CN108304994A - 一种在售房源质量评估方法及服务器 - Google Patents
一种在售房源质量评估方法及服务器 Download PDFInfo
- Publication number
- CN108304994A CN108304994A CN201810022668.4A CN201810022668A CN108304994A CN 108304994 A CN108304994 A CN 108304994A CN 201810022668 A CN201810022668 A CN 201810022668A CN 108304994 A CN108304994 A CN 108304994A
- Authority
- CN
- China
- Prior art keywords
- source
- houses
- assessed
- sale
- broker
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 22
- 239000010931 gold Substances 0.000 claims description 22
- 229910052737 gold Inorganic materials 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 15
- 230000001052 transient effect Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 5
- 230000007787 long-term memory Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种在售房源质量评估方法及服务器。其中,所述方法包括:获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征;根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得所述待评估房源的评分。本发明提供的在售房源质量评估方法及服务器,由于能够获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征,并根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得待评估房源的评分,能够对待评估房源进行评估,以提高待评估房源评估的准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种在售房源质量评估方法及服务器。
背景技术
随着人们生活水平的提高和市场经济的发展,二手房屋的交易越来越活跃。
目前,二手房屋交易过程中,经纪人主要是通过大量的带看行为,最终促成买卖双方的成交。经纪人会根据自己的过往经验,通过房屋的出售价格、业主是否诚心出售以及市场形势做出判断,认定房源是否会在近期成交,越容易交易的二手房屋,说明二手房屋的质量越好。这种对二手房屋交易的判断主要是通过工作时间和人脉的积累,依赖人的主观做出的。这种对二手房交易的判断方式不但效率低、周期长,而且准确性偏低。
因此,如何提出一种方法,能够对二手房屋进行评估,以提高二手房评估的准确性成为业界亟待解决的重要课题。
发明内容
针对现有技术中的缺陷,本发明提供一种在售房源质量评估方法及服务器。
一方面,本发明提出一种在售房源质量评估方法,包括:
获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征;
根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得所述待评估房源的评分。
另一方面,本发明提供一种服务器,包括:
第一获取单元,用于获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征;
评分单元,用于根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得所述待评估房源的评分。
再一方面,本发明提供一种电子设备,包括:处理器、存储器和通信总线,其中:
所述处理器和所述存储器通过所述通信总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如上述各实施例提供的在售房源质量评估方法。
又一方面,本发明提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如上述各实施例提供的在售房源质量评估方法。
本发明提供的在售房源质量评估方法及服务器,由于能够获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征,并根据待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得待评估房源的评分,能够对待评估房源进行评估,以提高待评估房源评估的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例在售房源质量评估方法的流程示意图;
