:::: MENU ::::

TalkingData's Blog

现在开始,用数据说话。

数据那些事儿 | 移动大数据驱动下的地产行业创新与变革

  • Jul 18 / 2016
  • 0
Events

数据那些事儿 | 移动大数据驱动下的地产行业创新与变革

作为TalkingData着力打造的“7月房地产大数据主题月”系列活动之一,7月10日由TalkingData行业客户部地产业务拓展总监-毕英杰在TalkingData University-大数据名人大讲堂做了题为《移动大数据驱动的地产行业创新与变革》的分享,以下为分享的核心内容:

幻灯片1

 

“移动大数据驱动的地产行业创新与变革”这个题目从我一年前入职TalkingData之初就开始使用。那时候,TalkingData的房地产业务刚起步,这个题目更多的代表的是我们对于将TalkingData的数据能力应用在房地产领域,为行业带来创新的一种憧憬;在过去的一年中,TalkingData一直在践行这样的目标与使命。一年的时间转眼就过去了,现在我终于可以用一个个应用案例、良好的客户口碑、更成熟的大数据应用技术来与大家分享,TalkingData是如何用移动大数据来为传统的地产行业带来创新与变革。


当下“大数据”是最火的概念之一,不管有没有数据都说自己是“大数据公司”。从有数据的公司的数据种类来看也是各式各样,同时城市机器不断运转,源源不断的产生出丰富且巨量的数据,这些数据存储在不同的体系中,或活跃、或沉睡。大数据会产生“颠覆”的力量,这已经成为产业的共识,但是什么样的数据才能够真正具有改变一个行业的力量?首先是这种数据应该具有“广度”,包括空间广度与时间广度,空间上它是相对完整的不缺失,不能因为离开某城市、某区域,数据就没有了;时间的广度要求它能够回溯过去、对比今天,进而预测明天。其次,是“可用”,就是说这种数据是可以被商业化使用的数据,它应该是脱敏非隐私的,而数据粒度上又具备商业化的价值的数据;第三是“成长性”,意味着这是一种“鲜活”的数据,同时代表着数据的发展趋势;最后就是“结构化”,粗粒度的统计型的数据当下应用的比较广泛,比如统计年鉴、地产中的年报月报等,这种数据的结论输出需要大量的人为干预,非常依赖于“专家”们的思维黑箱,这是传统的决策方式;而结构化的数据可以运用当下强大的机器运算能力,在极细粒度的数据中寻找到超越人类思维能力的价值。综上,我们看到,“移动大数据”就是具备这些特征的一种数据,是具有“颠覆能力”的一种数据源。


原来我们说大数据,往往会想到电商、交通等数据交互频繁的行业,而房地产是一个低频、高货值,而且目前自身发展的还不错的行业,房地产感觉距离大数据有点远。但是TalkingData的地产团队,真的用一年的时间,从“零”做到了公司第二大业务板块。回顾过去的一年,我认为可以总结为:天时、地利、人和。

天时是近几年的房地产市场波动,特别是2014年的市场惨淡,开发商开始相信拐点真的要来了。在2015年,虽然市场好了,但是非常多的地产商开始居安思危,我们可以看到在过去的一两年中全民营销平台、房产众筹、VR看房等诸多房产创新商业模式和项目在互联网的环境下成长起来,“主数据打通”的概念也时常在地产公司被提及。

地利是TalkingData在移动大数据领域大量的行业应用经验积累,国内TOP级别的大数据存量与增量。

人和是非常重要的因素。从内部来说,我们公司基因中就流淌着toB的企业文化,同时又兼具互联网企业的高度包容性,在TalkingData的地产业务群中,既有系统背景、数据背景的技术型人员,又有地产咨询、市场研究出身的业务型人员。任何一个项目进来,从最前端的销售到最后端的研发都能够形成良好的沟通与合力;从外部来讲,TalkingData深度合作的开发商、咨询机构等都成为TalkingData最好的合作伙伴,TalkingData与他们一起引领行业的变革。



近期,TalkingData的数据能力再次升级。我们逐步建立起了基于数据部署、数据整合与数据应用为一体的大数据生态。TalkingData将为各个企业提供更灵活、更深度的数据服务能力。


TalkingData新发布的DMPPlus就像乐高玩具,DataCloud数据云平台是底座,提供各种数据打通能力,在这里各种来源的数据会被清洗、整理、打通;在此之上是各种各样像积木一样的数据应用产品,有做投放的、有做展示的、有看竞品的等等,满足不同企业不同部门的基于数据的实际业务需求。左侧展示的是一个私有化部署版本的示意,当这家企业发现当下数据不足以满足业务需求的时候,可以外接数据市场,引入更多的外部数据。又或者企业伴随业务发展,衍生了新的业务需求,也可以在TALKINGDATA的外部数据应用市场中去寻找适合的数据应用。整个流程就像在苹果商店购买一个App一样便捷。这只是TalkingData Dmp Plus的一个版本的示意,我们还支持多种部署与组合方案。


