吳雪倩 鄭曼娜 李貴欣

（暨南大學(xué)，廣東 廣州 510000）

一、引言

目前，房地產(chǎn)與互聯(lián)網(wǎng)金融的合作模式主要是房地產(chǎn)開發(fā)階段的眾籌模式和房地產(chǎn)銷售階段的P2P網(wǎng)貸模式。房地產(chǎn)眾籌模式是指房地產(chǎn)商通過互聯(lián)網(wǎng)眾籌平臺發(fā)布擬開發(fā)的項目并設(shè)定籌集總額，由投資人自愿投資。若在一定期限內(nèi)，項目實際籌集總額達到或超過原設(shè)定金額，項目即可啟動。而P2P網(wǎng)貸模式則是指房地產(chǎn)商通過P2P網(wǎng)站發(fā)布項目資金需求信息。有意向的投資者為項目注資，并與房地產(chǎn)商建立借貸關(guān)系，并就細(xì)則簽訂電子合同。但是現(xiàn)存的兩種“互聯(lián)網(wǎng)金融+房地產(chǎn)”模式均忽略互聯(lián)網(wǎng)金融數(shù)據(jù)的價值。

關(guān)于挖掘數(shù)據(jù)價值，擴大企業(yè)收益的問題，不少學(xué)者認(rèn)為，合理利用已有的數(shù)據(jù)優(yōu)勢，可以更精準(zhǔn)的配置資源，精準(zhǔn)營銷。陽飛和陳秀秀[1]提出單個企業(yè)雖然在不斷發(fā)展，但數(shù)據(jù)的重要性并沒有顯得十分突出的問題，說明提高數(shù)據(jù)利用率的必要性。鄭勁松[2]指出，大數(shù)據(jù)在房地產(chǎn)營銷中的重要作用。因此，需要提高大數(shù)據(jù)在房地產(chǎn)營銷中的利用率。吳曉求[3]認(rèn)為，云數(shù)據(jù)中所體現(xiàn)的信用信息更能反映個人和企業(yè)真實的信用狀況，使金融識別風(fēng)險的能力更具時效性、準(zhǔn)確性，進一步完善了金融識別風(fēng)險的能力，更利于金融的“資源配置”即融資功能的實現(xiàn)。杜丹陽[4]研究發(fā)現(xiàn)，房地產(chǎn)企業(yè)可以通過信息系統(tǒng)實現(xiàn)精確營銷。憑借房地產(chǎn)商自身的數(shù)據(jù)優(yōu)勢，建立客戶信息系統(tǒng)，將客戶進行分類，通過挖掘大數(shù)據(jù)，提煉出客戶信息，有針對性地實現(xiàn)精確營銷。學(xué)者們雖然提出利用數(shù)據(jù)精準(zhǔn)營銷的理念，但是，沒有提出互聯(lián)網(wǎng)金融與房地產(chǎn)共享數(shù)據(jù)的理念，也沒有計算共享數(shù)據(jù)帶來的經(jīng)濟利益。因此，本文欲著眼于互聯(lián)網(wǎng)金融與房地產(chǎn)廣告網(wǎng)站的數(shù)據(jù)合作，并計算數(shù)據(jù)合作帶來的經(jīng)濟利潤。

二、互聯(lián)網(wǎng)金融和房地產(chǎn)公司數(shù)據(jù)合作的可行性分析

關(guān)于利用互聯(lián)網(wǎng)金融的數(shù)據(jù)實現(xiàn)房地產(chǎn)精準(zhǔn)營銷問題，本文首先，尋找影響購房者購房的主要因素，利用logit模型，計算不同房型相對于購房者的不同購房概率，將logit模型里評分最高（購房可能性最大）的房型向購房者推薦，證明數(shù)據(jù)合作的技術(shù)可行性，同時計算出互聯(lián)網(wǎng)金融公司的用戶的平均購房概率。其次，利用已經(jīng)求出的購房概率，計算精準(zhǔn)營銷下帶來的經(jīng)濟收益。

