博鳌演讲 | 王鹏：大数据时代，房地产已经落后

王鹏（居理新房董事长、CEO）：确切来讲这个主题稍微有点和我讲的不一定切得上，我想了很久我们应该是属于什么类别，但确实在过去20年地产市场没有像居理一样做品效合一的全流程交易的事情，所以还是把它框了一个代理的帽子，但是我们约等于是一个搜房+链家+世联。

当然我今天不是要吹我们公司，我也是第一次参加博鳌论坛，听了两天会，真的是感觉大咖云集，自上而下的解构市场环境、贸易环境、金融环境，指导每一个房企的动作，我觉得讲得非常清楚，也是基于此，我觉得我可能自上而下的讲不太擅长。

作为一个创业公司，我们公司1000多人，没有一个70后，80%以上都是90后，我更多的希望自下而上地讲讲在当前的新的时代背景下，我们怎么自下而上的做事情，然后慢慢地再推导到应该制定一套什么样的运营战略、数据战略，乃至长期的公司发展的战略。我给这里面起了一个概念，叫“房产2.0时代”，因为我也不知道叫什么时代好，叫“白银时代”、“新经济时代”估计有人喷，2.0时代最保守，不会有问题。

我讲的主题是关于大数据，大家可能会表示了解最近很火的一些数字，大家知道特别火的是前段时间的谷歌AI猜画小哥，这是纯粹电脑识别你画的什么内容，有朋友会问，这个AI跟大数据有什么关系？

其实AI智能化和数据化是不分家的，智能化是数据化的结果，之所以谷歌能这么快猜出我们随便画的一个画面，就是因为它在全球100多个国家和地区检索了5000万份手绘的数据集，来确保我们随便画出一个自己都认不出来的东西，谷歌也能认出来曾经有人画出过类似的东西，这其实是大数据应用的一个最高的环节。

我们经常讲大数据，或者说看数据，但是数据驱动运营其实有三个层级，在房产市场里边大部分人还是在第一个到第二个层级。第一个层级是数据辅助决策，我们在企业里面应该都知道，老百看一堆报表，看完了之后按自己的心情来拍板，这叫数据辅助决策，我们把一堆数据拉出来，放到老板面前，老板看到这些数据去拍板，这个拍板一部分参考数据，一部分参考他的灵感。

第二部分是数据指导决策，老板的意志是说了不算的，数据说怎么样就怎么样，在很多比较成熟的大型的房企里面其实已经是这样了，今年我该多少预算，该花多少钱，该做多少运营，都已经定好了，谁说了都不算，就是这套数据体系说了算，这是数据指导决策。

最高级的是谷歌现在做的这件事情，数据本身就是决策，如果我把它再比喻为一个比较好理解的类别，比如说观点是一个媒体，还有最近很火的一些媒体，比如说今日头条，包括再之前一段时间曾经很火的一些新媒体，这些其实就是从数据辅助决策到数据指导决策，到今日头条的数据决定决策，就是我产生什么样的内容，给大家读什么样的内容已经不需要人来做了，机器知道这时候我应该给大家提供什么样的内容，这是谷歌的一个例子，帮大家先构建起来这样一个感觉。

在实际跟房产相关的，我觉得比较接近的是电商行业，我们都知道亚马逊是一家很牛的公司，要不是苹果昨天爆发了一下，窜到了万亿市值，亚马逊很有可能今年就超过苹果，亚马逊现在的市值已经是9000多亿美金了。

亚马逊到目前为止它做的所有的业务里面60%还是来自一个单一的业务，就是直营的电商，只不过它的直营电商做得规模越来越大，效率越来越好，让大部分的交易都聚集到了亚马逊这一个平台上。

亚马逊的直营电商的平台运营，我们就知道它一定是靠大量的数据直接做决策，或者至少是数据指导决策来做的，比如说有一个直接的数据，亚马逊做海淘，我们在中国通过亚马逊买一个海外的东西，最快三天就能到货，它已经提前预判好了，我们需要什么样的东西，怎么把这个东西送过来。

