房地產大資料分析方法

               李萬鴻2018

 

採用大資料輔助房地產分析是大勢所趨，提通過對海量資料的分析研究，可以精準地瞭解政策、城市、市場、土地、住房、價格、使用者等各方面因素，並給出智慧決策輔助，從而做到“知己知彼，百戰不殆”，清醒智慧地開展決策研究等工作，高效率地創造更好的效益。

1.房地產大資料分析特點

 

一、大資料有助於精確房地產行業市場定位

成功的品牌離不開精準的市場定位，可以這樣說，一個成功的市場定位，能夠使一個企業的品牌加倍快速成長，而基於大資料的市場資料分析和調研是企業進行品牌定位的第一步。房地產行業企業要想在無硝煙的市場中分得一杯羹，需要架構大資料戰略，拓寬房地產行業調研資料的廣度和深度，從大資料中瞭解房地產行業市場構成、細分市場特徵、消費者需求和競爭者狀況等眾多因素，在科學系統的資訊資料收集、管理、分析的基礎上，提出更好的解決問題的方案和建議，保證企業品牌市場定位獨具個性化，提高企業品牌市場定位的行業接受度。

企業想進入或開拓某一區域房地產行業市場，首先要進行專案評估和可行性分析，只有通過專案評估和可行性分析才能最終決定是否適合進入或者開拓這塊市場。如果適合，那麼這個區域人口是多少？消費水平怎麼樣？客戶的消費習慣是什麼？市場對產品的認知度怎麼樣？當前的市場供需情況怎麼樣？公眾的消費喜好是什麼等等，這些問題背後包含的海量資訊構成了房地產行業市場調研的大資料，對這些大資料的分析就是我們的市場定位過程。

企業開拓新市場，需要動用巨大的人力、物力和精力，如果市場定位不精準或者出現偏差，其給投資商和企業自身帶來後期損失是巨大甚至有時是毀滅性的，由此看出市場定位對房地產行業市場開拓的重要性。只有定位準確乃至精確，企業才能構建出滿足市場需求地產品，使自己在競爭中立於不敗之地。但是，要想做到這一點，就必須有足夠量的資訊資料來供房地產行業研究人員分析和判斷。在傳統情況下，分析資料的收集主要來自於統計年鑑、行業管理部門資料、相關行業報告、行業專家意見及屬地市場調查等，這些資料多存在樣本量不足，時間滯後和準確度低等缺陷，研究人員能夠獲得的資訊量非常有限，使準確的市場定位存在著資料瓶頸。隨著大資料時代的來臨，藉助資料探勘和資訊採集技術不僅能給研究人員提供足夠的樣本量和資料資訊，還能夠建立基於大資料數學模型對未來市場進行預測。當然，依靠傳統的人工資料收集和統計顯然難以滿足大資料環境下的資料需求，這就需要依靠相關自動化資料採集工具的幫助。

二、大資料成為房地產行業市場營銷的利器

從搜尋引擎、社交網路的普及到人手一機的智慧移動裝置，網際網路上的資訊總量正以極快的速度不斷暴漲。每天在Facebook、Twitter、微博、微信、論壇、新聞評論、電商平臺上分享各種文字、照片、視訊、音訊、資料等資訊高達的幾百億甚至幾千億條，這些資訊涵蓋著、商家資訊、個人資訊、行業資訊、產品使用體驗、商品瀏覽記錄、商品成交記錄、產品價格動態等等海量資訊。這些資料通過聚類可以形成房地產行業大資料，其背後隱藏的是房地產行業的市場需求、競爭情報，閃現著巨大的財富價值。

在房地產行業市場營銷工作中，無論是產品、渠道、價格還是顧客，可以說每一項工作都與大資料的採集和分析息息相關，而以下兩個方面又是房地產行業市場營銷工作中的重中之重。一是通過獲取資料並加以統計分析來充分了解市場資訊，掌握競爭者的商情和動態，知曉產品在競爭群中所處的市場地位，來達到“知彼知己，百戰不殆”的目的；二是企業通過積累和挖掘房地產行業消費者檔案資料，有助於分析顧客的消費行為和價值趣向，便於更好地為消費者服務和發展忠誠顧客。

以房地產行業在對顧客的消費行為和趣向分析方面為例，如果企業平時善於積累、收集和整理消費者的消費行為方面的資訊資料，如：消費者購買產品的花費、選擇的產品渠道、偏好產品的型別、產品使用週期、購買產品的目的、消費者家庭背景、工作和生活環境、個人消費觀和價值觀等。如果企業收集到了這些資料，建立消費者大資料庫，便可通過統計和分析來掌握消費者的消費行為、興趣偏好和產品的市場口碑現狀，再根據這些總結出來的行為、興趣愛好和產品口碑現狀制定有針對性的營銷方案和營銷戰略，投消費者所好，那麼其帶來的營銷效應是可想而知的。因此，可以說大資料中蘊含著出奇制勝的力量，如果企業管理者善於在市場營銷加以運用，將成為房地產行業市場競爭中立於不敗之地的利器。

