互聯網金融和房地產公司數據合作的可行性

吳雪倩 鄭曼娜 李貴欣

（暨南大學，廣東 廣州 510000）

一、引言

目前，房地產與互聯網金融的合作模式主要是房地產開發階段的眾籌模式和房地產銷售階段的P2P網貸模式。房地產眾籌模式是指房地產商通過互聯網眾籌平臺發布擬開發的項目并設定籌集總額，由投資人自愿投資。若在一定期限內，項目實際籌集總額達到或超過原設定金額，項目即可啟動。而P2P網貸模式則是指房地產商通過P2P網站發布項目資金需求信息。有意向的投資者為項目注資，并與房地產商建立借貸關系，并就細則簽訂電子合同。但是現存的兩種“互聯網金融+房地產”模式均忽略互聯網金融數據的價值。

關于挖掘數據價值，擴大企業收益的問題，不少學者認為，合理利用已有的數據優勢，可以更精準的配置資源，精準營銷。陽飛和陳秀秀[1]提出單個企業雖然在不斷發展，但數據的重要性并沒有顯得十分突出的問題，說明提高數據利用率的必要性。鄭勁松[2]指出，大數據在房地產營銷中的重要作用。因此，需要提高大數據在房地產營銷中的利用率。吳曉求[3]認為，云數據中所體現的信用信息更能反映個人和企業真實的信用狀況，使金融識別風險的能力更具時效性、準確性，進一步完善了金融識別風險的能力，更利于金融的“資源配置”即融資功能的實現。杜丹陽[4]研究發現，房地產企業可以通過信息系統實現精確營銷。憑借房地產商自身的數據優勢，建立客戶信息系統，將客戶進行分類，通過挖掘大數據，提煉出客戶信息，有針對性地實現精確營銷。學者們雖然提出利用數據精準營銷的理念，但是，沒有提出互聯網金融與房地產共享數據的理念，也沒有計算共享數據帶來的經濟利益。因此，本文欲著眼于互聯網金融與房地產廣告網站的數據合作，并計算數據合作帶來的經濟利潤。

二、互聯網金融和房地產公司數據合作的可行性分析

關于利用互聯網金融的數據實現房地產精準營銷問題，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，證明數據合作的技術可行性，同時計算出互聯網金融公司的用戶的平均購房概率。其次，利用已經求出的購房概率，計算精準營銷下帶來的經濟收益。

（一）技術可行性

阿里小貸在互聯網金融行業里具有代表性，故本文選擇尋找影響阿里小貸用戶購房的因素建立模型，將房型的相關數據帶入模型，即可求出特定購房需求者對于某一套房型的購房概率。經過查閱大量文獻，將影響消費者購房的因素總結為房屋面積，戶型大小，地理位置，建筑年齡，距離工作地點距離，學位，房地產公司品牌。

1.數據獲取。在第一調查網這一網站的協助下，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據放在一起進行對比，發現購房用戶比非購房用戶更側重于某些房型特征，這些更側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模型可以應用于計算事件發生的概率，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——購房行為發生；yi=0——購房行為不發生；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——學位；x7——房地產公司品牌。

3.統計結果分析。P表示使用該系數估計錯誤的概率。本文中，P＞|Z|的值小于0.1即可被接受。從數據結果看出，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，互聯網金融和房地產廣告網站進行數據合作具有技術可行性。

（二）經濟可行性

搜房網在房地產廣告網站中具有一定的代表性，本文選擇以搜房網為研究對象，計算使用阿里小貸用戶數據會為搜房網的電子商務服務領域帶來的利潤。

從項目投入和產出的角度分別進行估算，對阿里小貸和搜房網的合作模式進行財務效益分析，即論證阿里小貸和搜房網類的房地產廣告網站合作的經濟可行性。

1.建設投資估算和成本費用估算。項目前期擬定投資2億元，用于數據挖掘模型構建、設備購買和場地租賃。

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營銷團隊的模式，將營業收入的85%計為銷售費用。管理和運營團隊擬用20人，以看準網上搜房網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因項目而增加的傭金收入定為主要的營業收入。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，搜房網二手房的傭金率經歷了0.5%到1.5%的起伏，至2017年開年，調整為了1%，因為搜房網二手房傭金率未來不確定性比較大，保守起見選用搜房網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據為參考，商品房和二手房的交易量分別約占兩者總數的52%和48%。則平均每套房傭金率為0.89%。

選取可獲得的最新數據，以2017年8月百城住宅價格指數為參考，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據為參考，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。根據網上的信息，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，完全依靠大數據來做風險甄別，已經累計為超過170萬家小微企業和個人創業者解決了融資需求。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展，保守估計，項目營運五年內可以獲得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展有限公司的方式進行營業稅金和所得稅的計算。全面試行營業稅改增值稅后，按照營業稅改征增值稅試點實施辦法，增值稅稅率為6%。根據北京市地方稅務局的相關信息，其他稅金包括城市維護建設稅（7%）、教育費附加（3%）、地方教育費附加（2%），為應納增值稅的12%。則稅金及附加合計為營業收入的6.72%。北京搜房科技發展有限公司是經認定的的高新技術企業，根據中華人民共和國企業所得稅法（2017年修正本），減按15%的稅率征收企業所得稅。

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

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

考察同為房地產網絡營銷服務領域里的三六五網的股票回報率s與滬深300指數的回報率m之間的相互關系,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即該股票的風險校正系數β。

計算得出的行業權益資金基準收益率RE為13.102%。

第二，WACC法測算行業基準收益率

5.對所計算結果進行分析。根據以上估算可得

現金流量表 單位：萬元

由表可以看出，項目未來五年財務凈現值為21440.17萬元，大于0；財務內部收益率為42.75%，高于行業基準收益率11.235%；投資回收期為2.35年，回收速度快。根據以上幾個指標，從財務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內部收益率和財務凈現值的影響是相同的，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。

根據以上兩個表，可以分析兩點財務信息。第一，在上下變動20%范圍內，前期投資引起的財務內部收益率的變化是34.30%～54.28%，交易量引起的財務內部收益率的變化是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。因為在各指標變動20%幅度內，前期投資引起的財務凈現值的變化幅度小于交易量引起的財務凈現值的變化幅度。第三，該合作在經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%，項目的財務內部收益率仍能保持在32%以上，財務凈現值仍能保持較高水平。

三、總結

互聯網金融和房地產廣告網站的合作具有良好的社會效益和經濟效益。從技術可行性的論證可知，影響消費者購房的因素是房源距離工作地點遠近，戶型合適與否以及房屋價格。因此提出建議，建議大數據推薦房型的過程中應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是否匹配以及房屋價格是否在購房者承受范圍之內等因素。

同時，從經濟可行性結果可知，精準的房地產營銷會提高房地產廣告網站的利潤。根據敏感性分析的結果，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責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，使交易量不低于預期交易量。第二，因為交易量是影響利潤的最敏感因素，企業應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，在房地產行業或者經濟低迷時期，選擇房地產企業選擇大數據營銷策略也是明智之舉。