Repository hosted by TU Delft Library

Home · Contact · About · Disclaimer ·
 

Voorbereidingen voor een huizenrecommender systeem

Author: Wijn, R. · Paradies, G.L. · Sappelli, M.
Type:report
Date:2017
Publisher: TNO
Place: Soesterberg
Identifier: 780760
Report number: TNO 2017 R10958
Keywords: Human & Operational Modelling · HOI - Human Behaviour & Organisational Innovations · ELSS - Earth, Life and Social Sciences

Abstract

Dit onderzoek geeft een antwoord op drie vragen van NVM: • Welke tastbare en minder tastbare kenmerken van huizen, huizenzoekers en context zijn bepalend voor de keuze van een huis?; • Leent de huizencontext zich voor een recommender systeem waarin aan huizenzoekers gepersonaliseerde huizensuggesties worden gedaan?; • Sluit de ontwikkeling van een dergelijke technologie aan bij de innovatiewens van de branche? Ter beantwoording van de eerste vraag hebben we een literatuuronderzoek gedaan, een expertsessie met gedragsdeskundigen gehouden en vier makelaars geïnterviewd. Dit heeft een uitgebreide lijst van factoren die mogelijk voorspellend zijn voor de voorkeur van een individu voor specifieke huizen opgeleverd. Deze factoren zijn onderverdeeld in kenmerken van het object, kenmerken van de persoon (consument) en kenmerken van de situatie. Sommige van de kenmerken van het object komen reeds voor in het systeem dat makelaars gebruiken om kenmerken van huizen te verwerken (Tiara), zoals bijvoorbeeld de bouwstijl van een huis. Andere kenmerken van het object staan daar niet in maar kunnen mogelijk wel aan andere databronnen worden onttrokken, zoals de aanwezigheid van parken of groen in de omgeving op basis van openbare geodata. Ook kenmerken van de consument of situatie kunnen verzameld worden door ze uit openbare bronnen te halen, in te kopen, direct te vragen of zelf te meten. Tezamen vormt dit een uitgebreide lijst van relevante, voorspellende kenmerken voor huisvoorkeuren met suggesties hoe die kenmerken te verwerven en te koppelen zijn aan een specifiek huis. Ter beantwoording van de tweede vraag hebben we een online onderzoek uitgevoerd, bestaande uit drie onderdelen. Ten eerste beoordeelden deelnemers aan de studie foto’s uit de NVM fotovragenlijst die woonpersoonlijkheid in kaart probeert te brengen. Ten tweede beantwoordden deelnemers een gevalideerde, korte persoonlijkheidsvragenlijst (BFI-10) en ten slotte beoordeelden deelnemers 44 huizen. We onderzochten in hoeverre de NVM fotovragenlijst, de persoonlijk-heidsvragenlijst, kenmerken van de huizen en beoordelingen van huizen voorspellend zijn voor de mate waarin iemand vindt dat een huis aansluit bij zijn of haar smaak. Het betrekken van alle kenmerken van de persoon en van de woning in de aanbeveling van huizenvoorkeuren levert een voorspellings-accuratesse van 53% tegen een baseline van 34%. Hierbij blijkt het van belang om iets van persoonskenmerken mee te nemen. Dit kunnen algemene kenmerken zoals leeftijd en geslacht zijn, maar ook vragenlijsten zoals de BFI-10. Ook onderzochten we de waarde van tekstanalyse voor de voorspellingen. De tekstanalyse van de verkoopteksten van huizen geven een nader beeld van de “zachte kenmerken” van huizen. Uit teksten blijken kenmerken als “licht”, “ruim”, of “luxe” die niet voorkomen in de kenmerken van huizen op basis van Tiara. Deze tekstanalyse leverde in de huidige context geen betere voorspellingen op maar het is zeer waarschijnlijk dat in een echte huizenzoek- en beoordelingscontext (in tegenstelling tot de kunstmatige omgeving die wij voor ons onderzoek hadden gecreëerd) deze informatie wel relevant zal zijn en het voorspellingsalgoritme verder kunnen ondersteunen. Ter beantwoording van de derde vraag bevroegen we vier makelaars naar hun beeld van de innovatiebehoefte in de branche. De makelaars gaven allemaal aan zich bezig te houden met de vraag hoe ze in de toekomst, in deze digitaliserende tijd, waarde kunnen blijven toevoegen. Ze gaven aan waarde te zien in een recommender systeem, waren ook eensgezind in hun oordeel dat nieuwe (technologische) mogelijkheden omarmd zouden moeten worden en zagen kansen in de complementariteit van mens en technologie. Makelaars kunnen bijvoorbeeld een relatie opbouwen met klanten en hen van daaruit beter begrijpen, hen juist bijsturen wanneer wensen onhaalbaar zijn, of overtuigingskracht gebruiken om klanten huizen buiten hun initiële kaders te laten kijken. Ook kunnen ze huidige en toekomstige woonwensen verkennen en een pakket van eisen samenstellen zodat consumenten duurzame keuzes kunnen maken. Bovendien kunnen makelaars consumenten ontzorgen door te helpen bij onderhandelingen en het juridische proces rondom de koop. Tezamen geven de resultaten een zeer positief beeld van de mogelijkheden voor het verder uitwerken en toepassen van een recommender systeem voor huizenvoorkeuren. De recommender scores in dit onderzoek kunnen gezien worden als een proof of concept: toegepast in een gecontroleerde omgeving met een beperkte set huizen hebben we hier laten zien dat het concept met grotere accuratesse huizen presenteert die aansluiten bij de waardering van een gebruiker dan een niet-intelligente baseline. Bovendien verwachten we dat een gerichte uitbreiding van de kenmerken van huizen op basis van de lijst met voorspellende factoren voor huizenvoorkeuren zal leiden tot betere voorspellingen. Op basis van deze bevindingen doen we de aanbeveling om in een pilotsetting het recommender systeem toe te passen en incrementeel te verbeteren door uit de lijst met voorspellende kenmerken van huizen factoren toe te voegen aan het rekenmodel. De pilot setting zou een zelfstandige website of applicatie voor consumenten kunnen zijn waarin het actuele huizenaanbod kan worden gepresenteerd. We verwachten dat deze toepassing zal bijdragen aan het matchen van pand en klant en bovendien waardevolle informatie oplevert over (zich ontwikkelende) voorkeuren van consumenten.