Почему застройщику не обойтись без аналитика, нужны ли застройщику нейросети, сколько стоит скорость реакции в вопросе ценообразования? Читайте в новой статье от Profitbase. 

   

  

Системы динамического ценообразования: что это такое и для чего они нужны

Динамическое ценообразование — это изменение или переоценка стоимости товара в зависимости от разных факторов. В недвижимости — изменение стоимости квадратного метра.  

В полуручном-полуэкселевском варианте динамическое ценообразование существует практически у всех застройщиков: вы повышаете цены в процессе строительства — значит, применяете динамическое ценообразование.

   

Как работает динамическое ценообразование у большинства

• Практически все работают в Exel.

• Применяют очень простые формулы или не применяют их вовсе.

• Визуально оценивают по шахматке, какие лоты вымываются сильнее и экспертно проставляют обновлённые цены.

• Долгосрочного плана продаж либо нет, либо он неактуальный (разрабатывался для банка).

В последнее время, говоря об инструментах динамического ценообразования, подразумевают автоматизированные системы, которые будут рассчитывать и предлагать конкретные изменения и новую цену квадратного метра или лота.

      

У системы динамического ценообразования две задачи:

1. Обеспечить равномерное выбытие лотов, чтобы у девелопера в продаже всегда был одинаково богатый ассортимент.

2. Максимизировать выручку.  

На практике потребности застройщиков меняются в ходе реализации объекта:

• На старте проекта стоит задача создать непрерывный денежный поток.

• В середине реализации — повысить выручку и маржинальность проекта.

• В конце — оценить, что выгоднее: повысить цены на последние лоты или быстрее избавиться от остатков, чтобы сократить издержки на маркетинг и продажи.

Динамическое ценообразование помогает управлять спросом, поэтому помогает в каждой из этих задач.

 

В чем проблема и зачем здесь нужна автоматизация

Обычно контролем спроса и управлением ценами занимаются аналитики и финансовый или коммерческий директор, который анализирует темпы продаж и отслеживает, какие квартиры с какой скоростью продаются, намечает тренды и решает, на какие типы квартир нужно повысить цены, а на какие — снизить.

На практике многие аналитики больше времени тратят на то, чтобы собрать и загрузить данные, сделать графики и сдать руководству: у них просто не хватает времени на то, чтобы их проанализировать.

Еще одна проблема заключается в том, что экспертная корректировка цен всегда субъективна. Тем более, когда человек должен скорректировать цены не на две квартиры, а на несколько тысяч. Причем корректировать постоянно.  

Работа с ценообразованием — это работа с большими объёмами данных, подключение автоматизированных систем здесь помогает ускорить процесс принятия решений.  

  

Доверить ценообразование машине и уволить аналитика? Конечно, нет  

Аналитик тоже понадобится. Человек и машина — не взаимоисключающие вещи. Машина внедряется не для того, чтобы заменить человека, а для того, чтобы помочь ему и повысить его эффективность.

Когда вы «переезжаете» с ручного управления на автоматизированное, точность и скорость принятия решений увеличивается. Появляется возможность прогнозировать планы поступлений, сроки завершения продаж всего объекта или определенных лотов. В Excel этого сделать нельзя.

И, конечно, применение математических моделей позволяет внести больше объективности в процесс ценообразования.

Алгоритм может просчитывать, сравнивая спрос на квартиры в разных разрезах, что позволит заметить тот или иной тренд гораздо раньше, чем обычный человек.

А в недвижимости при средней стоимости лота в 5 млн руб. если мы отреагировали быстрее и успели поднять цены на 1%:

• на две квартиры — то дополнительно получили 100 тыс. руб.,

• на пять квартир — 250 тыс. руб.

Но полностью машина заменить человека не может, аналитик должен валидировать рекомендации алгоритма и, если нужно, вручную их корректировать.

   

Алгоритм в системе ценообразования — это про машинное обучение?

Сейчас в недвижимость приходят многие команды из екоммерса и авиаперевозок и предлагают использовать модели ценообразования с машинным обучением. Но у недвижимости другая специфика, потому что здесь другие темпы продаж и меньше данных для обучения алгоритма.

