大数据在房地产行业的部分应用与实践

作者：杭州个房信息有限公司CTO 叶文

CNII网讯 3月28日，在工业和信息化部的指导下，为期两天的“2017大数据产业峰会”在北京国际会议中心召开。本次会议由中国信息通信研究院和中国通信标准化协会共同主办，数据中心联盟大数据发展促进委员会承办，旨在宣贯和解读《大数据产业发展规划(2016-2020年)》，支撑大数据国家战略落地，展示大数据产业发展成果，探讨发展面临重大问题，推动产业交流与合作。

杭州个房信息有限公司CTO叶文在29日上午的地产大数据论坛上发表了题为大数据在房地产行业的部分应用与实践的演讲。以下是内容实录：

很高兴参加房地产垂直行业的一个大数据的讨论，房地产大数据这个概念应该在最近非常火，但是在这个过程当中，我们可以看到有非常多的企业，原来的房地产服务型企业也好，开发商企业也好，都加入到大数据在这个垂直行业里面的一些探讨和思索，或者说是研究这一块。可能现在大家都觉得房地产这块很火，房地产更火，可能觉得房地产和大数据的结合会火上加火。但是，大数据在房地产行业的一个应用可能还是属于一个初级阶段，因为这些应用，从目前的应用来讲，它是否给我们这个行业在商业上的一些变革起到了一个作用，很多方面我们觉得是给我们提供了一些参考，或者是一些建议，或者是一些启发。但是，在商业方面真正的应用，或者说是变革性的一些内容可能还需要有一些时间和道路去让我们去摸索。

个房也是做地产大数据，刚成立不久，也是一个创业公司，去年才开始成立。我加入个房时间可能会更短，个房的主营业务分两块，第一块通过移动端大数据，希望对我们房地产消费者形成一些研究，一些洞察，给开发商在整个定位阶段，或者整个营销决策过程当中有一些启示或者帮助。另外可能像很多媒体公司也会通过一些土地分析形成最后的一些客户触达。

今天我跟大家主要分享的还是我们在大数据方面我们的一些想法和认知，一些小的实践和一些小的新应用。

刚好上周我参加了融创在东南区的品牌发布会，中间有一部分内容守于杭州或者整个东南区整个高净值人群的分析，这个分析是跟营销和品牌调性相挂钩的一种数据的洞察，跟大家分享一下。

这是两张不同的手机耦合度对比图，左边胜作日，右边是周末。首先，我先解释一下什么叫做家庭成员耦合度，我理解的家庭成员耦合度就是家庭成员在地理位置上的远近关系。那么，如果说我们的研究对象之间它的地理位置是非常远的，那么代表的特征就是他们的手机在不同的网络环境下，左图如果说我们的研究样本不在同一个网络环境下的利润高，它呈现出就是左边的黑白离散的雪花状态。如果我们的研究样本大家都在同一个区域，地理位置都接近，比如今天所有人都在这个会场，我们都在这个地方，手机所扫到的网络环境，包括WIFI是一致的，大家在同一个地方，说明我们的耦合度很高。

从这里我们可以感觉到，我们研究的高净值人群他们周末更愿意和家人在一起，同时我们通过他的一个周末和工作日的手机活跃度对比，就是下面的那个图，可以看到周末高净值人群和家人在一起的时候他会更少的用手机，因为他可能在跟家人有一些更多的互动。这是我们对比了高净值人群和全量人群我们发现，高净值人群时下比较热门的比如咕咚的安装率远高于存量人群，就是一些常规的跑步，或者健身的运动。正因为此，我们更能够感受到，其实时下的高净值人群对于自身的健康管理意识会更高一些。当然，同时我也看了这些运动，就是高净值人群和全量人群他们在这三款APP活跃度上的对比，我却发掘了全量人群他安装这些APP的活跃度要高于高净值人群。我可以认为，高净值人才受制于一些时间等等因素，虽然他有这样的意识，但是频率非常高。

对于开发商而言，如果我们给消费者做小区配套规划的时候，我们在小区给他打造一个对现代缓冲有保护作用的跑道，我相信作为用户非常愿意在早上醒来的时候先去跑一下，或者晚上的时候下班回到家的时候也能够运动一下，增加他的一些运动频率。

下面是我们看到了一个工作日和周末的一个运动的一个对比。可以看到高净值人群他在周末的健身，咕咚运动的活跃度明显的低于工作日。可能我认为高净值人群他可能更愿意把周末的时间留出来，所以留出来是不是陪家人做其他的事，我不知道。