三、大資料支撐房地產行業收益管理

收益管理作為實現收益最大化的一門理論學科，近年來受到房地產行業人士的普遍關注和推廣運用。收益管理意在把合適的產品或服務，在合適的時間，以合適的價格，通過合適的銷售渠道，出售給合適的顧客，最終實現企業收益最大化目標。要達到收益管理的目標，需求預測、細分市場和敏感度分析是此項工作的三個重要環節，而這三個的環節推進的基礎就是大資料。

需求預測是通過對建構的大資料統計與分析，採取科學的預測方法，通過建立數學模型，使企業管理者掌握和了解房地產行業潛在的市場需求，未來一段時間每個細分市場的產品銷售量和產品價格走勢等，從而使企業能夠通過價格的槓桿來調節市場的供需平衡，並針對不同的細分市場來實行動態定價和差別定價。需求預測的好處在於可提高企業管理者對房地產行業市場判斷的前瞻性，並在不同的市場波動週期以合適的產品和價格投放市場，獲得潛在的收益。細分市場為企業預測銷售量和實行差別定價提供了條件，其科學性體現在通過房地產行業市場需求預測來制定和更新價格，最大化各個細分市場的收益。敏感度分析是通過需求價格彈性分析技術，對不同細分市場的價格進行優化，最大限度地挖掘市場潛在的收入。

大資料時代的來臨，為企業收益管理工作的開展提供了更加廣闊的空間。需求預測、細分市場和敏感度分析對資料需求量很大，而傳統的資料分析大多是採集的是企業自身的歷史資料來進行預測和分析，容易忽視整個房地產行業資訊資料，因此難免使預測結果存在偏差。企業在實施收益管理過程中如果能在自有資料的基礎上，依靠一些自動化資訊採集軟體來收集更多的房地產行業資料，瞭解更多的房地產行業市場資訊，這將會對制訂準確的收益策略，盈得更高的收益起到推進作用。

四、大資料創新房地產行業需求開發

隨著論壇、部落格、微博、微信、電商平臺、點評網等媒介在PC端和移動端的創新和發展，公眾分享資訊變得更加便捷自由，而公眾分享資訊的主動性促使了“網路評論”這一新型輿論形式的發展。微博、微信、點評網、評論版上成千上億的網路評論形成了互動性大資料，其中蘊藏了巨大的房地產行業需求開發價值，值得企業管理者重視。

網路評論，最早源自於網際網路論壇，是供網友閒暇之餘相互交流的網路社交平臺。在微博、微信、論壇、評論版等平臺隨處可見網友使用某款產品優點點評、缺點的吐槽、功能需求點評、質量好壞與否點評、外形美觀度點評、款式樣式點評等資訊，這些都構成了產品需求大資料。同時，消費者對企業服務及產品簡單表揚與評批演變得更加的客觀真實，消費者的評價內容也更趨於專業化和理性化，釋出的渠道也更加廣泛。作為房地產行業企業，如果能對網上房地產行業的評論資料進行收集，建立網評大資料庫，然後再利用分詞、聚類、情感分析瞭解消費者的消費行為、價值趣向、評論中體現的新消費需求和企業產品質量問題，以此來改進和創新產品，量化產品價值，制訂合理的價格及提高服務質量，從中獲取更大的收益。

大資料，並不是一個神祕的字眼，只要房地產行業企業平時善於積累和運用自動化工具收集、挖掘、統計和分析這些資料，為我所用，都會有效地幫助自己提高市場競爭力和收益能力，盈得良好的效益。  

可採用CERIS公司積累的大量的土地資料，結合住戶行為資料、交易資料和房產屬性資料等，提供包括對巨集觀地產市場的監控與分析預測、針對具體地塊和樓盤專案的價值分析、銷售管理、售後資產管理在內的四大服務，從而為企業提供定製化服務，為精準營銷提供策略指導。提供涵蓋三維移動案場、VR虛擬現實、AR增強現實以及定製微樓書的全平臺3D互動展示解決方案。

2.房地產場景模型

1基於業務場景的模型建立與沉澱

對地產行業來說，資料應用產品在場景上的缺失還比較嚴重。尤其是前端營銷應用產品方面，目前多數產品都是通過一套標準產品滿足大多數的營銷目的。未來建立基於細化場景的應用產品和應用模型是整個行業資料應用的關鍵。