   

Разбираем на примере Ван Гога и жвачки

Вот представьте, у нас есть какой-то простой продукт, например обычная жевательная резинка. Блистер на 10 подушечек продаётся возле кассы в супермаркете, стоит 23 руб. Ходовой товар, каждый день продаётся десятками миллионов упаковок. С помощью машинного обучения мы можем проанализировать эти большие данные и вычислить, при какой стоимости на товар будет максимальный спрос.

   

 

  

И возьмем другую «крайность» — произведение искусства. В каком-то смысле оно бесценно. Это эксклюзивный товар, и здесь покупку определяет эмоция. Никому же не придёт в голову, что оценить картину Винсента Ван Гога «Звездная ночь» можно с помощью машинного обучения. Потому что стоимость этой картины будет зависеть от настроения мультимиллиардера на аукционе, когда он решит её купить: может быть, он захочет заплатить за неё 70 млн долларов, а может 80 или 100.

   

Винсент Ван Гог. Звёздная ночь. 1889 год

    

Если рассуждать логически, недвижимость находится где-то посередине между этими двумя примерами. Товара мало для аналитики. Если декомпозировать до класса недвижимости и конкретного города, то это тысячи, в большом городе — максимум десятки тысяч штук за месяц.

   

 

  

Если говорить об эконом-классе — то он ближе к примеру с жвачкой: подобных квартир больше, и люди в этом сегменте принимают решение на основе понятных параметров, таких как стоимость, локация, инфраструктура. И машинное обучение сможет найти в этом какие-то зависимости.

Но если говорить про премиум и про элит-класс — там всё меньше товара и всё больше эмоций в принятии решений. Покупателю не так критично, заплатить за объект 90 млн или 93 млн, но важно, как сработает маркетинг, как презентован объект, и какую эмоцию всё это создаст. Именно от того, как маркетинг сыграет на гедонизме, и будет зависеть стоимость.

Можем ли мы тут применить машинное обучение, которому нужны большие данные и конкретные оценочные параметры? Это уже большой вопрос.

  

А теперь с технической стороны. Без жвачки

Есть несколько ограничений, из-за которых алгоритмы машинного обучения в чистом виде не могут применяться как основной алгоритм в ценообразовании объектов недвижимости.

1. Алгоритм машинного обучения не интерпретируется. Как работает машинное обучение? Вы загружаете данные в чёрный ящик и получаете рекомендацию. Но у вас есть аналитик или финдиректор, который отвечает за выставленные цены и соблюдение финмодели. Если с ценами что-то пошло не так и компания недополучила прибыль — обвинят аналитика. Поэтому, когда вы к нему придёте и скажете, что теперь он должен на 100% доверять вот этой машинке и её рекомендациям — он будет сомневаться и спрашивать, почему алгоритм считает именно так. А никто не сможет ему этого объяснить. Тогда как он сможет доверять рекомендациям этой машины?

2. Точность расчётов. Чтобы алгоритм машинного обучения что-то посчитал — ему нужны данные, а когда проект только запускается — этих данных нет и опираться не на что. Данные другого своего проекта взять нельзя — это разные проекты, их сравнение приведёт к некорректным расчетам.

Есть вариант взять похожие проекты конкурентов и посмотреть данные по ним в ретроспективе: с какими темпами и по каким ценам продавались разные лоты, и, исходя из этого, спрогнозировать.

Но в России нет ни одного сервиса, который позволит вам корректно собрать такие данные. Те, кто продаёт такую аналитику, собирают данные из открытых источников — с сайтов застройщиков, из классифайдов. Но эти цены часто не конечные: застройщики могут давать индивидуальные скидки. Росреестр сейчас не передает информацию по стоимости сделок — только по дате. Поэтому, покупая или собирая вручную данные, мы получаем погрешность в 1—7%.

   

 

  

Если мы в алгоритм загружаем не очень точные данные — получаем не очень корректные расчёты. На рынке есть бенчмарк: какую прибыль застройщики планируют получать от сервиса динамического ценообразования — это 1—5%. То есть погрешность в данных сжигает всю добавочную стоимость применения системы.

Алгоритмы машинного обучения можно использовать, но не как основные алгоритмы.

  

А как должен работать алгоритм, если не на машинном обучении?

