基于3C模型對二手房房價趨勢研究

羅雨欣 王麗 孫佳欣 楊安

【摘要】本文以成都市二手房房價為研究對象，以成都貝殼二手房掛牌價以及成交量為基礎，使用3C戰略模型分別對顧客、運營組織和競爭者進行綜合分析，從而對成都市二手房房價趨勢進行大膽預測。該預測的結果對消費者、投資者具有一定的借鑒意義。

【關鍵詞】二手房;房價;貝殼;3C模型

【DOI】10.12334/j.issn.1002-8536.2021.28.028

1、引言

房價不僅關系到經濟可持續發展、關系到城鎮化建設進程、關系到相關行業資金運行、還關系到國民經濟建設。從本世紀初，國內房價經歷了一輪又一輪地漲價。成都作為新一線城市之首，內地經濟最典型的代表，研究成都二手房價格走勢，對全國房市，甚至全國經濟有很大的參考價值。2020年疫情后成都二手房市場受到壓力，至今二手房市場仍然低迷。成都市又在今年“3.22”新政中，發布了二手住房成交參考價格機制條例。成都市二手房市場必然受到影響，未來成都市二手房房價將何去何從。目前，二手房房價已經引起投資者和購房剛需者的高度關注，因此對未來成都市二手房房價走勢研究顯得尤為重要。

針對房價的預測，目前已經有部分學者做出了相關研究。鄭永春[1]和劉春[2]采用ARIMA模型對房價進行預測，利用差分自回歸移動平均來排除對房價有影響的復雜因素，從而構架客觀真實的預測模型來持續預測未來房價的變化趨勢;楊楠[3]等結合灰色預測和馬爾可夫鏈預測的優勢對房價指數進行預測分析。本文采用戰略3C模型分別對顧客、運營組織和競爭者進行綜合分析，從而對成都二手房房價的未來走勢進行大膽預測。

2、研究設計

本文采用日本戰略大師大前研一（Kenichi Ohmae）提出的3C戰略三角形模型，其認為成功的戰略至少有三個關鍵因素即公司自身（corporation）公司顧客（Customer）競爭對手（competition）。公司戰略旨在最大化企業的競爭優勢，尤其是與企業成功息息相關的功能性領域的競爭優勢;顧客是所有戰略的基礎，公司的首要考慮應該是顧客的利益，而不是股東或者其他群體的利益;企業的競爭者戰略，可以通過尋找有效之法，追求在采購、設計、制造、銷售及服務等功能領域的差異化來實現。只有公司自身、公司顧客、競爭者整合在同一個戰略內可持續的競爭優勢才能更好存在。本文將結合戰略3C模型對成都市二手房未來發展趨勢從二手房相關運營組織發展情況、顧客以及房地產產業競爭者進行趨勢預測。

本研究首先使用Python程序從貝殼網獲取了2019-2021年成都一、二圈層二手房、新建房、租賃房的掛牌信息和房源成交數據進行分析。其次通過國家統計局、民政部官網等權威網站了解了居民人均可支配收入、結婚率、出生率等情況。最后查閱《成都市住房保障五年規劃（2017-2021）》了解了成都市住房供應、人才安居、住房租賃市場、老舊院落改造等情況。

3、數據分析

3.1顧客

大前研一的3C中顧客（customer）是指完全以顧客為中心，抑制企業的利己主義私欲，為客戶提供超出期待的解決方案。本研究認為，顧客指標包含了購買力、購買欲、潛在顧客。由此賦值0.35權重，并基于以下三組數據給予評分。

顧客購買力將從居民可支配收入、年齡結構兩方面分析。根據國家統計局發布2021年全國居民人均可支配收入數據顯示，全國居民人均可支配收入32189元，比上年增長4.7%。由數據可得，全國人均可支配收入增加，因此個人購房的能力增加。根據第七次全國人口普查顯示，60歲及以上人口為26402萬人，占18.70%。與2010年相比上升5.44%。由此可得，人口老齡化程度進一步加深，導致住房剛需下降。

