在数字经济发展趋势下,结合集团战略愿景“成为更好居住生活智慧服务的推动者”,我爱我家将数据驱动作为集团数字化转型策略的核心。2022年,我爱我家过集团统筹建设,将经纪业务核心系统落地直营九城实现全国—体化业务系统工程,并且对新房业务系统、二手与普租业务系统进行数字化产研组织融合,通过将消费者C端系统建设与业务B端系统双路合并,逐步完备出中国居住服务行业领先的经纪业务全链路数字化平台系统,服务近3000家经纪业务实体门店,赋能超40000余人房产顾问。
平台基于分布式架构系统设计,将原应用于北京单城业务系统改造为多城市兼容方案,并且融入权限体系控制与经纪人合作机制,实现公司一体化的核心业务系统。
在经纪平台系统页面交互和视觉呈现方面,采用“一云多端”的模式,高效、差异化满足多终端、多系统、多场景的用户需求。并通过端智能无延时感知用户使用偏好,结合用户在端上的交互,提供更加实时、更加安全、个性化的服务体验。
在经纪人作业效率方面,销售环节通过作业与数据分离架构,作业层实现7*24小时房源核验及验真、委托合同自动备案及房产证OCR自动识别、实勘及房源翻录,隐号拨打等一系列数字化系统及工具,保证底层房源数据准确、完整、及时,交易环节采用规则引擎进行多场景自动化管理及OCR自动识别合同备件,通过大数据及智能匹配策略科学评判好房、好客、经纪人信用等标准及规范,智能筛选出优质房、客、人及匹配策略降低经纪人工作量。
底层大数据系统以开源的分布式存储系统Hadoop为基座,融合离线计算Hive和Spark、实时计算Flink等引擎,提供一站式的数据解决方案。在业务支撑方面,通过数据仓库DW主题建设和Adhoc自助数据查询平台,用户获取数据的效率由过去2~3月降低到目前的天级别甚至分钟级别。数据查询台平采用Hive/Spark/Presto多引擎技术,智能识别分析SQL,路由选择最优的引擎,快速获取查询结果。
在数据治理方面,研发大数据开发治理平台-百川,覆盖数据收集、加工、应用、输出全链路,已管理了全链路上的2万多张Hive表,初步构建了我爱我家的数据资产地图。通过
采用sqoop/ogg等数据接入工具提升自动化水平,已实现分钟级批量配置化接入。
在经纪平台系统中的搜索推荐个性化算法能力方面,基于用户在平台上的行为(浏览,咨询,关注,搜索等)进行采集,结合用户行为权重和时间衰减算法将用户对房源的各种行为计算出用户的购房偏好(User Profile)。还通过实时计算技术提升了用户偏好的实效性,使其更能捕捉到用户当前的偏好。在推荐、搜索的策略中,基于计算的用户偏好进行person alized ranking,使得推荐或者搜索返回的房源尽可能地满足用户的购房偏好,进而提升用户的点击率,带来更多的线上商机。
通过实践经纪业务全链路数字化平台系统运营,集团统一管理城市公司业务运营与线上效率,完善了城市前后台人员配比的合理性,提升了集团经营业务数据密度,通过大数据、 Al放大数据价值,提升经纪业务效率。
结合门店经营理念与数字化手段,借助LBS与我爱我家大数据能力,实现门店智能云图,有效观测评估城市内竞争格局,搭配门店装配智能化系统,对门店经营数字化进行了重大升级。
2022年上半年,我爱我家直营城市整体GTV环比增长42.9%,新增客户带看量环比增长16.3%。2022年第3季度,我爱我家直营业务体系规模稳定,直营业务体系的二手经纪业务 GTV环比2季度增长19.6%,我爱我家官网月均活跃用户数超1877万,相比上半年增长 23.1%,官网APP点击率和线索转化率也明显增加,“甄选好房”智能推荐房源成交去化率提升约20%,互联网平台运营水平和线上竞争力得到进一步提升。
好文章,需要你的鼓励
Anthropic发布SCONE-bench智能合约漏洞利用基准测试,评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本,发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升,每1.3个月翻倍增长,强调需要主动采用AI防御技术应对AI攻击威胁。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Spotify年度总结功能回归,在去年AI播客功能遭遇批评后,今年重新专注于用户数据深度分析。新版本引入近十项新功能,包括首个实时多人互动体验"Wrapped Party",最多可邀请9位好友比较听歌数据。此外还新增热门歌曲播放次数显示、互动歌曲测验、听歌年龄分析和听歌俱乐部等功能,让年度总结更具互动性和个性化体验。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。