Опубликовано исследование в журнале Marketing Science, в котором говорится, что широко используемый Zillow алгоритм оценки стоимости жилья Zestimate повышает эффективность в секторе жилой недвижимости и приносит значительную пользу районам с низким доходом, даже в ситуациях, когда алгоритмы иногда менее точны в этих районах.
Авторы исследования: Runshan Fu из Нью-Йоркского университета; Yan Huang из Университета Карнеги-Меллона; Nitin Mehta из Университета Торонто; Param Vir Singh из Университета Карнеги-Меллона; Kannan Srinivasan из Университета Карнеги-Меллона.
Методы исследования
Исследователи использовали подробные данные о продажах жилья и данные Zillow по 4 027 объектам в 140 районах Питтсбурга, где они построили структурную модель рынка жилья. Они стремились измерить, как Zestimate влияет на решения о выставлении объектов на продажу, цены продажи, время нахождения на рынке, излишек покупателя и прибыль продавца.
Результаты исследования
В итоге они обнаружили, что Zestimate снижает неопределённость, связанную с фактической стоимостью недвижимости, что позволяет продавцам снизить вероятность продажи своих объектов ниже рыночной стоимости. Это также помогает покупателям найти дома, которые они действительно ценят, что приводит к покупкам, которые лучше соответствуют их конкретным потребностям и предпочтениям. Это приводит к увеличению дополнительной стоимости (излишка покупателя) на 5,94% и прибыли продавца на 4,36% в среднем.
«Даже когда Zestimates недооценивают или переоценивают дом, они снижают неопределённость относительно истинной рыночной стоимости недвижимости и помогают прояснить ожидания как по цене продажи, так и по окончательной цене предложения», — сказал Хуан. «Покупатели и продавцы принимают более взвешенные решения, и рынок в целом становится более эффективным».
Исследователи обнаружили, что алгоритм Zestimate менее точен в районах с низким доходом, но, как ни странно, они получают от него наибольшую пользу. Это связано с тем, что в этих районах выше базовая неопределённость относительно стоимости недвижимости, поэтому Zestimate помогает снизить эту неопределённость даже с учётом погрешности.
Прибыль продавцов увеличивается на 4,78% в бедных районах по сравнению с 4,21% в более богатых районах. Излишек покупателя, как правило, увеличивается на 9,09% в районах с низкими доходами по сравнению с 7,26% в богатых районах.
«Эти результаты удивили даже нас», — сказал Мехта. «Zestimates фактически сокращают информационные разрывы и снижают неравенство, помогая покупателям и продавцам начать процесс с более полной информацией, большей ясностью и более разумными ожиданиями относительно того, чего они могут достичь».
Сингх добавил: «Если бы точность Zestimate в бедных районах была повышена до уровня богатых районов, общий экономический излишек мог бы увеличиться ещё на 31%. Это значительная возможность для повышения справедливости и эффективности на рынке жилой недвижимости».
Исследование показало, что 73% объектов с завышенной оценкой Zestimate всё равно приносили больший излишек покупателю; и 44% объектов с заниженной оценкой Zestimate всё равно приносили более высокую прибыль продавцам.
«Эти алгоритмы создают беспроигрышную среду как для продавца, так и для покупателя, и им не нужно быть идеальными, чтобы приносить реальную пользу», — сказал Каннан. «Рынки чутко реагируют на любой сигнал, снижающий неопределённость, и Zestimates делают именно это».
Предоставлено Институтом исследований операций и управленческих наук (INFORMS).