对应大当前的房产市场，我们知道大部分在我们的实践的运营和公司管理、公司决策当中，大部分还是停留在第一和第二阶段，要不是把报表拿给决策层看，决策层看完之后拍脑袋定，要么是有一套报表的规则，大家根据这个规则来做决策，但是行业里面我了解到还没有人能够直接利用数据做决策的。

比如说我们这次参加博鳌房地产论坛，今天上午以及昨天众多的大咖，其实都是在给我们做数据参考，帮助我们辅助做决策。但是我听了两天，我发现没有人分享一套底层的算法。当我们发现了什么事情的时候，比如说这个城市的客户需求发生了什么变化，我们就要开发什么样的户型，这个户型几乎已经是一个百分之百准确的，大概率不会出问题的决策机制。

当整个公司在市场面临什么样的情况的时候，我们该以百分之多少的利息借钱，超过这个利息哪怕0.1%可能都是有问题的，这些是非常精细化的，也非常复杂的，我们知道为什么之前需要靠人脑来决策，就是因为之前计算机没有能力处理这么复杂、这么海量的数据，这个世界的变化是非常多的，人的喜好、思考、关注的点是非常多的，不管是算力还是算法都没有办法做这么复杂的运算。

所以在AI、大数据时代之前，我们只能依靠大量的外部数据来交给一个人，让这个人加工数据，让他来做决策。但是在数据时代之后，这个现象在发生一些微妙的变化。房产和大数据的结合，拿房产数据和阿阿里、京东比较，房产绝对是非常落后的。但是落后才充满希望，当这么大的行业被我们用数据和技术改革以后，它可能会发生一些非常不一样的变化。

以我的认知，之所以叫2.0时代，肯定是它有一些变化，第一是我们有一些挑战，整个房企的拿地成本、融资成本都在上升，房价上涨的速度，不管是通过行政的手段还是实际上市场的供需造成了房价上涨的放缓，整个的利润率其实是在下降的，因为利润率下降，我们就要追求运营效率的提高，就是周转率的提高。

最近这半年到一年的时间，利润率慢慢起来了，就是因为越来越多的企业通过各种各样的办法，把运营效率提高了一个台阶。但事实上这个挑战是不变的，未来在可预期的范围之内，应该各项成本上升和房价上涨放缓，是一个相对比较确定的事情，对房企而言，最大的挑战就在于我怎么能不断地在这样的外部环境之下提高我的运营效率。

第二个是很明显的机会，就是在这种市场环境之下可以提高自己运营效率的房企应该会快速迎来一个集中度上升的机会，这也是实际在发生的，这几年有很多人提到，集中度上升有一个很大的好处就是它的规模效应显现，我们发现房企的利润率是经历一个先下探后增长的环节，就是在最近这半年到一年的时间，越来越多的房企规模效应开始变得非常明显了。

有了规模效应，我的采购成本、运营成本、整体的流通成本都会变得更加低廉、更加高效，这只是在房产交易环节的规模效应，其实规模效应还包括很多，比如说一个城市大部分房源都是我开发的时候，我对这个城市居住人群的画像会非常精准，我基于这些人群不管是做物业管理，还是做生活配套服务，还是做公寓的运营，都可以更好地满足他们的需求，更好地满足这些存量房源的流转。

当一个城市有100家开发商分别做供应的时候，这个规模效应是没有的，当只有三四家开发商的时候，他是可以在他的体系里面形成一个平台去运营的，这些都是机会。所以房产2.0时代一言以蔽之就是机会与挑战并行。

对房企的要求，就是运营效率能不能更高一些，对客户的理解，或者说多元化、平台化的拓展能不能做得更好一些，这些应该也是我这一天半听下来这个大会的两个比较重要的主题，多元化怎么搞，运营效率、周转、融资怎么更高。

更好的运营效率跟更多元化的运营，其实在一个互联网人的视角来看，就是把大数据的应用做好，我们把大量的数据不是让它闲置在那里，不是让它只是流转在报表那里，而是把更多的决策通过数据指导来做出来，甚至更多的决策数据直接就能做出来。