图2为本发明另一实施例在售房源质量评估方法的流程示意图;
图3为本发明又一实施例在售房源质量评估方法的流程示意图;
图4为本发明一实施例服务器的结构示意图;
图5为本发明另一实施例服务器的结构示意图;
图6为本发明又一实施例服务器的结构示意图;
图7为本发明一实施例电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明一实施例在售房源质量评估方法的流程示意图,如图1所示,本发明提供的在售房源质量评估方法,包括:
S101、获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征;
具体地,由于互联网的发展,在二手房屋的交易过程中的各种数据都可以被存储到数据库中。服务器可以通过上述数据库获取到待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征,其中,所述待评估房源是指需要进行质量评估的在售房源,所述在售房源是指正在通过房屋交易网站出售的二手房屋,所述房屋交易网站例如链家官网;所述预设天数可以是14天,所述预设天数根据实际需要进行设置,本发明实施例不做限定。
所述经纪人特征可以包括看房总次数、看房不同门店数、看房不同经纪人数、看房不同客户数、看房语音跟进数和看房普通跟进数。所述看房总次数是指各个房屋经纪人带领客户看所述待评估房源的总次数;所述看房不同门店数是指各个上述房屋经纪人属于不同的门店的数量;所述看房不同经纪人数是指看所述待评估房源的不同的所述房屋经纪人的数量;所述看房不同客户数是指看所述待评估房源的不同所述客户的数量;所述经纪人在带所述客户看完所述待评估房源之后,会记录所述客户对所述待评估房源的评价,然后将对所述待评估房源的评价通过语音的形式上传至所述房屋交易网站,所述看房语音跟进数是指对所述待评估房源的语音评价总次数;所述经纪人在带所述客户看完所述待评估房源之后,会记录所述客户对所述待评估房源的评价,然后将对所述待评估房源的评价通过文字的形式上传至所述房屋交易网站,所述看房普通跟进数是指对所述待评估房源的文字评价总次数。
所述客源特征可以包括打电话次数、关注次数和意向金操作次数。所述打电话次数是指各个所述客户打电话询问所述待评估房源的总次数;所述关注次数是指对所述待评估房源点击关注的次数,所述客户可以通过所述房屋交易网站查看所述待评估房源的详细信息,当所述客户对所述待评估房源感兴趣的时候,可以点击关注的操作,以收藏所述待评估房源方便以后查看,不同的所述客户对所述待评估房源的关注可以被统计储存到所述数据库中;意向金是指所述客户在看完所述待评估房源之后,如果有购买意向可以交纳一定数额的金钱以获得购买的优先权,所述意向金操作次数是指对所述待评估房源交纳所述意向金的总次数。
所述业主特征可以包括曝光次数、喊话次数、价格上调次数和价格下调次数。所述待评估房源有对应的业主,所述业主可以在所述房屋交易网站上对所述待评估房源进行点击曝光操作,以增加所述待评估房源的关注度,所述曝光次数是指所述业主在所述房屋交易网站上对所述待评估房源的点击曝光操作的总次数;所述业主可以在所述交易网站上就所述待评估房源与其他人进行文字交流,所述喊话次数是指所述业主在所述交易网站上关于所述待评估房源进行文字交流的总次数;所述待评估房源在所述交易网站上会有价格,所述业主可以对所述待评估房源进行价格调整,所述价格上调次数是指所述业主对所述待评估房源进行价格上调的次数,所述价格下调次数是指所述业主对所述待评估房源进行价格下调的次数。
S102、根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得所述待评估房源的评分。
具体地,所述服务器在获得在过去预设天数内所述待评估房源每天的经纪人特征、客源特征和业主特征之后,将所述每天的经纪人特征、所述客源特征和所述业主特征输入到预设房屋评分模型中,从而获得所述待评估房源的评分,所述评分越高说明所述待评估房源的质量越好,在以后能够成交的可能性越大。
本发明提供的在售房源质量评估方法,由于能够获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征,并根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得待评估房源的评分,能够对待评估房源进行评估,以提高待评估房源评估的准确性。
图2为本发明另一实施例在售房源质量评估方法的流程示意图,如图2所示,所述预设房屋评分模型建立的步骤包括:
S201、获取预设历史时期内的在售房源;
具体地,所述服务器可以通过所述数据库获取预设历史时期内的在售房源,所述预设历史时期可以为过去的2个月或者4个月,所述预设历史时期根据实际经验进行选择,本发明实施例不做限定。
S202、根据每个所述在售房源在过去所述预设天数内的交易记录,分别对每个所述在售房源进行是否成交的标记;
具体地,所述服务器在获得所述预设历史时期内的在售房源之后,还可以从所述数据库获得每个所述在售房源在过去所述预设天数内的交易记录,并根据每个所述在售房源对应的所述交易记录对每个所述在售房源进行是否成交的标记,如果所述在售房源交易成功,可以标记为1,如果所述在售房源依然在售,可以标记为0。