顧客購買欲將從家庭結構改變、城市建設進程兩方面進行分析。根據民政部官網顯示，2020年中國的結婚人數僅813萬對，與2019年相比下降16.48%;2019年中國的出生率為10.48‰，與2018年相比下降0.46‰。結婚率和出生率的降低直接導致顧客購房需求降低。近幾年成都在加快城市發展建設，2015年老舊院落改造以來，成都已累計完成老舊院落改造3452個、涉及居民33萬余戶。城市改造建設使區域整體價值提升，直接導致二手房價格上漲。

潛在顧客將從人口流動進行分析。據貝殼研究院2020年發布《新成都人安家居住報告》[1]顯示，選擇在成都置業的人60%來自省內，20%來自省外。具體城市來看，省內非蓉置業占比排名前三分別為南充11.9%、眉山11.3%、達州9.4%;省外占比排名前三分別為重慶市15.7%、甘肅省8.9%、河南省7.8%。“人才新政”累計吸引超過33萬人才落戶成都。由此可得，成都人口虹吸力強，人口流動率增加使得在蓉購房需求增加。

從貝殼網爬取的數據來看，以上因素中居民可支配收入、城市建設、人口流動促使二手房價存在增值空間，而年齡結構、家庭結構改變等因素使得二手房房價存在下行壓力。綜合來看顧客使二手房市場流動性增強，二手房房價具有一定的升值空間。

3.2運營組織

大前研一的3C中公司自身（corporation）是指確定把它與其他各種組織計劃區分開的“競爭優勢”。本研究認為，公司自身即運營組織指標其包含了政府組織、房地產行業。由此賦值0.3權重，并基于以下兩組組數據給予評分。

政府將從政策導向、市場監管兩方面分析。成都市政府堅決貫徹落實黨中央、國務院“房住不炒”決策部署，為此結合當地實際情況發布了相關的政策通知，成都市將擬建立二手住房成交參考價格發布機制并進一步采取以下措施進一步規范二手住房交易行為，正向引導成都市二手房的健康發展。此外，成都市政府將進一步規范房地產市場秩序優化市場環境，加強對房地產各類市場主體的監管，嚴厲打擊違法違規行為，以維護房地產市場的良性發展。

縱觀整個房地產行業來看，十四五規劃建議中提到，未來5年我國住房發展的重點是民生保障，房地產政策以防風險、保民生為主。又從貝殼數據庫中了解到，預計五年內新房年銷售額從15萬億往下穩步回落，二手房市場交易規模，則在7萬億的基礎上逐漸增長。未來房地產行業將呈現市場存量化程度加深、居住品質不斷提高、居住服務更高要求的趨勢。

從貝殼網獲取的數據來看，二手房市場的監管、房地產市場因素促使二手房價具有上升空間，而政策導向因素使得二手房房價存在下行壓力。綜合來看運營組織對二手房市場監管性較強，二手房房價下行壓力較大。

3.3競爭者

大前研一的3C中競爭者（competition）是指通過各種方法，使不同功能領域實現差異化。本研究認為，競爭者指標包含了直接競爭者、間接競爭者、潛在競爭者。由此賦值0.35權重，并基于以下三組數據給予評分。

直接競爭者將從新建房方面分析。貝殼研究院發布《成都新房市場2020半年報》[2]指出，全市新房住宅成交量8.5萬套;貝殼找房的數據顯示，2020年1-12月，成都二手房新增掛牌量約34.5萬套，成交量約7.5萬套。整個二手房市場供應過剩。根據以上數據對比可得成都市新建房需遠大于二手房需求。