 

2從“畫像”到“觸達”，滿足地產行業需求

低頻交易的典型特徵，決定房產交易更依賴在潛客認知的基礎上延伸至潛客觸達。未來完善基於地產行業特徵的觸達通道體系將成為營銷利器。

3低頻交易下的客戶持續運營

低頻交易下，客戶持續運營成為地產行業的通用難題，過往做了一些基礎的底層工作，包括觸點的改造和梳理、平臺打通、權益統一等等，未來我們將與優秀服務商合作，解決第三方資料補齊、資料處理能力提升和客戶觸達體系建立三個方面的問題。

4大資料概念下的誤區和困擾

大資料熱導致地產行業倍受“偽大資料”概念的困擾，也藉此提出理性看待大資料和大資料應用，尤其注重資料飽和度對低頻交易特徵的房產交易起到至關重要的作用。

 

3.房地產要素分析

城市級大資料 ——

  包括人口、經濟、交通、基礎設施等；

● 人口移動資料 ——

  包括全市地鐵通勤、專車及計程車通勤等；

● 通過線上線下實時監測所獲得的活躍購房客戶特徵資料 ——

  包括人口消費習慣 、人口行為特徵等。

核密度分析

在進行如人口密度、基礎設施密度、客流密度來源等要素密度進行分析時，大資料平臺採用了核密度分析模型。該模型通過採集待分析標的要素的資訊，設定分析半徑範圍，通過演算法計算要素在其周圍鄰域中的密度。

▲ 模型分析示例：上海九大商圈客流來源

空間插值分析

在對某要素分佈空間範圍進行分析及預測時，大資料平臺採用了空間插值模型。首先假設空間位置上接近的物件具有相似的特徵，於是通過自然鄰域插值法，找到距查詢點最近的輸入樣本子集，並基於區域大小按比例對這些樣本應用權重進行插值，進而對區域所有位置進行預測。

 

▲ 模型分析例項:上海成交新房按單價及總價的不同空間分佈

 OD/PA分析模型

在分析如城市或區域人口通勤方向及發展趨勢時，則採用了OD/PA分析模型。該模型以千萬級的智慧移動裝置大資料為基礎，對全市人口出行進行擬合計算，可以瞭解要素流動情況。

 

▲ 模型分析例項：市民出行OD圖（左）、現居地與搜尋房屋距離PA圖（右）

力導向佈局分析模型

在研究要素關係網路、城市群相互聯絡時，大資料平臺的研發人員採用力導向佈局分析模型。

該模型將每個要素表現為一個點，要素間的聯絡表現為邊，通過計算各要素間的關聯度，繪製出拓撲關係網路圖，表現要素間的聚集度和緊密度。

 

▲ 力導向佈局模型示意圖（左）；模型分析例項（右）：長三角城市群聯絡度力導向佈局圖

交通斷面流量分析模型

通過對軌道交通站點客流出行方向和數量的分析，從而對斷面客流量進行評估和趨勢判斷。

▲ 交通斷面流量模型分析例項：早高峰地鐵客流量

空間計量模型

城市存在空間聚集效應，要素將受到本空間單元和臨近空間單元的共同影響。因此在對某特定研究物件進行要素影響分析時，平臺研發人員運用空間計量模型使結果趨於客觀精確。

 板塊價值分析模型

在進行目標板塊價值評估模組設計時，將傳統的PIE模型與板塊評價體系所涉及的多維度資料進行基於計量經濟學模型的系統化整合，將他們分為6個大類和19項重點指標，構建板塊價值計量模型。並以此為基礎，通過資料預處理、迴歸及相關性分析後，對被解釋變數進行評估及預測。

自定義空間分析單元

傳統分析方法往往以板塊和地塊作為分析單元，但在日常工作中，待分析物件則需要根據研究目的進行調整。因此大資料平臺建立了自定義分析單元，以此拓展分析方向，發散思維，提高決策判斷的準確性。如對商業物業的選址進行決策時，會將現有商圈的勢力範圍作為分析單元進行研究。

▲ 以大型商圈為研究物件的勢力範圍研究

如對地鐵上蓋物業產品型別進行選擇決策時，會對各地鐵站早高峰客流進出佔比進行研究，瞭解地鐵站產業或居住屬性特徵。

▲進出比<0.8為產業區型地鐵站

以個體為單位的研究尺度

在對特定人群進行更細化的研究時，傳統路徑是採用客戶調研的方法，但樣本基數及回答真實性都會影響研究結果。大資料平臺則可以根據住戶的線上線下行為，利用機器學習演算法，對其個人屬性、職住地點、興趣愛好等進行判斷，進行多角度畫像。

▲ 在滬購房者各省來源情況

客戶

導向

 

