Zillow“炒房”失敗，算法神話破滅了嗎？_風聞

新冠時代，裁員、失業在全球範圍內都是高頻事件，我們似乎早就已經習慣了各種黑天鵝消息。不過美國地產平台Zillow在年底徹底關停iBuying業務，並將該業務約2000名員工全部裁掉的消息，還是在國內外掀起了波瀾。

在很多人眼中，這是一次AI技術的大型“滑鐵盧”。

從2006 年問世以來，Zillow就將技術作為自己的核心優勢，獨家上線的Zestimate功能，可以基於大數據來提供房屋售賣和出租價格的估值，在2011年的納斯達克IPO文件中，這一技術能力被提及了61次，也讓Zillow成為最受資本市場追捧的科技公司之一。

此次被徹底關停的數字炒房業務Zillow Offers，也依靠Zestimate算法，預測房屋在幾個月後的價值，從賣家手中收來房子，然後Zillow進行裝修維護後賣給下一家。這種商業模式，靠的就是準確預測房價，實現低買高賣。

炒房業務上線時，被一位Zillow高管吹捧為“令人興奮的進步”，顯然，Zillow失敗了，大約面臨5億4千萬左右的損失。

連帶着，AI預測房價的神話似乎也破滅了。

有海外媒體認為，“Zillow was trying to use technology to outsmart the market, but in the end, the market won”（Zillow妄圖用科技打敗市場，最後卻被市場所打敗）。

報道AI好幾年了，我見過各種對AI的吐槽，什麼人工智障、算力怪獸、全靠人工、替代人類工作……很多都被時間證明是階段性或可解的，智能化建設一直如火如荼。

但就像煤炭和石油曾經是世界上最有價值的資源，但它們也都有黑暗的一面，而AI也同樣，有可能出錯的地方。

這次Zillow算法翻車，也讓我們不得不思考，當各行各業加速擁抱AI的時候，AI還有哪些做不到？

無算法，不炒房

首先有必要解釋一下，為什麼Zillow Offers這種依靠算法低買高賣的方式，在美國資本和房產市場能夠成立。

對大多數中國人看來，收取交易佣金的“中介”也變相地增加了成本，“沒有中間商賺差價”一直是許多數字平台的核心價值點。而Zillow Offers通過購入房產，裝修後再次出售/出租，不也增加了買房人的成本嗎？

這就要提到房產在線交易的iBuying模式。

在美國市場，房屋買賣中間的環節非常多，需要先找房產經紀、刊登廣告、帶人看房，後續修繕房屋、尋找裝修工人等也是麻煩事兒。有人統計過，傳統銷售模式大約需要12道繁瑣的步驟。

而iBuying模式下，賣家只需要在線填寫一份表格，就可以實時得到一個平台算法預估的現金報價，簽署iBuyer合同後一週內就能完成交易流程。報價可能會比自己賣低一點，但賣家可以很快拿到資金，並且不用花費大量精力去應付各種買家諮詢和看房的麻煩，也省去了維修費用和時間成本。

對於平台方來説，如果房屋的價格是100萬美元，那麼可以收取10萬美元的服務費（一般是10%）用於清潔、託管、維修升級，最後以120萬美元的價格出售，相當於賺取了10萬美元的服務費和20萬美元的房價增值。

疫情發生之後，居家隔離和貸款利率降低，推動了租售房屋的需求高漲，許多城市的房價“一日千里”的速度暴漲，所以能夠更快交易拿到錢去買另一套房子的人在增多，這也讓Zillow Offers的前景看起來十分光明。

而天下武功，唯快不破，iBuying模式的競爭“護城河”，就在於更低的拿房價格，以及更快的出售速度，而Zillow幾乎全都沒有做到。

一方面，Zillow往往會給出高於同行的報價，有媒體統計過，Zillow的報價比競爭對手Opendoor、Offerpad都要高。此外，Zillow囤積了大量的房產，從2018年4月以來購買了27000套房屋，但截至2021年9月底僅售出了17000套，最近不得不將餘下的數千套房屋“揮淚大甩賣”。