我觉得只要我们在座的所有的房地产行业的玩家能够把大数据的实际应用做到大部分其它行业现在已经做到的水平，整个房产领域不管是运营效率还是多元化的拓展都一定是非常高的，运营效率就不提了，现在房地产市场，比如说用亚马逊的例子举例，亚马逊在国内对标的是京东，如果拿京东来比例，现在房地产市场很像我们买3C产品，去电子城买手机、电脑，就是有大量的商家要去进各种各样的库存，招募大量的人员去争抢客户，客户交易的效率很低，交易体验也很差，商家的库存也很多，运营的效率也很低。

但是我们去看京东，一个电子城可能需要一个商家有大量的库存，还要配很多的人，有站柜台的人，有在门口派单的人，有在外边去做商家品牌包装的人，有在外部去做实体跟网络广告推广的人，很像一个浓缩版的房产交易市场，效率非常低，但是京东只需要一个网站加上一个配送员，就可以覆盖七八个小区，这是一个效率极大的变化。

在北京中关村的电子城，第二天卖书，第三天开始卖大家电，这是一个非常巨大的变化，但你发现京东就有这个能力，今天我开一个图书板块，明天我开一个家电板块，因为它懂客户，它知道客户要什么，大概率我拿出来的这个板块一定是客户要的，而不是刘强东拍脑袋拍出来的。所以更精细化的运营、更高效率的运营，以及更多元化的拓展，一定是基于数据，很难通过人脑。

或者说人脑的效率一定是非常非常低的，这也是为什么最近20年，我们发现排在世界整体市值前几位的都被科技公司占据了，就是因为科技公司有这样的优势，它的机器可以做大量的决策，它的机器可以做大量的数据的采集，所以它的运营效率更高，它的多元化拓展更高。我们都说腾讯、阿里是在做一个生态，而不是做一门生意，就是因为这个原因。

说回到房产领域，为什么复杂？我们是做交易的，我拿我们的模型来举例子，房产交易应该是所有交易类型里边决策最重的，需要关注点最多的，决策周期最长的一种交易商品，一个客户的关注点会非常多，他会关注区域、户型、预算，怎么融资，商铺是什么，物业怎么样，我要不要把它租出去，周围有没有什么配套，有什么学校、商场，我家里养狗，我需要一个花园，我喜欢看大彩电，所以我要4米面宽的客厅，有非常多的个性化的决策。

这些个性化的决策在之前20年我们是怎么解决的？其实是交给人去解决。上午贝壳的杨博士也讲了，一个中介行业的经纪人可能要1250个小时才能开一单，为什么？其实并不是因为这个客户真的需要这么长的时间去服务，而是因为客户不知道自己要什么，经纪人也不知道客户要什么，所以大量的时间客户花在跟不同的经纪人沟通，大量的经纪人的时间花在跟不同的客户沟通，北京这样的市场一年大概只成交10万套新房和几十万套二手房，但是光经纪人就有十几万人。

就跟一个中关村的卖场卖手机是一样的，一个客户带着钱去中关村，大概率他是要买电脑的，但是不是每个接触他的店员或者把单子发到他手里的推销员，都能在他手里买电脑，背后是因为他不懂客户，客户也不懂这些人，他们上面之间沟通效率变得非常低，只能突然出现一个很懂客户的销售员出现，恰巧把商品送到客户的手里，然后成交了。

这些数据本身是存在某些地方的，要么是存在在客户浏览的网站的轨迹上，要么是存在客户走的路上，要么是在我们的销控里面，所有的都是存在的，只不过我们没有把它有效的利用起来。

说一个大家很关注的长租公寓领域的案例。长租就是一个很类似的这套逻辑，我们怎么能够在茫茫的人海中，比如说我有100套房子，我保证这100套房子随时都能刚好找到客户，不会过多又不会过少，刚好清退出了一套房源的时候，又能再找到下一个客户。

