博鰲演講 | 王鵬：大數據時代，房地産已經落後

王鵬（居理新房董事長、CEO）：确切來講這個主題稍微有點和我講的不一定切得上，我想了很久我們應該是屬于什麼類别，但确實在過去20年地産市場沒有像居理一樣做品效合一的全流程交易的事情，所以還是把它框了一個代理的帽子，但是我們約等于是一個搜房+鍊家+世聯。

當然我今天不是要吹我們公司，我也是第一次參加博鰲論壇，聽了兩天會，真的是感覺大咖雲集，自上而下的解構市場環境、貿易環境、金融環境，指導每一個房企的動作，我覺得講得非常清楚，也是基于此，我覺得我可能自上而下的講不太擅長。

作為一個創業公司，我們公司1000多人，沒有一個70後，80%以上都是90後，我更多的希望自下而上地講講在當前的新的時代背景下，我們怎麼自下而上的做事情，然後慢慢地再推導到應該制定一套什麼樣的運營戰略、數據戰略，乃至長期的公司發展的戰略。我給這里面起了一個概念，叫“房産2.0時代”，因為我也不知道叫什麼時代好，叫“白銀時代”、“新經濟時代”估計有人噴，2.0時代最保守，不會有問題。

我講的主題是關于大數據，大家可能會表示了解最近很火的一些數字，大家知道特别火的是前段時間的谷歌AI猜畫小哥，這是純粹電腦識别你畫的什麼内容，有朋友會問，這個AI跟大數據有什麼關繫？

其實AI智能化和數據化是不分家的，智能化是數據化的結果，之所以谷歌能這麼快猜出我們随便畫的一個畫面，就是因為它在全球100多個國家和地區檢索了5000萬份手繪的數據集，來确保我們随便畫出一個自己都認不出來的東西，谷歌也能認出來曾經有人畫出過類似的東西，這其實是大數據應用的一個最高的環節。

我們經常講大數據，或者說看數據，但是數據驅動運營其實有三個層級，在房産市場里邊大部分人還是在第一個到第二個層級。第一個層級是數據輔助決策，我們在企業里面應該都知道，老百看一堆報表，看完了之後按自己的心情來拍闆，這叫數據輔助決策，我們把一堆數據拉出來，放到老闆面前，老闆看到這些數據去拍闆，這個拍闆一部分參考數據，一部分參考他的靈感。

第二部分是數據指導決策，老闆的意志是說了不算的，數據說怎麼樣就怎麼樣，在很多比較成熟的大型的房企里面其實已經是這樣了，今年我該多少預算，該花多少錢，該做多少運營，都已經定好了，誰說了都不算，就是這套數據體繫說了算，這是數據指導決策。

最高級的是谷歌現在做的這件事情，數據本身就是決策，如果我把它再比喻為一個比較好理解的類别，比如說觀點是一個媒體，還有最近很火的一些媒體，比如說今日頭條，包括再之前一段時間曾經很火的一些新媒體，這些其實就是從數據輔助決策到數據指導決策，到今日頭條的數據決定決策，就是我産生什麼樣的内容，給大家讀什麼樣的内容已經不需要人來做了，機器知道這時候我應該給大家提供什麼樣的内容，這是谷歌的一個例子，幫大家先構建起來這樣一個感覺。

在實際跟房産相關的，我覺得比較接近的是電商行業，我們都知道亞馬遜是一家很牛的公司，要不是蘋果昨天爆發了一下，竄到了萬億市值，亞馬遜很有可能今年就超過蘋果，亞馬遜現在的市值已經是9000多億美金了。

亞馬遜到目前為止它做的所有的業務里面60%還是來自一個單一的業務，就是直營的電商，只不過它的直營電商做得規模越來越大，效率越來越好，讓大部分的交易都聚集到了亞馬遜這一個平台上。

亞馬遜的直營電商的平台運營，我們就知道它一定是靠大量的數據直接做決策，或者至少是數據指導決策來做的，比如說有一個直接的數據，亞馬遜做海淘，我們在中國通過亞馬遜買一個海外的東西，最快三天就能到貨，它已經提前預判好了，我們需要什麼樣的東西，怎麼把這個東西送過來。

