Zillow“炒房”失败，算法神话破灭了吗？

新冠时代，裁员、失业在全球范围内都是高频事件，我们似乎早就已经习惯了各种黑天鹅消息。不过美国地产平台 Zillow 在年底彻底关停 iBuying 业务，并将该业务约 2000 名员工全部裁掉的消息，还是在国内外掀起了波澜。

在很多人眼中，这是一次 AI 技术的大型“滑铁卢”。

从 2006 年问世以来，Zillow 就将技术作为自己的核心优势，独家上线的 Zestimate 功能，可以基于大数据来提供房屋售卖和出租价格的估值，在 2011 年的纳斯达克 IPO 文件中，这一技术能力被提及了 61 次，也让 Zillow 成为最受资本市场追捧的科技公司之一。

此次被彻底关停的数字炒房业务 Zillow Offers，也依靠 Zestimate 算法，预测房屋在几个月后的价值，从卖家手中收来房子，然后 Zillow 进行装修维护后卖给下一家。这种商业模式，靠的就是准确预测房价，实现低买高卖。

炒房业务上线时，被一位 Zillow 高管吹捧为“令人兴奋的进步”，显然，Zillow 失败了，大约面临 5 亿 4 千万左右的损失。

连带着，AI 预测房价的神话似乎也破灭了。

有海外媒体认为，“Zillow was trying to use technology to outsmart the market, but in the end, the market won”（Zillow 妄图用科技打败市场，最后却被市场所打败）。

报道 AI 好几年了，我见过各种对 AI 的吐槽，什么人工智障、算力怪兽、全靠人工、替代人类工作……很多都被时间证明是阶段性或可解的，智能化建设一直如火如荼。

但就像煤炭和石油曾经是世界上最有价值的资源，但它们也都有黑暗的一面，而 AI 也同样，有可能出错的地方。

这次 Zillow 算法翻车，也让我们不得不思考，当各行各业加速拥抱 AI 的时候，AI 还有哪些做不到？

无算法，不炒房

首先有必要解释一下，为什么 Zillow Offers 这种依靠算法低买高卖的方式，在美国资本和房产市场能够成立。

对大多数中国人看来，收取交易佣金的“中介”也变相地增加了成本，“没有中间商赚差价”一直是许多数字平台的核心价值点。而 Zillow Offers 通过购入房产，装修后再次出售/出租，不也增加了买房人的成本吗？

这就要提到房产在线交易的 iBuying 模式。

在美国市场，房屋买卖中间的环节非常多，需要先找房产经纪、刊登广告、带人看房，后续修缮房屋、寻找装修工人等也是麻烦事儿。有人统计过，传统销售模式大约需要 12 道繁琐的步骤。

而 iBuying 模式下，卖家只需要在线填写一份表格，就可以实时得到一个平台算法预估的现金报价，签署 iBuyer 合同后一周内就能完成交易流程。报价可能会比自己卖低一点，但卖家可以很快拿到资金，并且不用花费大量精力去应付各种买家咨询和看房的麻烦，也省去了维修费用和时间成本。

对于平台方来说，如果房屋的价格是 100 万美元，那么可以收取 10 万美元的服务费（一般是 10%）用于清洁、托管、维修升级，最后以 120 万美元的价格出售，相当于赚取了 10 万美元的服务费和 20 万美元的房价增值。

疫情发生之后，居家隔离和贷款利率降低，推动了租售房屋的需求高涨，许多城市的房价“一日千里”的速度暴涨，所以能够更快交易拿到钱去买另一套房子的人在增多，这也让 Zillow Offers 的前景看起来十分光明。

而天下武功，唯快不破，iBuying 模式的竞争“护城河”，就在于更低的拿房价格，以及更快的出售速度，而 Zillow 几乎全都没有做到。

一方面，Zillow 往往会给出高于同行的报价，有媒体统计过，Zillow 的报价比竞争对手 Opendoor、Offerpad 都要高。此外，Zillow 囤积了大量的房产，从 2018 年 4 月以来购买了 27000 套房屋，但截至 2021 年 9 月底仅售出了 17000 套，最近不得不将余下的数千套房屋“挥泪大甩卖”。

