【PPT&视频】上海链家研究院院长陈泽帅：链家大数据？智慧的栖居

链家陈泽帅大数据

陈泽帅 | 2016-12-05 15:48

【数据猿导读】在《魔方大数据12：行业应用系列论坛之年度论坛：“Building”+大数据》活动上，上海链家研究院院长陈泽帅发表了精彩演讲，他表示，在典型的互联网商业中，“找”的本质是把标准产品推荐给用户。然而在二手房领域，需要对用户、业主、经纪人三大群体做出匹配和服务，这样也给大数据技...

12月1日，数据猿携手上海大数据联盟在上海举办了《魔方大数据12：行业应用系列论坛之年度论坛：“Building”+大数据》。活动中，邀请了房地产+大数据相关产业内大咖领袖，共同探讨大数据时代下，房地产行业所面临的新挑战、新机遇、新趋势。

与会分享嘉宾有：

ZMENG众盟商业运营VP 曾丽芳

房价网CEO 张效海

新城控股CEO 罗艳兵

上海链家研究院院长陈泽帅

上海脉策数据汤舸

个房CTO 叶文

微瑞思创联合创始人兼CTO 周像金

鲁班软件股份有限公司董事长杨宝明

-视频版-

-文字版-

温馨提示：

欲索取现场嘉宾分享的PPT，请关注数据猿微信公众号(datayuancn)并回复关键词“陈泽帅”下载

以下内容为“上海链家研究院院长陈泽帅”分享，并由数据猿编辑整理发布：

在场的各位朋友，大家下午好！我是来自上海链家的陈泽帅。感谢前面几位大咖的分享，今天我很荣幸与各位行业翘楚齐聚一堂，来分享和讨论大数据技术在行业中的应用。现在，我谨代表上海链家，为大家分享我们用大数据技术为行业带来的一些改变，让房屋选择更智慧，让交易过程更愉悦，我要分享的主题正是这样一种——“智慧的栖居”。

我是2014年加入链家的，自从我加入以来，身边的朋友要买房换房的时候，几乎都会问问我：“你掌管着数据，有没有什么内部的系统能够帮我找到性价比高的房子？”听到这样的问题，我挺为难的。二手房业务是链家的主要业务，在链家挂牌的每套房子都是唯一的，推荐动辄上百万的房子比推荐汽车、电脑、手机这些标准的产品要难多了。所以每当遇到这类问题的时候，我都不太敢给朋友一些具体的意见，毕竟怕耽误了人家的终身大事。

当然，我的朋友们也会退而求其次，通常情况下，接下来他们就会说：“要不，你给推荐一个靠谱的经纪人吧？”上海有7百多万套房，链家只有一定的经纪人，问题的复杂程度应该降低了很多，可我还是会为难。不论是百万选一，还是万中挑一，对于我这个脑力正常的人来说，在面对住房选择的时候，面对的信息就如同浩瀚星海。

可是要知道，当你在晴朗的夜晚仰望星空的时候，你最多只能够看到6900多颗星星，但我们的房子有成千上百万套，经济人有两万多位，无论是找合适房子还是找合适经纪人，其实都比找可见的星星难太多。据我了解，在链家成交的用户里，大家都会在做出买卖决策的时候勤奋地在链家网查找房源，这个数字高达746次，之后需要做出34次筛选，跟经纪人做4次左右的聊天，打1次以上的电话，才能敲定看房的行程。再后，平均需要与链家经纪人看3.2次房，才能找到适合自己的房源。

看到刚刚那组数字，你也许会觉得在链家找到一套房子不是那么难。对于链家大多数的用户而言，他们并没有执着到浏览7百多次房源。就像大家并不关心天上是否数得清楚6900多颗星星，你只关心能不能看到最亮的那20颗。所以对于数据工作者而言，解决消费者找房的问题，就如同精准的定位夜空中的一颗星。

互联网+房地产，链家比较早的意识到找房这个问题的复杂程度：在典型的互联网商业中，例如电商，“找”的本质是把标准产品推荐给用户；社交、婚恋等应用，“找”的本质是做用户与用户之间的关系匹配或服务。然而在二手房这个领域，我们需要对用户、房屋（业主）、经纪人三大群体做出匹配和服务。这样的场景，给大数据技术留下了极大的应用空间。

