지난 10년간 빅데이터 분야는 마케팅과 각종 비즈니스에 다양하고 유용한 자료들을 제공하면서 가장 뜨거운 분야 중에 하나로 부각하고 있다. 부동산업계에도 예외 없이 지난 수 년간 본격적으로 빅데이터를 이용한 각종 부동산 비즈니스 모델이 생겨나고 있다. 그 중에서도 가장 눈에 띄는 것이 바로 집을 사고, 파는 데 가장 중요한 주택가격을 빅데이터를 사용해 자동으로 산출하는 것을 들 수 있다.

한인들도 대표적으로 이용하는 Zillow, Redfin등의 웹사이트에서도 바로 이 AVM예상가격을 보여주고 있어 집을 사려는 바이어나 팔려는 셀러 모두에게 유익한 정보를 제공하고 있다. 가격 산출뿐만 아니라 한 발 더 나아가 컴퓨터가 제시한 AVM 가격을 가지고 부동산을 구입, 재판매하는 새로운 방식의 비즈니스 모델이 수년 전부터 본격적으로 등장하기 시작했다. 바로 ‘iBuying’이라고 불리는 전적으로 빅데이터에 기반해 인공지능(AI)이 제시한 가격으로 부동산을 매매하는 방식으로 수익을 올리는 모델이 그것이다.

하지만 컴퓨터에 전적으로 의지하고 있어 그 자체만으로는 여러가지 문제점을 가지고 있음을 간과해서는 안 된다. 특히 큰 금액이 거래되는 부동산 거래에서는 빅데이터가 제시하는 가격이 늘 최종적인 정답이 될 수 없어 주의가 필요하다.

오늘은 이 AVM가격 산출의 문제점들을 짚어 보면서 매매시 바이어, 셀러 모두가 참고했으면 하는 포인트들을 제시하려 한다.

첫째, 요즈음은 많이 나아지고 있기는 하지만 빅데이터는 주로 Zip Code나 비교적 넓은 지역의 데이터를 사용해서 가격을 산출하는 방식이어서 특정지역의 전문 에이전트들이 제시하는 가격과 차이를 보이는 것을 알 수 있다. 부동산시장은 이전과 달리 아주 짧은 거리, 심지어 한두 블럭만 벗어나도 가격에서 차이가 나기 때문에 지역을 넓게 사용하여 가격을 산출해내는 빅테이터는 그 지역 전문 에이전트에 비해 정확도가 떨어지게 된다. 빅데이터를 제시한 가격은 참고는 할 수 있지만 에이전트와 같은 사람들이 다시 들여다보고 확인을 해야 하는 수준임을 인식할 필요가 있다는 것이다. 일례로 작년에 iBuying 비지니스에서 완전히 철수를 결정한 Zillow의 경우도 컴퓨터가 산출한 가격으로 세밀한 조사없이 마구잡이로 구입을 하다가 결국은 되팔 때 이익을 남기지 못하거나 심지어 밑지게 되자 결국 시장에서 철수하는 상황에 몰리게 되었다. 특히 팬데믹 기간 중에 매물 부족으로 바어어들이 보여주었던 묻지마식의 구입이 계속되는 마켓에서 iBuying 비즈니스 모델이 효과를 발휘했지만 반대로 AI가 한번도 경험해 보지 못한 하락세의 시장에서는 빅데이터에 전적으로 의존하는 iBuying 비즈니스 모델이 어떠한 방식을 취할지 앞으로 주시해서 지켜보아야 사항이다.

둘째, 빅데이터는 사람이 아니어서 각자의 집만이 가지고 있는 특별한 차이를 반영해 낼 수 없다. 여러 성격의 사람들이 있듯이 집도 그 집만이 가지고 있는 독특한 가치가 있는데 아직은 빅데이터에 이 가치를 모두 담아낼 수 없기 때문에 가격산정시 정확도가 떨어질 수 밖에 없게 된다.

셋째, 빅데이터를 이용한 모델에서는 지난 3달 안에 팔린 매물을 중심으로 가격을 산출해 낼 수 밖에 없어, 과거뿐만 아니라 현재의 시장 트렌드를 읽어 낼 수 있는 감정사나 에이전트와 같은 전문가들이 제시한 가격과 차이가 날 수 밖에 없게 된다.

넷째, 빅데이터의 모든 것은 빅데이터 안에 얼마나 많은 정보를 가지고 있는냐에 달려 있다. 하지만 현재 부동산업계에서 사용하고 있는 빅데이터는 MLS등을 통한 일반적인 주택정보는 가지고 있지만 사람들의 구매 트렌드를 반영해 낼 수 없다는 단점이 있다. 따라서 이러한 정보들을 모두 아우르는 빅데이터를 구축하는 데는 아직도 많은 시간과 돈이 투자되어야 하는 상황이다. 현재의 부동산시장은 인간과 빅데이터의 게임이 진행 중이다. 빅데이터가 주는 유익함과 편리함이 분명히 존재하지만 아직은 사람의 도움이 분명히 필요해 보인다.

문의 (714) 726-2828

<스티븐 김 파이오니아 부동산 대표>