那篇讲美国豪宅的文刷遍朋友圈，类似的信息其实最早昨天中午就有人在豆瓣上爆出来过。两个帖子的原始信息都是当事人在Instagram上发的房子照片和定位，用的方法也一样，都很简单。

　　首先根据定位所在的地点，在房产中介网站上搜索当地在过去两年所成交的所有房产项目的记录，然后再把这些房子的照片和当事人自己发的房子照片一一比对——房子所在地是加州一个很小的城市，总人口还不到1万，过去两年房产成交量也只有200多宗，所以很容易就能锁定目标。

　　有时候如果知道房产购买人的名字，查找起信息来就更简单了，王宝强那事时我介绍过这个办法：在用王宝强和马蓉的名字查找，一秒钟就能找到登记在他们名下的房产地址。然后再到房产网站上用地址查找，房子的所有信息就一览无余。

　　美国比较大的房地产网站有, trulia.com, redfin.com, realtor.com 等等，上面的信息都大同小异，但无一例外都异常丰富。和它们比起来，国内房地产网站上的有效信息少得可怜。

　　在这些网站上，选定一定的地理范围，可以是一个社区或者一个城市，你可以看到当地所有房产的标价。

　　接下来可以对这些房产设置各种条件做各个维度的筛选：房屋的类型；价格；修建时间；房屋面积；停车位；目前在出售状态的房子；过去三个月、六个月成交的房子；过去一年、两年、三年成交的房子；等等等等。

　　点开其中任何一处房产，都可以看到从房子建成以来非常详尽的交易记录，包括什么时候曾经拿出来卖、当时的价格是多少；那之后价格又有什么样的变动；什么时候曾经差点卖了出去，但最后却因为某种原因没有成交；什么时候卖了出去，成交价是多少，通过哪个中介公司，买方又是谁。

　　关于房屋状况的介绍，会细节到有几个壁炉、分别安装在哪几个房间；有几个停车位；是否带游泳池；以及照明灯具、中央空调、下水处理、自来水公司、草坪等等的情况。

　　如果你是感兴趣的买家，可以看到如果购买的话，每个月需要付多少按揭，买下来以后每年又要交多少的房产税和其他维护费用。

　　你还可以看到这处房产从上一次成交以后升值了多少，在过去五年又有怎样的升值曲线，这个预估是各大网站的计算机模型根据当地近期其他同类型房屋成交价推算出来的，一般来说都比较精确，可以用来作为置业投资的参考。

　　当然，还有周围社区的情况：是不是适合骑自行车、是不是适合步行、是否有大众通勤系统。

　　还有附近学校的情况：有哪些公立和私立学校；它们离房子的距离是几点几公里；在权威的教育网站上的评分各是多少；家长们对这些学校的评分又分别是多少。

　　你还可以看到：在过去30天，附近都有哪些房子卖了出去，成交价分别是多少，每平米的均价是多少，成交价的中位值是多少，同一个邮政编码所在的区域的房价中位值是多少，同一个城市的房价中位值是多少，同一个县的房价是多少，附近状况类似的房子价格又是多少……总之就是各个维度的罗列和比较。

　　具体到此次新闻涉及到的那处房产，也许因为是豪宅的缘故，还有一个虚拟看房的板块。我去看了下，从房子看出去真的是坐拥无敌海景，太让人羡慕了。

　　美国的房产经纪公司很早就建立了民间的房源信息共享系统Multiple Listing Service，简称MLS。不同的经纪公司可以通过这个系统把自己的房源信息和其他的公司共享。

　　但光有这么一个共享系统还不够，因为大家对同一套房源往往会有不同的主观感受，自说自话很容易造成信息混乱。所以美国的全国房产经纪人协会建立了一套信息交换的数据标准，叫Real Estate Transaction Standard，方便对房源进行量化的数据表述。

　　有了这一套标准，不同的房产经纪公司在拿到一套新的房源后，就可以很方便地把房源的相关量化信息做成Excel表格，录入到MLS系统中。

　　然后，商业房地产网站就可以通过MLS系统的数据接口，把这些信息拉到自己的网站上。

　　美国人对数据分析统计真的太热衷了。你看他们面对一堆数据，首先想的是做标准化的处理；然后还会接着对数据做各种维度的整理、统计、分析和预测。

　　不光房产行业如此，其他很多领域都能看到这样的习惯，只要有数据的地方就必然有统计分析和图表，这可能是我们还不太常见的一种思维方式。

　　要是我们国内的房地产网站也能做到信息这么丰富就好了，对于普通人买房租房来说也很有帮助，从此不必听经纪人吹得天花乱坠，自己查一下就能轻而易举地掌握房产的相关信息，避开许多不必要的陷阱。

　　但更重要的还是信息的公开。如果信息能够公开透明，阳光所到之处黑暗自然也就退散了。