S203、获取每个所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征;
具体地,所述服务器可以通过所述数据库获取到所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征。
S204、根据各个所述在售房源的的标记、各个所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征以及基于深度学习的长短期记忆算法,获得所述预设房屋评分模型。
具体地,所述服务器在获得各个所述在售房源的的标记、各个所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征之后,基于深度学习的长短期记忆算法(Long Short-Term memory,以下简称LSTM),将各个所述在售房源的的标记、各个所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征输入到tensorflow软件中,并调试选择相关的参数,可以获得所述预设房屋评分模型。其中,所述参数包括迭代次数,时间窗口、隐层数、特征数、损失函数和优化算法,例如所述迭代次数设置为5,所述时间窗口设置为14,所述隐层数设置为64,所述特征数与所述经纪人特征、所述客源特征和所述业主特征的数量相对应,当所述经纪人特征包括所述看房总次数、所述看房不同门店数、所述看房不同经纪人数、所述看房不同客户数、所述看房语音跟进数和看房普通跟进数,所述客源特征包括所述打电话次数、所述关注次数和所述意向金操作次数,所述业主特征包括所述曝光次数、所述喊话次数、所述价格上调次数和所述价格下调次数,共计13个时,设置所述特征数为13,所述损失函数和所述优化算法根据实际经验进行选择,本发明实施例不做限定。
在上述各实施例的基础上,进一步地,所述经纪人特征包括看房总次数、看房不同门店数、看房不同经纪人数、看房不同客户数、看房语音跟进数、看房普通跟进数;所述客源特征包括拨打电话次数、关注次数和意向金操作次数;所述业主特征包括曝光次数、喊话次数、价格上调次数和价格下调次数。
具体地,所述经纪人特征可以包括所述看房总次数、所述看房不同门店数、所述看房不同经纪人数、所述看房不同客户数、所述看房语音跟进数和所述看房普通跟进数。所述看房总次数是指各个房屋经纪人带领客户看所述待评估房源的总次数;所述看房不同门店数是指各个上述房屋经纪人属于不同的门店的数量;所述看房不同经纪人数是指看所述待评估房源的不同的所述房屋经纪人的数量;所述看房不同客户数是指看所述待评估房源的不同所述客户的数量;所述经纪人在带所述客户看完所述待评估房源之后,会记录所述客户对所述待评估房源的评价,然后将对所述待评估房源的评价通过语音的形式上传至所述房屋交易网站,所述看房语音跟进数是指对所述待评估房源的语音评价总次数;所述经纪人在带所述客户看完所述待评估房源之后,会记录所述客户对所述待评估房源的评价,然后将对所述待评估房源的评价通过文字的形式上传至所述房屋交易网站,所述看房普通跟进数是指对所述待评估房源的文字评价总次数。
所述客源特征可以包括所述打电话次数、所述关注次数和所述意向金操作次数。所述打电话次数是指各个所述客户打电话询问所述待评估房源的总次数;所述关注次数是指对所述待评估房源点击关注的次数,所述客户可以通过所述房屋交易网站查看所述待评估房源的详细信息,当所述客户对所述待评估房源感兴趣的时候,可以点击关注的操作,以收藏所述待评估房源方便以后查看,不同的所述客户对所述待评估房源的关注可以被统计储存到所述数据库中;意向金是指所述客户在看完所述待评估房源之后,如果有购买意向可以交纳一定数额的金钱以获得购买的优先权,所述意向金操作次数是指对所述待评估房源交纳所述意向金的总次数。
所述业主特征可以包括所述曝光次数、所述喊话次数、所述价格上调次数和所述价格下调次数。所述待评估房源有对应的业主,所述业主可以在所述房屋交易网站上对所述待评估房源进行点击曝光操作,以增加所述待评估房源的关注度,所述曝光次数是指所述业主在所述房屋交易网站上对所述待评估房源的点击曝光操作的总次数;所述业主可以在所述交易网站上就所述待评估房源与其他人进行文字交流,所述喊话次数是指所述业主在所述交易网站上关于所述待评估房源进行文字交流的总次数;所述待评估房源在所述交易网站上会有价格,所述业主可以对所述待评估房源进行价格调整,所述价格上调次数是指所述业主对所述待评估房源进行价格上调的次数,所述价格下调次数是指所述业主对所述待评估房源进行价格下调的次数。
图3为本发明又一实施例在售房源质量评估方法的流程示意图,如图3所示,本发明提供的在售房源质量评估方法还包括:
S103、根据所述待评估房源的评分以及所述评分对应的历史交易成功概率,获得所述待评估房源的交易成功概率。