只有瞭解客戶、接近客戶，才能提供讓客戶滿意的產品與服務。

值得一提的是，此次將智慧裝置採集的資料與優質合作方提供的資源進行整合，以大資料機器學習演算法對全市範圍內的典型活躍客戶及專案到訪客戶資料進行深加工，對細分市場上不同消費群體的特徵及分佈進行了解與研究。

▲  潛客職住熱力圖

此外對採集到的原始標籤資料進行補全計算或賦予布林值、型別值。再加入房地產行業客戶分析邏輯，在家庭結構、置業需求、購房能力、還貸能力方面，將原始標籤合併成新的標籤進行計算，最後得到客戶的多維度畫像、儲存和輸出。

▲ 客戶畫像輸出流程圖

 

正因為有了清晰的客戶畫像，才能更好的進行產品及專案的設計定位，進而為客戶提供滿足他們真正需求的更好的產品與服務。

▲ 客戶特徵圖

分析

案例

 

上海大資料研究案例

據上海負責市場研究的工作人員介紹，目前公司在拿地前都會藉助該大資料平臺，綜合運用各類分析模型，多維度建立從巨集觀到微觀的分析體系，對標的地塊所具有的特徵及變化趨勢進行研究，進而支援初步判斷。

 

 研究示例 ：上海某新城板塊土地

一個具有成長型、潛力型人口特徵的板塊

▲ 研究版塊人口學歷及年齡結構

一個現代製造業和公共服務業雙頭並重的板塊

▲  研究版塊就業行業人數及企業分佈

一個職住關係處於高度分離的板塊

▲ 研究版塊人口職住情況

一個就業活力越來越高的板塊

▲ 研究版塊主要地鐵站工作日早高峰客流量差值

一個承接大量外區匯入就業人口的板塊

▲ 研究版塊職住通勤分佈

根據對該板塊人口、產業、經濟等資料的分析，研究團隊可以得出對板塊的一個初步判斷：

該板塊人口年齡輕、活力強，崗位供給上不僅有大量的產業工作，也有高階的公共服務和第三產業。更重要的是，其人口的聚集速度較崗位的聚集速度更快，整個地區正在高速發展中轉型。

有了初步判斷後，研究團隊可繼續通過『板塊價值類比』『未來發展潛能』及『潛在置業人口描摹』等分析模型，進一步輔助投資決策及產品定位。

黃院長預判下半年市場量價回撥，銷售面積回撥兩成左右，新開工同比下降；具備區位和產業優勢的三四線城市未來持續向好，但部分庫存較高的城市長期仍將承壓。

 

分析了企業科學佈局，擴大區域深耕，藉助區域優勢，打造特色地產，加強收併購多元化的戰略發展；同時解構了5大超級城市群的佈局策略。

城市化程序仍然能支撐房地產業較長的發展，但是需要同時重視增量與存量市場。從全球各城市發展預測，中國城市發展將從擴充套件階段發展到更新階段，城市更新將是未來房地產市場的藍海。

解讀我國的城鎮化以城市群的模式進行，城市圈的競爭力會對房地產的價值有明顯影響。從底特律的城市發展過程中分析了城市競爭力下降的原因， “聰明腦袋”——大學生的增長率才是預測城市發展趨勢，人才匯聚是中心城市的發展動力。特色小鎮不僅需要靠近中心城市，而且要有好的產業支撐，孤立存在的小鎮沒有任何意義。

3、 城市地圖

  “城市地圖”向大家展示大資料在城市進入、板塊研究、專案規劃等方面的應用成果，通過視覺化大資料幫助企業合理佈局規避風險，高效做出科學投資。

住戶城市地圖以視覺化平臺為載體，運用大資料資源和決策分析方法構建研究模型，全方位輔助開發企業投資決策、市場監測以及房地產開發企業日常工作。多維度切分城市空間單元——都市圈、城市/區縣、板塊/街道、網格/自定義，不同角度繪製城市畫像，實現資料空間化；多類別資料資源整合——購房者、地產、資源、經濟、規劃大資料，深度挖掘空間資料價值；多方位研究搭建——都市圈研究、城市進入研究、板塊價值研究、地塊價值研究模型；多功能應用平臺——市場監測平臺、資料分析平臺、模型研究平臺、報告生成平臺。

4.總結

總之，大資料在房地產的應用大有可為，採用海量資料進行精準智慧分析，對精準的市場定位、專案投資決策、房價制定、利潤分析等各大重要內容都大有裨益， 基於大資料的市場資料分析和調研是企業進行品牌定位的致勝之道。公司一定要高度重視，並上升到戰略層面進行佈局和行動，才能立於潮頭，創造輝煌的業績。