對應大當前的房産市場，我們知道大部分在我們的實踐的運營和公司管理、公司決策當中，大部分還是停留在第一和第二階段，要不是把報表拿給決策層看，決策層看完之後拍腦袋定，要麼是有一套報表的規則，大家根據這個規則來做決策，但是行業里面我了解到還沒有人能夠直接利用數據做決策的。

比如說我們這次參加博鰲房地産論壇，今天上午以及昨天衆多的大咖，其實都是在給我們做數據參考，幫助我們輔助做決策。但是我聽了兩天，我發現沒有人分享一套底層的算法。當我們發現了什麼事情的時候，比如說這個城市的客戶需求發生了什麼變化，我們就要開發什麼樣的戶型，這個戶型幾乎已經是一個百分之百準确的，大概率不會出問題的決策機制。

當整個公司在市場面臨什麼樣的情況的時候，我們該以百分之多少的利息借錢，超過這個利息哪怕0.1%可能都是有問題的，這些是非常精細化的，也非常復雜的，我們知道為什麼之前需要靠人腦來決策，就是因為之前計算機沒有能力處理這麼復雜、這麼海量的數據，這個世界的變化是非常多的，人的喜好、思考、關注的點是非常多的，不管是算力還是算法都沒有辦法做這麼復雜的運算。

所以在AI、大數據時代之前，我們只能依靠大量的外部數據來交給一個人，讓這個人加工數據，讓他來做決策。但是在數據時代之後，這個現象在發生一些微妙的變化。房産和大數據的結合，拿房産數據和阿阿里、京東比較，房産絕對是非常落後的。但是落後才充滿希望，當這麼大的行業被我們用數據和技術改革以後，它可能會發生一些非常不一樣的變化。

以我的認知，之所以叫2.0時代，肯定是它有一些變化，第一是我們有一些挑戰，整個房企的拿地成本、融資成本都在上升，房價上漲的速度，不管是通過行政的手段還是實際上市場的供需造成了房價上漲的放緩，整個的利潤率其實是在下降的，因為利潤率下降，我們就要追求運營效率的提高，就是周轉率的提高。

最近這半年到一年的時間，利潤率慢慢起來了，就是因為越來越多的企業通過各種各樣的辦法，把運營效率提高了一個台階。但事實上這個挑戰是不變的，未來在可預期的範圍之内，應該各項成本上升和房價上漲放緩，是一個相對比較确定的事情，對房企而言，最大的挑戰就在于我怎麼能不斷地在這樣的外部環境之下提高我的運營效率。

第二個是很明顯的機會，就是在這種市場環境之下可以提高自己運營效率的房企應該會快速迎來一個集中度上升的機會，這也是實際在發生的，這幾年有很多人提到，集中度上升有一個很大的好處就是它的規模效應顯現，我們發現房企的利潤率是經歷一個先下探後增長的環節，就是在最近這半年到一年的時間，越來越多的房企規模效應開始變得非常明顯了。

有了規模效應，我的采購成本、運營成本、整體的流通成本都會變得更加低廉、更加高效，這只是在房産交易環節的規模效應，其實規模效應還包括很多，比如說一個城市大部分房源都是我開發的時候，我對這個城市居住人群的畫像會非常精準，我基于這些人群不管是做物業管理，還是做生活配套服務，還是做公寓的運營，都可以更好地滿足他們的需求，更好地滿足這些存量房源的流轉。

當一個城市有100家開發商分别做供應的時候，這個規模效應是沒有的，當只有三四家開發商的時候，他是可以在他的體繫里面形成一個平台去運營的，這些都是機會。所以房産2.0時代一言以蔽之就是機會與挑戰並行。

對房企的要求，就是運營效率能不能更高一些，對客戶的理解，或者說多元化、平台化的拓展能不能做得更好一些，這些應該也是我這一天半聽下來這個大會的兩個比較重要的主題，多元化怎麼搞，運營效率、周轉、融資怎麼更高。

更好的運營效率跟更多元化的運營，其實在一個互聯網人的視角來看，就是把大數據的應用做好，我們把大量的數據不是讓它閑置在那里，不是讓它只是流轉在報表那里，而是把更多的決策通過數據指導來做出來，甚至更多的決策數據直接就能做出來。

