更多選擇猬仁，上擇家！擇家珍逸，房產類信息聚合平臺逐虚，立足打造更加中立的聋溜、更多房源的谆膳、連接更多經(jīng)紀人，為找房者提供更加便利化智能化服務的撮躁，智能化找房服務平臺漱病。其中，“推薦機制”作為產品智能化的體現(xiàn)把曼，是擇家項目考慮的關鍵杨帽，也是擇家想要做出的特色，因此也是大家關注的重中之重嗤军。那么注盈，一個房產應用到底怎么來做推薦呢？
為此叙赚，我們分析了網(wǎng)易云音樂和今日頭條老客，以及市面上的“房天下”、“安居客”震叮、“平安好房”等十余種房產品APP的推薦和查詢功能胧砰。它們到底是怎么樣的？它們是真推薦還是偽推薦苇瓣？小編將帶您一探究竟尉间。
一、了解推薦算法
說到推薦機制击罪，必然就要了解一下算法和邏輯哲嘲。通過參考一些學術文獻和相關文章，以及和數(shù)據(jù)部門同事對目前的算法和模型的交流媳禁。有這樣一些方法供大家了解：基于人口統(tǒng)計學的推薦方法撤蚊、基于內容的推薦方法、基于協(xié)同過濾的推薦方法等损话。
但要實現(xiàn)實時的推薦就需要建立一個推薦模型侦啸，關于推薦模型的建立方式可以分為以下幾種：基于物品和用戶本身的槽唾、基于關聯(lián)規(guī)則的、基于機器學習模型的推薦等光涂。在現(xiàn)實的推薦系統(tǒng)中庞萍，很少有只使用了一個推薦策略的推薦引擎，一般都是在不同的場景下使用不同的推薦策略從而達到最好的推薦效果忘闻，例如電商平臺的推薦钝计，它將基于用戶本身歷史購買數(shù)據(jù)的推薦，和基于用戶當前瀏覽的物品的推薦齐佳，以及基于大眾喜好的當下比較流行的物品都在不同的區(qū)域推薦給用戶私恬，讓用戶可以從全方位的推薦中找到自己真正感興趣的物品。
二炼吴、競品推薦機制分析
2.1你身邊的推薦
其實本鸣，“推薦”早已出現(xiàn)在我們的生活中，比如說最傳統(tǒng)的相親硅蹦，媒婆需要了解你的基本情況荣德，然后再問你的要求，媒婆會根據(jù)她所了解掌握的情況童芹，有個判斷涮瞻，然后推薦相關的人選。和做產品唯一的不同之處在于假褪，相親這個事情的復雜性署咽，相親總有一些不可控的因素，其中最為明顯的是相親是一個雙向的選擇過程生音，你的潛在對象不是一首歌曲宁否、一個新聞、一個房子久锥，只等你發(fā)現(xiàn)家淤，你選擇，它還會選擇你瑟由；而且其難以量化的因素比較多絮重，比如說性格因素、人們常說的三觀因素歹苦、其他感性因素青伤、以及每個人的潛移默化的變化。所以殴瘦，誰若是現(xiàn)在能準確解決了相親匹配的這個問題狠角。我只能說，我服蚪腋。那么談到現(xiàn)在則可能是“相親網(wǎng)站”丰歌，搜集你的一大堆需求數(shù)據(jù)和操作偏好姨蟋，盡可能的量化分析，然后給你推薦它認為的適合你的潛在“對象”立帖。我們把相親的這個查詢和推薦上升一點眼溶，其實是個哲學問題——想象力、變化與選擇晓勇。
哲學問題嘛堂飞，這里就不展開了。我們說一些比較通俗的绑咱，跟我們的產品擇家相關的绰筛。比如說，電商平臺類的，如天貓、京東，最普通的是你買了一個東西，然后推薦你周邊和配套的東西洲敢，再或者是你搜索查看了某樣東西，然后網(wǎng)站廣告上全是相關產品勒极；電影音樂類的饲帅，如豆瓣電影的“喜歡這部電影的人也喜歡的電影”、云音樂的每日推薦丽啡；新聞資訊類的谋右，如今日頭條的每天實時新聞推薦等。
2.2網(wǎng)易云音樂與今日頭條
我們選擇了比較受好評和推崇的补箍，也是“推薦機制”做的比較好的“網(wǎng)易云音樂”和“今日頭條”改执，分析了其推薦功能，推薦原理坑雅，以及其用戶反饋辈挂。關于網(wǎng)易云音樂和今日頭條，用比較易懂的話來說裹粤，它們都是基于“標的物（歌曲终蒂、新聞）的全要素相似度+用戶行為偏好”給出“推薦結果”，當然這其中遥诉，用到了不同的算法和模型拇泣。
