Ian Wong, Opendoor’un Kurucu Ortağı ve CTO’su – Röportaj Serisi

Opendoor’un arkasındaki kavramı özetleyebilir misiniz ve nasıl Zillow gibi rakiplerden farklıdır?

Opendoor insanlar için ev satın almak, satmak ve takas etmek için basit ve rahat bir yol sunar. Parçalı ve esnek olmayan bir gayrimenkul modelini, uçtan uca dijital ve talebe bağlı bir deneyime dönüştürüyoruz. “İbuyering”in öncüsü olarak Opendoor, bugüne kadar 70.000’den fazla müşteriye hizmet verdi ve 21 ABD pazarına genişledi.

Opendoor, ilk ve üçüncü taraf verilerin yanı sıra makine öğrenimi, AI ve insan incelemesinin yardımıyla özel bir değerleme modeli kullanarak evler için neredeyse anında adil piyasa değerleri sağlayabilir. Opendoor uygulamasında sadece birkaç dokunuşla satıcılar, 24 saat içinde Opendoor’dan bir teklif alabilir. Opendoor’a satmak, ev sahiplerine daha fazla seçim ve kesinlik sunar, böylece ev sahipleri taşınma tarihlerini seçebilir ve ev gösterimleri ve onarımların stres ve zorluğundan kaçınabilir.

Ek olarak, ev işlemlerindeki diğer ağrı noktalarını çözmeye başladık, ev satın alma sürecini yeniden hayal eden yeni bir ürünün lansmanıyla, bir ev kredileri işinin lansmanıyla ve bir unvan ve escrow şirketinin satın alınmasıyla. Amacımız, taşınmayı sorunsuz, talebe bağlı ve stresiz hale getirmek.

Sizi Opendoor’a çeken şey neydi?

Gayrimenkul işlemlerini yeniden hayal etme şansına sahibiz, böylece insanların en büyük varlıklarıyla olan ilişkilerini yeniden tanımlayabiliriz. Bir yük olarak değil de, ev sahipleri evlerinin sağladığı likiditeye nasıl erişebilirler? Alıcılar ve satıcılar aylarca süren stres ve belirsizliği atlayabilir ve hayatlarının sonraki bölümü için daha emin adımlar atabilir mi? Coğrafi hareketliliği ve finansal özgürlüğü ermögilmek vizyonu çok heyecan verici ve bu yolculuğa yeni başladığımızı hissediyoruz.

Opendoor büyük bir tarihi piyasa işlemleri koleksiyonunu analiz ediyor. Topladığınız veri noktaları nelerdir?

Gerekli düzeyde ayrıntı ile doğru gayrimenkul verilerine ulaşmak kolay değil. Tarihi piyasa işlemlerini anlamak için büyük özel ve üçüncü taraf veri kümelerini kullanıyoruz, bunlar liste düzeyinde ve ev düzeyinde ayrıntıları içerir. Bu, satış tarihini ve fiyatını, evin listelendiği zamanı ve evin özelliklerini gibi ortak liste noktalarını incelememizi sağlar. Ayrıca, bir evin kalitesi veya benzersizliği hakkında bilgi veren özellikleri birleştiriyoruz, bu da daha doğru bir şekilde benzer evleri seçmemize ve evi fiyatlandırmamıza olanak tanır. Ayrıca, piyasada bulunan evlerin benzer verilerini dikkate alıyoruz. Bu veri noktaları, bir evin adil piyasa değerini ve evin yeniden satılması için gereken süreyi tahmin etmemize yardımcı olur.

Opendoor ayrıca piyasadan çekilen evleri analiz ediyor, bu veriler nasıl farklı şekilde kullanılıyor?

Hem aktif evler hem de piyasadan çekilen evler için benzer verileri inceliyoruz – “delistings” olarak adlandırdığımız evler. Her işlem için ev düzeyinde ve liste düzeyinde ayrıntıları inceleyerek, kare feet ve liste fiyatı gibi noktaları değerlendiriyoruz. Delistings için bu içgörülere bakıyoruz, ancak hedef değişkenimiz olan günlerde piyasada kalma süresini gözlemleyemeyiz. Ayrıca, piyasayı holistik olarak anlamak için arz ve talebi değerlendiriyoruz. Piyasadan çekilen listeleri dahil ederek, piyasayı daha kapsamlı bir şekilde anlamaya çalışıyoruz.

Opendoor, ev fiyatlandırması için Ensembling’i bir faktör olarak kullanıyor. Ensembling nedir ve Opendoor bu teknolojiyi nasıl kullanıyor?

