"Zillow apostó 500 millones a que su algoritmo podía fijar el precio de las viviendas mejor que el mercado y perdió 422 millones cuando no pudo"
$500M
RECAUDADO
—
EMPLEADOS
36
MESES
Fundada
2018
Cerrada
2021
País
USA
Sector
Proptech
Recaudó
500
Fundador/a
Rich Barton, Lloyd Frink
marketfitMarket Exit
// Error fatal: Zillow's pricing algorithm systematically over-offered for homes in accelerating markets of 2020-2021, creating a portfolio of thousands of homes priced above resale value that required a $422M write-down to unwind.
¿Por Qué Fracasó Zillow Offers?
Zillow lanzó Zillow Offers en 2018 con una tesis que parecía natural para la empresa que había construido la herramienta de valoración de viviendas más confiable de internet. Si el algoritmo Zestimate de Zillow podía estimar los valores de las viviendas con suficiente precisión, Zillow podía comprar viviendas directamente a los vendedores a precios automatizados y revenderlas con beneficio. Zillow tenía ventajas de datos que ninguna startup podía igualar: 15 años de datos inmobiliarios. El modelo de precios algorítmico se rompió bajo condiciones del mundo real. En los mercados de vendedores competitivos de 2020-2021, el algoritmo de Zillow ofrecía consistentemente demasiado por las viviendas. En noviembre de 2021, Zillow anunció que cerraba Zillow Offers por completo, registrando una amortización de 422 millones de dólares, despidiendo al 25% de su plantilla y vendiendo su cartera de aproximadamente 7.000 viviendas con pérdidas.
Zillow's pricing algorithm systematically over-offered for homes in accelerating markets of 2020-2021, creating a portfolio of thousands of homes priced above resale value that required a $422M write-down to unwind.
// Lección: Los modelos de precios automatizados basados en datos históricos fallan sistemáticamente en mercados en aceleración. Si tu modelo de beneficio requiere precisión algorítmica en un mercado que se mueve más rápido que tus datos de entrenamiento, pagarás de más antes de poder reentrenar.
La confianza algorítmica en un mercado ilíquido y heterogéneo es un error epistemológico. Incluso la mejor ventaja de datos no puede eliminar el error de precios que proviene de comprar miles de activos únicos y difíciles de valorar a escala.
UnicornBurn Hall of Flame · Permanent Record
// EN UNICORNBURN SEASON 0
Zillow Offers es el caso de estudio definitivo sobre los límites de la fijación algorítmica de precios en mercados ilíquidos y heterogéneos. Cada hogar es único. Las condiciones del mercado local cambian semana a semana. Zillow tenía los mejores datos de la industria y aún así no pudo fijar el precio de las viviendas con suficiente precisión a escala. El fracaso no fue un fracaso tecnológico, fue un fracaso de categoría: el iBuying requiere márgenes que solo funcionan si puedes comprar sistemáticamente por debajo del mercado y vender por encima del coste, y ningún algoritmo ha demostrado ser capaz de hacer esto de manera rentable a escala en mercados competitivos.