看起来，Zillow 真是不怎么聪明，比咱们“温州炒房团”差远了。但仔细想想，Zillow 的选择真的有什么大错误吗？

事实上，尽管 Zillow 炒房业务失败了，但 iBuying 模式却依然被看好。有咨询机构认为，到 2025 年，iBuyers 在美国的总交易将占所有购房和售出房屋的 3%-5%（目前不到 2%）。一方面，年轻一代希望在郊区购买房屋，远程工作的持续推行，以及可预期的低利率趋势，这些都让房屋需求带来较大的变化。

其次，通过大数据和算法来预估房价，也并没有什么大问题。iBuying 模式的平台几乎都是这么完成的，比如占比最高的 Opendoor，就通过机器学习房屋照片来进行定价，并不断搜集有关公司的大量数据，不断训练智能定价系统——换句话说，和 Zillow 的方式一样。

（Opendoor 的智能定价）

那么，Zillow 到底是为什么失败的？原因真的如 Zillow 高管所说，是 AI 算法错误率太高吗？

锅是 AI 的，也不完全是

Zillow 的失败，不仅让大众看到了平台“炒房”的操作，也暴露了使用 AI 来进行定价决策有多困难。

在 Zillow 的一份文件中曾提到，它们的 Zestimates 拥有超过 50 万个独特的估值模型，建立在超过 7000 万美国家庭、3.2TB 的数据之上。

听起来并不差对不对，不然也不能吸引到精明的华尔街投资人。那么 Zillow Offers 为什么会失败呢？

不可否认，算法预测房价的错误率高，是一个全行业都面临的现实问题。

房价走势往往覆盖较长的时间周期、复杂的数据维度，而炒房又需要预测非常精准才能获利，这本身就是一个悖论。

比如说，很多影响房价的信息是系统很难捕捉或洞察到的。暂且不提“买家觉得从小长大的街区更有价值”这种小概率事件，房屋装修审美风格、户型设计是否科学等，都可能影响购房决策，而它们很难被量化评估，并且会随着流行趋势变动。比如系统可能知道某套房子一共有三间卧室，但它能知道房间的布局是否合理吗？疫情要求居家隔离之后，人们对房屋空间和位置的喜好也会发生变化，而这些转变没有被 Zillow 的 AI 模型快速捕捉并迭代。

为了提高算法的准确性，Zillow 多年来都在举办公开的 Zestimate 数据科学竞赛，单项奖金就高达 120 万美元，而其中一个参赛者提到，一些隐藏问题，比如地基中的裂缝，该系统是无法预测的。

算法不是万能的，这一点虽然是现实，但可以说行业内大家都受到这一技术瓶颈的限制，Zillow 就算做的不是最好，但也不差，这并不是它失败的终极理由。

事实上，为了弥补算法的缺陷，Zillow 也雇用了一支由 100 多名定价分析师组成的团队，通过对比销售情况来校对算法预测的报价。

这下是双保险了吧？但技术再牛，员工再厉害，都抵不过决策者的“骚操作”。

由内部员工透露，Zillow 为了在市场竞争中赶上对手的份额，加大了购买力度，甚至在算法预估和分析师报价的基础上，加价购买房屋，并且无视了员工对高价买入的担忧。

Zillow 为加速购房成立了一个专项计划：“番茄酱计划”（Project Ketchup）。Ketchup 恰好与 Catch up 同音，代表着想要追赶 iBuyer 头部公司 Opendoor 的野心。

比如凤凰城今年 5 月的房价中位数是 35.1 万美元，到 9 月上涨到了 47.5 万美元，其他公司已经开始降低价格和购买数量，而 Zillow 支付的价格仍比房屋中位价高出 6.5 万美元。