我有个朋友，是国内某大型家电集团的BI总监，最近他喜得贵子，在喝孩子满月酒的时候，我们很自然的聊起了换房这个话题。他是30出头的青年才俊，在上海有过一套住宅，因孩子出生后，希望给他更好的居住环境和更好的学校资源，他可能需要一套带有电梯和邻近学区的三房。在询问了地段和价格段的条件后，我建议他尝试了链家的APP。没过几天，他就开始找到一些意向中的房子，也约定了一位我们的经纪人。

在链家每天都有这样的用户，我们的工作是让链家的系统，能够像我了解我的这位老友一样，亲切而详细的记录下他的购房初衷。为此，链家网的技术人员，设计和部署了一套能够全面合理地采集用户在链家网上渠道行为的数据系统。如果用户有进一步的注册、在线聊天、打电话，甚至线下约看房的行为，我们也能够精确的识别用户在注册留资前后所有的浏览和搜索动作。这些精确的动作反映着用户们的潜在需求，例如地铁线路，户型，价格段，同时用户的使用习惯和使用频度，也反映着他们的需求的紧迫度。所以，通过整合这样海量的数据，采用关联规则、聚类算法等处理方式，我们为每位用户绘制了多个维度的标签，比如用户基本的人口属性、房屋基本需求、浏览的行为习惯等等多达176项的数据标签。链家的大数据对这些用户细节的记录和甄别，确保了对每位用户个性化需求的尊重，这是我们讲的“智慧栖居”的起点。

话说我的老友，在被我教会如何正确的打开链家的app后，我也并没有利用什么所谓的特权帮助他找房子。我对链家的数据体系十分看好，我们已经打通了用户线上和线下的数据，在我们众多家门店中，服务于他的经纪人，除了能够通过线上的用户画像了解我朋友的背景和需求外，在服务于他的过程中，还能够补充更多潜在的需求。例如，我能够在系统中发现，我的朋友在一次带看中对小区的游泳池并不满意，他认为泳池对于他而言没有吸引力，反而让房价更高了。这些意见，都被链家的经纪人详细的记录下来了。

这只是一个线上线下打通数据的例子。利用数据，我们采用机器学习等等的算法帮助到用户做出的明智的选择，选择离你最近的经纪人，选择最了解房屋情况的经纪人，选择专业度匹配的经纪人，比如类似于学区专家这类的经纪人，也会出现在我朋友选房的备选经纪人名单里。简单且自然的交易体验其实是冰山的一角，这些是我们通过大数据技术为用户事先做好的储备，我们希望用户体验到的是我们提供的便捷，其他的更多，我们希望能够默默地为用户们钻研。

刚刚我提到的用户画像标签和经纪人为服务用户做出的准备，都离不开我们对于用户需求的精准定义，而其中的核心就是房屋。上海链家自2005年以来，就开始全面的采集上海的每套房。我们的有超过200人的团队在做这件事，他们几乎跑遍了上海的两万五千个小区，六十一万栋楼。目前被上海链家记录在册的房屋资料达到了七百二十二万余套，几乎涵盖了所有可以在市场上交易的房屋，我们打造了信息庞大的楼盘字典数据库。可以说，我们对于房屋面积、户型、建筑年代等等这些的基本属性，也许比业主本人了解得更清楚。

在我们的数据库中，每套房子确实有不少的个性所在，链家网在售的5万多套房屋中，每套房源都被我们打上了超过300个描述标签。通过这类数据，我们把房屋的信息立体的呈现在用户眼前，也通过如此细微的信息，我们将房源的特征，作为匹配用户需求与经纪人专业能力的纽带。每套房屋都是唯一的，通过构建这样的楼盘字典库，我们可以汇总出二手房屋的部分共性。在用户对于楼盘的初步筛选和定位中，可以起到很大的作用。

懂用户，也懂房子，这其实就是刚刚我讲过的链家大数据所作出的努力。对我们安土重迁的国人来说，买房卖房通常都是十分重大的决定，以往，找房子就好像找对象，很多时候人们都是凭直觉、看缘分，能不能找到心仪合适的房子很大程度上和运气挂钩。如今，通过大数据分析客户需求之后，我们采用协同过滤的方法，经过严密科学地筛选，我们会把最适合的房源推荐给客户，让最熟悉房子的经纪人提供线下的服务，链家大数据将用户画像与房源图谱相结合，我们希望能够完全打破找房靠运气的魔咒，在成千上万的房源面前，为独一无二的人找到最适合他的房子。目前，通过链家大数据的帮助，用户在上海链家上的平均找房时间已经缩短了30%。