这件事其实对于大部分人而言是非常难的一件事，但这个是长租的胜负点，大家知道做长租的利润本身就很薄，如果我们的空置率过高，这个利润就没了，即使拿的最便宜的自持用地，利润也没了，所以怎么把需求接上非常重要，接上这个需求本身就需要你对这个客户有很好的理解，如果像市场上这么低的匹配效率，这个客户看四五次房才能做出决定，一个机构可能要有三四十个来访的客户才能最终转化出一个，我估计很难做。客户心里会有大量的决策点，但是这些决策点都没被有效的运用。

在长租领域，我们知道自如是做得挺好的，我们发现自如第一卖得贵，第二，房源都不是它自己的，绝大部分都是外部的，但是它能做到很有效的降低自己的空置率，让每一个房源放出来之后马上就能有一个客户跟上，同时在市场上又不会普遍出现这个房子不够了，客户租不到房子，这是很考验数据的事情。

就像刚好你打车的时候能叫到一辆车，不用排队过久，同时又不会有大量的司机排队很久接不到客户，这是非常复杂的活，这一定要靠数据直接做算法来做决策，如果你要靠拿一堆报表给企业的老板定，或者说根据一套简单的逻辑定，一定效率是很低的，会浪费大量的资源。

说说我们更擅长的，可能在座的大部分房地产的同行都没听过我们公司，但是做交易的同行，尤其是一二线城市做得还不错的同行肯定知道，我们是2015年刚刚上线的一个网站，到目前为止我们大概用了三年左右的时间，我们是全部在网上卖房子，会配线下的服务，但是所有客户的交易都是在网上进行的。

我们目前覆盖11个城市，单月UV已经400万了，在这些城市我们垂直新房的流量肯定是最大的，以及我们的交易GMV已经达到400亿，也是在这个赛道里面融资最高、成长最快的一家公司。

我们有大量的客户标签，大量的动作标签，大量的房屋标签，这些标签我们能打得多全面就打多全面，比如说一个客户看通州，或者一个房子在通州，能不能把通州再细化到它里面具体的位置，我们要把最细的标签打下去，每一个标签都打得尽量完整，客源也是一样，客户身上每一个标签都打得非常完整，最终我们做出的交易匹配是依靠算法来做匹配的。

一个客户找到我们，我们不是简单给他推荐哪套房源，而是怎么给他推荐这几套房子，你是应该先给他看一个政府的规划，还是应该先告诉他这个区域历史的涨价空间，你应该给他打几个电话，你应该带他看房的时候走一个什么样的路线，这一系列的决策都是机器来做的，不是人来做的。

上午杨博士也讲了整个房地产外场交易的数据，这些都是居理新房的真实数据，我们平均的用户决策周期是7.41天，一个用户从找到我们到他去买房子大概是7天，我们的一个咨询师一个月的成交套数是3.63套，居理新房的满意度99.3%，我们的NPS，上午杨博士讲到行业平均是负30，贝壳比较不错，是0，居理新房是70，就是有70%的客户愿意向其他人推荐我们，而我们的服务人员50%是应届生，没有任何行业经验，他只需要照着这套系统做事就可以了。

因为时间有限，后面一些详细的数据举例我就不讲了。比如说这是全国交通的流向，包括市场的走向，这都有助于我们判断商业、人流是在怎么走的，在这种状态下，我们应该怎么去开站，提供什么样的服务。

从宏观到微观，大量的数据都不是作为报表呈现在我的面前，而是直接写入到机器的算法里面，形成一套决策机制。包括我们的品牌影响力，直接指导我们的投放，我们今天应该在百度花多少钱，应该在头条花多少钱，应该用什么样的创意，买什么样的关键词，都不是人来做的，都是机器来做的。

房产2.0时代，能够占据最强大数据应用能力的公司一定可以赢得下一个10年，因为大数据解决的问题本质上就是运营效率的问题和多元化的问题，而这件事情在当前的房产赛道确实大部分人还属于刚刚起步的状态。