一款App想把獨居老人和租不起房的大學生連在一起
一款App想把獨居老人和租不起房的大學生連在一起

它的創辦人,從MIT城市規劃系研究生畢業不久的Noelle Marcus和Rachel Goor說,Nesterly始於一個簡單的想法:租不起房的年輕人,以及可以提供廉價住房的空巢老人,為什麼不可以把這兩者連接起來呢?

Nesterly1.png
圖/ 好奇心日報

Nesterly試圖用一個解決方案,去同時解決年輕人和老人的問題。

2014年全美低收入家庭購屋聯盟的一份報告發現,沒有哪個州的全職最低時薪員工,能夠以一個相對公平的市場價格租得起一間兩居室的公寓,這個問題在大城市更加顯著。

大學生是租不起房的主力人群。2016年,麻塞諸塞州高等教育發展部門的調查發現,29所大學中的24所,都意識到了學生的住房難題。由於高昂的租金和市場上緊缺的可租房源,他們當中有些人,不得不睡在朋友家裡,甚至是帳篷裡、車裡。

另一方面,美國老年人或許正在面臨第二輪住房危機。哈佛大學住房研究聯盟的一份報告說,到2035年,美國有三分之一的房東是65歲以上的老年人。隨著年齡的增長,這部分人群的獨居比例也在增加。在80歲以上的老年房東中,有57%是獨居狀態。儘管孤獨讓人更加衰弱,但大多數老人仍然不願意離開自己的家。

「讓你的房子為你服務」,是Nesterly提出的核心概念。這款串聯獨居老人和年輕人的平臺在2016年12月加入了MIT的創業孵化器,在今年年初贏得了紐約市舉辦的big apps比賽,以及MIT的Global Ideas挑戰賽。

目前,Nesterly僅向波士頓住民開放。在這座全美排名第八的大學生城中,Nesterly有很多潛在的學生租客。在過去的幾個月裡,Nesterly還收到了成千上萬不同城市年輕人的郵件,他們希望Nesterly能夠去往他們所在的城市。

在波士頓,任何想找房子或者想把房子租出去的人,都可以在Nesterly上註冊一個帳號,填寫個人資料和具體的住房要求,經由Nesterly合作平臺進行驗證。在Nesterly上發佈需求是完全免費的,一旦交易成功,根據居住時間長短,Nesterly會收取95至195美元的費用。另外,Nesterly提供24小時服務和自動支付系統,年輕人可以透過該系統支付給老人租金,因此每個月還需要小額的服務費。

Nesterly2.jpg
圖/ 好奇心日報
Nesterly3.png
圖/ 好奇心日報

Nesterly不是第一個提出讓年輕人和老年人分享住房的組織,據美國國家共用住宅資源中心的報告顯示,全國有約40個類似的例子。紐約大學就是最近一個例子,它在今年秋天成功為10位學生找到了合適的老年人房東。

匹配房源和租客,這讓Nesterly看起來和Airbnb的功能有些類似,但兩者又有著明顯的區別。

在一開始,兩位創辦人Noelle Marcus和Rachel Goor就透過積極與當地政府、公益組織合作的方式,尋求合適的房源。比起「共享經濟」的概念,Nesterly更強調解決問題的可能性。Marcus在正式創辦Nesterly之前,曾在紐約市長Bill De Blasio下屬的經濟適用房部門工作。Goor則在非營利組織AmeriCrop三藩市部門工作過,Marcus和Goor的目標一致,他們都希望Nesterly能夠讓更多的人獲得負擔得起的住房,也能同時幫助解決社區老齡化的問題。

不過,這項工作看起來要比Airbnb困難得多——對於一些老年人來說,租金收入不等同於吸引力,要如何獲取更多的房源?讓兩個不同年齡階層、生活方式截然不同的人處在同一屋簷下,如何化解矛盾和衝突,也是擺在Nesterly面前的一道難題。

本文授權轉載自:好奇心日報

關鍵字: #Airbnb
往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

在 AI 快速進入企業營運核心的時代,數據不再只是被動的分析素材,而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據,例如會員資料、交易紀錄以及線上與線下行為數據,但因這些數據分散於不同系統,缺乏統一的身分識別機制以及明確的元數據(Metadata)定義,導致難以整合與分析,同時,也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰,Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務,如 Audience Center 與 AI Agent 等解決方案,並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程,從資料清理到 AI-Ready 再到落地應用,讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化,大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎,以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設?