我覺得只要我們在座的所有的房地産行業的玩家能夠把大數據的實際應用做到大部分其它行業現在已經做到的水平，整個房産領域不管是運營效率還是多元化的拓展都一定是非常高的，運營效率就不提了，現在房地産市場，比如說用亞馬遜的例子舉例，亞馬遜在國内對標的是京東，如果拿京東來比例，現在房地産市場很像我們買3C産品，去電子城買手機、電腦，就是有大量的商家要去進各種各樣的庫存，招募大量的人員去争搶客戶，客戶交易的效率很低，交易體驗也很差，商家的庫存也很多，運營的效率也很低。

但是我們去看京東，一個電子城可能需要一個商家有大量的庫存，還要配很多的人，有站櫃台的人，有在門口派單的人，有在外邊去做商家品牌包裝的人，有在外部去做實體跟網絡廣告推廣的人，很像一個濃縮版的房産交易市場，效率非常低，但是京東只需要一個網站加上一個配送員，就可以覆蓋七八個小區，這是一個效率極大的變化。

在北京中關村的電子城，第二天賣書，第三天開始賣大家電，這是一個非常巨大的變化，但你發現京東就有這個能力，今天我開一個圖書闆塊，明天我開一個家電闆塊，因為它懂客戶，它知道客戶要什麼，大概率我拿出來的這個闆塊一定是客戶要的，而不是劉強東拍腦袋拍出來的。所以更精細化的運營、更高效率的運營，以及更多元化的拓展，一定是基于數據，很難通過人腦。

或者說人腦的效率一定是非常非常低的，這也是為什麼最近20年，我們發現排在世界整體市值前幾位的都被科技公司占據了，就是因為科技公司有這樣的優勢，它的機器可以做大量的決策，它的機器可以做大量的數據的采集，所以它的運營效率更高，它的多元化拓展更高。我們都說騰訊、阿里是在做一個生态，而不是做一門生意，就是因為這個原因。

說回到房産領域，為什麼復雜？我們是做交易的，我拿我們的模型來舉例子，房産交易應該是所有交易類型里邊決策最重的，需要關注點最多的，決策周期最長的一種交易商品，一個客戶的關注點會非常多，他會關注區域、戶型、預算，怎麼融資，商鋪是什麼，物業怎麼樣，我要不要把它租出去，周圍有沒有什麼配套，有什麼學校、商場，我家里養狗，我需要一個花園，我喜歡看大彩電，所以我要4米面寬的客廳，有非常多的個性化的決策。

這些個性化的決策在之前20年我們是怎麼解決的？其實是交給人去解決。上午貝殼的楊博士也講了，一個中介行業的經紀人可能要1250個小時才能開一單，為什麼？其實並不是因為這個客戶真的需要這麼長的時間去服務，而是因為客戶不知道自己要什麼，經紀人也不知道客戶要什麼，所以大量的時間客戶花在跟不同的經紀人溝通，大量的經紀人的時間花在跟不同的客戶溝通，北京這樣的市場一年大概只成交10萬套新房和幾十萬套二手房，但是光經紀人就有十幾萬人。

就跟一個中關村的賣場賣手機是一樣的，一個客戶帶着錢去中關村，大概率他是要買電腦的，但是不是每個接觸他的店員或者把單子發到他手里的推銷員，都能在他手里買電腦，背後是因為他不懂客戶，客戶也不懂這些人，他們上面之間溝通效率變得非常低，只能突然出現一個很懂客戶的銷售員出現，恰巧把商品送到客戶的手里，然後成交了。

這些數據本身是存在某些地方的，要麼是存在在客戶浏覽的網站的軌迹上，要麼是存在客戶走的路上，要麼是在我們的銷控里面，所有的都是存在的，只不過我們沒有把它有效的利用起來。

說一個大家很關注的長租公寓領域的案例。長租就是一個很類似的這套邏輯，我們怎麼能夠在茫茫的人海中，比如說我有100套房子，我保證這100套房子随時都能剛好找到客戶，不會過多又不會過少，剛好清退出了一套房源的時候，又能再找到下一個客戶。