（一）技術(shù)可行性

阿里小貸在互聯(lián)網(wǎng)金融行業(yè)里具有代表性，故本文選擇尋找影響阿里小貸用戶購房的因素建立模型，將房型的相關(guān)數(shù)據(jù)帶入模型，即可求出特定購房需求者對于某一套房型的購房概率。經(jīng)過查閱大量文獻，將影響消費者購房的因素總結(jié)為房屋面積，戶型大小，地理位置，建筑年齡，距離工作地點距離，學(xué)位，房地產(chǎn)公司品牌。

1.數(shù)據(jù)獲取。在第一調(diào)查網(wǎng)這一網(wǎng)站的協(xié)助下，隨機獲取100名杭州阿里小貸的用戶。要求這100名用戶需要在以下7個因素中最多選擇三個因素作為影響其購房的重要因素。

將填寫問卷的用戶分為兩類，一類是沒有購房的用戶，另一類是購房用戶。Logit模型主要依據(jù)購房用戶和未購房用戶之間差別——購房用戶對影響購房的因素的重視程度和非購房用戶不同。將購房用戶與非購房用戶的數(shù)據(jù)放在一起進行對比，發(fā)現(xiàn)購房用戶比非購房用戶更側(cè)重于某些房型特征，這些更側(cè)重的房型特征就是我們研究購房行為的重點。

2.建立logit模型。Logit模型可以應(yīng)用于計算事件發(fā)生的概率，所以，使用logit模型計算阿里小貸用戶的購房概率。計算概率的表達式如下：

上式中yi=1——購房行為發(fā)生；yi=0——購房行為不發(fā)生；x1——房屋價格；x2——戶型大小；x3——地理位置；x4——建筑年齡；x5——距離工作地點距離；x6——學(xué)位；x7——房地產(chǎn)公司品牌。

3.統(tǒng)計結(jié)果分析。P表示使用該系數(shù)估計錯誤的概率。本文中，P＞|Z|的值小于0.1即可被接受。從數(shù)據(jù)結(jié)果看出，影響阿里小貸用戶的購房因素有房屋價格，距離工作地點距離以及戶型大小。

最后阿里小貸用戶的平均購房概率為73.24%。由此可見，互聯(lián)網(wǎng)金融和房地產(chǎn)廣告網(wǎng)站進行數(shù)據(jù)合作具有技術(shù)可行性。

（二）經(jīng)濟可行性

搜房網(wǎng)在房地產(chǎn)廣告網(wǎng)站中具有一定的代表性，本文選擇以搜房網(wǎng)為研究對象，計算使用阿里小貸用戶數(shù)據(jù)會為搜房網(wǎng)的電子商務(wù)服務(wù)領(lǐng)域帶來的利潤。

從項目投入和產(chǎn)出的角度分別進行估算，對阿里小貸和搜房網(wǎng)的合作模式進行財務(wù)效益分析，即論證阿里小貸和搜房網(wǎng)類的房地產(chǎn)廣告網(wǎng)站合作的經(jīng)濟可行性。

1.建設(shè)投資估算和成本費用估算。項目前期擬定投資2億元，用于數(shù)據(jù)挖掘模型構(gòu)建、設(shè)備購買和場地租賃。

2017年，搜房新房直營團隊被宏大的F0合伙人計劃所取代，所以新房和二手房的營銷模式均擬定采用不設(shè)營銷團隊的模式，將營業(yè)收入的85%計為銷售費用。管理和運營團隊擬用20人，以看準(zhǔn)網(wǎng)上搜房網(wǎng)員工的平均月薪為參考，約為6000元/月，并每年增長10%。將管理和運營人員的薪資計為管理費用，則前五年的管理費用分別約為144萬元，158.4萬元，174.24萬元，191.66萬元，210.83萬元。