Vpon 威朋數據科學經理廖宜楷指出,在 AI 驅動的時代,數據的品質決定模型價值。其中四個關鍵分別是:建構標準化的數據採集與處理管線,透過統一的工程規範,確保所有進入系統的數據在格式、維度與質量上具備高度一致性;其次是定義語義清晰的元數據(Metadata)體系,確保數據能夠被 AI 理解與使用,從而產出具備可靠性的產出結果;再來是打破企業內部的「數據孤島」, 透過完整整合線上(Web/App)行為與線下(POS/CRM)會員資訊,建構全方位的會員數據輪廓,精準捕捉消費者的跨通路行為軌跡。最後,數據的價值隨時間遞減,AI 的決策品質取決於數據的「新鮮度」,因此,數據的持續更新與自動化維護,不僅能讓企業在動態市場中保持敏銳,還可進一步深化會員輪廓分析的即時性。

舉例來說,在 Vpon 團隊的協助下,台灣百貨零售龍頭透過整合 Web 與 App 行為資料,並將線上與線下數據集中於數據中台進行分析,將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應,並基於此高效率基礎,進一步開發不同業務主題的預測與分群模型,提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實:Audience Center 如何賦能企業實現「數據即戰力」?

有了堅實的數據底座後,下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出,在變化快速的零售與數位行銷市場中,速度就是競爭力。然而,仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去,當行銷或業務人員需要數據支持時,通常得花費繁複的內部流程申請需求、討論需求,才會進到後續的資料清理、建模與分析,最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程,不僅拖慢了決策效率,更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程,將數據處理轉化為數據服務,透過直覺的介面與背後扎實的數據基礎支撐,讓非技術人員不用編寫程式碼,即可自行組合維度,大幅縮短從需求到執行的距離,將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入,不僅有助於提升效率,更賦予企業快速試錯與精準捕獲趨勢的能力,讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

以 AI Agent 重塑數據使用方式,讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度,更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示,在數位轉型的過程中,許多企業面臨的挑戰不僅是數據整合,更包括如何讓不同部門的人員都能更即時協作與應用數據,有鑑於此,Vpon 推出四種 AI Agent 協助企業分析與應用數據,極大化第三方數據成效:

第一,以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表,即時掌握市場動態,加速決策下達與決策品質。

第二,透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限,可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三,藉由 Audience Agent 將客戶分群方式從規則導向(Rule-based)轉變為關聯導向,以關聯分析擴大受眾範圍,協助品牌找出更多潛在客群。

第四,推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因,釐清受眾喜歡的素材跟不喜歡的素材,藉此優化廣告投放內容,持續提升轉換率。

陳文謙表示:「透過 AI Agent 的輔助,品牌不僅能更快完成數據分析,也能將分析結果直接轉化為行銷策略與創意建議,降低跨部門溝通成本,讓數據真正參與決策流程。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

鏈結數據生態夥伴,以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率,Vpon 也持續拓展數據生態圈,協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示,跨境行銷過去多仰賴經驗與市場直覺,但透過數據整合與 AI 分析,品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明,透過雙方的獨家合作,企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源,深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型,以及不同客群的價格敏感度與回購行為等,將行銷決策從過往的經驗判斷轉變為精準的數據洞察,成為品牌出海的重要工具。

簡言之,對零售品牌而言,跨境數據是理解海外旅客真實樣貌的一大利器,也能進一步優化廣告投放、內容策略與商品布局,讓品牌在拓展國際市場時,可以更有效率地接觸潛在客群,放大行銷效益。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

展望未來,Vpon 將持續擴展數據生態圈並優化產品服務,幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環,希望以數據夥伴的角色與品牌共同成長,打造互利共贏的數據生態。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