這件事其實對于大部分人而言是非常難的一件事，但這個是長租的勝負點，大家知道做長租的利潤本身就很薄，如果我們的空置率過高，這個利潤就沒了，即使拿的最便宜的自持用地，利潤也沒了，所以怎麼把需求接上非常重要，接上這個需求本身就需要你對這個客戶有很好的理解，如果像市場上這麼低的匹配效率，這個客戶看四五次房才能做出決定，一個機構可能要有三四十個來訪的客戶才能最終轉化出一個，我估計很難做。客戶心里會有大量的決策點，但是這些決策點都沒被有效的運用。

在長租領域，我們知道自如是做得挺好的，我們發現自如第一賣得貴，第二，房源都不是它自己的，絕大部分都是外部的，但是它能做到很有效的降低自己的空置率，讓每一個房源放出來之後馬上就能有一個客戶跟上，同時在市場上又不會普遍出現這個房子不夠了，客戶租不到房子，這是很考驗數據的事情。

就像剛好你打車的時候能叫到一輛車，不用排隊過久，同時又不會有大量的司機排隊很久接不到客戶，這是非常復雜的活，這一定要靠數據直接做算法來做決策，如果你要靠拿一堆報表給企業的老闆定，或者說根據一套簡單的邏輯定，一定效率是很低的，會浪費大量的資源。

說說我們更擅長的，可能在座的大部分房地産的同行都沒聽過我們公司，但是做交易的同行，尤其是一二線城市做得還不錯的同行肯定知道，我們是2015年剛剛上線的一個網站，到目前為止我們大概用了三年左右的時間，我們是全部在網上賣房子，會配線下的服務，但是所有客戶的交易都是在網上進行的。

我們目前覆蓋11個城市，單月UV已經400萬了，在這些城市我們垂直新房的流量肯定是最大的，以及我們的交易GMV已經達到400億，也是在這個賽道里面融資最高、成長最快的一家公司。

我們有大量的客戶標簽，大量的動作標簽，大量的房屋標簽，這些標簽我們能打得多全面就打多全面，比如說一個客戶看通州，或者一個房子在通州，能不能把通州再細化到它里面具體的位置，我們要把最細的標簽打下去，每一個標簽都打得盡量完整，客源也是一樣，客戶身上每一個標簽都打得非常完整，最終我們做出的交易匹配是依靠算法來做匹配的。

一個客戶找到我們，我們不是簡單給他推薦哪套房源，而是怎麼給他推薦這幾套房子，你是應該先給他看一個政府的規劃，還是應該先告訴他這個區域歷史的漲價空間，你應該給他打幾個電話，你應該帶他看房的時候走一個什麼樣的路線，這一繫列的決策都是機器來做的，不是人來做的。

上午楊博士也講了整個房地産外場交易的數據，這些都是居理新房的真實數據，我們平均的用戶決策周期是7.41天，一個用戶從找到我們到他去買房子大概是7天，我們的一個咨詢師一個月的成交套數是3.63套，居理新房的滿意度99.3%，我們的NPS，上午楊博士講到行業平均是負30，貝殼比較不錯，是0，居理新房是70，就是有70%的客戶願意向其他人推薦我們，而我們的服務人員50%是應屆生，沒有任何行業經驗，他只需要照着這套繫統做事就可以了。

因為時間有限，後面一些詳細的數據舉例我就不講了。比如說這是全國交通的流向，包括市場的走向，這都有助于我們判斷商業、人流是在怎麼走的，在這種狀态下，我們應該怎麼去開站，提供什麼樣的服務。

從宏觀到微觀，大量的數據都不是作為報表呈現在我的面前，而是直接寫入到機器的算法里面，形成一套決策機制。包括我們的品牌影響力，直接指導我們的投放，我們今天應該在百度花多少錢，應該在頭條花多少錢，應該用什麼樣的創意，買什麼樣的關鍵詞，都不是人來做的，都是機器來做的。

房産2.0時代，能夠占據最強大數據應用能力的公司一定可以赢得下一個10年，因為大數據解決的問題本質上就是運營效率的問題和多元化的問題，而這件事情在當前的房産賽道确實大部分人還屬于剛剛起步的狀态。