На более простых алгоритмах и статистических моделях. Они понятнее и их можно интерпретировать, тогда аналитик сможет понять, почему система предлагает ему именно такое изменение цены.

С таким подходом мы разработали собственную систему для динамического ценообразования в девелопменте Profitbase Ai, и на его примере расскажем, как это работает.

Profitbase Ai использует данные по ЖК, по предложениям и темпам продаж конкурентов и обрабатывает их с помощью специального мета-алгоритма.

Мета-алгоритм Profitbase Ai — общий алгоритм принятия решений о назначении новой цены за квартиру и стоимости квадратного метра. Он состоит из комплекса алгоритмов и правил, каждое из которых настраивается индивидуально под каждый жилой комплекс по принципу конструктора. Набор алгоритмов зависит от финансовой модели застройщика, наличия внешних и внутренних данных, стратегии продаж.

   

 

  

Анализируя данные компании и доступные внешние данные, поочередно подключаются алгоритмы, которые при совместной работе представляют собой единый мета-алгоритм.

Мета-алгоритм позволяет увеличить добавленную стоимость по отношению к базовой финмодели. При этом следующий алгоритм подключается только тогда, когда предыдущий показал свою состоятельность для конкретного объекта. Profitbase Ai не позволяет опуститься ниже линии базовой финмодели, последовательно увеличивая прибыльность проекта.

    

   

Принцип конструктора мета-алгоритма

1. Запускается статистический алгоритм, который учитывает продажи конкретного ЖК.

2. В расчётах начинает учитываться рынок на основе данных о конкурентах.

3. Подключаются данные из CRM. Алгоритм начинает давать рекомендации по корректировке не только цены, но и работы отдела продаж.

4. Далее могут запускаться алгоритмы машинного обучения, которые будут работать параллельно. Алгоритмы машинного обучения рассчитывают вероятность выбытия квартиры, эластичность рынка и могут использоваться для подтверждения и корректировки работы других алгоритмов.

Аналитики застройщика получают готовую и проверенную модель принятия решений в компании, основанную на достоверных данных. Это помогает быстро и прозрачно принимать управленческие решения.

   

С чего начать работу с динамическим ценообразованием

Если вы в самом начале пути:

• Составьте план продаж в разрезе выручки, площадей и лотов. Договоритесь о том, как часто вы его будете пересматривать.

• Пропишите хотя бы самые простые правила изменения цен.

• Попробуйте «запрогроммировать» Эксель — использование формул даст вам хотя бы первичную автоматизацию.

• Подумайте о более сложной автоматизации с применением систем динамического ценообразования, такой как Profitbase Ai.

  

А если сразу в автоматизацию — сколько времени потребуется на подключение системы динамического ценообразования?

Это зависит от:

1. Размера проекта, на котором хотите применять модель. Точечная застройка стандартного ЖК — это одни сроки внедрения, микрорайон — другие, проект элитной недвижимости, в котором нет типовых этажей и планировок, — третьи.

2. Уровня подготовки застройщика. Важно, как сейчас ведется ценообразование, какие есть наработки. Если есть хотя бы таблица с коэффициентами, как вы повышаете цены на квартиры — будет уже быстрее.

3. Вовлеченности команды. Внедрение потребует погружения разработчиков в тонкости вашей финансовой модели, чтобы подстроить алгоритм под ваш проект. Это в свою очередь потребует множества встреч и плотной работы большой команды и со стороны разработчика системы, и со стороны застройщика. Если со стороны застройщика заинтересован только собственник или гендиректор, а команда не понимает ценности — она может затягивать коммуникации, и каждая проволочка будет увеличивать сроки старта.

Очень абстрактно: запустить систему динамического ценообразования можно за 1—3 месяца.

Узнать больше о работе Profitbase Ai и вы можете на сайте.

Динамическое ценообразование — один из ведущих трендов последних лет для отрасли недвижимости.

Если вы хотите узнать о нём больше — посмотрите записи выступлений эксперта по динамическому ценообразованию, директора Profitbase Оксаны Дуниной. Она с примерами и кейсами рассказывает, как работает динамическое ценообразование в недвижимости, и делится нестандартными практиками применения Profitbase Ai в работе девелоперов.

