矩陣未來:房產經紀人還在為資訊雜亂而愁?你需要一個AI助手 | 創業
效率是人工智慧的必殺技。
面臨海量的資訊需要迅速整合、分析的時候,天才也會瞬間崩潰。所以,在大資料滿天飛的今天,依舊依靠人的大腦做資料整合的方式會讓很多行業的發展放慢腳步——我們亟待新的工作方式。
人工智慧的出現給予了這些高負荷的領域一個喘息的機會。在資訊整合、處理速度、工作記憶、客觀推理等方面,不知疲倦的人工智慧完全秒殺人類。藉助資料整合、智慧分析及自然語言生成等技術,人工智慧更能勝任處理海量資料中的那些需要耐心,精準推理,大量重複的工作,滿足人們端對端的資訊需求。基於此機遇,市面上已經出現了大量此類解決方案公司,多數涉及醫療、金融等行業。如今,新興科技公司矩陣未來帶來了更新鮮的 AI 應用——以人工智慧資料技術引擎為核心, 針對解決專業人士端對端的資訊需求,聚焦於房地產領域。
矩陣未來由畢業於斯坦福、清華、哥倫比亞大學、密蘇里大學等知名學府的團隊創立,致力成為領先的房產置業人工智慧資料綜合解決方案提供商。其旨在通過資料整合引擎、智慧分析引擎以及自然語言生成引擎,由 AI 完成篩選資訊、整合資料並結構化呈現關鍵資訊的工作,幫助專業人士抵禦資訊過載,輔助其快速理性決策。
矩陣未來 CEO 張通達介紹,房地產行業目前就有典型的資訊紛繁冗雜、人工成本高昂、整合效率低下的特點。“尤其是海外房產領域,文件處理的自動化程度比較低。房產資料整理和稽核這個環節,就是比較靠人工耗時耗力從業者。”他說。
據悉,美國房產的整個銷售流程大量依賴於經紀人和買家、經紀人與賣家線上下場景的溝通和交流。然而房產資訊紛繁冗雜,涵蓋領域廣泛,導致人工整理資訊成本極高。如,美國的房地產的店鋪需要花費大量時間,做機械、重複的資訊整理搜尋,然後再做總結工作。由於海外房產的生活和投資資訊更依賴於當地社群,地方性很強,很小的地方會有不同的資料,所以人工整理資料不但比較耗時間精力,而且極容易出錯。“如果出現資訊紕漏問題,不僅影響口碑,而且海外監管嚴厲的情況下,還有導致一些處罰。”
不過,隨著近 10 年來美國房產線上資訊平臺發展迅速,上述問題有所改善,但也只是解決了購房者線上資訊初篩的痛點,房產經紀人的線下銷售道具並未得到更多更新。“因此,一個可輔助房產經紀對線下場景的銷售材料進行整合分析的工具,是很強烈的需求。”張通達說。
因此,矩陣未來希望藉助人工智慧,為房產經紀人打造一個強有力的智慧大腦。其解決方案主要包含資料整合、篩選分析、決策資料呈現三個層面。據張通達介紹,在搜尋框輸入房產地址之後, 3-10 分鐘機器自動生成中英文雙語報告,包含房屋預期增長率、周邊人口情況統計、短租長租租售比等資訊,服務於房產經紀人及專業投資者。
成立於 2017 年的矩陣未來,目前已經與海外一些類似於國內房管局的大型機構建立了合作關係。“我們其實在去年已經實現了自負盈虧。”張通達透露到,通過為 B 端客戶提供方案,再收取相關服務服的商業模式,矩陣未來一直在積極自我造血。融資方面,目前,其已經完成了中信雲網有限公司的天使輪融資。
“我們把自己定位為AI垂直行業的應用,簡單說是用新技術去滿足一些老需求。”說起競爭力表現,張通達覺得理解行業、能夠落地行業就是壁壘。“最新的科研成果、演算法原理都是公開的。我覺得壁壘主要是對一個場景的理解。”他說。
據其張通達介紹,該行業的大公司一般不願意把資料共享出來的,而且他們有自己專門的技術部門,所以創業公司如果要直接去取代它裡面的一些工作流程是非常難的。此外,對於房地產的小 B 端客戶來說,其對不可以直接帶來客流的方案,付費意願很低,這會導致整個客單價很低。“所以找到一個場景是客戶願意付錢,而且是標準化的非常重要。”他說。對此,矩陣未來選擇通過和大型B端企業完成聯合開發和推廣,而不是“取代”。目前,張通達認為,從市場反饋來看,這樣的模式效果比較理想。