Lo scorso novembre Zillow, il principale portale di annunci immobiliari presente negli Stati Uniti, ha annunciato la chiusura di Zillow Offers, la sua divisione iBuying, dedicata all’acquisto diretto di case.
In seguito a un disastroso rapporto sugli utili, il brand nato a Seattle si è visto costretto ad ammettere la perdita di 420milioni di dollari, oltre alla prospettiva di licenziare un quarto della sua forza lavoro totale (circa 2.000 persone su 8.000 impiegati).
Una fine senza troppe cerimonie per questo ramo di attività del colosso immobiliare statunitense, nonostante le 7.000 unità immobiliari ancora in portafoglio.
Prima di questo flop, Zillow era il secondo più grande “iBuyer” sul mercato, impegnato negli acquisti immobiliari seriali in giro per gli States.
Cos’è successo?
L’algoritmo Zestimate, di proprietà del brand, ha fallito il compito di prevedere con precisione l’oscillazione dei prezzi di mercato. Il binomio algoritmi e immobiliare scricchiola.
Algoritmi e immobiliare: i limiti di Zestimate
Zillow non ha mai condiviso (normale che sia così) la formula utilizzata per la stima degli immobili, limitandosi ad affermare di utilizzare “modelli statistici e di apprendimento automatico” per “esaminare centinaia di dati” per ogni proprietà valutata.
Su indicazione dell’azienda stessa, i dati includevano elementi come la metratura, la posizione, il numero di camere da letto e dei bagni.
Lo Zestimate teneva conto, inoltre, delle vendite precedenti, della permanenza nel mercato e del prezzo di quotazione.
Nell’ultimo aggiornamento della formula lo scorso giugno, Zillow affermava di aver reso le stime più reattive alle tendenze del mercato e alla stagionalità.
Ma ciò non è bastato, e le difficoltà emerse ne sono la prova.
Il valore delle case non è (solo) un semplice fattore economico
Se l’accuratezza dell’algoritmo non era in discussione, ci si chiede cosa non abbia funzionato nel modello di business dell’azienda americana.
Come evidenziato dal Wall Street Journal subito dopo la chiusura di Zillow Offers, fare eccessivo affidamento su di un algoritmo per calcolare i valori delle case è un azzardo che porta con sé rischi troppo elevati.
L’acquisto di un’abitazione è guidato da fattori difficili da quantificare come emozioni, estetica, disposizione degli spazi, ecc., che l’algoritmo non può di fatto quantificare.
Certo, altri elementi hanno giocato un ruolo nella vicenda:
- la carenza di manodopera;
- i problemi della catena di approvvigionamento;
- la difficoltà nell’individuare appaltatori affidabili;
- l’impossibilità di intervenire sulle ristrutturazioni con la rapidità sperata.
Tuttavia è la criticità del modello di business basato su un utilizzo massivo del digitale ad aver catalizzato l’attenzione dei media e del mercato.
Le 4 lezioni fondamentali su algoritmi e immobiliare
La parabola di Zillow sottolinea 4 aspetti a chiunque operi nel mercato della compravendita immobiliare, noi instant buyer compresi.
- Solo perché un processo aziendale può essere automatizzato, non significa necessariamente che debba essere automatizzato. È sempre necessario procedere con un’attenta analisi per individuare quali parti del processo possano essere sviluppate in maniera più efficiente tramite l’utilizzo di algoritmi e quali, invece, necessitino ancora della componente umana (anche solo in parte).
- Chi si affida al machine learning per alimentare il proprio business, o parte di esso, deve poter costruire l’affidabilità di questi modelli nel tempo, creando inoltre un processo che permetta all’operatore umano di scavalcarli, ove necessario.
- In periodi di grandi cambiamenti, come lo sono stati la crisi del mercato immobiliare del 2008 o la pandemia di Covid-19, è necessario dare a questi strumenti il tempo di imparare e di adattarsi. Per questo è fondamentale avere algoritmi ‘versatili’ che possano lasciarsi rapidamente il passato alle spalle.
- La parola d’ordine che dovrebbe governare tutti i processi di machine learning è monitorare, monitorare e ancora monitorare queste applicazioni in fase di produzione. Solo una costante analisi dei risultati permette di modificare e adattare l’algoritmo ai cambiamenti di scenario rendendolo, nel tempo, sempre più affidabile.
L’importanza del capitale umano
Il fallimento di Zillow nell’instant buying, ha reso evidente come i processi di machine learning e l’intelligenza artificiale non siano ancora all’altezza delle attese. Valutare una casa in un mercato in rapida evoluzione rimane un compito ancora complesso.
In generale, l’insuccesso di Zillow rappresenta una grande perdita per il comparto, in particolare per quella nicchia di business che basa gran parte dei propri processi sull’integrazione di questi strumenti.
Dalla vicenda emerge, però, anche un risvolto positivo. È chiaro come il digitale, da solo, non sia ancora sufficiente nel guidare il cliente in un processo tanto complesso come quello della compravendita.
Altrettanto chiara è l’importanza di affidarsi al lavoro di un professionista che conosce il territorio e il contesto in cui si trova l’immobile. Grazie ad esso si potrà assistere con successo il cliente nell’intero processo di compravendita.