Opendoor联合创始人兼CTO Ian Wong – 采访系列

您能否总结Opendoor的概念，以及它与竞争对手如Zillow有什么不同?

Opendoor 为人们提供了一种简单便捷的方式来买卖和交换房屋。我们正在将一个碎片化、不灵活的房地产模式转变为一个端到端的数字化和按需体验。作为“ibuying”的先驱，Opendoor迄今已为超过70,000位客户提供服务，并扩展到21个美国市场。

Opendoor能够使用专有的估值模型为房屋提供几乎瞬间的公平市场价值，该模型利用第一方和第三方数据，以及机器学习、人工智能和人工审查。只需在Opendoor应用程序中点击几下，卖家就可以在24小时内从Opendoor获得报价。卖给Opendoor提供了更多选择和确定性，因为房主可以选择搬出日期并避免房屋展示和维修的麻烦和压力。

此外，我们已经开始解决房屋交易中的其他痛点，推出了重新定义房屋购买过程的新产品，启动了房屋贷款业务，并收购了一家房产和押金公司。我们的目标是使搬家变得无缝、按需和无压力。

是什么吸引你加入Opendoor?

我们有机会重新想象房地产交易，从而重新定义人们与其最大资产的关系。与其说房子是一种负担，何不让房主能够像我们从支票账户中取款一样利用其房屋的流动性？如果买家和卖家可以跳过几个月的压力和不确定性，并变得更加自信地向前迈进，开始他们生活的下一章呢？使人们能够拥有更多的地理流动性和财务自由的愿景非常令人兴奋，而且感觉我们才刚刚开始这段旅程。

Opendoor分析了大量的历史市场交易。您正在收集什么类型的数据点?

准确的房地产数据具有我们需要的粒度并不容易获得。我们使用大量的专有和第三方数据集来了解历史市场交易，包括房源级别和房屋级别的细节。这意味着我们查看房源的常见数据点，例如销售日期和价格，房屋上市时间，以及关于个别房屋的数据点，例如卧室和浴室的数量，厨房属性或平方英尺。除此之外，我们还纳入了表明房屋质量或独特性的特征，使我们能够更好地选择可比房屋并最终以尽可能准确的价格确定房屋的价格。我们还考虑了当前市场上房屋的类似数据。最终，这些数据点帮助我们预测房屋的公平市场价值以及出售房屋可能需要的时间。

Opendoor还分析了未成交的房屋如何使用这些数据?

我们查看了活跃房屋和未成交房屋（我们称之为“下架”）的类似数据。我们的数据集查看了每次交易的各种房屋级别和房源级别的细节，包括平方英尺和房源价格。我们检查了这些见解的下架情况，但无法观察到我们的目标变量，即上市天数。另外，我们从整体上了解市场，以了解供求关系。通过纳入未成交的房源，我们能够对市场有更全面的了解。

Opendoor使用Ensembling作为房屋定价的因素。您能解释一下什么是Ensembling以及Opendoor如何使用这项技术吗?

当买家想要购买房屋或卖家决定在市场上挂牌出售房屋时，他们确定房屋价值的方式取决于他们购买或出售的原因。这可能会根据买家和卖家的类型有很大差异。我们在模型中纳入了这一点，以了解买家和卖家如何看待市场，这就是Ensembling的作用。Ensembling允许我们使用不同的定价模型来计算房屋价值的加权平均值。一些模型可能会以不同的方式加权某些变量。我们发现Ensembling通常比任何单个模型都能提供更准确的定价。

Opendoor从各种来源导入大量数据，这可能由于原始标签或格式而带来挑战。Opendoor使用Markov Random Field来解决这个问题。您能解释一下这是什么吗?

挑战源于文本数据的突变，包括缩写、拼写错误、不一致的单词顺序和数字拼写。低质量的数据会影响我们的房屋估值模型，这就是为什么我们实施了一种数学方法来帮助标准化文本并提高标签质量。Markov Random Field使我们能够共同评分所有标签，并更准确地解释诸如子区等特征。每个标签的评分来自两个不同的组件：1）最终标签与原始文本的相关性，以及2）标签在邻近物业中的空间连续性。使用马尔可夫链的数学知识，我们使数据大于其各个部分的总和。

您使用了一种称为生存分析的技术来模拟挂牌出售的房屋的平均持有时间。什么是生存分析，它在Opendoor的案例中是否适用?

从根本上讲，我们需要了解每栋房屋的流动性，并能够在获得更多信息时更新我们对房屋流动性特征的看法。生存分析是一种统计方法，用于分析预计事件发生所需的时间。在我们的例子中，我们使用生存分析来帮助我们了解和预测出售房屋所需的时间。使用这种方法，我们显著提高了我们的能力，以应对不断变化的市场条件，并更准确地预测我们的单位经济学。这有助于我们为每栋房屋确定风险阈值，并做出更明智的投资，这对于我们的业务至关重要。

有时会有影响房屋价值的因素，例如道路噪音，这些因素在很大程度上取决于位置。您如何使用机器学习来为此类问题编程您的估值模型?

Opendoor估值模型（OVM）将机器智能与人类专业知识相结合，提供准确和具有竞争力的报价，同时考虑到不太明显的因素，例如道路噪音。为此，我们依靠人类操作员来识别变量，并使用机器来预测这些变量在定价算法中的重要性。OpenStreetMap（OSM）是一个可自由获取的道路几何数据集，帮助我们识别靠近道路的房屋。我们还查看以前对房屋的人工调整，以计算平均调整值。随着我们为市场收集更多的人工调整数据，我们能够通过规模来完善这些值。最重要的是，我们用自己的专有数据来丰富可用的第三方数据。因此，随着时间的推移，位置依赖信号的整体性能会显著提高。

您是否还有其他关于Opendoor的信息想要分享?

在Opendoor工作的特别之处在于，我们正在使用技术、数据科学和运营卓越来帮助解决数百万消费者面临的现实世界的痛点。在线和离线世界的结合以前从未有过，并带来了许多新的和有趣的挑战。

了解更多，请访问Opendoor