我以為實價登錄只是查價格的工具

說真的，在我開始認真研究 PropTech 之前，我對實價登錄的理解只有一件事：查行情。

想知道附近的房子賣多少，打開網站，搜尋地址，看看成交價，就這樣。在我眼裡，實價登錄不過是個比較好用的政府查詢系統，跟去戶政事務所查謄本差不多性質，看完就關掉。

後來我開始注意到一件怪事：為什麼各大房仲平台，每一家都在「做」實價登錄的資料？而且做法都不太一樣？

有的做成地圖視覺化、有的做成趨勢圖、有的整合進估價工具、有的甚至串上了 AI 對話機器人。同樣一批政府公開的數字，被不同的人拿去做出了這麼多不同的東西，讓我開始認真想：一筆成交紀錄，到底能被用來做什麼？

答案比我想的有趣很多。

先說 2.0 升級了什麼，因為這很關鍵

台灣的實價登錄從 2012 年上路，但一開始的版本有個很大的毛病：揭露精度太低。

規定是，成交紀錄只需要揭露到「門牌的某個區段」，例如「中山路一段 1 到 50 號」之間有一筆成交，但你不知道確切是哪棟、哪戶。這樣的精度，對於想了解特定物件行情的人來說，幫助非常有限：知道「這條路大概賣多少」，但不知道「這棟大樓到底成交幾筆」。

2021 年的實價登錄 2.0 做了一個關鍵升級：揭露精度從「門牌區段」提升到「棟」，還加入了樓層資訊，聽起來只是小改，但這個改變對資料應用來說意義完全不同。

我喜歡用照片解析度來比喻：以前的資料就像一張刻意打了馬賽克的照片，你看得出輪廓，但辨認不了細節。2.0 之後，馬賽克拿掉了一大半，你開始能辨識出具體的特徵。有了這樣的資料顆粒度，才能回答更有趣的問題：同一棟大樓，高樓層比低樓層貴多少？面公園的和面馬路的，價差到底有多大？

對想用資料做分析、建估價模型的人來說，2.0 的升級，是從鈍刀換成利器。

還有一個升級很多人沒注意到：預售屋的申報時間點也徹底改了。

舊制規定是代銷業者在委託代銷契約終止或屆滿時才申報，一個預售案可能拖好幾年，這段期間的成交資訊幾乎是一片空白，你根本不知道那個建案當初賣多少錢、賣了幾戶、行情怎麼走。2.0 之後改成簽約後 30 天內就要申報，系統每月分三旬批次更新，實際多久查得到，取決於申報人何時申報及是否趕上批次。對首購族來說，這是很實質的改變，不用再等好幾年才知道某個預售案的成交行情。

當然也不是完全透明。繼承、贈與等移轉方式本來就不在申報範圍內；另外，系統會篩除顯著異於市場行情的特殊交易，這類案件不一定查得到。偶爾還是會遇到某個案子「完銷一年但查不到資料」的狀況，要有心理準備。

拿到資料之後，各家平台在做什麼

政府把資料公開之後，民間平台開始用不同的方式整合它、加工它、呈現它，我覺得這個部分特別有意思，因為同樣的原料，各家做出來的菜味道差很多。

591：流量最大的入口

591 是台灣最大的房源資訊平台，他們對實價登錄資料的整合方式是最直接的：你在看一個待售物件的頁面時，系統會把附近的成交紀錄一起顯示出來，方便你即時比較開價和成交價之間的落差，功能稱不上花俏，但因為流量夠大，很多人找房的第一步就從這裡開始，所以這個整合的實際使用頻率很高，不過 591 本質上是一個刊登平台，對資料的深度加工相對有限。

樂居：視覺化做得最好看

樂居的定位差異在於「讓資料變得好看、好讀」。地圖上直接標示成交熱點、社區行情趨勢圖、不同物件條件的比較工具等。對於習慣視覺化資訊的人來說，樂居的介面比政府官網友善太多了。我第一次打開樂居的時候，老實說有點被「這比政府版好用十倍」這件事嚇到。