看起來，Zillow真是不怎麼聰明，比咱們“温州炒房團”差遠了。但仔細想想，Zillow的選擇真的有什麼大錯誤嗎？

事實上，儘管Zillow炒房業務失敗了，但iBuying模式卻依然被看好。有諮詢機構認為，到2025年，iBuyers在美國的總交易將佔所有購房和售出房屋的3%-5%（目前不到2%）。一方面，年輕一代希望在郊區購買房屋，遠程工作的持續推行，以及可預期的低利率趨勢，這些都讓房屋需求帶來較大的變化。

其次，通過大數據和算法來預估房價，也並沒有什麼大問題。iBuying模式的平台幾乎都是這麼完成的，比如佔比最高的Opendoor，就通過機器學習房屋照片來進行定價，並不斷蒐集有關公司的大量數據，不斷訓練智能定價系統——換句話説，和Zillow的方式一樣。

（Opendoor的智能定價）

那麼，Zillow到底是為什麼失敗的？原因真的如Zillow高管所説，是AI算法錯誤率太高嗎？

鍋是AI的，也不完全是

Zillow的失敗，不僅讓大眾看到了平台“炒房”的操作，也暴露了使用AI來進行定價決策有多困難。

在Zillow的一份文件中曾提到，它們的Zestimates擁有超過50萬個獨特的估值模型，建立在超過7000萬美國家庭、3.2TB的數據之上。

聽起來並不差對不對，不然也不能吸引到精明的華爾街投資人。那麼Zillow Offers為什麼會失敗呢？

不可否認，算法預測房價的錯誤率高，是一個全行業都面臨的現實問題。

房價走勢往往覆蓋較長的時間週期、複雜的數據維度，而炒房又需要預測非常精準才能獲利，這本身就是一個悖論。

比如説，很多影響房價的信息是系統很難捕捉或洞察到的。暫且不提“買家覺得從小長大的街區更有價值”這種小概率事件，房屋裝修審美風格、户型設計是否科學等，都可能影響購房決策，而它們很難被量化評估，並且會隨着流行趨勢變動。比如系統可能知道某套房子一共有三間卧室，但它能知道房間的佈局是否合理嗎？疫情要求居家隔離之後，人們對房屋空間和位置的喜好也會發生變化，而這些轉變沒有被Zillow的AI模型快速捕捉並迭代。

為了提高算法的準確性，Zillow多年來都在舉辦公開的Zestimate數據科學競賽，單項獎金就高達120萬美元，而其中一個參賽者提到，一些隱藏問題，比如地基中的裂縫，該系統是無法預測的。

算法不是萬能的，這一點雖然是現實，但可以説行業內大家都受到這一技術瓶頸的限制，Zillow就算做的不是最好，但也不差，這並不是它失敗的終極理由。

事實上，為了彌補算法的缺陷，Zillow也僱用了一支由100多名定價分析師組成的團隊，通過對比銷售情況來校對算法預測的報價。

這下是雙保險了吧？但技術再牛，員工再厲害，都抵不過決策者的“騷操作”。

由內部員工透露，Zillow為了在市場競爭中趕上對手的份額，加大了購買力度，甚至在算法預估和分析師報價的基礎上，加價購買房屋，並且無視了員工對高價買入的擔憂。

Zillow為加速購房成立了一個專項計劃：“番茄醬計劃”（Project Ketchup）。Ketchup恰好與Catch up同音，代表着想要追趕iBuyer頭部公司Opendoor的野心。

比如鳳凰城今年5月的房價中位數是35.1萬美元，到9月上漲到了47.5萬美元，其他公司已經開始降低價格和購買數量，而Zillow支付的價格仍比房屋中位價高出6.5萬美元。

