更多选择，上择家！择家，房产类信息聚合平台，立足打造更加中立的、更多房源的、连接更多经纪人，为找房者提供更加便利化智能化服务的，智能化找房服务平台。其中，“推荐机制”作为产品智能化的体现，是择家项目考虑的关键，也是择家想要做出的特色，因此也是大家关注的重中之重。那么，一个房产应用到底怎么来做推荐呢？
为此，我们分析了网易云音乐和今日头条，以及市面上的“房天下”、“安居客”、“平安好房”等十余种房产品APP的推荐和查询功能。它们到底是怎么样的？它们是真推荐还是伪推荐？小编将带您一探究竟。
一、了解推荐算法
说到推荐机制，必然就要了解一下算法和逻辑。通过参考一些学术文献和相关文章，以及和数据部门同事对目前的算法和模型的交流。有这样一些方法供大家了解：基于人口统计学的推荐方法、基于内容的推荐方法、基于协同过滤的推荐方法等。
但要实现实时的推荐就需要建立一个推荐模型，关于推荐模型的建立方式可以分为以下几种：基于物品和用户本身的、基于关联规则的、基于机器学习模型的推荐等。在现实的推荐系统中，很少有只使用了一个推荐策略的推荐引擎，一般都是在不同的场景下使用不同的推荐策略从而达到最好的推荐效果，例如电商平台的推荐，它将基于用户本身历史购买数据的推荐，和基于用户当前浏览的物品的推荐，以及基于大众喜好的当下比较流行的物品都在不同的区域推荐给用户，让用户可以从全方位的推荐中找到自己真正感兴趣的物品。
二、竞品推荐机制分析
2.1你身边的推荐
其实，“推荐”早已出现在我们的生活中，比如说最传统的相亲，媒婆需要了解你的基本情况，然后再问你的要求，媒婆会根据她所了解掌握的情况，有个判断，然后推荐相关的人选。和做产品唯一的不同之处在于，相亲这个事情的复杂性，相亲总有一些不可控的因素，其中最为明显的是相亲是一个双向的选择过程，你的潜在对象不是一首歌曲、一个新闻、一个房子，只等你发现，你选择，它还会选择你；而且其难以量化的因素比较多，比如说性格因素、人们常说的三观因素、其他感性因素、以及每个人的潜移默化的变化。所以，谁若是现在能准确解决了相亲匹配的这个问题。我只能说，我服。那么谈到现在则可能是“相亲网站”，搜集你的一大堆需求数据和操作偏好，尽可能的量化分析，然后给你推荐它认为的适合你的潜在“对象”。我们把相亲的这个查询和推荐上升一点，其实是个哲学问题——想象力、变化与选择。
哲学问题嘛，这里就不展开了。我们说一些比较通俗的，跟我们的产品择家相关的。比如说，电商平台类的，如天猫、京东，最普通的是你买了一个东西，然后推荐你周边和配套的东西，再或者是你搜索查看了某样东西，然后网站广告上全是相关产品；电影音乐类的，如豆瓣电影的“喜欢这部电影的人也喜欢的电影”、云音乐的每日推荐；新闻资讯类的，如今日头条的每天实时新闻推荐等。
2.2网易云音乐与今日头条
我们选择了比较受好评和推崇的，也是“推荐机制”做的比较好的“网易云音乐”和“今日头条”，分析了其推荐功能，推荐原理，以及其用户反馈。关于网易云音乐和今日头条，用比较易懂的话来说，它们都是基于“标的物（歌曲、新闻）的全要素相似度+用户行为偏好”给出“推荐结果”，当然这其中，用到了不同的算法和模型。
拿网易云音乐来说，它是这样的，音乐要素：曲风、语言、主题、调性、歌手、歌词、乐器……+播放、下载、分享……=推荐歌曲1和2和3等。而今日头条是这样的，资讯要素：地点、主题、热点、类别、来源、关键词、人物、…+用户行为：浏览、点赞、评论、分享……=推荐新闻1和2和3等。此外，它们的推荐也都结合了一些传统的做法来相互弥补，比如：订阅、关注、排行榜；最新、最热等。对应到择家，则可能是，房产要素：价格、区域、面积、户型、学区、地铁……+用户行为：浏览、收藏、分享、保存图片、咨询经纪人……=推荐房源（小区）1+2+3等。这里面涉及到一个产品冷启动的问题。今日头条的做法是：新用户设置感兴趣的主题+积累用户行为；网易云音乐：新用户小问卷+积累用户行为；对应择家：用户设置购房需求+积累用户行为。
谈到产品，就不得不谈用户的反馈。因为用户才是老板啊，他们开心就好。理解用户，才能理解好坏，做产品的人对产品多带有感情因素，无法客观中立，而用户只关心好不好用。
关于网易云音乐用户的反馈，笔者就拿身边的一位程序员同学举例，他有一条朋友圈这样说到“云音乐刚刚开始听得时候没啥感觉，听了一段时间以后发现推荐的音乐越来越合我口味。真的好赞。”还有一位朋友说“每天只听云音乐每日推荐的20首歌”。这给用户一个感觉是：你遇到一个懂你的产品，就像遇到一个懂你的人，相见恨晚，给你惊喜，你想的它都懂，它给的你都喜欢，像是陷入了甜蜜热恋。对于云音乐，笔者作为一个不理性的粉丝，这里只有好评。关于今日头条，大家的评价则各有不同。今日头条确实推荐了很多适合用户的新闻，提供了方便，节省了大家新闻搜索的时间。但也有人评论到，今日头条尽是推一些黄暴内容，或是一些乱七八糟的东西。我这里只能这样猜测，这里推得可能只是浏览量最高的，为什么是这些，原因你懂得。
