Zillow炒樓「滑鐵盧」 揭AI算力短板

評論‧世情 2021/12/30

分享:

分享:

美國最大地產信息網絡平台商Zillow 10月底發表第三季財務報告,虧損嚴重,隨後於上月2日宣布,關閉於2019年開展、一度雄心勃勃的iBuying業務,並將業務約2,000名員工裁掉,令市場相當愕然。消息公布後,Zillow股價大幅下跌,為了盡快套現,Zillow只好壯士斷臂,把之前買入的7,000套房屋存貨,售予機構買家。

由於美國房地產交易的信息很分散,而且往往有巨大的信息差異,加上樓價不透明,因此交易雙方均十分依賴中介機構。Zillow看準這一點,建立一個平台把房屋買賣的信息集中起來,供使用者免費查閱,瀏覽者可在Zillow平台上看到樓宇過去的交易信息,包括過往交易價格,據不完全統計,瀏覽房地產信息的人,有三分一上Zillow的網站查看。

Zillow其後更上綫一個「獨家」的Zestimate演算法——基於大數據所提供的房屋買賣及租賃歷史價格等,通過算法估算房屋價值,以及預測未來價值,吸引大量有意買入或放盤的人瀏覽,業務迅速發展。Zillow成立5年左右,就到納斯達克上市,且一度成為熱捧的投資對象。

iBuying平台收益 來自3方面

另一方面,近年美國房地產一片熱哄,樓價節節上升,吸引不少網絡公司使用人工智能(AI)演算法或其他高科技競標買賣物業。這些公司先買入房屋,然後以更高價賣出或出租賺取利潤,稱為iBuying(i即instant,代表用算法立刻定價)。

iBuying的盈利可以來自3個方面:一,平台收取賣家售價一定比例的手續費,雖然手續費比傳統地產中介佣金高,但業主可省卻需要維修樓房然後賣出去的費用和時間,即可出售套現,而平台則扮演了「中間人」的角色,對買賣進行配對,賺取手續費用;二,平台企業把買入的樓房稍作維修,短期內高價買出,賺取差價;三,平台可以從其他周邊服務獲得收入,例如向賣家推薦房貸。

2019年底,Zillow正式推出Zillow Offers的iBuying業務。由於新冠疫情下,需要進行社區和人群隔離,很多公司僱員遠程在家工作,買樓和租樓的供需出現變化,換樓或轉換租賃物業地點的需求大增,Zillow地產物業部門的績效也一度表現出色,其行政總裁Richard Barton去年更樂觀地估計,iBuying業務未來可以為Zillow帶來200億美元收入,於是不斷投入大量資源,大手購買物業;今年第一季,Zillow更宣布把Zestimate和iBuying業務「雙劍合璧」,直接按照Zestimate估價全現金購買房子,進一步加快銷售流程,以提升買賣的流轉速度。

在美國,從事iBuying的企業,除了Zillow外,還有Opendoor、Offerpad等,競爭其實也相當激烈。

Zillow於上月2日透露,截至9月的3個月中,虧損超過4.2億美元,大概相當於過去12個月內所有利潤,並宣布關閉iBuying業務。在季度的財務報表中,行政總裁Richard Barton更不諱言,「我們發現樓價的不可預測性,遠遠超過了我們算法的預期」,言下之意似乎是把今次業務發展的失敗,與AI估算價值問題扯上了關係。究竟Zillow今次業務經營的「滑鐵盧」,是AI之過嗎?現今很多行業都把發展前景寄託在AI上,令這個問題格外值得一談。

影響樓價因素多 AI難盡納

看深一層,Zillow此役失敗的原因多端:第一,AI算法很難準確預測樓房價格。事實上,對一些標準化的情景,AI算法可以精準計算,但在物業買賣上,有太多因素影響交易價格的形成,AI算法便很難把所有因素納入計算之中。

例如,買家知道樓宇房間的尺寸大小,但坐向、布置、以至室外景觀是望海、望山或是望密密麻麻的樓房;附近環境是否雅致、有沒有惹人討厭的噪音、建築物或裝置,如排污煙窗等;採光度如何、是否開揚、樓宇距離附近購物地方或加油站有多遠、交通是否方便等……且不談買家人人偏好不同,影響樓宇價格形成的因素可說是難以勝數,在這種信息很難窮盡的情況下,AI算法恐怕也無能為力,很難準確。

疫下樓價走勢異變 算法受限

第二,今年遇到一個百年難見的現象,是疫情爆發後,美國物業市場的供求出現了與過去很不一樣的變化模態(pattern)——樓價突然冉冉上升,一些州分的樓價比其他州升得更快,或者因為很多人在家工作,於是紛紛搬到近郊地區居住,對城市住屋的需求突然急跌,對郊區住屋的需求卻又突然猛增,令市場價格的可預測性更難捉摸,也令算法精準測算能力大打折扣。

第三,即便算法並非大錯特錯,但當中亦有人為因素,Zillow為提高樓宇買賣流轉率和業務績效,出價過於進取,比算法提供價格還要提高多達7個百分點,以期提升本身市場競爭力,壓倒同行對手,結果囤積了很多高價貨無法賣出,導致壯士斷臂之舉,將存貨售予機構並關閉業務,黯然離場。

高價大手追貨 終致壯士斷臂

總而言之,這是一個運用AI算法經營慘敗的有趣個案。但Zillow此役的慘敗,AI也有非戰之罪的因素,並非全因AI預測不夠準確而引起。正如上文分析,疫下美國物業市場發展走勢與過去出現異樣的模態,令AI的預測更難精準,加上Zillow高管在市場對手的競爭壓力下,買樓出價比AI預測建議價還加若干個百分點,令價格與未來發展出現落差錯誤的機率更高。值得一提的是,在Zillow宣布關閉iBuying業務後,其主要競爭對手比如Opendoor的股票大漲,顯示市場仍然看好iBuying模式的未來趨勢。

誠然,Zillow是擁有美國房地產信息最多的企業,而且聘用逾百位定價分析師(pricing analyst),專門對物業進行定價,惟其仍於AI算法的定價上加價買入,大手入貨。據Zillow財務盈利的分析,估計出售手上囤積的7,000間物業,要虧損5%至7%,損失不菲。

樓價形成因素眾多、多樣且複雜,走勢覆蓋相當長的時間周期,暴露了AI算法預測能力的「短板」,而且疫情突然改變了房地產市場的走勢模態,加上Zillow高管的決策和判斷失誤,令其iBuying業務曇花一現;然而很值得一記的是,在信息錯綜複雜、未能整全的情況下,AI算法也有一籌莫展、測不準的局限!

樓價形成因素眾多、多樣且複雜,AI算法也會有測不準的局限。(資料圖片)

撰文 : 黃昊 科大商學院副院長、會計學系副教授

欄名 : 評論‧世情

緊貼財經時事新聞分析,讚好hket Facebook 專版