Bir alıcı ev satın almak isterse veya bir satıcı evini piyasaya çıkarmak isterse, evin değerini belirleme şekli, alıcı ve satıcı türüne bağlı olarak çok farklı olabilir. Bu noktada Ensembling devreye girer. Ensembling, farklı fiyatlandırma modellerini bir araya getirerek ev değerlerinin ağırlıklı ortalamasını hesaplamamıza olanak tanır. Bazı modeller belirli değişkenlere daha fazla ağırlık verebilir. Ensembling’in genel olarak tek bir modelden daha doğru fiyatlandırmaya dẫnereceğini gördük.

Opendoor, büyük veri setlerinden veri ithal ediyor, bu da verilerin orijinal olarak etiketlenmesi veya formatlanması nedeniyle bir zorluk olabilir. Opendoor, bu sorunu çözmek için Markov Random Field’i kullanıyor. Bu nedir?

Veri kalitesinin düşük olması, metin verisindeki mutasyonlardan, kısaltmalardan ve yazım hatalarından kaynaklanabilir. Veri kalitesi, ev değerleme modellerimizi etkileyebilir, bu nedenle bu sorunu çözmek için matematiksel bir yaklaşım geliştirdik. Markov Random Field, metni standardize etmeye ve etiketlerin kalitesini iyileştirmeye yardımcı olur. Her etiketin puanı, orijinal metne ne kadar iyi uyduğu ve komşuları arasındaki mekansal sürekliliğinden gelir. Markov zincirlerinin matematiği ile veriyi parçalarının toplamından daha fazlasını elde ediyoruz.

Satışa sunulan bir evin ortalama tutma süresini modellemek için bir teknik olan survival analysis’i kullanıyorsunuz. Survival analysis nedir ve Opendoor’un durumunda nasıl uygulanır?

Temel olarak, bir evin likiditesini anlamamız ve piyasaya daha fazla bilgi eklediğimizde bu görüşümüzü güncellememiz gerekir. Survival analysis, bir veya daha fazla olayın meydana gelmesi için beklenen süreyi analiz eden istatistiksel bir yöntemdir. Bizim durumumuzda, survival analysis’i bir evin satılması için gereken süreyi anlamak ve tahmin etmek için kullanıyoruz. Bu yöntemle, piyasaya daha iyi cevap verebilme yeteneğimizi dramatik olarak iyileştiriyoruz ve birim ekonomimizi daha doğru bir şekilde öngörüyoruz. Bu, her ev için risk eşiğini belirlememize ve daha akıllı yatırımlar yapmamıza yardımcı olur, bu da işimiz için çok önemlidir.

Yol gürültüsü gibi bazı faktörler evin değerini etkileyebilir ve bunlar genellikle konuma bağlıdır. Bu gibi konuları ev değerleme modelinize nasıl dahil ediyorsunuz?

Opendoor Değerleme Modeli (OVM), makine zekası ile insan uzmanlığını birleştirerek, yol gürültüsü gibi weniger görünür faktörleri dikkate alarak doğru ve rekabetçi teklifler sunar. Bunu yapmak için, insan operatörlerimizin değişkenleri tanımlamasına ve makinelerimizin bu değişkenlerin fiyatlandırma algoritmasındaki önemini öngörmesine güveniyoruz. OpenStreetMap (OSM), yol geometrisi için serbestçe kullanılabilen bir veri seti olup, yol kenarındaki evleri tanımlamamıza yardımcı olur. Ayrıca, piyasada önceden yapılan insan ayarlamalarına bakarak, ortalama ayar değerini hesaplarız. Bu değerleri ölçeklendirerek ve piyasalara daha fazla insan ayarlaması verisi topladıkça, OVM performansı Dramatik olarak iyileştirilir. En önemlisi, üçüncü taraf verilerini kendi özel verilerimizle zenginleştirmekteyiz. Sonuç olarak, konum bağlı sinyaller Dramatik olarak iyileştirilir.

Opendoor hakkında paylaşmak istediğiniz başka bir şey var mı?

Opendoor’da çalışmanın benim için özellikle özel olan şey, teknoloji, veri bilimi ve operasyonel mükemmelliği kullanarak milyonlarca tüketicinin gerçek dünya ağrı noktalarını çözmeye yardımcı olmamızdır. Çevrimiçi ve çevrimdışı dünyaların bu birleşmesi daha önce hiç yapılmamış ve yeni, ilginç zorluklar getiriyor.

Daha fazla bilgi için Opendoor’u ziyaret edin