Clark Twiddy es el presidente de Twiddy & Company, una empresa de administración de activos y hotelería a lo largo de Outer Banks de Carolina del Norte.
getty
Dado que los precios de las viviendas continúan subiendo en muchos lugares del país, la industria inmobiliaria en su conjunto se ha visto afectada en los últimos dos años de una manera que muchos de nosotros apenas hubiéramos imaginado hace solo dos años. Si bien eso es obvio, los cambios más importantes en los mercados actuales son un reflejo de lo que nosotros, como profesionales, hemos aprendido a lo largo del camino.
Ya sea que se trate de la presencia de inversores a gran escala en el mercado residencial de construcción para alquilar, la demanda aún ardiente en muchos de los destinos de alquiler vacacional o simplemente los continuos cambios en el mundo del trabajo desde casa, el proceso tecnológico de compra, venta o alquiler. una casa está bajo presión como nunca antes. Esa presión, a su vez, está impulsando la disrupción del mercado a un ritmo asombroso, y un área que está experimentando cambios frenéticos es la tecnología agregada detrás de la fijación de precios de una casa para cualquier comprador en un momento dado.
Por contexto, durante muchos años el precio de una vivienda para su compra o alquiler fue impulsado por la interacción tradicional de oferta y demanda; es decir, el precio de una casa se cotizó a un nivel de comparación en comparación con otras casas similares (lo llamaremos un modelo de precios del lado de la oferta). La tecnología se usó principalmente aquí para agregar comparaciones con relativa rapidez y luego para usar conjuntos de datos crecientes para resaltar diferencias sutiles de valor entre viviendas particulares en un mercado determinado. En resumen, funcionó y funcionó bien durante mucho tiempo.
Sin embargo, con el aplastamiento de la demanda doméstica relacionada con Covid-19 que coincide con el desarrollo relativamente a gran escala de la tecnología de aprendizaje automático, hay importantes, aunque silenciosos, ataques en desarrollo contra el modelo tradicional de oferta y demanda en curso, y esas pruebas están impulsando el futuro de los precios en tiempo real.
Dicho de otra manera, volvamos al modelo de precios por el lado de la oferta; en resumen, el precio de la vivienda se basa primero en la vivienda en comparación con otras viviendas similares. Ahora comparemos ese modelo con el modelo emergente más nuevo: a este lo llamaremos un precio personalizado basado no necesariamente en la casa primero, sino primero en el comprador potencial, el marco de tiempo involucrado y los atributos específicos de una casa que son atractivos en relación con el persona y el marco de tiempo. Llamemos a eso precios personalizados en comparación con los precios del lado de la oferta.
Ahora bien, es probable que no sorprenda que diferentes casas tengan precios diferentes para diferentes personas por diferentes razones en diferentes momentos. Eso es bastante obvio, pero el desafío, durante tanto tiempo, ha sido tomar esa idea clara y encontrar con alguna probabilidad real que una persona en el momento correcto con el atributo correcto de una manera escalable. Ahí es donde el aprendizaje automático está abriendo nuevos caminos, particularmente a escala en grandes volúmenes de transacciones y conjuntos de datos.
A través de los tipos correctos de almacenamiento de datos, basados en variables recopiladas de compradores e inquilinos potenciales, la tecnología de aprendizaje automático hace que sea cada vez más posible pensar en compradores y vendedores en términos de probabilidades. Sin embargo, esas probabilidades cuentan cuando se piensa en la fortaleza de un mercado dado en relación con cualquier producto dado: cuanto más probable es la compra, más preciso es el precio del producto en relación con la persona que lo compra. En otras palabras, las tecnologías de aprendizaje automático están haciendo que los resultados de precios previstos sean mucho más probables dentro de los mercados accesibles y las limitaciones de tiempo.
Además de la capacidad de fijación de precios personalizada, el otro aspecto importante del aprendizaje automático es simplemente la velocidad de comercialización: ajustar y agregar datos que se utilizan para llevar mucho tiempo manual y las máquinas (y los algoritmos dentro de ellas) están automatizando rápidamente el proceso de alguna manera. que los seres humanos simplemente no pueden hacer de manera comercial. Cuando combinamos el conocimiento de compra personal de los compradores potenciales con la velocidad en el análisis de tendencias, tenemos una capacidad de alteración de precios que apenas estamos comenzando a ver.
Para ser justos, el potencial de cambios positivos profundos dentro de la industria debe ubicarse fuertemente en contexto con los desafíos igualmente profundos dentro del aprendizaje automático comercial: a saber, mantener la privacidad de datos adecuada para los usuarios de teléfonos inteligentes / aplicaciones y también resaltar la equidad en torno a la equidad del consumidor, lo que significa , en otras palabras, el equilibrio entre la probabilidad de que las compras no se desvíen hacia grupos demográficos específicos.
Al mirar hacia el futuro para evaluar los impactos más estratégicos de la tecnología de aprendizaje automático a gran escala, es útil señalar que, a pesar de la conciencia sobre el potencial de este tipo de tecnología automatizada, una encuesta reciente de la Escuela de Negocios Fuqua de la Universidad de Duke sugirió que solo alrededor del 3% de los encuestados indicaron que sus empresas implementaron AI / ML en su marketing con regularidad. Claramente, solo estamos viendo que los primeros avances de esta tecnología transformadora llegan a nuestras vidas cuando consideramos la compra y venta de bienes raíces.
Churchill una vez comentó que un momento era solo el final del comienzo en una lucha global más grande. En resumen, con la explosión del mercado inmobiliario que se cruzó con las implementaciones iniciales de la tecnología de aprendizaje automático, quizás solo hemos visto el final del comienzo de la disrupción de precios a escala global. Es muy posible que la disrupción haya nacido en los precios inmobiliarios.
Forbes Business Council es la principal organización de crecimiento y creación de redes para empresarios y líderes. ¿Califico?