• Неформальный разговор о динамическом ценообразовании на GMK Marathon

• «Ценообразование на рынке недвижимости» | Оксана Дунина на SmartisConf.

           

        

  

  

  

   

   

Другие публикации по теме:

Как будут пересчитаны нормы материальных, технических и трудовых ресурсов

Насколько рентабелен сегодня девелоперский бизнес: мнение застройщиков

Утверждена Методика определения затрат на строительство временных зданий и сооружений

Порядок применения новой Методики определения сметной стоимости

Profitbase — IT-платформа для управления маркетингом и продажами в недвижимости

5 шагов к онлайн-продажам

Непростую тему на страницах портала ЕРЗ.РФ анализирует создатель и руководитель Академии девелопмента, соучредитель компании — технического заказчика в строительстве Fizir Алексей ТУГАРЕВ.

 

Фото: www.versia.ru

  

Предпосылки написания материала

Возможно, у прочитавших заголовок вызвала недоумение его формулировка. Ведь рынок настолько сложен и разнороден, причин банкротства может быть великое множество, разве есть основания равнять их «под одну гребенку» и пытаться систематизировать такие многофакторные процессы? Но дело как раз в том, что, исходя из личного опыта автора, можно утверждать, что система есть, и она достаточно явная, если как следует погрузиться в анализ процессов, связанных с данной тематикой.

Про банкротство девелоперов написано и сказано немало, но, если открыть публикации в СМИ и изучить материалы на данную тему, создается такая картина: причин банкротства много, разобраться в них очень тяжело. Ведь те же следователи работают зачастую по одному делу с десяток лет — до конца разобраться не могут. Но на то, к слову, они и следователи, а не девелоперы.

Дополнительной неразберихи добавляют сами разорившиеся застройщики и их представители. Ведь они тоже не сидят без дела: активно дают интервью и заказывают написание статей, общий смысл которых сводится к тому, что причины неудачного исхода уходят корнями в экономику, политику, изменения законодательства, недобросовестность конкурентов и т. д., — то есть во все то, что мы на наших курсах называем «внешней средой девелоперского проекта».

   

Фото: www.псбр.рф  

 

По словам авторов таких материалов, конкретная компания «слегла» под гнетом административного давления либо под «молотом» беспощадно изменившейся рыночной ситуации. То есть, если считать, что внутренняя среда — это сам проект и механизмы девелопера, с помощью которых управляет процессом, а внешняя среда — все то, что находится за этим периметром, информационная тактика данных респондентов направлена на то, чтобы сместить ответственность за произошедшее из внутренней среды проекта во внешнюю.

Этому также способствуют и многие действующие члены профессионального сообщества. В силу того, что вопрос действительно непростой, в информационном поле часто появляются спекуляции на грани мистификации. Мол, все так сложно, что и не разберешься: работа в компании была выстроена отлично, трудились сплошь профессионалы, все старались как могли, но вот внешние причины сложились таким образом, что все разлетелось, как карточный домик.

Реальную аналитику по данному вопросу невозможно свести, пользуясь публикациями в открытых источниках: нужно «прожить эту жизнь». В рамках настоящего материала намеренно отсутствуют ссылки на конкретные компании. Будучи участником рынка или просто человеком, следящим за рынком недвижимости, Вы без труда узнаете тех, о ком идет речь. Некоторую надежду на объективность при этом дает личное погружение автора во множество кейсов, имеющих отношение к рассматриваемой теме, а также знакомство с рядом акционеров как обанкротившихся, так и успешно работающих по сей день компаний.

С одной стороны, отдельно взятый человек не может быть лично знаком с каждой произошедшей на рынке ситуацией банкротства, с другой стороны — широта выборки и глубина погружения достаточно красноречиво говорят об объективности описываемой картины.

 

Фото: www.i.mycdn.me

  

Реальные причины и механизмы банкротства

А картина эта, в свою очередь, такова, что все компании, потерпевшие крах, имели ряд накопленных проблем в моделях корпоративного управления, которые в свою очередь и привели к закономерному результату. Если попробовать составить рейтинг основных причин банкротства девелоперских компаний, то он будет выглядеть так.

1. Непрофессионализм собственника, его оторванность от реалий и механизмов бизнеса.