拿網(wǎng)易云音樂來說，它是這樣的矮锈，音樂要素：曲風霉翔、語言、主題苞笨、調性债朵、歌手子眶、歌詞、樂器……+播放序芦、下載壹店、分享……=推薦歌曲1和2和3等。而今日頭條是這樣的芝加，資訊要素：地點硅卢、主題、熱點藏杖、類別将塑、來源、關鍵詞蝌麸、人物点寥、…+用戶行為：瀏覽、點贊来吩、評論敢辩、分享……=推薦新聞1和2和3等。此外弟疆，它們的推薦也都結合了一些傳統(tǒng)的做法來相互彌補戚长，比如：訂閱、關注怠苔、排行榜同廉；最新、最熱等柑司。對應到擇家攒驰，則可能是，房產要素：價格、區(qū)域、面積悠垛、戶型、學區(qū)、地鐵……+用戶行為：瀏覽、收藏鉴竭、分享、保存圖片兵钮、咨詢經(jīng)紀人……=推薦房源（小區(qū)）1+2+3等。這里面涉及到一個產品冷啟動的問題靴拱。今日頭條的做法是：新用戶設置感興趣的主題+積累用戶行為本谜；網(wǎng)易云音樂：新用戶小問卷+積累用戶行為；對應擇家：用戶設置購房需求+積累用戶行為赏参。
談到產品籽腕，就不得不談用戶的反饋。因為用戶才是老板啊纸俭，他們開心就好皇耗。理解用戶，才能理解好壞揍很，做產品的人對產品多帶有感情因素郎楼，無法客觀中立，而用戶只關心好不好用窒悔。
關于網(wǎng)易云音樂用戶的反饋呜袁，筆者就拿身邊的一位程序員同學舉例，他有一條朋友圈這樣說到“云音樂剛剛開始聽得時候沒啥感覺简珠，聽了一段時間以后發(fā)現(xiàn)推薦的音樂越來越合我口味阶界。真的好贊×郑”還有一位朋友說“每天只聽云音樂每日推薦的20首歌”膘融。這給用戶一個感覺是：你遇到一個懂你的產品，就像遇到一個懂你的人祭玉，相見恨晚氧映，給你驚喜，你想的它都懂脱货，它給的你都喜歡岛都，像是陷入了甜蜜熱戀。對于云音樂振峻，筆者作為一個不理性的粉絲臼疫，這里只有好評。關于今日頭條扣孟，大家的評價則各有不同烫堤。今日頭條確實推薦了很多適合用戶的新聞，提供了方便，節(jié)省了大家新聞搜索的時間塔逃。但也有人評論到讯壶，今日頭條盡是推一些黃暴內容，或是一些亂七八糟的東西湾盗。我這里只能這樣猜測伏蚊，這里推得可能只是瀏覽量最高的，為什么是這些格粪，原因你懂得躏吊。
2.3房產類競品分析
說了半天，該回到房產應用了帐萎。我們探究了市場上主流的房產品APP比伏，比如說房天下、平安好房疆导、安居客赁项、鏈家、安個家澈段、中原找房悠菜、房多多、Q房網(wǎng)败富、我愛我家悔醋、愛屋吉屋等。對這些房產品兽叮，我們側重體驗了其中有關用戶需求收集芬骄、篩選和推薦的部分○写希總結而言账阻，現(xiàn)在能做非常智能化推薦的房產品類的APP應用還沒看到，或說智能程度并不高椎麦，基于用戶行為做房產品智能推薦這個事情還是比較前沿的宰僧，大部分產品還都是基于用戶需求的篩選和搜索查詢的篩選來做的。以下是相關房產品的使用體驗分析观挎。
???
房天下v8.3.3
產品規(guī)劃上特別完整，產品上聚合了其各種入口段化，體現(xiàn)了其在房產方面各種服務嘁捷，對用戶畫像也有一定的描摹，它所收集的用戶需求主要為显熏，戶型雄嚣、地段、價格、特色（滿五缓升、滿二鼓鲁、不限購、地鐵房港谊、有鑰匙）骇吭。其推薦直接是房源、推薦房源沒看出來特別準確和驚喜之處歧寺，另外它設有漲跌幅燥狰、成交量等排行榜。
???
平安好房v3.2.2
對用戶進行了非常詳細的需求收集斜筐，篩選查詢的功能做的比較也細致龙致。其收集的用戶需求如下：買房還是租房、預算顷链、你傾向的戶型是目代、面積不小于、選擇您不考慮或者傾向的地段（不考慮or傾向）嗤练、選擇喜好-您理想中的家是：適合養(yǎng)老像啼、婚房、商住兩用潭苞、電梯房忽冻、配套齊全、車位充足此疹、高綠化率僧诚、學區(qū)房、小戶型蝗碎、拎包入住湖笨、黃金樓層、低稅費蹦骑、品牌房企慈省、出租容易、新房/次新房眠菇、南北通透边败、旅游地產、精裝修捎废、金牌物業(yè)（可選擇6個喜好標簽——換一換）笑窜。其主頁的推薦主要為新房、基于用戶需求（價格登疗、房型排截、面積）設定的二手房推薦嫌蚤。
???