具体地,所述服务器在获得所述待评估房源的评分之后,可以获得所述评分对应的历史交易成功概率,所述服务器将所述评分对应的历史交易成功概率作为所述所述待评估房源的交易成功概率。所述服务器可以获得过去所述预设天数的第一天的在售房源,并根据所述第一天的在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征以及所述预设房屋评分模型,获得各个所述第一天的在售房源的评分,然后根据预设的评分等级以及所述待评估房源的评分可以获得与所述待评估房源的评分对应的评分等级,根据与所述待评估房源的评分对应的评分等级和所述第一天的在售房源的评分,可以获得处于与所述待评估房源的评分对应的评分等级的在售房源的房源数量。所述服务器根据所述第一天的在售房源在未来所述预设天数内的实际交易数据,可以获得处于与所述待评估房源的评分对应的评分等级的在售房源的实际交易数量,上述房源数量与所述实际交易数量的比值,即为所述评分对应的历史交易成功概率。其中,所述评分等级根据实际经验进行划分,本发明实施例不做限定。
例如,所述服务器在12月15日待评估房源A进行质量评估,所述服务器根据过去14天内待评估房源A每天的经纪人特征、客源特征和业主特征以及所述预设房屋评分模型获得待评估房源A的评分为0.85。所述服务器可以获得14天前即12月1日的在售房源以及12月1日的在售房源在12月1日至12月14日期间的交易记录。所述服务器可以根据12月1日的在售房源的每个所述在售房源在12月1日过去14天内每天的经纪人特征、客源特征和业主特服务器征以及所述预设房屋评分模型,获得12月1日的在售房源中每个所述在售房源的评分,可以将12月1日的在售房源中所有在售房源的评分划分为10个等级,10个等级分别为0-0.1,0.1-0.2,0.2-0.3,0.3-0.4,0.4-0.5,0.5-0.6,0.6-0.7,0.7-0.8,0.8-0.9,0.9-1。所述服务器根据12月1日的所有在售房源的评分,可以获得所述评分处于0.8-0.9等级的在售房源的房源数量,所述服务器根据12月1日的在售房源在12月1日至12月14日之间的交易记录,可以获得0.8-0.9等级的在售房源的成功交易数量,根据上述房源数量和上述成功交易数量可以得到评分在0.8-0.9等级的在售房源的交易成功概率,上述交易成功概率=上述成功交易数量除以上述房源数量,上述交易成功率即评分0.85对应的历史交易成功概率,将上述交易成功概率作为所述待评估房源A的交易成功概率。
图4为本发明一实施例服务器的结构示意图,如图4所示,本发明提供的服务器包括第一获取单元401和评分单元402,其中:
第一获取单元401用于获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征;评分单元402用于根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得所述待评估房源的评分。
具体地,由于互联网的发展,在二手房屋的交易过程中的各种数据都可以被存储到数据库中。第一获取单元401可以通过上述数据库获取到待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征,其中,所述待评估房源是指需要进行质量评估的在售房源,所述在售房源是指正在通过房屋交易网站出售的二手房屋,所述房屋交易网站例如链家官网;所述预设天数可以是14天,所述预设天数根据实际需要进行设置,本发明实施例不做限定。
所述经纪人特征可以包括看房总次数、看房不同门店数、看房不同经纪人数、看房不同客户数、看房语音跟进数和看房普通跟进数。所述看房总次数是指各个房屋经纪人带领客户看所述待评估房源的总次数;所述看房不同门店数是指各个上述房屋经纪人属于不同的门店的数量;所述看房不同经纪人数是指看所述待评估房源的不同的所述房屋经纪人的数量;所述看房不同客户数是指看所述待评估房源的不同所述客户的数量;所述经纪人在带所述客户看完所述待评估房源之后,会记录所述客户对所述待评估房源的评价,然后将对所述待评估房源的评价通过语音的形式上传至所述房屋交易网站,所述看房语音跟进数是指对所述待评估房源的语音评价总次数;所述经纪人在带所述客户看完所述待评估房源之后,会记录所述客户对所述待评估房源的评价,然后将对所述待评估房源的评价通过文字的形式上传至所述房屋交易网站,所述看房普通跟进数是指对所述待评估房源的文字评价总次数。
所述客源特征可以包括打电话次数、关注次数和意向金操作次数。所述打电话次数是指各个所述客户打电话询问所述待评估房源的总次数;所述关注次数是指对所述待评估房源点击关注的次数,所述客户可以通过所述房屋交易网站查看所述待评估房源的详细信息,当所述客户对所述待评估房源感兴趣的时候,可以点击关注的操作,以收藏所述待评估房源方便以后查看,不同的所述客户对所述待评估房源的关注可以被统计储存到所述数据库中;意向金是指所述客户在看完所述待评估房源之后,如果有购买意向可以交纳一定数额的金钱以获得购买的优先权,所述意向金操作次数是指对所述待评估房源交纳所述意向金的总次数。
