租房黑科技来了，房租到底谁能说了算？

为什么我的房子迟迟租不出去，是不是租金比周边房子偏高了呢？我的房子这么容易就租掉了，是不是我价格定得太低吃亏了呢？...



“为什么我的房子迟迟租不出去，是不是租金比周边房子偏高了呢？我的房子这么容易就租掉了，是不是我价格定得太低吃亏了呢？”租金价格一直是房东最头疼的问题。房屋租金由装修情况、位置地段、交通便利程度、市场供需量、周边生活配套等多方面因素综合决定，从老牌的58到爱屋吉屋这类新型线上租房平台的涌现，互联网的发展一定程度上改善了租房体验，但是对于租房这个相对传统的行业来说，信息严重不对称一直存在。双向不透明、不对称的需求，让很多房东挺着高价、忍痛空置房子几个月，同时也让租客找不到性价比满意的房子，造成了租房资源的极大浪费。

大数据技术的快速发展对房地产行业带来了极大的冲击，但对于广大从事于房地产的新型互联网企业来说也是改革和创新的新机遇。“以往盈家生活是基于沉淀下来的业务经验和市场上其他房产数据服务，对相应房源的租金价格进行理性判断，但是这样不仅缺乏针对业务足够细粒度数据的精确描述，也不能支撑实时更新的市场和数据”盈家生活技术负责人林浩告诉笔者，最近公司率先试水大数据和机器学习在租房行业的应用，经过国内（上海）团队和硅谷团队三个月的协作努力，已研发完成基于大数据和机器深度学习的租金预测工具，也是市面上第一款租金预测软件，不论对于房东租客，还是整个租房行业，都将是一次创新性实践。目前产品已经应用于租后服务的场景中，并预计将在内测完成后向市场提供服务。



租金预测服务（predictiveanalytics）就是利用业务历史数据预测未来市场的走向，可以帮助公司精确的预估出业务房源的价格，从而在拿房、招租及其他租后服务起指导作用。符合业务要求的精准预测可以有效的帮助改善业务和服务的体验并极大提升利润。租金价格作为租房业务的核心，精准的租金预测能帮助租客、中介、平台、房东共同更好地完成租房闭环。

租金预测服务集合了市场外部数据、消费人群行为分析、实时业务需求和预测算法来了解市场的真正变化和业务的真正需求租金预测，整个服务依赖的模型最核心的环节在于大数据与机器深度学习的结合。影响租金变化的因素异常纷杂，在建立相对完备的市场数据库、业务数据库，人群行为特征库作为数据分析的基础后，定义业务规则，导入机器学习算法库，主要用线性回归、决策树、xgboost模型对模型进行机器学习训练，而业务实践成为检验模型有效性最有力的准绳。



每套房源都会根据大到交通情况、周边设施、房屋年龄、装修程度，小到房屋是否漏水、家电品牌、水电费定价等数百个纬度，结合周边房价大数据和房源本身情况，给到房屋综合评分及租金定价。“这套系统智能和人性化在哪里？比如我是一个房东，系统会告诉我这个小区综合评分70分的房子可以租到3500，我在系统输入房源的具体信息和房况，系统给出了80分，这时系统就会提醒我，房源会特别好租，租金提高到4000都不会影响出租情况，当然，我也可以根据打分标准自己判断，装修的时候降低家电和厨卫标准，把分数拉低到70分，其实也是不影响出租的”林浩跟我们举了个例子，“租金预测不仅可以给出租金和出租率最佳的平衡点，也可以给要装修的房东提供装修标准，如果是职业二房东，甚至可以知道水电费标准应该怎么定，电器怎么配，才能赚得多又租得快。”

“再打个比方，提前退租一直让很多房东头疼，如果提前退租而后续租客没跟上，对二房东来说是很影响现金流。现在的租金预测系统就利用机器深度学习，让机器深度学习人的经验，把租客的情况等因素和附近房源退租情况综合计算，得出预估的平均租住时间，这对房东也是一个极有价值的参考”林浩说到。

“预测分析是数据分析最难也是最有魅力的方向，相信租金预测会为整个租房市场提供客观衡量标准”林浩说到，盈家生活一直专注存量运营和租后服务，近期，一方面加速布局大数据技术在租房业务、市场预测等领域的应用，另一方面相比之前单一产品为核心卖点的经营模式，愈加重视以数据和科技为核心的新型租后管理经营模式，提倡“多点人情，少点人力”——用科技替代人力，让人力发挥更多人情味，提高服务人房比、提升行业效率，也让租住体验变得更加美好。“基于数据和机器深度学习，科技人情相辅相成的租后运营模式，相信才是存量运营的未来。”

    关注 房东东