2. Отсутствие необходимых бизнес-процессов, релевантных масштабу компании и проектам, которые она развивает.

3. Отсутствие отлаженной системы управленческого учета, способной в план-фактном режиме давать информацию ЛПР о состоянии проектов и компании в целом.

4. Отсутствие (частичное или полное) системы анализа проектов, использующей финансовое моделирование в качестве центрального ядра принятия управленческих решений.

5. Превалирование политической борьбы между подразделениями компании над целями и задачами бизнес-эффективности.

6. Хаос в развитии проектов, порожденный отсутствием налаженной системы документооборота и четких информационных и регламентных взаимосвязей между подразделениями.

7. Нежизнеспособная кадровая политика: большое количество профнепригодных сотрудников, в т.ч. на руководящих позициях, отсутствие должной мотивации у линейного персонала, непонимание кадровыми работниками основ девелоперского бизнеса, их неспособность выделить ценные кадры и выстроить систему по удержанию этих кадров в компании.

Данный список можно продолжать и другими аналогичными пунктами, однако, в любом случае все они будут произрастать из пункта №1 как из первоосновы. Что, впрочем, никогда не мешало таким субъектам предпринимательской деятельности давать интервью в духе «мой бизнес был задушен внешними факторами».

 

Фото: www.exchange.1maysk.ru

   

Что изменилось?

Есть ли основания на сегодняшний день говорить о том, что современный девелопмент застрахован от ошибок прошлого? Попробуем разобраться.

Принятие новой редакции 214-ФЗ, подразумевающей оплату за объект недвижимости не на расчетный счет застройщика, а на счета эскроу, в некоторой мере страхует интересы дольщиков и дисциплинирует застройщика посредством введения в систему дополнительного контролирующего субъекта в виде банка.
С другой стороны, это справедливо лишь в некоторой степени и лишь косвенно решает вышеописанные проблемы.

Данный фактор ни в коей мере в одночасье не превратил собственников компаний и их сотрудников в профессионалов рынка, а значит, все накопленные проблемы остались на своих местах. Более того, в уравнение добавлена дополнительная переменная в виде огромной кадровой дыры в банковском секторе, при том что количество профессиональных людей в строительной отрасли в моменте осталось неизменным.

Таким образом, в настоящий момент мы закономерно наблюдаем частичный отток кадров в банковский сектор и соответствующее ему «размытие» в секторе девелоперском. Ситуация напоминает два стакана, в одном из которых было низкосортное, но все же вино, а в другом вода, после чего имеющиеся жидкости были перемешаны и снова разлиты по двум стаканам.

 

Фото: www.sotsproekt-ryazan.ru

 

Не лучшим образом на сложившуюся ситуацию влияет и отсутствие профильного образования. Согласовательный цикл адаптации существующих консервативных учебных программ имеет большую длительность, нежели циклы изменения бизнес-среды, ввиду чего, в числе прочего, в отрасли наблюдается огромный кадровый голод на всех уровнях управления.

Аналитика бизнес-процессов многих девелоперских компаний показывает следующую картину. Общеизвестно, что за пределами Центрального федерального округа во многих компаниях не знают, что существуют такие механизмы, как «финансовая модель девелоперского проекта» или «система управленческого учета». Между тем гораздо реже говорится о том, что и во многих крупных столичных компаниях финансовые модели считаются «в столбик» (без финпотоков), а высший менеджмент зачастую не обладает даже базовыми навыками инвестиционной аналитики.

 

Механика банкротства

Возникает закономерный вопрос: а можно ли вовремя просчитать, «перехватить» ситуацию и применить некие антикризисные механизмы? В ряде случаев — да. Механика накопления критической массы проблем, приводящих в конечном итоге к банкротству, такова, что компанию можно представить в виде снежного шара, который катится по горе, имеющей форму перевернутой параболы.

Как известно, парабола имеет различный угол наклона на разных участках склона. Когда шар движется слева-направо в направлении «в гору» — компания развивается, шар «обрастает снегом» и увеличивается в объеме.