我们还做了生活应用类的APP的一些研究和分析，这当中我发现了非常有意思的一点，那就是时下最热门的六大菜谱类的安装率是高净值人群大大的高于全量人群的。这是我在翻看了去年的平安夜和今年的情人节高净值人群下厨房的活跃度是平时的7倍。可能我们会理解一些特殊的节假日他们会带着家人去外面美食一顿，可是我们发现这些高净值人群有菜谱这些安装应用的这些人，他们在特殊节日更愿意给家人下厨房动手做这么一餐饭。

最后，我们来看游戏和美图类的一些应用。比如像斗地主、消消乐和王者荣耀，这些APP的安装活跃度，高净值人群和全量人群几乎差不多。我不知道在座的各位今天有没有拍照片用美图修修处理一下我们的照片，也不知道今天会不会发到朋友圈处理一下，这是我讲的一个关于数据方面我们一些小的洞察。

个房也做了一些自己在数据方面的小应用，其实这套应用在去年年初的时候我们已经做了，当时我想叫为一个系统，后来我觉得实在太对不起系统两个字，这是真正的非常小的一个简单的程序，我们希望这个程序通过可视化的方式，让我们地产从业人员能够更直观的去看这些数据。当然，这些数据最后在认知的时候会形成怎样的一种信息，仁者见仁，智者见智。

这是售楼处来访客户实时分析，我们现在看到的第一个页面当中，它是对客户进行一个实时来访的客流监测以及局部画像的呈现，我们可以看到这个售楼处当时可能39个人，男女的一些比例，一些年龄维度，消费水平的维度，移动运营商的维度，手机品牌的维度，可能苹果一般来说都会比较多一些，以及它的来源地，这个可以实施的察看。对于大型的房地产企业，这些公司如果在他们的一个管理中心，它可以实时的看到全国各个地方他自己售楼处理的活跃情况，未来在这个系统中还会增加售楼处的实时摄像头的监控画面，更有利于集团管理者对整个项目各方面的了解和实施情况的一个变化。

同时，第二块当中，原来我的认知就是一个来访客户的停留时间和停留频次。我做地产的同事把它做成停留时间和停留频次可以理解为购房者意向度。我们这个可以看到，可能我这里分的目前是十五分钟以下，十五到半小时，半小时到一小时，一小时到两小时这么一个时间维度，这个时间维度还可以再斟酌。我们可以看到不同的售楼处客户停留时间是不同的，通过不同的停留时间我们可以感受到这个项目它潜在客户与项目之间的这种黏性关系是否强烈。同时，我们依托于同一客户在单周或者单月来访次数的一些分析，我也能够给项目营销做项目客户，意向度评估的时候提供一些决策方面的建议。

接下来是一些线下的画像，来源地，我觉得可能对于旅游地产来说更有意义，更有价值。比如海南或者旅游地的项目，我认为可能会有一些借鉴作用。

这胜作和居住区域的热力图，我们可以看到潜在客户到底住在哪些小区，他们在哪些写字楼，或者说是哪些办公区域工作。在这个过程当中，我觉得我们可以再加入一些思考，刚才也得到了葛总的一些启发。当我们得知我们的客户可能集中的住在红色的星星点点的这些居住区当中，如果我们能够再结合这个小区它的一个不动产信息，比如这个小区可能都是90方，或者都是120方的，再加上我们对这些同类型小区它的一些交通指数的分析，它的生活配套的指数的分析，以及我们可以从一个居住地延伸出我们客户现有的一个居住环境，以及它在选择这样的居住环境当中可能他会考虑的一些因素，可以进行一些发散。因为我觉得数据它只是一个数据，当不同数据叠加起来成为一种信息的时候，它可能才有价值，在成为这个信息的过程当中，再加上我们认为的判断形成一种认知，最终才会帮助我们做更理性的决策。

这是线下，线下我们还会根据各个城市的情况给它细分，就是来访的这些客户他会常去哪些商圈，北京我不是很熟，他常去三里屯，还是望京的这些区域，会进行一些细分。在营销过程当中，我在哪个区域做户外更合适一些，或者在哪个区域更多的做线下的工作。比如常去哪些地方吃夜宵和烧烤，当然他们也可以在这些地方通过各种渠道方式建立和自己意向客户的一种沟通和交流。

以上就是个房一个小公司这一年对房地产大数据的一些简单的认知。谢谢大家！

　　声明：转载上述内容属于广告或出于传递更多信息之目的，不代表东方财经网的观点。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自负。