当然，一定有人在问，那么，你那朋友最后到底换房成功了吗？我可以老实的告诉各位，他暂时还没有出手置换，作为重大的资产购置决策，我们也相信每个人都有明智的判断，我们尊重用户的每一个决定。另一方面，我们并不担心交易不成交，我们其实很感谢用户在链家上的使用反馈，无论成交与否，用户的购房需求和线上线下行为，都为链家的服务体系提升带来了很大的帮助。对于每一个成功交易或者终止交易的用户，我们都有完善的信息记录，并且在不同的数据环节，都有专业的员工和产品在帮助我们优化数据产品。例如类似我朋友的疑问，小区内的游泳池对住宅的价格影响有多大，会有多少用户因为喜欢游泳而购买？也许我的朋友不喜欢，反过来，我们能否把所有有泳池的小区都找到，推荐给爱好游泳的用户呢？这类问题不断的在链家发生，也不断的在激励着我们的大数据系统变得更加的聪明。

链家一直在为用户的找房体验默默努力，正因为对于每位用户智慧栖居的追求，我们也能在行业研究上，有了第一手的资料。上海链家研究院成立的目的，正是通过大数据技术，对于地产行业的宏观数据做深度的挖掘。我们期望我们的在线上线下的数据积累，能够帮助具有更高视野的决策者，真实还原地产市场的热度、供需关系走势，以及诊断楼市的健康程度等等。通过海量的数据，我们也在不断挖掘出更具智慧的观点和意见。因为时间关系，研究院的宏观数据，暂时不在今天的活动中解读，当然，我们非常乐意未来与相关部门分享我们的发现。

今天我们齐聚在上海，上海是一座超级大城市，2010年她成功地举办了第41届世博会。世博会后，“城市让生活更美好”的主题深入人心，链家作为帮助上海人民完成小家梦想的服务践行者，我们也希望贡献出自己的数据能力，让上海这个大家庭变得更美好。

根据我之前描述的O2O的找房场景，我们积累了上海居民的房源浏览习惯，看房热点和轨迹，以及居民刚需购买轨迹，房屋置换的轨迹，加之不同商圈的人群区别、不同商圈的居住需求定位等等，依托于链家大数据，我们或许可以做些什么。

大家在屏幕上看到的这张图，是我们根据需求截取某一时间段的上海交通线路热度图。可以看到，庞大的数据产生的可视化冲击是非常壮观，这个城市本身的交通构架也是让人叹为观止，飞速运转的交通系统支持着接近千万级人口的流动，我们很佩服它，我们也希望为优化它出一份力。利用链家大数据，我们能够判断租、住人群的迁移趋势，如果有关部门需要我们可以提供从我们的角度观察到的数据，这些或许可以支持我们为决策者提供交通规划上的依据。

另一方面，海量用户浏览海量房源，这中间会产生多个自然聚集区域，反过来，一定的地理区域也会集中特定的用户群体，因此，在对区域与用户的数据进行提取和分析后，我们可以知道该区域现在及未来的居民属性。我们的房客图谱加上浏览数据，让我们得知区域内现有的及未来的住客属性与需求，什么样的配套设施能够更精确的满足他们，怎样分布更加科学，这些，或许，我们还可以为区域的综合配套规划贡献些我们的依据。

当然，毕竟我不是城市规划的专家，今天来抛出这些话题，是希望得到在场更多专家的启发，让我们能够成为智慧城市的一部分。在对城市规划作出决策参考上，我们能做的也许还有更多，为这个城市作出力所能及的贡献，链家大数据在努力，我相信在座的各位以及各位背后的团队也在做着这样类似的事情，我很期待能够在台下跟大家有更多的时间好好探讨。

链家，链上你未来的家，从未来的每一个家，到未来我们共同的家，链家大数据不断完善的自己的数据体系，努力用大数据提供更智能的居住解决方案，努力为房地产行业大数据生态的构建增添活力。最后，我只想告诉大家，链家大数据期待着，期待和你一起，在这个城市“智慧的栖居”。

谢谢，谢谢在场的每一个你。

没看过瘾？点击观看《魔方大数据12：行业应用系列论坛之年度论坛：“Building”+大数据》完整版视频

来源：数据猿

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。