房地產大資料分析方法

               李萬鴻2018

 

採用大資料輔助房地產分析是大勢所趨，提通過對海量資料的分析研究，可以精準地瞭解政策、城市、市場、土地、住房、價格、使用者等各方面因素，並給出智慧決策輔助，從而做到“知己知彼，百戰不殆”，清醒智慧地開展決策研究等工作，高效率地創造更好的效益。

1.房地產大資料分析特點

 

一、大資料有助於精確房地產行業市場定位

成功的品牌離不開精準的市場定位，可以這樣說，一個成功的市場定位，能夠使一個企業的品牌加倍快速成長，而基於大資料的市場資料分析和調研是企業進行品牌定位的第一步。房地產行業企業要想在無硝煙的市場中分得一杯羹，需要架構大資料戰略，拓寬房地產行業調研資料的廣度和深度，從大資料中瞭解房地產行業市場構成、細分市場特徵、消費者需求和競爭者狀況等眾多因素，在科學系統的資訊資料收集、管理、分析的基礎上，提出更好的解決問題的方案和建議，保證企業品牌市場定位獨具個性化，提高企業品牌市場定位的行業接受度。

企業想進入或開拓某一區域房地產行業市場，首先要進行專案評估和可行性分析，只有通過專案評估和可行性分析才能最終決定是否適合進入或者開拓這塊市場。如果適合，那麼這個區域人口是多少？消費水平怎麼樣？客戶的消費習慣是什麼？市場對產品的認知度怎麼樣？當前的市場供需情況怎麼樣？公眾的消費喜好是什麼等等，這些問題背後包含的海量資訊構成了房地產行業市場調研的大資料，對這些大資料的分析就是我們的市場定位過程。

企業開拓新市場，需要動用巨大的人力、物力和精力，如果市場定位不精準或者出現偏差，其給投資商和企業自身帶來後期損失是巨大甚至有時是毀滅性的，由此看出市場定位對房地產行業市場開拓的重要性。只有定位準確乃至精確，企業才能構建出滿足市場需求地產品，使自己在競爭中立於不敗之地。但是，要想做到這一點，就必須有足夠量的資訊資料來供房地產行業研究人員分析和判斷。在傳統情況下，分析資料的收集主要來自於統計年鑑、行業管理部門資料、相關行業報告、行業專家意見及屬地市場調查等，這些資料多存在樣本量不足，時間滯後和準確度低等缺陷，研究人員能夠獲得的資訊量非常有限，使準確的市場定位存在著資料瓶頸。隨著大資料時代的來臨，藉助資料探勘和資訊採集技術不僅能給研究人員提供足夠的樣本量和資料資訊，還能夠建立基於大資料數學模型對未來市場進行預測。當然，依靠傳統的人工資料收集和統計顯然難以滿足大資料環境下的資料需求，這就需要依靠相關自動化資料採集工具的幫助。

二、大資料成為房地產行業市場營銷的利器

從搜尋引擎、社交網路的普及到人手一機的智慧移動裝置，網際網路上的資訊總量正以極快的速度不斷暴漲。每天在Facebook、Twitter、微博、微信、論壇、新聞評論、電商平臺上分享各種文字、照片、視訊、音訊、資料等資訊高達的幾百億甚至幾千億條，這些資訊涵蓋著、商家資訊、個人資訊、行業資訊、產品使用體驗、商品瀏覽記錄、商品成交記錄、產品價格動態等等海量資訊。這些資料通過聚類可以形成房地產行業大資料，其背後隱藏的是房地產行業的市場需求、競爭情報，閃現著巨大的財富價值。

在房地產行業市場營銷工作中，無論是產品、渠道、價格還是顧客，可以說每一項工作都與大資料的採集和分析息息相關，而以下兩個方面又是房地產行業市場營銷工作中的重中之重。一是通過獲取資料並加以統計分析來充分了解市場資訊，掌握競爭者的商情和動態，知曉產品在競爭群中所處的市場地位，來達到“知彼知己，百戰不殆”的目的；二是企業通過積累和挖掘房地產行業消費者檔案資料，有助於分析顧客的消費行為和價值趣向，便於更好地為消費者服務和發展忠誠顧客。

以房地產行業在對顧客的消費行為和趣向分析方面為例，如果企業平時善於積累、收集和整理消費者的消費行為方面的資訊資料，如：消費者購買產品的花費、選擇的產品渠道、偏好產品的型別、產品使用週期、購買產品的目的、消費者家庭背景、工作和生活環境、個人消費觀和價值觀等。如果企業收集到了這些資料，建立消費者大資料庫，便可通過統計和分析來掌握消費者的消費行為、興趣偏好和產品的市場口碑現狀，再根據這些總結出來的行為、興趣愛好和產品口碑現狀制定有針對性的營銷方案和營銷戰略，投消費者所好，那麼其帶來的營銷效應是可想而知的。因此，可以說大資料中蘊含著出奇制勝的力量，如果企業管理者善於在市場營銷加以運用，將成為房地產行業市場競爭中立於不敗之地的利器。

