอสังหาริมทรัพย์:

“การปฏิบัติของวิทยาศาสตร์เมืองที่มีพลังงานจาก AI กำลังเติบโตภายในอุตสาหกรรมอสังหาริมทรัพย์ วิทยาศาสตร์ข้อมูลและตรรกะเชิงอัลกอริทึมอยู่ใกล้กับแนวหน้าของแนวปฏิบัติในการพัฒนาเมืองใหม่ ๆ มันใกล้แค่ไหน? เป็นคำถามที่ผู้เชี่ยวชาญคาดการณ์ว่าการดิจิตอลจะไปไกลกว่าระบบการจัดการอาคารอัจฉริยะ ใหม่ เครื่องมือวิเคราะห์ที่มีความสามารถในการทำนายจะส่งผลกระทบอย่างมากต่ออนาคตของการพัฒนาเมือง และเปลี่ยนแปลงอุตสาหกรรมอสังหาริมทรัพย์ในกระบวนการนี้”

ข้ามไปที่ปี 2020: ทิ้งการหลอกลวงไว้เบื้องหลัง เรารับทราบถึงผลกระทบการเปลี่ยนแปลงของการอ่านข้อมูล การสร้างกลยุทธ์ดิจิตอล และความก้าวหน้าทางเทคโนโลยี การวิเคราะห์เชิงทำนาย การเรียนรู้ของเครื่อง และแอปพลิเคชันที่มีพลังงานจาก AI ยังคงนำนวัตกรรมในหลายอุตสาหกรรม นอกเหนือจากภาคอสังหาริมทรัพย์ ตั้งแต่การประยุกต์ใช้ ML ที่น่าเบื่อจนถึงการประยุกต์ใช้ NLP และ OCRที่น่าสนใจที่สุด ผู้นำในอุตสาหกรรมได้เรียนรู้ที่จะใช้เครื่องมือที่ทรงพลังนี้ให้ได้ประโยชน์ วันนี้เราติดตาม 3 กรณีการใช้งานอสังหาริมทรัพย์ ซึ่งออกแบบมาเพื่อแสดงให้เห็นว่าซอฟต์แวร์สมัยใหม่และอินเทอร์เฟซที่直观สามารถทำงานร่วมกับการเรียนรู้ของเครื่องและวิศวกรรมข้อมูลเพื่อสร้างผลิตภัณฑ์และบริการที่ไม่เหมือนใคร

วิทยาศาสตร์ของอสังหาริมทรัพย์: ข้อมูลของคุณรู้คุณดีที่สุด ให้มันช่วยคุณหาบ้านที่สมบูรณ์แบบ

กระบวนการซื้อบ้าน

ตลาดอสังหาริมทรัพย์ในปัจจุบันทำให้เกิดความท้าทายที่น่าสนใจสำหรับการเรียนรู้ของเครื่อง: มีสูตรในการจับคู่ผู้ซื้อบ้านที่ถูกต้องกับทรัพย์สินที่ถูกต้องในราคาที่ถูกต้องหรือไม่? การสร้างบริการค้นหาบ้านและค้นพบทรัพย์สินที่แม่นยำคือสิ่งที่ทำให้นักวิจัยและผู้เชี่ยวชาญในอุตสาหกรรมตื่นตัว ด้วยปริมาณข้อมูลที่มีอยู่มากมาย และได้รับแรงบันดาลใจจากความแม่นยำของระบบแนะนำออนไลน์ (เช่น Netflix (NFLX )) เครื่องมือจับคู่บ้านกำลังพัฒนาอย่างต่อเนื่อง แม้กระทั่งในภาคอสังหาริมทรัพย์ที่ไม่ใช่ด้านเทคนิค

Orchardเป็นตัวแทนอสังหาริมทรัพย์ที่ใช้เครื่องมือเทคโนโลยีสมัยใหม่เพื่อปรับปรุงบริการค้นหาบ้าน โดยใช้อัลกอริทึมการเรียนรู้ของเครื่อง พวกเขาพบคำตอบสำหรับคำถามที่ผู้ซื้อบ้านถามบ่อยที่สุด: “บ้านฝันของฉัน看起来อย่างไร?” นอกจากนี้ อัลกอริทึมอาจช่วยให้พวกเขาตอบคำถามติดตาม: “ฉันเต็มใจที่จะประนีประนอมอะไรบ้าง (ไม่) ในบ้าน?”