2.進行收入估算。將項目運營期間搜房網(wǎng)因項目而增加的傭金收入定為主要的營業(yè)收入。傭金收入為新房和二手房交易量、平均每套房傭金率和平均每套房售價的乘積之和。

搜房網(wǎng)新房的傭金率在2015和2016年都為1.25%，在此將新房傭金率定為1.25%；從2015年開始，搜房網(wǎng)二手房的傭金率經(jīng)歷了0.5%到1.5%的起伏，至2017年開年，調(diào)整為了1%，因為搜房網(wǎng)二手房傭金率未來不確定性比較大，保守起見選用搜房網(wǎng)歷史最低二手房傭金率0.5%。以2017年9月北上廣深城市商品房和二手房成交數(shù)據(jù)為參考，商品房和二手房的交易量分別約占兩者總數(shù)的52%和48%。則平均每套房傭金率為0.89%。

選取可獲得的最新數(shù)據(jù)，以2017年8月百城住宅價格指數(shù)為參考，住宅平均價格為12270元/平方米。以2017年11月北上廣深城市住宅成交數(shù)據(jù)為參考，住宅約為103m2/套。則平均每套住宅售價約為126.38萬元。

技術(shù)可行性研究方面得出的阿里小貸用戶群中約有70%的用戶為潛在購房用戶。根據(jù)網(wǎng)上的信息，2015年2月，阿里小貸重組進入螞蟻金服；螞蟻小貸在過去的5年時間里，完全依靠大數(shù)據(jù)來做風(fēng)險甄別，已經(jīng)累計為超過170萬家小微企業(yè)和個人創(chuàng)業(yè)者解決了融資需求。本項目主要針對阿里小貸中的小微企業(yè)和個體工商用戶等用戶的購房需求，按照阿里小貸這幾年的發(fā)展，保守估計，項目營運五年內(nèi)可以獲得80萬買房客戶。計劃項目運營前五年交易量分別為5萬，13萬，18萬，21萬,23萬。

3.營業(yè)稅金和所得稅估算。項目營運期間，按照納稅主體為北京搜房科技發(fā)展有限公司的方式進行營業(yè)稅金和所得稅的計算。全面試行營業(yè)稅改增值稅后，按照營業(yè)稅改征增值稅試點實施辦法，增值稅稅率為6%。根據(jù)北京市地方稅務(wù)局的相關(guān)信息，其他稅金包括城市維護建設(shè)稅（7%）、教育費附加（3%）、地方教育費附加（2%），為應(yīng)納增值稅的12%。則稅金及附加合計為營業(yè)收入的6.72%。北京搜房科技發(fā)展有限公司是經(jīng)認(rèn)定的的高新技術(shù)企業(yè)，根據(jù)中華人民共和國企業(yè)所得稅法（2017年修正本），減按15%的稅率征收企業(yè)所得稅。

4.基準(zhǔn)收益率的確定。運用資本資產(chǎn)定價模型(CAPM)法和加權(quán)平均資金成本(WACC)法可確定項目所處行業(yè)的基準(zhǔn)收益率，計算過程如下：

第一，CAPM法測算權(quán)益資金基準(zhǔn)收益率公式為RE=Rf+β（Rm-RF)，RE為給定風(fēng)險水平、β條件下的行業(yè)權(quán)益資金基準(zhǔn)收益率；Rf為市場無風(fēng)險投資收益率，用三個月的上海銀行間同業(yè)拆放利率代替，約為4.57%，β為行業(yè)風(fēng)險校正系數(shù)1.074；Rm為市場平均風(fēng)險投資收益率，用A股市場的收益率約為12.514%。

考察同為房地產(chǎn)網(wǎng)絡(luò)營銷服務(wù)領(lǐng)域里的三六五網(wǎng)的股票回報率s與滬深300指數(shù)的回報率m之間的相互關(guān)系,選擇這兩只股票近60個月的收盤價計算回報率，然后建立它們之間的線性回歸方程,得到方程

