“Location Location Location” เป็นคำพูดที่เราได้ยินกันจนชินหู ว่าทำเลสำคัญไม่แพ้กับสิ่งที่กำลังจะขาย ไม่ว่าจะเป็นขายขนม ชานม คอนโด หรือ สินค้าจิปาถะทั่วไป

บทความนี้จะพาท่านผู้อ่านไปดูสองแนวทางที่กระแส Big Data และ Artificial Intelligence กำลังเปลี่ยนโลกอสังหาไปเรื่อยๆ การลงทุนสุดคลาสสิคที่เคยต้องอาศัยความเป็นกูรู ความสนิทสนมสุด exclusive กับนายหน้า และความเชื่อ อาจถูก distrupt ในเร็ววัน

จะดีแค่ไหนถ้าเรามี “โหรที่ดิน” (ที่แม่น)

ทุกวันนี้ ไม่ว่าจะเป็นที่ไหน เราจะได้ยินคำว่า artificial intelligence และ machine learning เต็มไปหมด

ในโลกอสังหาก็หนีไม่พ้น ขณะนี้มีบริษัทเล็กใหญ่มากมายที่พยายามใช้เทคโนโลยีเหล่านี้มาช่วยทำนายหลายๆ ตัวแปรในโลกอสังหาที่มีมูลค่าสูงด้วยข้อมูลขนาดยักษ์

มิติแรกที่ท้าทายมากแต่มีความต้องการสูงคือการใช้ปัญญาประดิษฐ์และ Big Data เพื่อช่วยประเมินราคาตลาดของที่อยู่อาศัยหรือราคาที่ดิน  ที่มันท้าทายนั้นเป็นเพราะว่าราคาส่วนใหญ่ที่ปรากฏอยู่ในอินเตอร์เน็ต มักเป็นราคาตั้งขาย ไม่ได้เป็นราคาที่เคยเกิด transaction จริงๆ เสมอไป  ในมุมนึงผู้ซื้ออยากซื้อให้ใกล้หรือต่ำกว่าราคาตลาด อีกมุมนึงผู้ขายก็อยากขายที่ราคาตลาดหรือสูงกว่า

บริษัทอันดับต้นๆ ของโลกที่ลงมือทำงานด้านนี้มาก่อนเพื่อนคือบริษัทแพลตฟอร์มอสังหาชื่อ Zillow ที่ประมวลข้อมูลประกาศซื้อขายบ้านอันมหาศาล เช่น มีกี่ห้องน้ำ กี่ห้องนอน ทำเลติดน้ำไหม มีอะไรรอบๆ บ้าง อากาศเป็นอย่างไร สภาพจากรูปถ่ายเป็นอย่างไร เพื่อสร้างราคาตลาดชื่อ Zestimate สำหรับทุกๆ ที่อยู่อาศัยบนแพลตฟอร์ม โดยมีการสร้างราคานี้ย้อนหลังเพื่อให้ผู้ใช้งานดูได้ด้วยว่าเทรนด์ในอดีตเป็นอย่างไร  

อีกมิติหนึ่งก็คือการใช้ Big Data ทำนายว่าใครกำลังจะประกาศขายบ้าน/condo ซึ่งเป็นข้อมูลที่มีมูลค่าสูงสำหรับบริษัทนายหน้าอสังหา  สตาร์ทอัพชื่อ First กำลังช่วยตอบโจทย์นี้โดยการประมวลข้อมูลลูกค้าเพื่อทำนายว่าใครมีแนวโน้มน่าจะประกาศขาย เนื่องจากบริษัทที่มีฐานลูกค้าจำนวนมากอาจไม่มีเวลาพอจะคัดลูกค้าได้ทีละคนว่าคนไหนน่าจะอยากขาย จึงมีอาจพลาดโอกาสทองในการทำธุรกิจ  

มิติสุดท้ายคือการคาดคะเน foot traffic ในแต่ละทำเลได้เร็วและแม่นยำโดยไม่เสียแรงคนมากนัก  ในปัจจุบันเริ่มมีงานวิจัยที่ใช้ข้อมูล digital footprints ของพวกเราเพื่อคาดคะเน foot traffic ในแต่ละย่านได้บ้างแล้ว  

ยกตัวอย่าง เช่น 1) ข้อมูลการใช้ app แผนที่อย่าง Google Maps Apple Maps Waze หรือ Baidu Maps