所述业主特征可以包括曝光次数、喊话次数、价格上调次数和价格下调次数。所述待评估房源有对应的业主,所述业主可以在所述房屋交易网站上对所述待评估房源进行点击曝光操作,以增加所述待评估房源的关注度,所述曝光次数是指所述业主在所述房屋交易网站上对所述待评估房源的点击曝光操作的总次数;所述业主可以在所述交易网站上就所述待评估房源与其他人进行文字交流,所述喊话次数是指所述业主在所述交易网站上关于所述待评估房源进行文字交流的总次数;所述待评估房源在所述交易网站上会有价格,所述业主可以对所述待评估房源进行价格调整,所述价格上调次数是指所述业主对所述待评估房源进行价格上调的次数,所述价格下调次数是指所述业主对所述待评估房源进行价格下调的次数。
评分单元402在获得在过去预设天数内所述待评估房源每天的经纪人特征、客源特征和业主特征之后,将所述每天的经纪人特征、所述客源特征和所述业主特征输入到预设房屋评分模型中,从而获得所述待评估房源的评分,所述评分越高说明所述待评估房源的质量越好,在以后能够成交的可能性越大。
本发明提供的服务器,由于能够获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征,并根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得待评估房源的评分,能够对待评估房源进行评估,以提高待评估房源评估的准确性。
图5为本发明另一实施例服务器的结构示意图,如图5所示,本发明提供的服务器还包括第二获取单元403、标记单元404、第三获取单元405和获得单元406,其中:
第二获取单元403用于获取预设历史时期内的在售房源;标记单元404用于根据每个所述在售房源在过去所述预设天数内的交易记录,分别对每个所述在售房源进行是否成交的标记;第三获取单元405用于获取每个所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征;获得单元406用于根据各个所述在售房源的的标记、各个所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征以及基于深度学习的长短期记忆算法,获得所述预设房屋评分模型。
具体地,第二获取单元403可以通过所述数据库获取预设历史时期内的在售房源,所述预设历史时期可以为过去的2个月或者4个月,所述预设历史时期根据实际经验进行选择,本发明实施例不做限定。
标记单元404在获得所述预设历史时期内的在售房源之后,还可以从所述数据库获得每个所述在售房源在过去所述预设天数内的交易记录,并根据每个所述在售房源对应的所述交易记录对每个所述在售房源进行是否成交的标记,如果所述在售房源交易成功,可以标记为1,如果所述在售房源依然在售,可以标记为0。
第三获取单元405可以通过所述数据库获取到所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征。
获得单元406在获得各个所述在售房源的的标记、各个所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征之后,基于深度学习的长短期记忆算法,将各个所述在售房源的的标记、各个所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征输入到tensorflow软件中,并调试选择相关的参数,可以获得所述预设房屋评分模型。其中,所述参数包括迭代次数,时间窗口、隐层数、特征数、损失函数和优化算法,例如所述迭代次数设置为5,所述时间窗口设置为14,所述隐层数设置为64,所述特征数与所述经纪人特征、所述客源特征和所述业主特征的数量相对应,当所述经纪人特征包括所述看房总次数、所述看房不同门店数、所述看房不同经纪人数、所述看房不同客户数、所述看房语音跟进数和看房普通跟进数,所述客源特征包括所述打电话次数、所述关注次数和所述意向金操作次数,所述业主特征包括所述曝光次数、所述喊话次数、所述价格上调次数和所述价格下调次数,共计13个时,设置所述特征数为13,所述损失函数和所述优化算法根据实际经验进行选择,本发明实施例不做限定。
在上述各实施例的基础上,进一步地,所述经纪人特征包括看房总次数、看房不同门店数、看房不同经纪人数、看房不同客户数、看房语音跟进数、看房普通跟进数;所述客源特征包括拨打电话次数、关注次数和意向金操作次数;所述业主特征包括曝光次数、喊话次数、价格上调次数和价格下调次数。
具体地,所述经纪人特征可以包括所述看房总次数、所述看房不同门店数、所述看房不同经纪人数、所述看房不同客户数、所述看房语音跟进数和所述看房普通跟进数。所述看房总次数是指各个房屋经纪人带领客户看所述待评估房源的总次数;所述看房不同门店数是指各个上述房屋经纪人属于不同的门店的数量;所述看房不同经纪人数是指看所述待评估房源的不同的所述房屋经纪人的数量;所述看房不同客户数是指看所述待评估房源的不同所述客户的数量;所述经纪人在带所述客户看完所述待评估房源之后,会记录所述客户对所述待评估房源的评价,然后将对所述待评估房源的评价通过语音的形式上传至所述房屋交易网站,所述看房语音跟进数是指对所述待评估房源的语音评价总次数;所述经纪人在带所述客户看完所述待评估房源之后,会记录所述客户对所述待评估房源的评价,然后将对所述待评估房源的评价通过文字的形式上传至所述房屋交易网站,所述看房普通跟进数是指对所述待评估房源的文字评价总次数。