他們做的事情是把原本枯燥的數字，轉換成更容易讓人產生判斷的視覺呈現，這不只是介面設計的問題，背後是對「使用者怎麼看資料才會有感」這件事的理解。

信義房屋：資料加上市場詮釋

信義房屋走的路又不一樣。他們把實價登錄資料整合進自家的市場報告系統，定期發佈各區域的市況分析報告。這些報告不只是把數字列出來，而是加上了人的詮釋：現在是買方市場還是賣方市場？這一季成交量跟上一季比怎麼樣？議價空間有沒有在擴大？

這種做法讓資料從「數字」變成「觀點」，對於不想自己做分析、希望有人幫他消化的買家，是很有吸引力的形式。

永慶：以自有數據補足政府資料的缺口

永慶房產集團對資料這件事的投入方式，是從根本上補足政府版本的限制。

政府實價登錄主要的限制在於時效性：買賣案件雖已改為申請移轉登記時一併申報，但資料庫每月僅分三旬批次更新；租賃與預售屋案件則是簽約後 30 天內申報，同樣要等批次。永慶的做法，是以自有成交數據補這個時效缺口。

他們推出的「實價登錄 3.0」，核心優勢在時效性：永慶自家成交的物件，交屋隔天就更新到資料庫，不需要等申報週期。在市場行情快速變動的時候，這個差距其實蠻有感的。

在這個自有數據的基礎上，永慶還往兩個方向延伸：

一個是售屋房價即時算（2023 年 9 月上線），整合政府實價登錄加上自家即時成交數據加上周邊開價，透過演算法給出推薦售價區間，目前限定雙北直營地區。

另一個是政大永慶房價指數，跟政治大學不動產研究中心合作，把永慶全台超過 1,700 家門市的即時成交資料融入房價指數模型。相較於純以政府資料為基礎的指數，這個版本對市場轉折點的反應速度更快，也因為學術機構掛名，公信力比單純的企業自行發佈更高。

在數據之外，永慶近年也把 AI 整合進找房這件事本身。2025 年 7 月推出的「永慶 AI 特助」，讓你直接用說的、不用一個一個勾篩選條件，你可以輸入「我想找永和的靜巷、屋齡不要太舊、自備款 1,000 萬、每月最多繳 9 萬房貸，家裡有老人不方便爬樓梯」，系統會自動解析需求，從 25 萬件以上的房源裡推薦符合條件的物件。服務透過 LINE 官方帳號使用，上線至 2025 年 11 月已累積超過 200 萬次互動，帶看率提升了 200%，並在同年拿下 LINE Biz-Solutions Awards 最佳創新科技運用金獎。

說穿了，這四家平台做的是四件不同的事：591 在做入口、樂居在做視覺化、信義在做詮釋、永慶在做數據深度。對你這個買房的人來說，它們不是競爭關係，而是可以互補使用的工具。

AI 估價是怎麼一回事？用白話說清楚

走到這裡，你可能會想問：那常常聽到的「AI 估價」，到底是怎麼運作的？是真的厲害，還是噱頭？

說真的，我一開始也以為是噱頭。後來搞懂原理之後，覺得它有它厲害的地方，但也有它的局限。

機器學習的估價邏輯是這樣：給模型大量的歷史成交資料，讓它學習「哪些因素影響房價、影響程度有多大」。這些因素可能包括：距捷運站幾分鐘、學區條件、樓層高低、朝向、坪數、屋齡、公設比、社區管理狀況、建商品牌、市場時機⋯⋯等等。

傳統估價是人工選幾個「可比較的案例」，再做主觀調整，能處理的變數有限。AI 的方法是讓模型從幾萬、幾十萬筆案例裡自己找規律，能同時考慮的因素遠超過人工能負擔的範圍。

聽起來很厲害，但有一個關鍵限制要記住：模型的好壞，取決於資料的質與量。

如果訓練資料夠多、夠準確、夠即時，估算就會比較可靠，如果資料有缺口，輸出就會有偏差，這也是為什麼擁有大量自有成交資料的業者，在 AI 估價這件事上有先天優勢，他們的訓練素材就是比別人多。

現在台灣各平台提供的 AI 估價工具，可以當成一個有參考價值的起點，但不能當成最終答案。它給你的是「這個地段、這個條件，歷史上的房子大概值多少」，不是「這間房子現在應該成交多少」，這中間的落差，就是你自己的判斷空間。