2) ข้อมูลการเชื่อมต่อกับเสาโทรศัพท์ที่เก็บโดยบริษัทเทเลคอม

3) ข้อมูลการใช้ social media เช่น Twitter  และ Instagram

4) ข้อมูลการเช็คอิน ด้วย app เช่น Facebook หรือ Foursquare

แน่นอนว่าทั้งหมดนี้ไม่การันตีความถูกต้องและต้องตีความโดยคำนึงถึงอคติที่มากับกลุ่มผู้สร้างข้อมูลเหล่านี้ (เช่น อายุค่อนข้างน้อย ฯลฯ) แต่ถ้ามันถูกทดสอบแล้วว่าสามารถคาดคะเน foot traffic ได้แม่นในระดับนึงก็ถือว่าเป็นการตอบโจทย์นักลงทุนได้ไม่เลวเลยทีเดียว

Location Intelligence สำหรับ B2B

ผมคิดว่าแม้ว่าหลายธุรกิจจะมีตัวตนบนโลกออนไลน์มากขึ้น ตัวตนบนโลกออฟไลน์ยิ่งทวีความสำคัญ

“จะเปิดสาขาใหม่ที่ไหน จะปิดสาขาเก่าไหนดี จะแฟรนไชส์แถวไหน ที่ไหนมีคู่แข่งเยอะแล้ว”

คำถามเหล่านี้จะตอบได้ในอนาคตอันใกล้ ด้วยความเร็วและความแม่นยำที่สูงจนวัฒนธรรมการใช้ “sense” บวกกับการมองๆ ผู้คนในแต่ละทำเลแบบผิวเผิน จะไม่เพียงพอต่อการตัดสินใจเรื่อง location ของธุรกิจอีกต่อไป  

องค์ประกอบของการตัดสินใจนี้จะขึ้นอยู่กับความเชื่อและ gut feeling น้อยลงเรื่อยๆ เนื่องจากความจริงมันจะปรากฏอยู่บนฐานข้อมูลที่พวกเราจะเข้าถึงได้ง่ายขึ้นเรื่อยๆ

และที่จริงสิ่งนี้ก็เริ่มมีให้บริการจริงแล้ว บริษัท Location Intelligence ชั้นนำอย่าง geoblink ทำการเก็บสะสมข้อมูล geospatial และ demographics ให้มากที่สุดเท่าที่จะมากได้ เพื่อช่วยให้ธุรกิจเปิดปิดสาขาได้อย่างดีที่สุด

ซึ่งคำว่า “ดีที่สุด” นี้เราให้ความหมายมันได้หลายอย่าง

อาจจะหมายถึงโลเคชั่นที่มี potential customer อยู่อาศัยอยู่จำนวนมาก เช่น มีรายได้เกิน 4 หมื่นบาทต่อเดือน ใกล้ BTS รอบๆ มีร้านรวงบ้าง

อาจจะหมายถึงโลเคชั่นที่เราสามารถการันตีได้ว่าไม่มีการแข่งกันเองระหว่างหลายๆ สาขาของเรา

หรืออาจจะหมายถึงโลเคชั่นที่มีความคึกคักในตลาด มีคู่แข่งบ้าง แต่ไม่มากเกิน 5 แห่งในรัศมี 2 กิโลเมตร ก็หาคำตอบให้ได้

ที่น่าสนใจคือคนที่ใช้บริการ location intelligence นี้บางทีไม่ใช่ franchisee อย่างเดียว  franchisor ที่อยากปล่อย franchise เพิ่มก็ใช้บริการได้ เนื่องจาก franchisee หน้าใหม่อาจขาดความมั่นใจว่าควรลงทุนเปิด franchise ที่ทำเลไหน

แน่นอนเราสามารถใช้ Google Maps แบบฟรีๆ ได้ แต่ไม่มีทางได้รับความเข้มข้นของข้อมูลที่เตรียมมาช่วยให้เราเลือกทำเลได้ดีเท่าการใช้บริการ location intelligence ตรงๆ แบบนี้แน่นอน

 

ติดตามอ่านตอนแรกที่ : https://www.stock2morrow.com/article-detail.php?id=1363 

ตอนที่สองที่ : https://www.stock2morrow.com/article-detail.php?id=1369

ตอนที่สามที่ : https://www.stock2morrow.com/article-detail.php?id=1388

ตอนที่สี่ที่ : https://www.stock2morrow.com/article-detail.php?id=1408

ตอนที่ห้าที่ : https://www.stock2morrow.com/article-detail.php?id=1547