2.3房产类竞品分析
说了半天，该回到房产应用了。我们探究了市场上主流的房产品APP，比如说房天下、平安好房、安居客、链家、安个家、中原找房、房多多、Q房网、我爱我家、爱屋吉屋等。对这些房产品，我们侧重体验了其中有关用户需求收集、筛选和推荐的部分。总结而言，现在能做非常智能化推荐的房产品类的APP应用还没看到，或说智能程度并不高，基于用户行为做房产品智能推荐这个事情还是比较前沿的，大部分产品还都是基于用户需求的筛选和搜索查询的筛选来做的。以下是相关房产品的使用体验分析。
✤➀☘
房天下v8.3.3
产品规划上特别完整，产品上聚合了其各种入口，体现了其在房产方面各种服务，对用户画像也有一定的描摹，它所收集的用户需求主要为，户型、地段、价格、特色（满五、满二、不限购、地铁房、有钥匙）。其推荐直接是房源、推荐房源没看出来特别准确和惊喜之处，另外它设有涨跌幅、成交量等排行榜。
✤➁☘
平安好房v3.2.2
对用户进行了非常详细的需求收集，筛选查询的功能做的比较也细致。其收集的用户需求如下：买房还是租房、预算、你倾向的户型是、面积不小于、选择您不考虑或者倾向的地段（不考虑or倾向）、选择喜好-您理想中的家是：适合养老、婚房、商住两用、电梯房、配套齐全、车位充足、高绿化率、学区房、小户型、拎包入住、黄金楼层、低税费、品牌房企、出租容易、新房/次新房、南北通透、旅游地产、精装修、金牌物业（可选择6个喜好标签——换一换）。其主页的推荐主要为新房、基于用户需求（价格、房型、面积）设定的二手房推荐。
✤➂☘
安个家V4.7.1
优势在于经纪人推荐机制，把找房者的需求和经纪人手中有的房子进行交叉匹配，给找房者推荐经纪人为主，推荐房源为辅。其中，安个家针对用户的找房需求收集如下：价位、户室、位置、置业类型（首次购房、置换房、投资、其他）、个人情况(本地户籍、外地已婚、本地未婚、其他)、小区偏好（近地铁、车位充足、学区房、不要老公房、暂无偏好）、其他需求（手动填写）、是否考虑新房。需求发布成功，安个家的顾问就开始帮你找房。所以，安个家是基于用户的需求输入推荐了经纪人和房源。
✤➃☘
安居客V10.0.1
用户需求收集为区域、价格、面积+标签+通勤的设置，它侧重了地域、户型、面积和价格的推荐。其实，这和用户主动筛选的效果一致，只不过是中间的流程简化，机器帮助用户提前做了筛选。
✤➄☘
我爱我家v2.2.3
搜索做的很有特色，除去区域、户型、价格、更多（建筑面积、朝向、类型、年代、排序）；还有房源、附近、地图和历史，另有一个浮动的排序按钮（按价格高低排序、按面积大小排序、按时间近远排序）。
✤➅☘
ELSE
爱屋吉屋v5.7.2的其线下预约带看做的比较好。其产品特色是一键切换地图和列表形式；分类推荐有二手房急售、附近一公里、新房特惠合辑；“猜你喜欢”则直接推送房源。
Q房网V4.7.0是比较传统的找房，主要是基于区域、户型、面积、预算，加上一些筛选标签（急售、学区、南北通透、满五唯一、满两年、不限购、复式、随时看房、红本在手）。
房多多V7.0.0推荐合辑有热门、最新等；分类筛选维度则是区域、预算、户型、地铁。
中原找房V3.1.0则比较简单，有筛选、推荐了地铁房、学区房和热门小区三个合集。
链家（全国版v7.2.2，上海苏州版v2.2.0）都是比较简单的首页推荐几个房源，总体应用功能也比较简单。
诸葛找房V2.3.4在首页直接推送房源，页面比较简单。
通过体验竞品
我们得知的以下结论：
目前房产应用的搜索和推荐都是基于“价格”“区域”“面积”“户型”为主维度，加上一些标签，优先级级别比较高的是学区、地铁、车库，其他如楼层、建筑年代、朝向、装修等。这些房产类的相关产品都还是基于用户需求设置和查询条件进行筛选和推荐，前一种是用户主动式的前置输入，产品替用户做了推荐筛选、后一种是用户主动式输入查询，产品替用户做了查询筛选。此外，它们的推荐都还结合了各种人工运营的合辑或是排行榜，如学区房、地铁房、最新、最热、成交量、涨跌幅等。所以，这种房产品的推荐，笔者以为并不智能，也可以说是一些“伪推荐”。真正的智能推荐的体验应该是这样的，机器是主动的，产品是懂用户的，推荐内容是准确的，用户是有惊喜感的。
一 点 思 考
关于房产应用的推荐机制，大家为什么没有做成功，或是说为什么没有做好。我觉的深层次的原因有以下几点：
一是，房产并不同于海量的资讯和商品等大众消费品（这些高频需求能够聚集大量用户行为），因此做推荐的效果不明显；
二是，房产服务主要还是传统的服务、互联网基因并不强，主要业务还是靠线下，大家不愿意花巨大精力做这个事情；
三是，大家没有强大的技术能力，或是说没有很强的数据团队支撑，技术能力达不到。
所以，摆在“房产应用”面前的一个问题是：它适不适合智能化推荐，做智能化推荐的成本与收益是否对称，这是一些需要验证的问题。现有的市面上的房产品的所谓“推荐”和“猜你喜欢”只是一个人工运营的结果，真正智能化的房源推荐产品还需要不断探索。