間接競爭者將從租賃房方面分析。貝殼找房網上發布《2019上半年城市居住報告》[3]指出，在租房市場中成都市憑借上半年3.8萬套的交易量位列新一線城市首位。據統計成都市2019年上半年單位租金發現，成都每月平均租金29.1?/m2，是租金較低的新一線城市。《成都市住房保障五年規劃（2017-2021）》[4]指出，2021年全市租賃住房量達151萬套，較2017年增長25%;2021年的租房需求達122萬套，較17年增長33%，租房供應與需求都在上漲。根據以上數據可得成都市租金較低且租房需求持續上漲，在未來一段時間租房會成為顧客首要選擇從而導致二手房需求下降。

潛在競爭者從黃金、新能源兩方面分析。21年全球時局仍然呈現高度不可控狀態，首先是此次全球疫情何時能得到有效控制不得而知，倘若不能得到有效控制，市場將再次陷入流動性危機。其次是全球通脹快速增長、貨幣戰爭不可避免，黃金的抗通脹屬性及避險屬性將實現價值最大化，這將直接導致黃金的結構性需求增加。因此，未來金價仍將呈現上漲趨勢，即使中途可能會微幅回調，但從長期來看仍具備上升空間;由于不可再生能源的有限性以及環境問題的日益突出，中國開始大力發展新能源。2003-2019年，中國新能源投資金額和數量呈上升趨勢，17年投資數量最多達39筆，19年投資金額最高達1248528.5億元預測未來依舊呈上漲趨勢。根據以上分析可得黃金和新能源都比房地產具有投資價值。

從貝殼網獲取的數據來看，二手房市場新建房、租賃房、黃金和新能源以上因素對二手房競爭壓力較大。綜合來看競爭者使得二手房市場走向低靡，二手房房價下行壓力。

本研究采用3C模型對假設進行驗證，關于顧客、運營組織、競爭者三維因素對成都市二手房房價趨勢的影響，分別設置一級、二級、三級指標，如表1所示。

4、研究結論

本文選取貝殼成都近幾年的二手房交易數據，結合戰略3C模型對成都市二手房房價在未來的發展趨勢做出大膽預測，根據上述數據資料分析發現，顧客購買力上升但對二手房的需求下降;政府出臺的政策對二手房交易有一定的抑制作用但房產市場未來的發展呈良性勢態;競爭者搶占二手房市場部分份額，導致二手房供大于求。以上現象再結合3C模型最終加權評分為-1，得出成都市未來二手房房價趨穩，但是價值走跌，綜合判斷成都二手房房價呈下跌趨勢。如果在新能源、黃金等生產要素市場趨于活躍，而顧客購買力下降及購買欲減弱的情況下，則二手房市場下行壓力較大;如果在新能源、黃金等生產要素等市場走向低靡，顧客購買力增強及購買欲上漲的情況下，則二手房市場升值空間較大。但政府在房地產的宏觀調控作用不容忽視，而我國房地產行業的發展又受國際經濟形勢影響，還有其戰略頂層設計。這些都是影響二手房房價趨勢不可忽視的因素。

參考文獻：

[1]永坤，劉春.基于ARIMA 模型的二手房價格預測[J].計算機與現代化，2018，0（4）：122-126.

[2]楊楠，邢力聰.灰色馬爾可夫模型在房價指數預測中的應用[J].統計與信息論壇，2006，21（5）：52-55

[3]何飛.基于BP神經網絡的上海市二手房價格驗證與預測[J].經濟研究導刊，2018（ 28）：111-116，121.

[4]潘璠.因城施策也要堅持“房住不炒”[N].經濟日報，2018-12-25（ 9） .

[5]王琪.我國房地產調控政策對成都二手房市場的影響——模型與實證分析[J].成都行政院學報，2014（03）：50-53.

作者簡介：

羅雨欣，四川大學錦城學院工商管理學院，旅游管理專業。

王麗，四川大學錦城學院工商管理學院，旅游管理專業。

孫佳欣，四川大學錦城學院工商管理學院，旅游管理專業。

指導老師：楊安（1987- ） ，男，四川成都人，教授，碩士，四川大學錦城學院知識產權研究所副所長，研究方向：知識產權（通訊作者）。