所述客源特征可以包括所述打电话次数、所述关注次数和所述意向金操作次数。所述打电话次数是指各个所述客户打电话询问所述待评估房源的总次数;所述关注次数是指对所述待评估房源点击关注的次数,所述客户可以通过所述房屋交易网站查看所述待评估房源的详细信息,当所述客户对所述待评估房源感兴趣的时候,可以点击关注的操作,以收藏所述待评估房源方便以后查看,不同的所述客户对所述待评估房源的关注可以被统计储存到所述数据库中;意向金是指所述客户在看完所述待评估房源之后,如果有购买意向可以交纳一定数额的金钱以获得购买的优先权,所述意向金操作次数是指对所述待评估房源交纳所述意向金的总次数。
所述业主特征可以包括所述曝光次数、所述喊话次数、所述价格上调次数和所述价格下调次数。所述待评估房源有对应的业主,所述业主可以在所述房屋交易网站上对所述待评估房源进行点击曝光操作,以增加所述待评估房源的关注度,所述曝光次数是指所述业主在所述房屋交易网站上对所述待评估房源的点击曝光操作的总次数;所述业主可以在所述交易网站上就所述待评估房源与其他人进行文字交流,所述喊话次数是指所述业主在所述交易网站上关于所述待评估房源进行文字交流的总次数;所述待评估房源在所述交易网站上会有价格,所述业主可以对所述待评估房源进行价格调整,所述价格上调次数是指所述业主对所述待评估房源进行价格上调的次数,所述价格下调次数是指所述业主对所述待评估房源进行价格下调的次数。
图6为本发明又一实施例服务器的结构示意图,如图6所示,本发明提供的服务器还包括计算单元407,其中:
计算单元407用于根据所述待评估房源的评分以及所述评分对应的历史交易成功概率,获得所述待评估房源的交易成功概率。
具体地,在获得所述待评估房源的评分之后,计算单元407可以获得所述评分对应的历史交易成功概率,将所述评分对应的历史交易成功概率作为所述所述待评估房源的交易成功概率。计算单元407可以获得过去所述预设天数的第一天的在售房源,并根据所述第一天的在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征以及所述预设房屋评分模型,获得各个所述第一天的在售房源的评分,然后根据预设的评分等级以及所述待评估房源的评分可以获得与所述待评估房源的评分对应的评分等级,根据与所述待评估房源的评分对应的评分等级和所述第一天的在售房源的评分,可以获得处于与所述待评估房源的评分对应的评分等级的在售房源的房源数量。计算单元407根据所述第一天的在售房源在未来所述预设天数内的实际交易数据,可以获得处于与所述待评估房源的评分对应的评分等级的在售房源的实际交易数量,上述房源数量与所述实际交易数量的比值,即为所述评分对应的历史交易成功概率。其中,所述评分等级根据实际经验进行划分,本发明实施例不做限定。
本发明提供的服务器的实施例具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
图7为本发明一实施例电子设备的实体结构示意图,如图7所示,所述电子设备包括处理器(processor)701、存储器(memory)702和通信总线703;
其中,处理器701、存储器702通过通信总线703完成相互间的通信;
处理器701用于调用存储器702中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征;根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得所述待评估房源的评分。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征;根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得所述待评估房源的评分。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征;根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得所述待评估房源的评分。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,装置,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种在售房源质量评估方法,其特征在于,包括:
获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征;
根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得所述待评估房源的评分。
2.根据权利要求1所述的方法,其特征在于,所述预设房屋评分模型建立的步骤包括:
获取预设历史时期内的在售房源;
根据每个所述在售房源在过去所述预设天数内的交易记录,分别对每个所述在售房源进行是否成交的标记;
获取每个所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征;
根据各个所述在售房源的的标记、各个所述在售房源在过去所述预设天数内每天的经纪人特征、客源特征和业主特征以及基于深度学习的长短期记忆算法,获得所述预设房屋评分模型。