安個家V4.7.1
優(yōu)勢在于經(jīng)紀人推薦機制，把找房者的需求和經(jīng)紀人手中有的房子進行交叉匹配断傲，給找房者推薦經(jīng)紀人為主脱吱，推薦房源為輔。其中认罩，安個家針對用戶的找房需求收集如下：價位箱蝠、戶室、位置猜年、置業(yè)類型（首次購房抡锈、置換房、投資乔外、其他）床三、個人情況(本地戶籍、外地已婚杨幼、本地未婚撇簿、其他)、小區(qū)偏好（近地鐵差购、車位充足四瘫、學區(qū)房、不要老公房欲逃、暫無偏好）找蜜、其他需求（手動填寫）、是否考慮新房稳析。需求發(fā)布成功洗做，安個家的顧問就開始幫你找房。所以彰居，安個家是基于用戶的需求輸入推薦了經(jīng)紀人和房源诚纸。
???
安居客V10.0.1
用戶需求收集為區(qū)域、價格陈惰、面積+標簽+通勤的設置畦徘，它側重了地域、戶型抬闯、面積和價格的推薦井辆。其實，這和用戶主動篩選的效果一致画髓，只不過是中間的流程簡化掘剪，機器幫助用戶提前做了篩選。
???
我愛我家v2.2.3
搜索做的很有特色奈虾，除去區(qū)域、戶型、價格肉微、更多（建筑面積匾鸥、朝向、類型碉纳、年代勿负、排序）；還有房源劳曹、附近奴愉、地圖和歷史，另有一個浮動的排序按鈕（按價格高低排序铁孵、按面積大小排序锭硼、按時間近遠排序）。
???
ELSE
愛屋吉屋v5.7.2的其線下預約帶看做的比較好蜕劝。其產品特色是一鍵切換地圖和列表形式檀头；分類推薦有二手房急售、附近一公里岖沛、新房特惠合輯暑始；“猜你喜歡”則直接推送房源。
Q房網(wǎng)V4.7.0是比較傳統(tǒng)的找房婴削，主要是基于區(qū)域廊镜、戶型、面積唉俗、預算嗤朴，加上一些篩選標簽（急售、學區(qū)互躬、南北通透播赁、滿五唯一、滿兩年吼渡、不限購容为、復式、隨時看房寺酪、紅本在手）坎背。
房多多V7.0.0推薦合輯有熱門、最新等寄雀；分類篩選維度則是區(qū)域得滤、預算、戶型盒犹、地鐵懂更。
中原找房V3.1.0則比較簡單眨业，有篩選、推薦了地鐵房沮协、學區(qū)房和熱門小區(qū)三個合集龄捡。
鏈家（全國版v7.2.2，上海蘇州版v2.2.0）都是比較簡單的首頁推薦幾個房源慷暂，總體應用功能也比較簡單聘殖。
諸葛找房V2.3.4在首頁直接推送房源，頁面比較簡單行瑞。
通過體驗競品
我們得知的以下結論：
目前房產應用的搜索和推薦都是基于“價格”“區(qū)域”“面積”“戶型”為主維度奸腺，加上一些標簽，優(yōu)先級級別比較高的是學區(qū)血久、地鐵突照、車庫，其他如樓層洋魂、建筑年代绷旗、朝向、裝修等副砍。這些房產類的相關產品都還是基于用戶需求設置和查詢條件進行篩選和推薦衔肢，前一種是用戶主動式的前置輸入，產品替用戶做了推薦篩選豁翎、后一種是用戶主動式輸入查詢角骤，產品替用戶做了查詢篩選。此外心剥，它們的推薦都還結合了各種人工運營的合輯或是排行榜邦尊，如學區(qū)房、地鐵房优烧、最新蝉揍、最熱、成交量畦娄、漲跌幅等又沾。所以，這種房產品的推薦熙卡，筆者以為并不智能杖刷，也可以說是一些“偽推薦”。真正的智能推薦的體驗應該是這樣的驳癌，機器是主動的滑燃，產品是懂用戶的，推薦內容是準確的颓鲜，用戶是有驚喜感的表窘。
一 點 思 考
關于房產應用的推薦機制典予，大家為什么沒有做成功，或是說為什么沒有做好蚊丐。我覺的深層次的原因有以下幾點：
一是熙参，房產并不同于海量的資訊和商品等大眾消費品（這些高頻需求能夠聚集大量用戶行為）艳吠，因此做推薦的效果不明顯麦备；
二是，房產服務主要還是傳統(tǒng)的服務昭娩、互聯(lián)網(wǎng)基因并不強凛篙，主要業(yè)務還是靠線下，大家不愿意花巨大精力做這個事情栏渺；
三是呛梆，大家沒有強大的技術能力，或是說沒有很強的數(shù)據(jù)團隊支撐磕诊，技術能力達不到填物。
所以，擺在“房產應用”面前的一個問題是：它適不適合智能化推薦霎终，做智能化推薦的成本與收益是否對稱滞磺，這是一些需要驗證的問題。現(xiàn)有的市面上的房產品的所謂“推薦”和“猜你喜歡”只是一個人工運營的結果莱褒，真正智能化的房源推薦產品還需要不斷探索击困。
