Vanaf 2022 wordt aan elke woning in de Tiara-uitwisseling de nieuwe variabele ‘woningkwaliteitsscore’ van brainbay toegevoegd. Op basis van een mix van bronnen en technieken wordt een zo goed en genuanceerd mogelijk beeld gegeven van de kwaliteit en onderhoud van een woning. De waarden variëren van ‘slecht’ (1) tot ‘uitstekend’ (6). De gemiddelde Nederlandse woning heeft een score ‘goed’ (4).
De input van de makelaar
De verkopend makelaar beoordeelt de kwaliteit en staat van onderhoud van het huis en legt dit via een KA-pakket in de NVM-database vast. In het overgrote deel van de gevallen heeft een woning in Midas een staat van onderhoud van ‘goed’ en een kwaliteit van ‘normaal’. Hierdoor heeft deze data erg weinig onderscheidende waarde en krijgt het weinig belang in het berekenen van de kwaliteitsscore. Echter, wanneer de makelaar bewust afwijkt van de standaardwaarden (dus bijvoorbeeld onderhoud ‘uitstekend’ en kwaliteit ‘luxe’), dan krijgen deze variabelen extra gewicht in het berekenen van de kwaliteitsscore.
"Door data te halen uit foto's en aanbiedingsteksten kunnen we de kwaliteit van de woning gedetailleerd vastleggen. Dit stelt ons in staat een betere modelwaarde te berekenen en beter vergelijkbare referentiewoningen te zoeken."
Analyse van de foto’s
Door de toenemende digitalisering worden steeds meer hoogwaardige foto’s geüpload in de NVM-database ten behoeve van de presentatie op funda. Wij hebben een beeldherkenningsmodel getraind om informatie te destilleren uit interieurfoto’s van woningen, waarbij extra nadruk ligt op het registreren van de kwaliteit en onderhoud van badkamers en keukens. Uit onze ervaring zijn specifiek deze ruimtes een goede indicatie om de kwaliteit en onderhoud van het hele huis weer te geven.
In het trainen van het model heeft brainbay drie stappen doorlopen:
1. De ruimte in het huis bepalen
Het beeldherkenningsmodel herkent met bijna 100 procent zekerheid, en ook correct, welke ruimte in de woning is gefotografeerd. Een foto waarop twee ruimtes samen worden afgebeeld, zoals een open keuken met eetkamer of de woonkamer vanuit de hal, vindt het model lastig. Gelukkig zijn er dan vaak van hetzelfde huis betere foto’s van de ruimte beschikbaar voor analyse. De afbeeldingen waarvan het model met meer dan 80 procent zekerheid een keuken of een badkamer onderscheidt, worden gebruikt voor verdere analyse van de kwaliteit.
2. Objecten in het de ruimte onderscheiden
Het model is getraind om essentiële objecten in de ruimte te onderscheiden, zoals een bad, douche, toilet of wastafel voor een badkamer en een keukenkastje, aanrechtblad, fornuis of oven voor een keuken. Na langdurige training benoemt het model nu bijna altijd correct het object. Wel komt het met enige regelmaat voor dat objecten worden overgeslagen, bijvoorbeeld omdat deze slechts deels op de foto staan. Het menselijk oog herkent direct een bad, wasmachine of koelkast als er slechts een klein stukje van wordt afgebeeld, maar een artificial intelligence-model heeft hier wat meer moeite mee.
3. De kwaliteit en onderhoud van de ruimte onderscheiden
Tot slot worden alle objecten in de ruimte beoordeeld op twee assen: kwaliteit en onderhoud. De kwaliteit richt zich specifiek op het materiaalgebruik en hoogwaardige details: zo wordt in een keuken een stenen aanrechtblad hoger gewaardeerd dan een kunststofblad en in de badkamer is een regendouche of een hangend toilet een plus voor de kwaliteit ten opzichte van de meer conventionele douche en wc.
Het model dat onderhoud scoort, zoekt vooral naar elementen die afwijken van wat het model normaal vindt. Denk aan verkleuringen in de voegen die kunnen duiden op schimmel of kalkaanslag, of scheefhangende kastjes in de keuken. Tot slot is er nog een derde as gedefinieerd specifiek voor keukens, namelijk functionaliteit. Deze richt zich vooral op het aantal elementen: een keuken met veel keukenkastjes wordt getypeerd als functioneler dan een vergelijkbare keuken met juist weinig kastruimte.
Analyse van de aanbiedingstekst
Ten behoeve van de verkoop van een huis, stelt de makelaar een wervende aanbiedingstekst op die als doel heeft mensen te verleiden via funda een bezichtiging in te plannen. Uiteraard zal de makelaar positieve elementen benadrukken en juist minder woorden besteden aan negatieve kanten van het huis. Dit geldt echter voor de aanbiedingstekst van elke woning, zodat deze toch goed met elkaar vergeleken kunnen worden.
In een aanbiedingstekst staan doorgaans veel woorden die iets zeggen over het algehele kwaliteitsniveau van een woning in vergelijking tot omliggende woningen in dezelfde wijk. Wij hebben een model ontwikkeld die aanbiedingsteksten van te koop staande huizen analyseert en op zoek gaat naar woorden of woordcombinaties met een positieve of negatieve connotatie. Wanneer het model bijvoorbeeld woorden tegenkomt als ‘luxe’, ‘fraai’, ‘hoogwaardig’ en ‘warmtepomp’ dan zal in veel gevallen de betreffende woning wat hoger in de markt staan dan de gemiddelde woning in de wijk. Aan de andere kant van het spectrum zal je woorden als ‘kluswoning’, ‘gedateerd’, ‘verontreinigd‘ en ‘gaskachel’ treffen wat duidt op een woning die relatief gezien goedkoper zal zijn.
Bovengenoemde voorbeelden zijn vrij helder, maar tussen de uitersten zit natuurlijk een groot grijs gebied. Tevens zijn er een heleboel woorden die uitsluitend in het zinsverband of als woordcombinatie duidelijk maken in welke richting er gezocht moet worden. Neem als voorbeeld het woord ‘gemoderniseerd’. Zo kan een woning ‘recent geheel gemoderniseerd zijn’, maar je kunt deze ook als ‘woning dient gemoderniseerd te worden’ tegenkomen. Het is dus de kunst om in het text mining-model niet alleen te focussen op de woorden in de tekst maar ook te scannen op woordcombinaties.
Het energielabel
Niet alle verbeteringen van een huis zijn goed zichtbaar, zoals verduurzamingsmaatregelen en isolatie. Wij hebben daarom ook het energielabel toegevoegd aan de kwaliteitsscore als indicator voor duurzaamheidsmaatregelen. We zien ook een duidelijk verband tussen het energielabel en de kwaliteit van de woning.
Een genuanceerd oordeel door het combineren van modellen
Elk gekozen model heeft een foutmarge. Het algoritme dat foto’s analyseert heeft het echt niet altijd bij het juiste eind, hetzelfde geldt voor de tekstanalyse-mechanisme. Echter, door de verschillende technieken te combineren worden de foute waarnemingen van de ene methodiek gecorrigeerd door de andere bronnen. Op deze manier heeft brainbay een zo objectief mogelijke woningkwaliteitsscore ontwikkeld.
Voorbeelden:
1. Slecht
2. Matig
3. Redelijk
4. Goed
5. Zeer goed
6. Uitstekend
De woningkwaliteitsscore is een indicatie die meer zicht kan geven op kwaliteit van referenties, maar uiteindelijk kan een makelaar en/of taxateur, met zijn deskundigheid, de beste kwaliteitsbepaling opmaken na het bezoeken van het pand.
en
