为什么3200的房子最好租？盈家打造租房全数据平台，还原行业全貌

租金如何定价一直是房东最头疼的问题。

房屋租金由装修情况、位置地段、交通便利程度、市场供需量、周边生活配套等多方因素综合决定，互联网的发展一定程度上改善了租房体验，但是对于租房这个相对传统的行业来说，信息严重不对称一直存在。双向不透明、不对称的需求，让很多房东挺着高价、忍痛空置房子几个月，租客也找不到性价比满意的房子，造成了租房资源的极大浪费。

“我们就是要解决这个痛点，什么样的房子应该租多少钱，让房东和租客都一目了然”盈家生活创始人邢弢告诉记者，经过国内团队和硅谷团队三个多月的共同努力，10月份上线的租金预测系统赢得了不错的口碑，这也是国内首款基于大数据和人工智能深度学习的租金预测工具。

租金预测系统通过大数据多维度为房源制定合理定价

租金预测系统（predictiveanalytics）集合了市场外部数据、消费人群行为分析、实时业务需求和预测算法来了解市场的真正变化，服务模型的最核心环节在于大数据与机器深度学习的结合。租金预测系统利用业务历史数据预测未来市场的走向，可以精确的预估出业务房源的价格，从而帮助租客、中介、平台、房东共同更好地完成租房闭环、同时实现房东利润最大化。

在租金预测系统中，每套房源都会根据大到交通情况、周边设施、房屋年龄、装修程度，小到房屋是否漏水、家电品牌、水电费定价等数百个纬度，结合周边房价大数据和房源本身情况，给到房屋综合评分及租金定价。

“如果我有房子要出租，系统会告诉我这个小区综合评分70分的房子可以租到3500，我在系统输入房源的具体信息，系统给出了80分的打分，同时提醒我房子会特别好租，租金提高到4000都不会影响出租情况，当然，我也可以根据打分选择装修的时候降低家电和厨卫标准，把分数拉低到70分，依然不影响出租”邢弢举了个例子，“租金预测不仅可以给出租金和出租率最佳的平衡点，也可以给要装修的房东提供装修标准，如果是职业二房东，甚至可以知道水电费标准应该怎么定，电器怎么配，才能赚得多又租得快。”

利用大数据为住房租赁市场提供行为依据

目前，租金预测系统测算的不同维度平均租金数据已被多个平台参考引用。

今年，在“房子是用来住的，不是用来炒的”和“租售同权”政策引导下，国企、开发商纷纷杀入长租领域，租赁房怎么造、怎么装修、怎么运营也成为摆在大家面前的难题。

“国家最近批了好些租赁用地，而开发商们拿了这些地就懵了，他们擅长造房子卖房子，但租住不是一锤子买卖，周期长、回本慢，是个持续且精细的服务行业，每天都有人来问我如何规划租赁用地、如何装修以及测算租金收益回报，其实答案都在数据里。”邢弢告诉记者，租住不动产经营完全是另外一种业态，装修和配套设施都要用另外一套思路来想。

基于团队沉淀的行业知识和大数据采集、计算和分析能力，盈家陆续开发了“住房租赁经营风险控制系统”（下图左）和“非租金收益管理系统”（下图右），这两款产品纯商用，为出租方提供经营风险和收益测算。从民用和商用、出租方和租客两个角度切入，不仅全面覆盖租住领域的动态数据，实时展示了租住市场的全貌，也更好反哺了租客和房东服务。

邢弢告诉记者，系统除了强劲的数据采集分析能力，盈家的行业认知为系统提供了最细颗粒度的判断准则。客观数据加上人的主观经验，才会有用、实用、好用，才是系统不可复制的核心所在。

利用机器深度学习，降低租金风险，提升非租金营收

房东的收入分为租金收入和非租金收入，前者是可测算的，后者才是运营能力的真正体现。

退租一直让很多房东头疼，如果提前退租而后续租客没跟上，对二房东来说是很影响现金流。租金预测系统就利用机器深度学习，让机器深度学习人的经验，把租客的情况等因素和附近房源退租情况综合计算，得出预估的平均租住时间，这对房东回收租金有很大的参考作用。

同时，系统会根据用户画像描述，告诉你对租客售卖什么可能最畅销，或者要不要给他们推个整形美容、学驾照或者旅游，通过销售分成来帮助增加非租金收益。“通过向租客提供覆盖租住全生命周期的服务，提高房东的非租金收益，不仅让房东享受了更高的利润，同时也意味着，我们为租客提供了更周到的服务，提高了租住的满意度，这是我们倡导的真正运营，也是大数据的最大魅力。”

从首创租后服务概念到首创租金分期金融业务，盈家一直在创新存量运营之道，“我们正在从传统意义上的租住服务平台升级成为全数据资产管理平台，也会通过科技和数据给行业带来更多有用的东西。”邢弢说，“三个系统目前都在申请专利过程中。”