ผู้ร่วมก่อตั้งและประธานฝ่ายผลิตภัณฑ์และการตลาด Phil DeGisi อธิบาย:

“Home Match เป็นอัลกอริทึมการค้นหาบ้านครั้งแรกที่ให้ผู้คนเลือกคุณสมบัติที่สำคัญที่สุดสำหรับพวกเขา เราถามผู้ซื้อซีรีส์ของคำถามเกี่ยวกับสิ่งที่พวกเขาให้คุณค่าและพิจารณา “ต้องมี” และ “ดี” ในบ้าน – เช่น เกาะในครัว สระในสวนหลังบ้าน และเวลาเดินทางภายในไม่กี่วินาที Orchard มอบคะแนนการจับคู่ส่วนบุคคลให้กับทุกบ้านในพื้นที่ค้นหา ”

ด้วยวิธีนี้ ผู้ซื้อจึงถูกจับคู่กับโอกาสซื้อบ้านที่ถูกต้อง และกระบวนการทั้งหมดกลายเป็นเรื่องที่ง่ายขึ้นสำหรับทุกฝ่ายที่เกี่ยวข้อง

ผู้ใช้ระบบจับคู่บ้านสามารถเพลิดเพลินกับประสบการณ์ที่มีลักษณะเฉพาะด้วย การเพิ่มขึ้นของการปรับแต่งส่วนบุคคลและ การใช้งาน ผลลัพธ์ของการค้นหาจะจัดอันดับตามโปรไฟล์ของพวกเขา และอินเทอร์เฟซที่ใช้งานง่ายและโต้ตอบได้จะแทนที่แคตตาล็อกอสังหาริมทรัพย์แบบเก่า

“Orchard ยังพัฒนา Photo Switch ซึ่งเป็นอุตสาหกรรมแรก ซึ่งนำผลลัพธ์ของการค้นหาที่ปรับแต่งแล้วและแสดงผลในรูปแบบที่มีประโยชน์และปรับแต่งได้มากขึ้น เพื่อทำเช่นนี้ Orchard สร้างแบบจำลองการเรียนรู้ของเครื่องเพื่อสแกนภาพของทุกบ้านในตลาดและกำหนดห้องในแต่ละภาพ คุณลักษณะนี้เป็นครั้งแรกและช่วยให้ผู้ใช้สามารถเปรียบเทียบ “ต้องมี” ของพวกเขาได้ทั้งหมดในครั้งเดียว ไม่ว่าจะเป็นครัวของเชฟ สวนหลังบ้านที่มีรั้ว หรือห้องนั่งเล่นที่อบอุ่น ผู้ซื้อบ้านสามารถดูห้องแต่ละห้องพร้อมกันในเบราว์เซอร์เดียวด้วยการคลิกปุ่มเดียว”

การทำงานเช่นนี้เป็นไปได้เพียงเพราะการทำงานร่วมกันอย่างไร้รอยต่อของเครื่องมือเทคโนโลยีสมัยใหม่ แพลตฟอร์มเว็บ SDK ความเป็นจริงเสมือน อัลกอริทึมการประมวลผลภาพ以及เฟรมเวิร์กการเรียนรู้ของเครื่อง ทั้งหมดนี้ช่วยสร้างประสบการณ์อสังหาริมทรัพย์ที่ไม่เหมือนใคร

การประเมินมูลค่าทรัพย์สินเชิงพาณิชย์

อีกขั้นตอนที่สำคัญในภาคพาณิชย์อสังหาริมทรัพย์คือการประเมินมูลค่าทรัพย์สิน โมเดลการประเมินมูลค่าทรัพย์สินอัตโนมัติเป็นเรื่องเก่าแก่ในอุตสาหกรรมนี้เอง โดยมีหน้าที่ในการประเมินทรัพย์สินและกำหนดแผนการกำหนดราคาแบบดั้งเดิม โมเดลเหล่านี้มักจะขึ้นอยู่กับข้อมูลการขายในอดีตเท่านั้น แต่โมเดลที่พึ่งพาการดำเนินการในอดีตเท่านั้นจะพลาดข้อมูลอื่น ๆ มากมาย

