買賣房子可能是你這一輩子做的最大的一次生意了。這一點對中國人來說如此，對美國人來說也不例外。

在國內買賣房子，我們一般都會上一些App上看看那套房子值多少錢，一般來說，大家都會參考同小區類似房子的掛牌價。

當然，現在也有一些軟件開發出了所謂的智能系統，你輸入房子的位置、面積、層高、朝向等信息，會自動出來一個參考價格。

這種模式在國內或許用的比較少，畢竟都是小區平層房居多，跟樓下大媽和房產中介打聽打聽，基本也能把房子價格打聽出個大概——剩下的就是討價還價了嘛。

但是，在美國，以獨棟為主的各類房產通常價格差異很大，房齡橫跨上百年，建筑結構和建筑風格各異，即使是同樣地段，可能交易價格會有很大的差異。

這時候，智能系統就成了主角。

也許你沒有聽說過Zestimate，更沒有聽說過Zillow公司，但是他們做的事情你一定能理解——用人工智能判斷房價。

作為文摘的粉絲，多少了解一些預測系統的原理，列出盡可能多的房屋的特征，然后用大量歷史數據進行訓練，就能得到一個相對準確的房屋估價模型。

Zestimate做的就是這么一件事。Zestimate的數據樣本究竟多大？答案是1.04億，美國全國的住宅總共也不過2億左右，Zillow公司占了一半。

海量數據加上這幾年飛速發展的神經網絡技術，Zillow公司的業務直線起飛，在整個美國，幾乎所有參與房屋買賣的經理人都將Zestimate的估值作為重點參考。

就是這么一件頂著AI科技光環的公司，在11月2日宣布計劃裁員2000人，約占全部員工總數的25%，一周后公司股價大跌近三分之一。

這到底是發生了什么？

我們不妨一起來看看，這個典型的AI科技公司的成長和受挫之路，對于國內很多靠著“一招鮮，吃遍天”的初創科技公司來說，有著重要的參考意義。

從招聘廣告看Zestimate預測技術

一般來說，想要觀察一家AI公司的核心技術，看看他們的核心業務算法工程師的招聘要求就行了。

Zestimate的核心是預測，最關鍵的應該是數據科學家，我們來隨便看一個Zillow公司數據分析師的招聘廣告是什么樣。

其實還是SQL數據庫、Python/R這些東西，并且尤其提到了Prophet庫。

Prophet是一個專門為預測單變量時間序列數據集而設計的開源庫。如果你想要自動化地尋找一組好的模型超參數，從而對擁有趨勢及季節性周期變化結構的數據做出有效預測，使用Prophet來處理是一件輕而易舉的事情——它本來就是為此而設計的。

很顯然，Zestimate是用Prophet做時間序列預測，比如未來房子值多少錢？

但是Prophet能勝任這樣的工作嗎？顯然并不完全能。

住房價格是隨機的和綜合的，因為房價是一個競爭的、高度金融化的市場價格，就像股票一樣，很多時候依照歷史數據得到的只是過擬合的曲線，而不能預測到未來的波動。

關于時間序列預測房價的局限性可以參考這篇博客：

https://ryxcommar.com/2021/11/06/zillow-prophet-time-series-and-prices/

被AI技術砸腳的Zillow

Zillow的Zestimate估價技術在房產市場平穩的時候還是非常管用的。

根據其官網的介紹，目前Zestimate在全美國范圍內針對在售房屋的價格預測偏差(median error)為 1.9%，而針對未上市房屋的價格預測偏差為 6.9%。

準確的結果使得Zillow公司不可避免的去考慮怎么通過這個估值賺錢，這就造就了“房屋翻售”（House flipping）項目的誕生。

簡單來說，就是購買售價偏低的房產，進行修復和部分設施升級后再加價售出，以獲取差價利潤。

只不過之前這個估價購買都是有經驗豐富的房產經理人完成，而Zillow則是通過機器學習技術來完成。

這種方式效率很高，但是也風險更大。

根據財經十一人的報道，新冠疫情后，美國的房地產市場急速升溫。房價上漲的同期比很快從5%上下飆升到超過10%，2021年8月最高甚至達到19.8%。

Zestimate模型沒有很好地應對市場的這一變化，房價波動導致模型跑偏，很多成交的房產都出現了價格倒掛，買的時候貴，翻新了再買反而便宜了。

在鳳凰城，Zillow翻售后房屋放盤價格有超過九成(93%) 低于公司購入的價格。

這種失誤不僅讓Zillow虧錢了，還讓Zillow手里持有了過多庫存。

就這樣，巨額虧損和現金流斷裂，讓Zillow挺不住了。

根據媒體報道，11月2日，Zillow發出聲明，公司將放棄房屋翻售業務。聲明中表示，公司的快速買賣房屋的算法+模式未能按計劃發揮作用，造成巨額虧損。預計第三和第四季度的合并虧損將超過5.5億美元。公司計劃裁員2000人，約占全部員工總數的25%。聲明發布后的一周內公司股價大跌近三分之一。

這樣的結果給所有沉醉在數字化、大數據、AI等技術上的公司敲響了警鐘，一味依靠數據分析和模型預測的業務模式，并不能應對市場的全部。市場永遠是對的，一旦市場發生變化，原本讓公司賺的盆滿缽滿的模型可能也是讓公司倒下的決定性因素。

本文來自微信公眾號“大數據文摘”（ID:BigDataDigest），36氪經授權發布。