3.根据权利要求1所述的方法,其特征在于,所述经纪人特征包括看房总次数、看房不同门店数、看房不同经纪人数、看房不同客户数、看房语音跟进数、看房普通跟进数;所述客源特征包括拨打电话次数、关注次数和意向金操作次数;所述业主特征包括曝光次数、喊话次数、价格上调次数和价格下调次数。
4.根据权利要求1至3任一项所述方法,其特征在于,还包括:
根据所述待评估房源的评分以及所述评分对应的历史交易成功概率,获得所述待评估房源的交易成功概率。
5.一种服务器,其特征在于,包括:
第一获取单元,用于获取待评估房源在过去预设天数内每天的经纪人特征、客源特征和业主特征;
评分单元,用于根据所述待评估房源每天的经纪人特征、客源特征和业主特征以及预设房屋评分模型获得所述待评估房源的评分。
6.根据权利要求5所述的服务器,其特征在于,还包括:
第二获取单元,用于获取预设历史时期内的在售房源;
标记单元,用于根据每个所述在售房源在过去所述预设天数内的交易记录,分别对每个所述在售房源进行是否成交的标记;
第三获取单元,用于获取每个所述在售房源在所述过去所述预设天数内每天的经纪人特征、客源特征和业主特征;
获得单元,用于根据各个所述在售房源的的标记、各个所述在售房源在所述过去所述预设天数内每天的经纪人特征、客源特征和业主特征以及基于深度学习的长短期记忆算法,获得所述预设房屋评分模型。
7.根据权利要求5所述的服务器,其特征在于,所述经纪人特征包括看房总次数、看房不同门店数、看房不同经纪人数、看房不同客户数、看房语音跟进数、看房普通跟进数;所述客源特征包括拨打电话次数、关注次数和意向金操作次数;所述业主特征包括曝光次数、喊话次数、价格上调次数和价格下调次数。
8.根据权利要求5所述的服务器,其特征在于,还包括:
计算单元,用于根据所述待评估房源的评分以及所述评分对应的历史交易成功概率,获得所述待评估房源的交易成功概率。
9.一种电子设备,其特征在于,包括:处理器、存储器和通信总线,其中:
所述处理器和所述存储器通过所述通信总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至4任一项所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810022668.4A CN108304994A (zh) | 2018-01-10 | 2018-01-10 | 一种在售房源质量评估方法及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810022668.4A CN108304994A (zh) | 2018-01-10 | 2018-01-10 | 一种在售房源质量评估方法及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108304994A true CN108304994A (zh) | 2018-07-20 |
Family
ID=62868853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810022668.4A Pending CN108304994A (zh) | 2018-01-10 | 2018-01-10 | 一种在售房源质量评估方法及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108304994A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636474A (zh) * | 2018-12-14 | 2019-04-16 | 平安城市建设科技(深圳)有限公司 | 房源排序展示方法、装置、设备及存储介质 |
CN110084533A (zh) * | 2019-05-10 | 2019-08-02 | 重庆聚房通科技有限公司 | 基于企业大数据的管理信息缺陷分析系统 |
CN110634024A (zh) * | 2019-09-12 | 2019-12-31 | 北京无限光场科技有限公司 | 一种用户属性标记方法、装置、电子设备及存储介质 |
CN110930001A (zh) * | 2019-11-08 | 2020-03-27 | 贝壳技术有限公司 | 商家资源的管理方法及商家资源的管理系统 |
CN111563662A (zh) * | 2020-04-16 | 2020-08-21 | 南京邮电大学 | 基于分时间窗深度强化学习的服务质量评估系统及方法 |
CN112734170A (zh) * | 2020-12-24 | 2021-04-30 | 贝壳技术有限公司 | 带看任务调度方法及装置 |
CN113344660A (zh) * | 2021-05-28 | 2021-09-03 | 深圳市前海房极客网络科技有限公司 | 房源信息的处理方法、装置、电子设备及存储介质 |
-
2018
- 2018-01-10 CN CN201810022668.4A patent/CN108304994A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636474A (zh) * | 2018-12-14 | 2019-04-16 | 平安城市建设科技(深圳)有限公司 | 房源排序展示方法、装置、设备及存储介质 |