結果下半年美國房地產市場降温後，無法快速完成過户、裝修、銷售，直接導致了一串連鎖反應。

如果房價接着漲，或許這會兒大家就得誇Zillow囤房囤得好、囤得妙，得到了開發商囤房惜售的精髓。

結果，Zillow雖然看到了疫情影響下購買熱潮的到來，卻沒有預計到供應鏈和勞動力問題對ibuying業務的影響。因為ibuying模式下，平台都需要對房屋進行翻新維護，而建材和勞工的短缺，則讓許多房子無法達到掛牌標準，給Zillow的資金鍊帶來了巨大壓力，不得不甩賣回血。

疫情固然是“黑天鵝”，但同樣的市場情況下，模式一樣的Opendoor和Offerpad，都沒有出現暴雷。Opendoor 的第三季度報告顯示，其收入還增長了91%。換句話説，因為供應鏈問題而遭受損失的只有Zillow一家。

對ibuying模式上下游產業鏈機制的審慎與把握不足，或許才是壓倒Zillow offers的那根稻草。

從Zillow身上可以看到，算法的有限性固然是業務受創的原因，但絕不是本質的原因。公司管理與模式正常時，有效的算法分析能夠帶來巨大的競爭優勢；而公司運轉不夠良性，那麼再厲害的算法恐怕也無法挽狂瀾於既倒。

更進一步，從Zillow的經驗教訓中，企業在應用AI提升業務時，有沒有一些需要重點注意的地方呢？

上次強調的，還是在上次

其實，阻止落地AI、應用AI的潛在阻礙，多年來我們已經反覆提過無數次。但時移事易，在人工智能成為主流的當下，大眾對AI的認知變得越來越全面，涵蓋了許多細分、垂直的業務場景（比如預測房價），當時看起來腦洞大開的洞察，今天已經變成了讓許多企業管理者與IT負責人措手不及的現實問題。

所以，也是時候從提出問題，找到解決問題並提升AI業務指標的方法了。

目前看來，AI預測還是一個充滿了神秘和難以理解的“黑盒子”，如何使用好這個工具， Zillow的得失其實是個有效的參考標本。

1.AI不能靠“獨角獸”。換句話説，不要侷限或盲目依靠AI算法或數據分析科學家，對於企業來説，瞭解業務問題的複雜性，具備實施能力的專業人員，能夠幫助系統構建問題，在算法給出結果後進行兜底判斷。用一位AI企業創始人的話來説，企業都渴望一個“獨角獸”可以同時完成所有AI分析工作，“但獨角獸並不存在”，成功的企業AI項目必須是多元化角色所共同完成的。如果Zillow能聽取專業定價分析師的意見，或許不會翻車如此嚴重。

2.AI不能太沉重。市場變動越來越大，許多公司也變得越來越敏捷，像軟件開發一樣，算法模型的更新也必須變得更加敏捷，保持最新狀態。試想一下，如果Zillow的算法能夠快速感知到市場供需變化並迭代，也能及時減少損失。而對於很多企業來説，想要更敏捷靈活地應用AI，比起自主訓練迭代，或許採用公有云廠商的AI能力會是更靈活的選擇。

3.AI不能獨自成立。企業管理者必須認識到，AI的引入將給管理流程、決策機制等都帶來挑戰，組織內部必須進行相應的架構、思維、戰略轉變，來配合算法落地並支撐業務。AI看似是技術性的工具，實際上更像是一種業務功能，需要多部門的適配，如果決策者像Zillow一樣隨意忽略算法預測，最後又甩鍋給算法，AI當然是沒法罵人的，不過官僚主義最終傷害的也不是AI，而是企業本身。

黑天鵝無處不在的時刻，AI不是一個捉摸不透的謎團，不是什麼“打敗市場”的神秘武器，而是和人類休慼與共、維持繁榮與發展的工具。而能不能用好它，最關鍵的還是靠人類本身。

禍不在顓臾，而在蕭牆之內也。AI又能有什麼壞心眼呢～