Evaluando solo el perfil de Zillow Offers en su pico —sin conocer el desenlace— el modelo situó Unit economics como causa nº1. Causa documentada: Caos de founders.
Timeline de Eventos Clave
FOUNDING
Fundación de Zillow Offers
PRODUCT LAUNCH
Zillow Offers se lanza en Phoenix, expandiendo el programa iBuyer a docenas de mercados de EE. UU.
SHUTDOWN
Salida del mercado: Zillow Offers cesa operaciones
SHUTDOWN
Zillow anuncia el cierre total de Zillow Offers tras la pérdida de ~$500M en el T3 de 2021 por inventario comprado en exceso; despide al 25% de la plantilla (~2.000 personas)
Full Analysis
Gratis · sin cuenta
Causa documentada
Zillow lanzó su programa iBuyer, Zillow Offers, en 2018 con la tesis de que su vasta base de datos de mercados inmobiliarios y algoritmos de aprendizaje automático podían predecir con suficiente precisión los valores de las viviendas como para comprar, renovar y revender casas con beneficio a escala. El programa se expandió rápidamente por docenas de mercados de EE. UU. Durante la pandemia, los precios impulsados por algoritmos fueron probados por condiciones que ningún dato de entrenamiento había visto: precios que escalaban rápidamente, inventario comprimido y luego enfriamiento repentino. En el tercer trimestre de 2021, el algoritmo de Zillow había ofertado sistemáticamente en exceso por miles de casas — comprando inventario a precios que cayeron por debajo del valor de mercado casi inmediatamente después de la compra. La empresa reportó una pérdida de aproximadamente $500M en su segmento iBuyer solo en el T3 de 2021 y anunció el cierre total de Zillow Offers en noviembre de 2021. Zillow despidió a aproximadamente el 25% de su plantilla — alrededor de 2.000 empleados — para absorber el coste. La empresa reconoció finalmente pérdidas totales de aproximadamente $880M del programa iBuyer y vendió todo su inventario de viviendas a pérdida hasta 2022. La empresa matriz Zillow sobrevivió y regresó a su modelo central de publicidad y marketplace.
Lección
“Los modelos de aprendizaje automático entrenados con datos históricos no pueden predecir condiciones fuera de su distribución de entrenamiento. Un mercado inmobiliario durante una pandemia seguido de una inversión del ciclo de tipos está fuera de la distribución de entrenamiento. Desplegar cientos de millones de dólares de capital basándose en un algoritmo que nunca ha sido probado en esas condiciones es un fracaso fundamental de gestión del riesgo.”