2018-6-14 16:29:02
CricBigData 今天
作为中国房地产大数据应用服务商，克而瑞基于风云变幻的市场形势、当下的客户痛点，以“提升内部专业度、打造产品创新度、升级客户满意度”为目标，于2017年举办了第一届“瑞智杯”创新大赛，发掘了一大批优秀创新课题。2018年6月27日，第二届瑞智杯即将重燃战火，克而瑞各大创新先锋都收到了本次创新大赛“挑战最强王者”的英雄帖。今年克而瑞全新成立的创新产品事业部带动各机构频频发力，让第二节瑞智杯有了全新的看点。各创新团队针对行业数据、客户数据，以及新获取的跨行业数据进行应用挖掘，从而在传统房地产领域形成了新的研究方向。其中，既包括数据营销系统、可视化大屏、都市圈数据库这样的已成型产品；也有针对客户数据、地产投资的新算法；还有基于已做成的系统化底层数据，结合新的算法和新的应用场景，形成的新应用方向。那么今年，克而瑞的最强大脑和挑战者们又将为瑞智杯带来哪些基于大数据应用的创新思考和成果？继备受关注的天巡系统、瑞企库和栅格图后，今天推荐的这款创新产品，依然来自重庆机构。创新课题：大数据长租公寓选址应用创新类型：算法挑战者：重庆机构为什么要用大数据选址当企业的经营策略、业务运营、服务水平均趋于成熟和统一时，位置成为影响企业经营业绩的关键因素。企业在传统房地产板块划分中寻找可投资物业时，传统的选址方式不外乎靠人工数客流、靠互联网拓客、靠物业条件三种。但是这三种方法不但很难，且都有很大缺陷：靠人工面临成本压力，统计数据也不准确，靠互联网面临客户画像不清晰，靠物业条件则面临客户需求不明确的问题。与之相比，大数据选址就显现出巨大的优势，其科学量化、智能寻源、下沉深度、数据海量、及时准确都是传统方法无法做到的，也解决了客户画像不清晰、需求不明确等重要问题。
如何用大数据指导选址有了大数据选址这个利器，重庆机构利用栅格，开发出一套长租公寓选址应用体系：第一步，进行客户场景描摹，通过其收入情况获取租金承受力，通过租金高低获取需求空间，通过生活设施聚合获取客群移动半径，通过消费场所聚合获取客群消费便利度。第二步，需求要素拆分，将薪酬、租金、消费场所、生活设施等二级指标细分为三级指标。
第三步，通过需求要素权重倾斜，获取更准确的需求点位。选择相对应的要素指标，针对不同人群划分长者公寓、青年公寓、单身女性公寓、单身男性公寓、高端商务公寓、入门级公寓等各类长租公寓产品线，在大众点评网商家数据、在线地图等资源里获取这些需求数据，再分别下沉到栅格中。
第四步，需求要素落位至栅格，将细分生活要素落位至1km*1km的城区栅格图上，通过栅格堆积，聚合出新的板块。
第五步，选址指导。根据产业聚集与客户需求点聚合确定目标区域，这些栅格聚合出的新板块，都是已经具有客户需求价值的，现在需要知道的是其中哪些具有投资价值。通过克而瑞的租金数据和房价数据，把单方的租金房价比形成一条中位线。租售比越低，投资机会越大。结合栅格中的板块，进行再一轮的修正，将目标区域中租金房价比较低的区域筛选出来，构建出高价值投资区域。
第六步，结合区域内不同类型房源进行物业匹配、物业布局建议。根据长租公寓集中式与分散式运营模式，可选取不同物业类型进行匹配：散点式房源数据取自于互联网的租赁房源信息，包括商品房小区、园区规划配套用房等，和克而瑞筛选出的板块做匹配，把其中租金数据不错的板块提供给客户。集中式方面，在已筛选板块中寻找可跟进的商办楼，如规划中或在售的公寓、烂尾楼、工业产权楼、老旧写字楼物业、还建房小区、国有办公楼、背街商业楼等等，看其中哪些可进行结构更新或装修更新，再推荐给长租公寓的开发企业或经营企业。
閱讀更多 CricBigData 的文章