三、大資料支撐房地產行業收益管理

收益管理作為實現收益最大化的一門理論學科，近年來受到房地產行業人士的普遍關注和推廣運用。收益管理意在把合適的產品或服務，在合適的時間，以合適的價格，通過合適的銷售渠道，出售給合適的顧客，最終實現企業收益最大化目標。要達到收益管理的目標，需求預測、細分市場和敏感度分析是此項工作的三個重要環節，而這三個的環節推進的基礎就是大資料。

需求預測是通過對建構的大資料統計與分析，採取科學的預測方法，通過建立數學模型，使企業管理者掌握和了解房地產行業潛在的市場需求，未來一段時間每個細分市場的產品銷售量和產品價格走勢等，從而使企業能夠通過價格的槓桿來調節市場的供需平衡，並針對不同的細分市場來實行動態定價和差別定價。需求預測的好處在於可提高企業管理者對房地產行業市場判斷的前瞻性，並在不同的市場波動週期以合適的產品和價格投放市場，獲得潛在的收益。細分市場為企業預測銷售量和實行差別定價提供了條件，其科學性體現在通過房地產行業市場需求預測來制定和更新價格，最大化各個細分市場的收益。敏感度分析是通過需求價格彈性分析技術，對不同細分市場的價格進行優化，最大限度地挖掘市場潛在的收入。

大資料時代的來臨，為企業收益管理工作的開展提供了更加廣闊的空間。需求預測、細分市場和敏感度分析對資料需求量很大，而傳統的資料分析大多是採集的是企業自身的歷史資料來進行預測和分析，容易忽視整個房地產行業資訊資料，因此難免使預測結果存在偏差。企業在實施收益管理過程中如果能在自有資料的基礎上，依靠一些自動化資訊採集軟體來收集更多的房地產行業資料，瞭解更多的房地產行業市場資訊，這將會對制訂準確的收益策略，盈得更高的收益起到推進作用。

四、大資料創新房地產行業需求開發

隨著論壇、部落格、微博、微信、電商平臺、點評網等媒介在PC端和移動端的創新和發展，公眾分享資訊變得更加便捷自由，而公眾分享資訊的主動性促使了“網路評論”這一新型輿論形式的發展。微博、微信、點評網、評論版上成千上億的網路評論形成了互動性大資料，其中蘊藏了巨大的房地產行業需求開發價值，值得企業管理者重視。

網路評論，最早源自於網際網路論壇，是供網友閒暇之餘相互交流的網路社交平臺。在微博、微信、論壇、評論版等平臺隨處可見網友使用某款產品優點點評、缺點的吐槽、功能需求點評、質量好壞與否點評、外形美觀度點評、款式樣式點評等資訊，這些都構成了產品需求大資料。同時，消費者對企業服務及產品簡單表揚與評批演變得更加的客觀真實，消費者的評價內容也更趨於專業化和理性化，釋出的渠道也更加廣泛。作為房地產行業企業，如果能對網上房地產行業的評論資料進行收集，建立網評大資料庫，然後再利用分詞、聚類、情感分析瞭解消費者的消費行為、價值趣向、評論中體現的新消費需求和企業產品質量問題，以此來改進和創新產品，量化產品價值，制訂合理的價格及提高服務質量，從中獲取更大的收益。

大資料，並不是一個神祕的字眼，只要房地產行業企業平時善於積累和運用自動化工具收集、挖掘、統計和分析這些資料，為我所用，都會有效地幫助自己提高市場競爭力和收益能力，盈得良好的效益。  

可採用CERIS公司積累的大量的土地資料，結合住戶行為資料、交易資料和房產屬性資料等，提供包括對巨集觀地產市場的監控與分析預測、針對具體地塊和樓盤專案的價值分析、銷售管理、售後資產管理在內的四大服務，從而為企業提供定製化服務，為精準營銷提供策略指導。提供涵蓋三維移動案場、VR虛擬現實、AR增強現實以及定製微樓書的全平臺3D互動展示解決方案。

2.房地產場景模型

1基於業務場景的模型建立與沉澱

對地產行業來說，資料應用產品在場景上的缺失還比較嚴重。尤其是前端營銷應用產品方面，目前多數產品都是通過一套標準產品滿足大多數的營銷目的。未來建立基於細化場景的應用產品和應用模型是整個行業資料應用的關鍵。

