Риелторский ИИ научили считать убытки от рекламы

ИИ, который считает деньги вместо риелтора

Компания «Жилфонд», выступающая головным франчайзером для одноимённой федеральной сети агентств недвижимости, разработала и начала внедрять собственный инструмент на базе искусственного интеллекта. Его задача — предсказывать эффективность вложений в рекламу каждого объекта. Проще говоря, алгоритм должен ответить на вопрос: стоит ли вообще тратить деньги на продвижение этой конкретной квартиры?

Как работает новый модуль

Инструмент анализирует объект по 30 различным параметрам, которые могут прямо или косвенно влиять на его продажу. ИИ изучает эти данные, сравнивает их с обширной базой и находит закономерности, чтобы спрогнозировать ключевые для агентства показатели: срок экспозиции лота (сколько времени он будет продаваться) и потенциальный объем необходимых вложений в его рекламу.

При этом главная экономическая функция системы — контроль точки безубыточности. Если анализ показывает, что инвестиции в рекламу объекта могут превысить планируемую прибыль от сделки, алгоритм подаёт специальное предупреждение.

Почему это стало необходимо

Директор «Жилфонда» Александр Чернокульский объясняет, что инструмент призван изменить устоявшуюся на рынке практику. Для риелтора в полевых условиях часто работает простая логика: чем больше объектов в работе, тем выше шанс совершить сделку и получить комиссию. Однако агентство как бизнес при этом может месяцами нести расходы на маркетинг квартир, которые практически не привлекают просмотров и звонков.

«Иногда мы обнаруживаем в базе лоты, затраты на рекламу которых уже превышают размер комиссии, которую мы получим, если такой дом или квартира в принципе будут проданы, — комментирует Чернокульский. — А это значит, что доход от этой сделки не покроет ни затраты на оплату труда риелтора, ни прочие расходы агентства: от офиса с охраной и видеонаблюдением, до логистики, бухгалтерии, телекоммуникаций и так далее».

От ревизии базы к автоматическому отказу

Внедрение нового решения происходит поэтапно. Пока что, по словам Александра Чернокульского, инструмент работает в полуавтоматическом режиме, а компания тестирует возможности модели и процент её ошибок.

На первом этапе ИИ используют для точечной ревизии существующей базы объектов. Брокеры с его помощью находят неликвидные лоты, оптимизируют по ним рекламные бюджеты или вовсе снимают такие объекты с продажи, чтобы предотвратить дальнейшие траты.

В будущем в «Жилфонде» думают полностью автоматизировать этот процесс. Алгоритм планируют задействовать на самом раннем этапе — при рассмотрении каждого нового объекта для продажи. Это позволит в принципе не браться за реализацию заведомо неликвидных и потенциально убыточных квартир.

«Сейчас агентствам недвижимости как никогда важно направлять средства туда, где можно получить прибыль. На фоне высокой ключевой ставки, снижения объема сделок с недвижимостью и повышения налогов такая стратегия может стать решающей», — отмечает директор компании.

Новый модуль — не единственная разработка «Жилфонда» в области искусственного интеллекта. Как отмечают в компании, это часть работы по развитию собственной CRM-системы.

Помимо прогноза рекламных расходов, компания занимается разработкой ИИ-инструментов для анализа входящих звонков и для более точного определения рыночной цены объекта. Так в 2023 году «Жилфонд» совместно с УК «Рекорд Капитал» запустил озничный закрытый паевой инвестиционный фонд недвижимости (ЗПИФ) под названием «РиалТех» в котором эффективность инвестиций также рассчитывает нейросеть.

Контекст: как раньше боролись с неликвидом и что меняется

До появления таких инструментов оптимизация базы в риелторских агентствах часто была рутинной и субъективной. Брокеры вручную или с помощью простых фильтров в CRM просматривали лоты, ориентируясь на жалобы клиентов, отсутствие звонков (менее 1–2 в неделю) или долгий срок экспозиции (от 3 до 6 месяцев). Рекламу по таким объектам могли снизить, переделать фото или описание, а в итоге — убрать с площадок.

Проблема старого подхода в логике «больше объектов — выше шанс сделки». Она часто приводила к накоплению в базе убыточных лотов, где ежемесячные расходы на рекламу (в среднем 5–20 тыс. руб.) начинали превышать возможную комиссию (обычно 1–3% от суммы сделки).

Аналогичные ИИ-решения на рынке есть, но они реже фокусируются именно на прогнозе окупаемости рекламных вложений. Например, «ЦИАН.Аналитика» даёт рекомендации по ценообразованию и контенту, а американский HouseCanary оценивает рыночные риски. «Жилфонд» делает шаг вперёд, напрямую сравнивая прогнозные затраты на маркетинг с прибылью агентства.

Таким образом, чувствительный вопрос об окупаемости сделки, который традиционно решался на основе опыта и часто субъективной оценки риелтора, компания постепенно переводит в сферу анализа больших данных и алгоритмических решений.

Читайте также: Новый цифровой сервис упростил регистрацию квартир в новостройках #технологии

Продажа, аренда, коммерческая недвижимость

Подписывайтесь на наши новости в Telegram