在大数据实践方面,我首先与大家分享TalkingData与合作伙伴共同为某知名房企开发的城市客户地图。在这个产品中,除了基于传统统计型数据而形成的关于城市人口规模等方面的内容,还应用了TalkingData的位置相关数据。我们通过对于规律型行为的分析,识别样本数据中的职住分布情况,从而绘制出城市的通勤地图,由于这些数据均是结构化的数据,我们可以像切片一样看某些区域的通勤情况。在这个城市百万级的样本数据中,我们发现一些有趣的现象。我们发现有些样本,在工作日居住和工作都在中心城区,但是周末的两天都出现在城市的外围区域。呈现着房地产中所说的1.5居所的特征。


这是我们与另外一个合作伙伴合作开发的“人迹地图”产品。我们首先将城市切分成若干按照一公里进行划分的公里网格,然后将样本的位置数据投影到这些网格中,通过对职住的判断,基于居住或者工作,就形成了不同的族群,他们所归属的网格我们称之为锚点。这样,我们就把一个巨量的样本数据实现了空间化展示。我们点击任何一个网格,就会呈现出这个网格的族群在这个城市中不同程度的活动范围,我们通过数学运算,来找到这个族群中的生活圈、休闲圈、通勤圈等。我们也可以识别关于这个族群的一些线上标签特征。


我们与合作伙伴也为知名房企共同开发了城市投策地图。我们很多人都有过买房、租房的经历,看房子,通常都会考虑很多因素,房价、租金、学校、医院、公园等,人的决策是复杂的,我们尝试在这样复杂的决策体系中,通过大数据寻找机会。这个投策产品简单说,就是我们将可能影响投策行为的物理空间数据进行标签化,赋予城市中的每个商圈,然后我们再通过机器运算,去寻找这上百块城市地块间的关系。最后,如“人迹地图”一般,我们讲样本数据投射到这些商圈中。这就构建出基于地理大数据与移动大数据的国内首个房地产投策产品。


从房地产营销环节来看,我们自主开发的打通内外场、线下与线上数据的“客缘系统(营销版)”,在今年一月份的一些项目中就开始部署了,针对的使用者是地产商一线销售人员和销售管理人员。整体上TalkingData并不是说开发一个大数据的“神器”,而是为营销人员及管理者提供一种新的视角,一种有别于传统对于客户认知方式的全新方式。TalkingData通过客户地图、标签、潜客挖掘等为营销人员提供便利的客群洞察工具。


拆解客缘的功能,有最基础的客流统计功能,同时基于设备的唯一ID,我们可以对到达售楼处的人群进行更精细化的客群分析。由于基于唯一ID的客群数据都是以结构化的标签表达,于是我们就可以对这些数据进行更多的数学尝试,在经过业务人员的解读,对于营销有直接价值的部分,我们会固化下来,实现产品迭代。


同时,我们可以针对不同采集方案获取到的不同客群形成不同的客群标签化分析。客群的基本特征、线上行为特征以及来源等信息,都会帮助我们对比了解不同客群之间的异同。同时,针对某类客群,我们深度解析线上应用偏好,往往会给我们带来不少惊喜。同时,表面看似距离房地产领域有点远的线上行为标签,通过数学手段也可以成为我们了解客群的有力武器。以右图为例,谁能想到原以为一样的几类客群却呈现着非常大的区别。


Lookalike算法通常被应用在找到更多潜客方面,落在地图上的可视化结果能够更加直接的为线下活动选择提供倾向性建议。


我们尝试运用TalkingData的大数据能力,为营销人员提供从“线下活动选址”、“活动曝光”、“到访”到“转化”的数据漏斗。我们尝试让传统的营销活动实现“数据可追溯”与“效果可衡量”。


TalkingData从今年开始尝试大数据在商业地产中的落地应用,通常我们会以内场数据分析为起点,打通内外部数据,通过竞品洞察与区域人群洞察等方式,从深度和广度进行前所未有的客群洞察。


总体来说TalkingData在商业地产的应用就是通过多数据源打通,构建结构化的数据样本集群,进而通过与营销标签、品牌标签等子库进行关联,实现对于客群的深度洞察和预测,进而通过一些触媒实现与客群的互动。

毕英杰

拥有8年城市规划与房地产咨询经验。现就职于TalkingData任行业客户部地产业务拓展总监,负责移动大数据在地产行业的业务拓展。TalkingData“大数据+地产”业务的创始团队核心成员之一,具有丰富的大数据在地产行业落地实施经验。之前就职于CCDI(悉地国际)、世联地产等咨询机构,在城市规划、城市设计、地产咨询等领域具有多年的实操经验。

微信号:bibby04-hanyu

Leave a comment

随时欢迎您 联系我们