 

2從“畫像”到“觸達”，滿足地產行業需求

低頻交易的典型特徵，決定房產交易更依賴在潛客認知的基礎上延伸至潛客觸達。未來完善基於地產行業特徵的觸達通道體系將成為營銷利器。

3低頻交易下的客戶持續運營

低頻交易下，客戶持續運營成為地產行業的通用難題，過往做了一些基礎的底層工作，包括觸點的改造和梳理、平臺打通、權益統一等等，未來我們將與優秀服務商合作，解決第三方資料補齊、資料處理能力提升和客戶觸達體系建立三個方面的問題。

4大資料概念下的誤區和困擾

大資料熱導致地產行業倍受“偽大資料”概念的困擾，也藉此提出理性看待大資料和大資料應用，尤其注重資料飽和度對低頻交易特徵的房產交易起到至關重要的作用。

 

3.房地產要素分析

城市級大資料 ——

  包括人口、經濟、交通、基礎設施等；

● 人口移動資料 ——

  包括全市地鐵通勤、專車及計程車通勤等；

● 通過線上線下實時監測所獲得的活躍購房客戶特徵資料 ——

  包括人口消費習慣 、人口行為特徵等。

核密度分析

在進行如人口密度、基礎設施密度、客流密度來源等要素密度進行分析時，大資料平臺採用了核密度分析模型。該模型通過採集待分析標的要素的資訊，設定分析半徑範圍，通過演算法計算要素在其周圍鄰域中的密度。

▲ 模型分析示例：上海九大商圈客流來源

空間插值分析

在對某要素分佈空間範圍進行分析及預測時，大資料平臺採用了空間插值模型。首先假設空間位置上接近的物件具有相似的特徵，於是通過自然鄰域插值法，找到距查詢點最近的輸入樣本子集，並基於區域大小按比例對這些樣本應用權重進行插值，進而對區域所有位置進行預測。

 

▲ 模型分析例項:上海成交新房按單價及總價的不同空間分佈

 OD/PA分析模型

在分析如城市或區域人口通勤方向及發展趨勢時，則採用了OD/PA分析模型。該模型以千萬級的智慧移動裝置大資料為基礎，對全市人口出行進行擬合計算，可以瞭解要素流動情況。

 

▲ 模型分析例項：市民出行OD圖（左）、現居地與搜尋房屋距離PA圖（右）

力導向佈局分析模型

在研究要素關係網路、城市群相互聯絡時，大資料平臺的研發人員採用力導向佈局分析模型。

該模型將每個要素表現為一個點，要素間的聯絡表現為邊，通過計算各要素間的關聯度，繪製出拓撲關係網路圖，表現要素間的聚集度和緊密度。

 

▲ 力導向佈局模型示意圖（左）；模型分析例項（右）：長三角城市群聯絡度力導向佈局圖

交通斷面流量分析模型

通過對軌道交通站點客流出行方向和數量的分析，從而對斷面客流量進行評估和趨勢判斷。

▲ 交通斷面流量模型分析例項：早高峰地鐵客流量

空間計量模型

城市存在空間聚集效應，要素將受到本空間單元和臨近空間單元的共同影響。因此在對某特定研究物件進行要素影響分析時，平臺研發人員運用空間計量模型使結果趨於客觀精確。

 板塊價值分析模型

在進行目標板塊價值評估模組設計時，將傳統的PIE模型與板塊評價體系所涉及的多維度資料進行基於計量經濟學模型的系統化整合，將他們分為6個大類和19項重點指標，構建板塊價值計量模型。並以此為基礎，通過資料預處理、迴歸及相關性分析後，對被解釋變數進行評估及預測。

自定義空間分析單元

傳統分析方法往往以板塊和地塊作為分析單元，但在日常工作中，待分析物件則需要根據研究目的進行調整。因此大資料平臺建立了自定義分析單元，以此拓展分析方向，發散思維，提高決策判斷的準確性。如對商業物業的選址進行決策時，會將現有商圈的勢力範圍作為分析單元進行研究。

▲ 以大型商圈為研究物件的勢力範圍研究

如對地鐵上蓋物業產品型別進行選擇決策時，會對各地鐵站早高峰客流進出佔比進行研究，瞭解地鐵站產業或居住屬性特徵。

▲進出比<0.8為產業區型地鐵站

以個體為單位的研究尺度

在對特定人群進行更細化的研究時，傳統路徑是採用客戶調研的方法，但樣本基數及回答真實性都會影響研究結果。大資料平臺則可以根據住戶的線上線下行為，利用機器學習演算法，對其個人屬性、職住地點、興趣愛好等進行判斷，進行多角度畫像。

▲ 在滬購房者各省來源情況

客戶

導向

 