结果下半年美国房地产市场降温后，无法快速完成过户、装修、销售，直接导致了一串连锁反应。

如果房价接着涨，或许这会儿大家就得夸 Zillow 囤房囤得好、囤得妙，得到了开发商囤房惜售的精髓。

结果，Zillow 虽然看到了疫情影响下购买热潮的到来，却没有预计到供应链和劳动力问题对 ibuying 业务的影响。因为 ibuying 模式下，平台都需要对房屋进行翻新维护，而建材和劳工的短缺，则让许多房子无法达到挂牌标准，给 Zillow 的资金链带来了巨大压力，不得不甩卖回血。

疫情固然是“黑天鹅”，但同样的市场情况下，模式一样的 Opendoor 和 Offerpad，都没有出现暴雷。Opendoor 的第三季度报告显示，其收入还增长了 91%。换句话说，因为供应链问题而遭受损失的只有 Zillow 一家。

对 ibuying 模式上下游产业链机制的审慎与把握不足，或许才是压倒 Zillow offers 的那根稻草。

从 Zillow 身上可以看到，算法的有限性固然是业务受创的原因，但绝不是本质的原因。公司管理与模式正常时，有效的算法分析能够带来巨大的竞争优势；而公司运转不够良性，那么再厉害的算法恐怕也无法挽狂澜于既倒。

更进一步，从 Zillow 的经验教训中，企业在应用 AI 提升业务时，有没有一些需要重点注意的地方呢？

上次强调的，还是在上次

其实，阻止落地 AI、应用 AI 的潜在阻碍，多年来我们已经反复提过无数次。但时移事易，在人工智能成为主流的当下，大众对 AI 的认知变得越来越全面，涵盖了许多细分、垂直的业务场景（比如预测房价），当时看起来脑洞大开的洞察，今天已经变成了让许多企业管理者与 IT 负责人措手不及的现实问题。

所以，也是时候从提出问题，找到解决问题并提升 AI 业务指标的方法了。

目前看来，AI 预测还是一个充满了神秘和难以理解的“黑盒子”，如何使用好这个工具， Zillow 的得失其实是个有效的参考标本。

1.AI 不能靠“独角兽”。换句话说，不要局限或盲目依靠 AI 算法或数据分析科学家，对于企业来说，了解业务问题的复杂性，具备实施能力的专业人员，能够帮助系统构建问题，在算法给出结果后进行兜底判断。用一位 AI 企业创始人的话来说，企业都渴望一个“独角兽”可以同时完成所有 AI 分析工作，“但独角兽并不存在”，成功的企业 AI 项目必须是多元化角色所共同完成的。如果 Zillow 能听取专业定价分析师的意见，或许不会翻车如此严重。

2.AI 不能太沉重。市场变动越来越大，许多公司也变得越来越敏捷，像软件开发一样，算法模型的更新也必须变得更加敏捷，保持最新状态。试想一下，如果 Zillow 的算法能够快速感知到市场供需变化并迭代，也能及时减少损失。而对于很多企业来说，想要更敏捷灵活地应用 AI，比起自主训练迭代，或许采用公有云厂商的 AI 能力会是更灵活的选择。

3.AI 不能独自成立。企业管理者必须认识到，AI 的引入将给管理流程、决策机制等都带来挑战，组织内部必须进行相应的架构、思维、战略转变，来配合算法落地并支撑业务。AI 看似是技术性的工具，实际上更像是一种业务功能，需要多部门的适配，如果决策者像 Zillow 一样随意忽略算法预测，最后又甩锅给算法，AI 当然是没法骂人的，不过官僚主义最终伤害的也不是 AI，而是企业本身。

黑天鹅无处不在的时刻，AI 不是一个捉摸不透的谜团，不是什么“打败市场”的神秘武器，而是和人类休戚与共、维持繁荣与发展的工具。而能不能用好它，最关键的还是靠人类本身。

祸不在颛臾，而在萧墙之内也。AI 又能有什么坏心眼呢～