钛媒体注：“大数据的挖掘，在房地产行业还有无限空间”，在2016 钛媒体 T-EDGE 年度盛典上，链家网 CEO 彭永东如是说。

在他看来，现在房产行业2500分之一的转化率，正说明了这个行业的数字化水平做的不够。他认为一个超过16万亿的大市场，对于数据挖掘来说有非常大的空间。在现场的演讲中，他对于现今房产中，大数据的应用和未来做了一番剖析。

房地产行业的四大特征

• 在中国，线上有买卖房产需求的人约有3600万人，这个领域的用户非常的稀薄；
• 买房是一种冲动消费，用户有着独特的需求，但同时这是一个很难表达需求的领域；
• 买房持续的时间长，能够达到21周的时间，而过程中有高频的信息获取需求；
• 行业的转化率极低，2500线上活跃用户转化成线下的成交率是万分之四。

彭永东认为，大数据离这个行业还有一定的距离。但是作为一个16万亿的市场，大数据这样低速的行业应用普及，便存在着非常多的机会。

链家网则有着自己的一套数据构成：

• 房的数据

链家大概使用300个字段来形容每一套房产，更丰富的描述则成了一个挑战。在中国，很多概念的定义都很模糊，比如商圈就没有什么明确的边界。彭永东表示，对于房源数据的采集，本身没有太高的门槛，关键是要长期把事情做下去。

• 人的数据

用户在链家网的APP上有三个高频率行为：刷新、check房子信息与查看竞争房源。链家尝试通过107个维度，对用户的行为进行描述，并建立模型。 比如0到100的区间内给用户打分，综合评估60分以上的用户，转化几率能高出4倍；评估房产的价格，在房子销售之前，便大概有一个正负5%的偏差房价区间。

• 流程的数据

从线上服务到线下看房，链家把流程做了很多的切分，通过用户点评的模式，产生更多丰富的信息。 彭永东现在的房屋交易流程，有很多需要优化的地方。比如很多客户不能在购房的同时确定下来房贷，而通过数据分析用户的信用值，对贷款进行审批的预测，则多少降低了风险。（本文首发钛媒体） 

以下是彭永东在2016钛媒体 T-EDGE 年度盛典上的演讲实录：

全中国每年在线有买房卖房需求的人，加一块大约是3600万。这个量其实是非常低的，很多行业都能达到这个量值，而像是快销品则多以亿为单位来衡量。这个领域的用户群体非常的稀薄。

同时，买房是一个冲动消费，它跟很多需求完全不同。如果我打车，在滴滴上输入我的起点和终点，我的需求就表达完成了。但如果是想买房的话，很多人根本就不知道自己要买什么房。甚至面对搜索框，需要输入一些特征的时候，很多人都很难表达出自己到底要买哪里、多少钱、什么样的居室，链家则是用400个字段来描述一个房源。总之，这是一个很难表达需求的领域。

再者，买房的过程时间非常长，跨度非常大。刚才谈到，3600万人的用户其实是蛮稀薄的。但是在买房的过程中，信息的获取其实是高频的。在我们的APP上，一个潜在买房的用户每天打开APP的次数是5次左右，而这个过程前后将延续近21周的时间，时间非常长。

第四个特征，是这个行业的转化率极低。很多行业的转化率都是百分之几，我们这个行业转化率是万分之几：2500个UV或者线上的活跃用户转化成线下的成交率是万分之四。

所以大数据，可能离这个行业还有点距离。因为在这个行业，数据的应用现在可能才到第一个阶段。有更多的数据进入进来，才能真正地影响这个行业的形态。2500分之一也好，用户更容易表达自己的需求也好，大数据的应用还有很长的路要走。

但是，数据或者说互联网对房产行业的帮助是可以期待的，因为中国的第二大行业就是房产。第一大行业造就了像淘宝、京东这样的公司，整个行业规模在20万亿。那么房产就是全中国第二大行业，2016年的交易额已经超过了16万亿。

大数据在这个行业应用的速率，相对来说是慢的。正是这样的现状。留给了大数据非常多的机会。

链家房产的数据，基本分为三部分：房的数据，人的数据和流程的数据。

第一个是房的数据。链家现在进入到了25个城市，涵盖一亿套房子，而针对每个房子大概有300个字段来描述。从某种意义上来说，这就是三百亿个数据字段。如何把一套房子描述出来，如何把三百亿个字段填满，或是填的更加的丰富，这可能是我们遇到的一个挑战。链接现在在搜集数据，已经完成了将近7千万套房源的数据。只有通过这些数据，用户才能得到更好的体验。