只有瞭解客戶、接近客戶，才能提供讓客戶滿意的產品與服務。

值得一提的是，此次將智慧裝置採集的資料與優質合作方提供的資源進行整合，以大資料機器學習演算法對全市範圍內的典型活躍客戶及專案到訪客戶資料進行深加工，對細分市場上不同消費群體的特徵及分佈進行了解與研究。

▲  潛客職住熱力圖

此外對採集到的原始標籤資料進行補全計算或賦予布林值、型別值。再加入房地產行業客戶分析邏輯，在家庭結構、置業需求、購房能力、還貸能力方面，將原始標籤合併成新的標籤進行計算，最後得到客戶的多維度畫像、儲存和輸出。

▲ 客戶畫像輸出流程圖

 

正因為有了清晰的客戶畫像，才能更好的進行產品及專案的設計定位，進而為客戶提供滿足他們真正需求的更好的產品與服務。

▲ 客戶特徵圖

分析

案例

 

上海大資料研究案例

據上海負責市場研究的工作人員介紹，目前公司在拿地前都會藉助該大資料平臺，綜合運用各類分析模型，多維度建立從巨集觀到微觀的分析體系，對標的地塊所具有的特徵及變化趨勢進行研究，進而支援初步判斷。

 

 研究示例 ：上海某新城板塊土地

一個具有成長型、潛力型人口特徵的板塊

▲ 研究版塊人口學歷及年齡結構

一個現代製造業和公共服務業雙頭並重的板塊

▲  研究版塊就業行業人數及企業分佈

一個職住關係處於高度分離的板塊

▲ 研究版塊人口職住情況

一個就業活力越來越高的板塊

▲ 研究版塊主要地鐵站工作日早高峰客流量差值

一個承接大量外區匯入就業人口的板塊

▲ 研究版塊職住通勤分佈

根據對該板塊人口、產業、經濟等資料的分析，研究團隊可以得出對板塊的一個初步判斷：

該板塊人口年齡輕、活力強，崗位供給上不僅有大量的產業工作，也有高階的公共服務和第三產業。更重要的是，其人口的聚集速度較崗位的聚集速度更快，整個地區正在高速發展中轉型。

有了初步判斷後，研究團隊可繼續通過『板塊價值類比』『未來發展潛能』及『潛在置業人口描摹』等分析模型，進一步輔助投資決策及產品定位。

黃院長預判下半年市場量價回撥，銷售面積回撥兩成左右，新開工同比下降；具備區位和產業優勢的三四線城市未來持續向好，但部分庫存較高的城市長期仍將承壓。

 

分析了企業科學佈局，擴大區域深耕，藉助區域優勢，打造特色地產，加強收併購多元化的戰略發展；同時解構了5大超級城市群的佈局策略。

城市化程序仍然能支撐房地產業較長的發展，但是需要同時重視增量與存量市場。從全球各城市發展預測，中國城市發展將從擴充套件階段發展到更新階段，城市更新將是未來房地產市場的藍海。

解讀我國的城鎮化以城市群的模式進行，城市圈的競爭力會對房地產的價值有明顯影響。從底特律的城市發展過程中分析了城市競爭力下降的原因， “聰明腦袋”——大學生的增長率才是預測城市發展趨勢，人才匯聚是中心城市的發展動力。特色小鎮不僅需要靠近中心城市，而且要有好的產業支撐，孤立存在的小鎮沒有任何意義。

3、 城市地圖

  “城市地圖”向大家展示大資料在城市進入、板塊研究、專案規劃等方面的應用成果，通過視覺化大資料幫助企業合理佈局規避風險，高效做出科學投資。

住戶城市地圖以視覺化平臺為載體，運用大資料資源和決策分析方法構建研究模型，全方位輔助開發企業投資決策、市場監測以及房地產開發企業日常工作。多維度切分城市空間單元——都市圈、城市/區縣、板塊/街道、網格/自定義，不同角度繪製城市畫像，實現資料空間化；多類別資料資源整合——購房者、地產、資源、經濟、規劃大資料，深度挖掘空間資料價值；多方位研究搭建——都市圈研究、城市進入研究、板塊價值研究、地塊價值研究模型；多功能應用平臺——市場監測平臺、資料分析平臺、模型研究平臺、報告生成平臺。

4.總結

總之，大資料在房地產的應用大有可為，採用海量資料進行精準智慧分析，對精準的市場定位、專案投資決策、房價制定、利潤分析等各大重要內容都大有裨益， 基於大資料的市場資料分析和調研是企業進行品牌定位的致勝之道。公司一定要高度重視，並上升到戰略層面進行佈局和行動，才能立於潮頭，創造輝煌的業績。