CN110084533A (zh) * | 2019-05-10 | 2019-08-02 | 重庆聚房通科技有限公司 | 基于企业大数据的管理信息缺陷分析系统 |
CN110634024A (zh) * | 2019-09-12 | 2019-12-31 | 北京无限光场科技有限公司 | 一种用户属性标记方法、装置、电子设备及存储介质 |
CN110930001A (zh) * | 2019-11-08 | 2020-03-27 | 贝壳技术有限公司 | 商家资源的管理方法及商家资源的管理系统 |
CN111563662A (zh) * | 2020-04-16 | 2020-08-21 | 南京邮电大学 | 基于分时间窗深度强化学习的服务质量评估系统及方法 |
CN112734170A (zh) * | 2020-12-24 | 2021-04-30 | 贝壳技术有限公司 | 带看任务调度方法及装置 |
CN113344660A (zh) * | 2021-05-28 | 2021-09-03 | 深圳市前海房极客网络科技有限公司 | 房源信息的处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304994A (zh) | 一种在售房源质量评估方法及服务器 | |
US20200258027A1 (en) | Methods and systems for controlling a display screen with graphical objects for scheduling | |
Brijlal | The use of capital budgeting techniques in businesses: A perspective from the Western Cape | |
JP3247356B2 (ja) | 資産運用助言システム及びそのプログラムを収録した記録媒体 | |
CN109615454A (zh) | 确定用户金融违约风险的方法及装置 | |
JP2004528657A5 (zh) | ||
CN106651573A (zh) | 一种业务数据处理方法及装置 | |
JP7329282B2 (ja) | 情報処理方法 | |
Ngwakwe | Public sector financial accountability and service delivery | |
CN106875595A (zh) | 一种pos终端使用地点的确定方法及装置 | |
CN115203496A (zh) | 基于大数据的项目智能预测及评估方法、系统及可读存储介质 | |
CN104599174A (zh) | 一种基于大数据的个人金融信用评价方法 | |
US20120296843A1 (en) | Method for calculation of time weighted returns for private equity | |
US20200097882A1 (en) | Monitoring system for employment postings and applications and other transactions | |
CN113449010A (zh) | 投资机构收益信息挖掘方法、装置、电子设备和存储介质 | |
US8498921B2 (en) | System and method for charging trading commissions for brokerage accounts based on principal of trades | |
CN112037013A (zh) | 人行征信变量衍生方法及装置 | |
Asikhia | Ethical banking determinants across nations: A meta-analysis | |
JP7043248B2 (ja) | 休廃業予測システム | |
CN109711984A (zh) | 一种基于催收的贷前风险监控方法及装置 | |
JP7298286B2 (ja) | モデル提供プログラム、モデル提供方法及びモデル提供装置 | |
CN112308639B (zh) | 目标事件的时效预计方法及装置 | |
Haupt et al. | Obstacles and opportunities for afforestation and reforestation projects under the Clean Development Mechanism of the Kyoto Protocol | |
CN113516544A (zh) | 一种基于大数据的智能风控管理系统及方法 | |
CN110135467A (zh) | 一种基于数据拼接的模型训练方法、装置、系统和记录介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180720 |