我们可以完善很多房源的数据，比如小区的别名，房子在几栋几号楼，有没有飘窗，厨房多大，这些字段都是静态的数据。

第二个是人的数据。房子是静止的，但是人的行为是不断变化的。我们让业主可以在APP上管理自己的卖房过程，而这中间的行为非常有意思。在我们的APP上，业主的卖房行为有非常典型的特征。比如很多业主，每天在APP就做三件事：

第一件事是点击刷新，这样他的房子可以排更靠前；第二件事是他会去check一下，看一下自己的房子的排名情况；第三件事是查看竞争房源，看那些和他卖同类别的房子，大概是什么样的情况。这个过程中会产生很多的行为数据，包括了卖房的过程中用户在关注什么，而这里面有很多的内容可以供用户去消费。

对于买家的行为，也是一样的情况。像现在买房的人，在整个买方的过程中平均会有26次看房的过程。这会产生很多的行为数据，比如看了哪些房源，看相同房源用户的特征是什么，倾向于什么样的房型……全北京700多万套房子，一共有10万个户型，这些户型里面和用户需求最匹配的是什么，这些都是人的数据。

第三个是流程数据。链家把流程做很多的切分，从用户的线上服务开始，到呼出电话也好、和经纪人线下看房也好，我们会让买家和卖家在APP上产生更多的交互，而买家在看完房以后，也可以对经纪人进行点评。每天大概有1.8万的用户点评，评价产生的经纪人带看的行为数据，业主自己在线上公开的数据，这些就让流程数据变得更加的丰富。

关于房源的事情，可以谈的有很多。比如商圈这个概念，北京多少个真正的商圈呢？其实是没有定义的，中国的房产领域基础设施极度的不发达。像是望京商圈到底有什么边界，望京商圈里面还有哪些商圈，定义是很模糊的。还有什么叫一室一厅，什么叫单间，中国都没有明确的定义。说到房屋、楼盘以及商圈的很多的数据，链家在8年以前就开始建立采集数据的团队。其实房屋的数据本身，门槛并不是特别高，但问题是你能否长期一件事情干8年，这个才是一个核心的优势。因为没有房屋的数据，就很难与用户产生交互。到今天为止我们已经搜集到全国7千万套房源的数据，包括小区、楼栋、户型都可以讨论。

对于人的数据，我们会通过107个维度来对用户的行为进行描述，之后可以便可以做很多建模分析的事情。比如链家最近在做的项目，是把线上用户买房的这些行为，做了一个打分系统：从0分到一百分进行赋值，分析哪些用户看房的概率更高。以60分为标准，把用户划分成两个对照组，一个是60分以上，一个是60分以下，60分以上用户群体在往线下转化的几率会高出4倍，更有可能性去看房。这些数据本身是来源于用户的行为，但同时也包含了很多经纪人的数据，这也便能分析出什么样的经纪人更适合卖豪宅，什么样的适合卖平层，什么样的经纪人和什么样的用户更适合对接。

现在每天会产生约30G的数据，链家的整个数据库里面有2千万用户。为了提高转化率，链家最近也在做一个事：评估每个房子的价格。即在房子还没卖之前，通过建模、通过业主与房主的信息、通过买家的行为数据，来估测这个房子大概能卖多少钱。国际上的惯例是正负5%的偏差，比如一百万的成交价格，评估到95万和105万都认为是正负5%的偏差。在北京、深圳和南京三个试点城市，我们估价准确度大概在75%，在四套销售的房子中有三套估价都在正负5%的范围内。

对于房屋交易的整个过程，存在很多流程优化的空间。比如买房的时候，在签合同的那一刹那，客户不一定就能确定能从银行中把房款贷下来。但是我们可以通过数据的分析往前回推，从买家或卖家的行为特征，预估一个用户的信用值或者是购房款可能存在的风险，这样便可以提前确定银行能不能审批下来贷款。这种贷款预审批，就是要在用户进入到银行之前，预先评估贷款的可能性，依靠的都是一些流程的数据。

当然这个行业的流程其实特别复杂。对于流程过程中产生的大数据进行分析，提升2500分之一的转化率，这是我跟很多人分析一件事情。现在的2500分之一的转化率，某种意义上也说明这个行业的数字化水平做的不够。如果这个行业的数据的运用水平，能够有一个提升的话，整个用户的体验会变得更好，这个转化率也会有更大的提高，在房产这个领域也将有更多可能的机会。一个超过16万亿的大市场，对于数据挖掘来说有非常大的空间。

通过行为数据建立更多的模型、更多的预估，来让连接变得更加有智慧。对于链家网来说，我们在不断建立的规则，希望未来中国的房产交易的标准，是由我们提出来的；希望通过用户的动态数据，重新定义行业的很多流程和标准；同时也推动我们的品质和效率的提升，我想这个机会是非常非常大的。