這類工具在台灣已經有民間的嘗試。「好時價（House+）」（安富財經科技股份有限公司建置）運用官方實價登錄資料建立自動估價模型，是台灣 AI 估價實踐相對早期且完整的案例之一。這類工具能給你一個有依據的參考起點，但準確度因地區、物件條件而有差異，仍需搭配人工判斷。即便平均估算誤差只有 10%，對一間 2,000 萬的房子來說，也是 200 萬的落差。

更值得一提的是為什麼 AI 估價在台灣有發展空間：截至 112 年底，取得不動產估價師證書者約 669 人，報部備查開業者約 486 人，卻要面對每年超過 500 萬筆土地與建物的登記作業。人力缺口擺在那裡，AI 輔助估價幾乎是必然的方向。

這個需求也已經被金融業看到了。永豐銀行推出的「秒估房貸」，整合了約百萬筆自有資料和實價登錄成交數據，在房貸申請時即時估算擔保品的合理市值，不需要等人工估價的排程。這代表實價登錄的開放資料，已經不只是讓你查行情用的工具，而是進入了金融體系的核心作業流程。

資料開放的極限在哪裡

說了這麼多資料開放的好處，也要誠實說：台灣現在的資料透明度，其實還有不少缺口。

租賃市場幾乎是黑盒子。 實價登錄有做租賃申報，但制度上本來就只有透過不動產經紀業成交的租賃案件才須申報，大多數房東直接找房客的交易根本不在範圍內。如果你想研究「台北某區的租金行情」或「租售比」，現有資料的參考價值相當有限。

商辦、工業、農地的資料有限。 若你的分析重點是住宅以外的不動產，現有實價登錄資料能提供的深度相對有限，對商業不動產的專業分析幫助不大。

歷史資料的深度還不夠。 從 2012 年才開始建制，到現在不過累積十幾年的資料。對於做長週期分析的人來說，跟美國、日本這些資料累積超過三四十年的市場相比，台灣的樣本量在長期趨勢分析上還有先天限制。

非正式交易的干擾。 親屬間移轉、特殊條件的交易，這些「非市場行情」的紀錄如果混進資料庫，會影響分析準確度；但要把它們篩乾淨，又需要更精細的資料標記工作。

有趣的是，這些缺口同時也是機會，誰能找到方法補足這些缺失的資訊，誰就能建立其他人難以複製的資料護城河。這也是現在 PropTech 業者競相投入的原因之一。

這對一般買房人來說，代表什麼

說了這麼多產業面的觀察，回到最實際的問題：這些發展，對你一個正在考慮買房的人，意義是什麼？

行情資訊的透明度在持續提升。 你現在能拿到的資料，比五年前多很多、也精確很多。善用這些工具，是買房前做功課的基本盤。前面那篇講怎麼看實價登錄的文章，現在更值得認真讀了。

但工具不能替代判斷。 AI 估價給你一個參考值，不是保證。它基於歷史，不能預測未來；它處理數字，不能感受你親眼看屋時對一個社區的直覺感受。那個「這間房子適不適合我」的決定，最後還是你自己的事。

資料透明，資訊不對稱就難以維持。 以前房仲業的部分優勢，來自「他知道你不知道的成交行情」。現在這個優勢正在被資料開放一點一點侵蝕。這對買家是好事；對整個產業來說，意味著業者必須找到新的價值，才能支撐它的存在意義。

這，正是整個 PropTech 產業現在最有趣、也最充滿張力的地方。

我自己研究到這裡，有一種很奇妙的感覺：買房這件事，表面上是在挑一個住的地方，但背後牽動的是資料、科技、產業結構，甚至是整個市場的權力分配。以前這些東西離一般人很遠，現在它們正在悄悄改變你我看房、問價、談判的每一個環節。

不需要成為資料科學家，也不需要搞懂 AI 的演算法細節。只要知道這些工具的存在、知道它們的用途和限制，你在買房這條路上，就已經比大多數人更有準備了。

我是南城。這些都是我自己邊研究邊整理的觀察，希望能帶給你一個不同的看房視角。有任何不夠精確的地方，請不吝告訴我。喜歡這類內容的話，歡迎繼續關注。

本文撰寫於 2026 年 4 月。實價登錄制度與各平台功能持續演進，文中提及的服務內容以撰文當下為準，實際功能請以各平台官方說明為準。
這篇文章由南城撰寫，歡迎自由分享連結，全文轉載請先與我聯繫。