S=-0.1+1.074m+ε

上式中ε為誤差項，斜率1.074即該股票的風(fēng)險校正系數(shù)β。

計算得出的行業(yè)權(quán)益資金基準(zhǔn)收益率RE為13.102%。

第二，WACC法測算行業(yè)基準(zhǔn)收益率

5.對所計算結(jié)果進行分析。根據(jù)以上估算可得

現(xiàn)金流量表 單位：萬元

由表可以看出，項目未來五年財務(wù)凈現(xiàn)值為21440.17萬元，大于0；財務(wù)內(nèi)部收益率為42.75%，高于行業(yè)基準(zhǔn)收益率11.235%；投資回收期為2.35年，回收速度快。根據(jù)以上幾個指標(biāo)，從財務(wù)角度判斷項目是可行的，并且盈利能力強。

6.敏感性分析。項目可能出現(xiàn)的變化因素有：前期投資，交易量，傭金率，住宅售價和政府政策等。因為政府政策因素難以量化，所以不對其進行分析。交易量，傭金率和住宅售價對項目財務(wù)內(nèi)部收益率和財務(wù)凈現(xiàn)值的影響是相同的，所以這三個只選取交易量作分析。因此，在此僅對前期投資和交易量進行敏感性分析。

根據(jù)以上兩個表，可以分析兩點財務(wù)信息。第一，在上下變動20%范圍內(nèi)，前期投資引起的財務(wù)內(nèi)部收益率的變化是34.30%～54.28%，交易量引起的財務(wù)內(nèi)部收益率的變化是32.36%～52.19%。雖然兩者變動引起的變動范圍相差甚微，但可以看出前期投資的有利變動范圍大于交易量的有利變動范圍，而交易量的不利變動范圍大于前期投資的不利變動范圍。第二，交易量是該項目最敏感的因素。因為在各指標(biāo)變動20%幅度內(nèi)，前期投資引起的財務(wù)凈現(xiàn)值的變化幅度小于交易量引起的財務(wù)凈現(xiàn)值的變化幅度。第三，該合作在經(jīng)濟下滑階段依舊具有投資價值。即使在最壞情況下，交易量減少20%或者前期投資增加20%，項目的財務(wù)內(nèi)部收益率仍能保持在32%以上，財務(wù)凈現(xiàn)值仍能保持較高水平。

三、總結(jié)

互聯(lián)網(wǎng)金融和房地產(chǎn)廣告網(wǎng)站的合作具有良好的社會效益和經(jīng)濟效益。從技術(shù)可行性的論證可知，影響消費者購房的因素是房源距離工作地點遠(yuǎn)近，戶型合適與否以及房屋價格。因此提出建議，建議大數(shù)據(jù)推薦房型的過程中應(yīng)更多考慮房型距離購房者工作地點距離，戶型與購房者家庭人口數(shù)是否匹配以及房屋價格是否在購房者承受范圍之內(nèi)等因素。

同時，從經(jīng)濟可行性結(jié)果可知，精準(zhǔn)的房地產(chǎn)營銷會提高房地產(chǎn)廣告網(wǎng)站的利潤。根據(jù)敏感性分析的結(jié)果，提出三點項目投資建議。第一，因為前期投資的有利變動范圍大于交易量的有利變動范圍，由此我們建議項目負(fù)責(zé)人有效利用前期投資，減少不必要的花費，并且重視項目期間的工作效率，使交易量不低于預(yù)期交易量。第二，因為交易量是影響利潤的最敏感因素，企業(yè)應(yīng)該在控制成本的前提下，盡量提高交易量，以獲得更高的利潤。第三，在房地產(chǎn)行業(yè)或者經(jīng)濟低迷時期，選擇房地產(chǎn)企業(yè)選擇大數(shù)據(jù)營銷策略也是明智之舉。