การวิเคราะห์เชิงทำนายและโครงสร้างการเก็บข้อมูลสมัยใหม่ถูกสร้างขึ้นเพื่อผสานรวมแหล่งข้อมูลภายนอกและฝึกอบรมอัลกอริทึมตามประเภทข้อมูลที่หลากหลาย แทนที่จะใช้ประเภทข้อมูลเดียวที่ให้มุมมองที่จำกัดเกี่ยวกับทรัพย์สิน สถาปัตยกรรมข้อมูลที่รวมกันให้มุมมองที่ครอบคลุม 360 องศาและรวมแหล่งข้อมูลภายนอก: อุปสงค์ของตลาด ข้อมูลเศรษฐกิจมหภาค ค่าเช่า ค่าตลาดทุน การทำงาน ยานพาหนะ เป็นต้น เนื่องจากไม่มีข้อจำกัดในการใช้ข้อมูลที่สามารถใช้ได้โดยโมเดลการประเมินมูลค่าทรัพย์สิน การวิเคราะห์เชิงทำนายจึงเป็นเครื่องมือที่ทรงพลังที่มีอยู่สำหรับหน่วยงานอสังหาริมทรัพย์

Smart Capitalให้คำตอบสมัยใหม่สำหรับการประเมินมูลค่าทรัพย์สิน พวกเขาใช้การวิเคราะห์เชิงทำนายสำหรับการประเมินมูลค่าทรัพย์สินและให้สัญญาว่าจะส่งรายงานที่สมบูรณ์ภายในหนึ่งวันทำการ ซีอีโอของพวกเขา Laura Krashakovaให้ข้อมูลเชิงลึกเกี่ยวกับวิธีการที่พวกเขาทำได้

“เทคโนโลยีนี้ช่วยให้สามารถประมวลผลข้อมูลและประเมินมูลค่าทรัพย์สินในเวลาจริงและให้บุคคลเข้าถึงข้อมูลที่ก่อนหน้านี้มีเฉพาะสำหรับตัวแทนอสังหาริมทรัพย์เท่านั้น ข้อมูลเชิงลึกท้องถิ่นเช่นความนิยมของที่ตั้ง สิ่งอำนวยความสะดวกในพื้นที่ คุณภาพของการขนส่งสาธารณะ ระยะทางจากทางหลวงหลักและปริมาณการเดินเท้าขณะนี้สามารถเข้าถึงได้ง่ายและได้รับการจัดอันดับสำหรับการเปรียบเทียบ”

มีสองด้านที่ทำให้บริการนี้เป็นไปได้: ความสะดวกในการเข้าถึงและความเป็นไปได้ในการ ให้ข้อมูลเชิงลึกในเวลาจริง แพลตฟอร์มมือถือและเว็บทำให้ลูกค้าสามารถเข้าถึง อัปโหลด และแสดงข้อมูลของตนได้อย่างง่ายดาย ไม่ว่าจะอยู่ที่ไหนก็ตาม ทุกสิ่งที่ต้องการคือการเชื่อมต่ออินเทอร์เน็ต ในเวลาเดียวกัน เฟรมเวิร์กการวิเคราะห์เชิงทำนายกำลังประมวลผลข้อมูลในเวลาจริงด้วยความเร็วของมิลลิวินาที เมื่อเหตุการณ์ข้อมูลใหม่เกิดขึ้น จะถูกเก็บและรวมเข้ากับรายงานการวิเคราะห์ใหม่ล่าสุด ไม่จำเป็นต้องรอการคำนวณที่ใช้เวลานานและเข้มข้น เนื่องจากการคำนวณทั้งหมดนี้สามารถเกิดขึ้นเกือบจะทันทีในคลาวด์ อีกครั้ง การทำงานร่วมกันอย่างไร้รอยต่อของเทคโนโลยีสมัยใหม่ทำให้สามารถให้บริการที่ไม่มีข้อผิดพลาดได้ ในเวลาเดียวกัน ความหลากหลายของแหล่งข้อมูลภายนอกก็เป็นประกันการเพิ่มขึ้นของความแม่นยำในการประเมินมูลค่าทรัพย์สิน ซึ่งช่วยประหยัดเวลา เงิน และความยุ่งยากสำหรับทุกฝ่ายที่เกี่ยวข้อง

