Clark Twiddy : Comprendre l’avenir de la tarification dynamique


Clark Twiddy : Comprendre l’avenir de la tarification dynamique

mm


Article original publié par Forbes et écrit par Clark Twiddy, le président de Twidy & Compagnie, une entreprise d’accueil et de gestion d’actifs le long des Outer Banks de Caroline du Nord.

Les prix des maisons continuant de monter en flèche dans de nombreux endroits du pays, le secteur immobilier dans son ensemble a été bouleversé au cours des deux dernières années d’une manière que beaucoup d’entre nous auraient à peine imaginé il y a seulement deux ans. Bien que cela soit évident, les plus grands changements sur les marchés d’aujourd’hui sont le reflet de ce que nous, les praticiens, avons appris en cours de route.

Qu’il s’agisse de la présence d’investisseurs à grande échelle sur le marché résidentiel de la construction à louer, d’une demande toujours intense dans de nombreuses destinations de location de vacances ou simplement de changements continus dans le monde du travail à domicile, le processus technologique d’achat, de vente ou de location une maison est sous pression comme jamais auparavant. Cette pression entraîne à son tour une perturbation du marché à un rythme étonnant, et un domaine qui connaît un changement frénétique est la technologie d’agrégation derrière la tarification d’une maison pour un acheteur donné à un moment donné.

Pour le contexte, pendant de nombreuses années, le prix d’une maison pour l’achat ou la location a été déterminé par l’interaction traditionnelle de l’offre et de la demande ; c’est-à-dire qu’une maison a été évaluée à un niveau de comparaison par rapport à d’autres maisons similaires (nous appellerons cela un modèle de tarification du côté de l’offre). La technologie a été principalement utilisée ici pour agréger des comparaisons relativement rapidement, puis pour utiliser des ensembles de données croissants pour mettre en évidence des différences de valeur subtiles entre des maisons particulières sur un marché donné. Bref, ça a fonctionné et bien fonctionné pendant longtemps.

Avec l’écrasement de la demande domestique liée à Covid-19 coïncidant avec le développement à relativement grande échelle de la technologie d’apprentissage automatique, cependant, il y a des attaques importantes, bien que silencieuses, en cours contre le modèle traditionnel d’offre et de demande, et ces tests conduisent l’avenir de la tarification en temps réel.

Autrement dit, revenons au modèle de tarification du côté de l’offre – en bref, le prix d’une maison est basé sur la maison d’abord par rapport à d’autres maisons similaires. Comparons maintenant ce modèle avec le modèle émergent plus récent – nous appellerons celui-ci une tarification personnalisée basée non pas nécessairement sur la maison d’abord mais sur l’acheteur potentiel d’abord, le laps de temps impliqué et les attributs spécifiques d’une maison qui sont attrayants par rapport à la personne et le délai. Appelons cela une tarification personnalisée par rapport à une tarification du côté de l’offre.

Maintenant, il n’est probablement pas surprenant que différentes maisons valent des prix différents pour différentes personnes pour différentes raisons à différents moments. C’est assez évident, mais le défi, depuis si longtemps, a été de prendre cette idée claire et de trouver avec une réelle probabilité qu’une personne au bon moment avec le bon attribut d’une manière évolutive. C’est là que l’apprentissage automatique innove, en particulier à grande échelle sur de gros volumes de transactions et d’ensembles de données.

Grâce aux bons types d’entrepôts de données, basés sur des variables collectées auprès d’acheteurs et de locataires potentiels, la technologie d’apprentissage automatique permet de plus en plus de penser aux acheteurs et aux vendeurs en termes de probabilités. Ces probabilités comptent, cependant, lorsque l’on pense à la force d’un marché donné par rapport à un produit donné – plus le marché est susceptible d’achat, plus le prix du produit est précis par rapport à la personne qui l’achète. En d’autres termes, les technologies d’apprentissage automatique rendent les résultats de prix prévus beaucoup plus probables dans les marchés adressables et les contraintes de temps.

En plus de la capacité de tarification personnalisée, l’autre aspect important de l’apprentissage automatique est simplement la rapidité de mise sur le marché – l’ajustement et l’agrégation des données utilisées pour prendre beaucoup de temps manuel et les machines (et les algorithmes qu’elles contiennent) automatisent rapidement le processus d’une manière que les êtres humains ne peuvent tout simplement pas faire de manière commerciale. Lorsque nous combinons la connaissance personnelle des achats d’acheteurs potentiels avec la rapidité de l’analyse des tendances, nous avons une capacité de perturbation des prix que nous commençons seulement à voir.

Pour être juste, le potentiel de changements positifs profonds au sein de l’industrie doit être fortement mis en contexte avec les défis tout aussi profonds de l’apprentissage machine commercial : à savoir, maintenir une confidentialité appropriée des données pour les utilisateurs de smartphones/d’applications et également mettre en évidence l’équité autour de l’équité des consommateurs – c’est-à-dire , en d’autres termes, l’équilibre entre la probabilité que les achats ne soient pas biaisés en faveur de groupes démographiques spécifiques.

Alors que nous nous tournons vers l’avenir pour évaluer les impacts plus stratégiques de la technologie d’apprentissage automatique à grande échelle, il est utile de noter que malgré la prise de conscience du potentiel de ce type de technologie automatisée, une récente enquête menée par université de Duke‘s École de commerce Fuqua suggéré que seulement environ 3% des répondants à l’enquête ont indiqué que leurs entreprises déployaient régulièrement l’IA/ML dans leur marketing. De toute évidence, nous ne voyons que le début de cette technologie transformatrice atteindre nos vies alors que nous envisageons l’achat et la vente de biens immobiliers.

Churchill a un jour remarqué qu’un moment n’était que la fin du début d’une lutte mondiale plus vaste. Bref, avec l’explosion du marché immobilier qui se croise comme avec les premiers déploiements de la technologie d’apprentissage automatique, nous n’avons peut-être vu que la fin du début de la perturbation des prix à l’échelle mondiale. La perturbation peut très bien être née dans la tarification de l’immobilier.

Leave a Reply

Your email address will not be published.