กระบวนการสมัครเงินกู้ที่เรียบง่าย

อีกกระบวนการหนึ่งในภาคพาณิชย์อสังหาริมทรัพย์ที่เป็นเรื่องท้าทายคือการสมัครเงินกู้ การสมัครเงินกู้เป็นเรื่องที่ท้าทายไม่เพียงแต่สำหรับผู้ซื้อบ้านที่สับสนเท่านั้น แต่ยังรวมถึงโมเดลการเรียนรู้ของเครื่องด้วย โมเดลการอนุมัติเครดิตต้องการการเข้าถึงข้อมูลทุกประเภท ตั้งแต่ข้อมูลส่วนบุคคล ไปจนถึงประวัติเครดิต การทำธุรกรรมในอดีต และประวัติการทำงาน การระบุและรวมข้อมูลเหล่านี้ด้วยตนเองอาจกลายเป็นงานที่น่าเบื่อ ที่ใช้เวลานาน และน่าหงุดหงิดได้อย่างรวดเร็ว นอกจากนี้ การประมวลผลด้วยตนเองยังมีความเสี่ยงสูงในการเข้าข้อมูลที่ไม่ถูกต้องตลอดกระบวนการสมัคร

หากมีวิธีแก้ปัญหาแบบอัตโนมัติที่สามารถช่วยลดความเจ็บปวดได้บ้าง…

Beelineเป็นบริษัทที่มุ่งเน้นในการทำให้กระบวนการสมัครเงินกู้ง่ายขึ้น อินเทอร์เฟซมือถือที่直관ของพวกเขาแนะนำผู้ซื้อผ่านการสมัครเงินกู้ภายในไม่กี่นาที กระบวนการทั้งหมดใช้เวลาเพียง 15 นาที และอ้างว่าช่วยประหยัดผู้ซื้อบ้านจากความยุ่งยากมากมาย วิธีการที่พวกเขาทำได้คือง่ายมาก: บริการของพวกเขาต่อเชื่อมกับแหล่งข้อมูลส่วนบุคคลต่างๆ (เช่น ธนาคาร ข้อมูลการจ่ายเงินและภาษี) ใช้การประมวลผลภาษาธรรมชาติ (NLP) เพื่ออ่านและรวบรวมข้อมูล รวมและวิเคราะห์ข้อมูลในเวลาจริง

มันทำงานได้อย่างไร คุณอาจสงสัย?

บริการของพวกเขาสามารถเป็นไปได้เพียงเพราะการรวม ประสบการณ์บนมือถือ, ความสามารถในการประมวลผลอัจฉริยะและ การออกแบบผู้ใช้ระดับแนวหน้า คู่มือการสมัครเงินกู้ของพวกเขาจะถูกส่งผ่านอินเทอร์เฟซแชท ซึ่งให้คำตอบที่ง่ายสำหรับผู้ใช้ในการตอบคำถามของตน อัลกอริทึม NLP สนับสนุนการโต้ตอบเหล่านี้และช่วยสร้างประสบการณ์ที่ปรับแต่งส่วนบุคคล ในเวลาเดียวกัน อัลกอริทึมการประเมินอัตโนมัติเกิดขึ้นเบื้องหลังในขณะที่ผู้ซื้อกำลังกรอกแบบฟอร์ม สิ่งนี้แสดงให้เห็นว่ากระบวนการอัตโนมัติเป็นกุญแจสำคัญในการให้บริการที่ประสบความสำเร็จ และการทำงานร่วมกันอย่างไร้รอยต่อของเครื่องมือเทคโนโลยีทำให้การอัตโนมัตินี้เป็นไปได้

สิ่งที่จะเกิดขึ้นต่อไป?

ส่วนผสมที่ทรงพลังของแนวโน้มเทคโนโลยีอยู่ในแนวหน้าของนวัตกรรมอสังหาริมทรัพย์: การมีอยู่ของข้อมูลที่เพิ่มขึ้น ความก้าวหน้าในการประมวลผลข้อมูล และการแพร่กระจายของอัลกอริทึมการเรียนรู้ของเครื่อง ทั้งหมดนี้ช่วยให้สามารถจัดการกับแอปพลิเคชันที่ท้าทายที่สุดได้อย่างชาญฉลาด อัตโนมัติ และไม่มีข้อผิดพลาด

นอกจากนี้ ความสามารถในการประมวลผลคลาวด์และสถาปัตยกรรมการเก็บข้อมูลสมัยใหม่ทำให้สามารถดึงข้อมูลเชิงลึกจากข้อมูลในเวลาจริง สร้างแบบจำลองการทำนายที่ซับซ้อน และ รวมแหล่งข้อมูลต่างๆ ทั้งหมดนี้ทำให้สามารถ มองเห็นอนาคต นวัตกรรม และรักษาความได้เปรียบในการแข่งขัน

image sources: Canva