    

   

В верхней точке шар накапливает критическую массу вышеописанных проблем и начинает катиться направо — вниз по склону. Далее наблюдаем интересную закономерность. Необходимо учитывать, что девелопмент — капиталоемкий бизнес с проектами длительного цикла развития (как правило, от 3 до 10 лет, если не брать проекты быстрого редевелопмента, рассмотрение которых мы в настоящем материале оставим за скобками). Сам же жизненный цикл компании может насчитывать десятки лет. На протяжении этого периода бывает чрезвычайно сложно определить ту конкретную точку, когда «шар перекатился через вершину» и началось постепенное его скатывание в пропасть банкротства.

На вопрос «возможно ли выйти из штопора и перехватить управление», можно ответить так: это зависит от текущего угла наклона склона, по которому катится шар. После линии, обозначенной на рисунке как точка невозврата, компанию не в состоянии спасти никакой, даже самый одаренный, менеджмент.

   

  

Дополнительная проблема заключается в том, что в зоне, которая обозначена синим цветом, далеко не всякий человек, находящийся не только снаружи, но и (что самое удивительное) внутри процесса (работающий непосредственно в компании, включая ее менеджемент), способен понять, что в компании вообще есть проблемы. Автору доподлинно, из личного опыта, известны далеко не единичные случаи, когда сотни людей, включая руководство, находясь в синей и даже в красной зоне, работая в красивом дорогом офисе в центре мегаполиса, не знали, что у компании есть проблемы вплоть до «дня икс» — прихода в офис «маски-шоу» и изъятия в компании серверов и документов. Что особенно интересно, такие события происходят зачастую через пару дней после выхода на первых полосах авторитетных изданий интервью с генеральным директором, где он отчитывается о выдающихся успехах компании за текущий год.

Кроме того, помимо пласта публичных, «громких» банкротств, широко освещавшихся в СМИ, существует еще доля «непубличных» кейсов, когда ввиду в том числе политических решений банкротную компанию вовремя «подхватывали» те или иные субъекты рынка — дабы не добавлять еще одно громкое дело в копилку «не справившихся» и не усугублять ситуацию с и без того пошатнувшимся доверием потенциальных клиентов.

 

Как избежать банкротства или работа над ошибками

Несмотря на достаточно мрачную картину описанных выше реалий, есть понимание того, что существуют универсальные, испробованные временем методики построения успешного и устойчивого к внешним факторам девелоперского бизнеса. В противовес к списку, приведенному выше, к ним относятся следующие:

1. Максимальное повышение квалификации лично владельцами компании. Формирование системного понимания всех механизмов и их взаимосвязей в девелоперском бизнесе.

2. Выстраивание системы бизнес-процессов с выделением особой роли в принятии решений подсистем управленческого учета и финансового моделирования проектов.

3. Регламентация бизнес-процессов и повышение качества системы документооборота.

4. Повышение квалификации кадровых работников, вовлечение их в бизнес-процессы, формирование жизнеспособной кадровой политики и KPI.

5. Планомерная системная работа высшего менеджмента по устранению нездоровых политических конфликтов и конкуренции между подразделениями и отдельными управляющими субъектами.

6. Системный подход к обучению и повышению квалификации персонала, включая менеджмент высшего звена.

Алексей ТУГАРЕВ (на фото), создатель и руководитель Академии девелопмента, соучредитель компании — технического заказчика в строительстве Fizir

 

 

 

 

 

 

Другие публикации по теме:

В Госдуму внесен законопроект, защищающий права кредиторов, не являющихся участниками долевого строительства

Новые полномочия ФРТ

Какие документы подтверждают изменение решения о выплате возмещения дольщикам решением о завершении строительства объекта

Обманутые дольщики смогут подавать заявление на выплату возмещения через портал госуслуг

Закон, совершенствующий нормы по защите прав дольщиков: основные положения

Эксперты: в России нарастает риск задержки ввода новостроек 

ФРТ будет вправе вместо решения о достройке объекта восстанавливать права дольщиков в виде выплаты им возмещения

Верховный Суд ограничил права граждан-инвесторов в случае банкротства застройщика

Конституционный Суд: правовые гарантии защиты прав кредиторов, не являющихся участниками долевого строительства, отсутствуют

Фонд развития территорий: застройщики-банкроты задолжали дольщикам 31 млрд руб.

Минстрой выступил за отмену моратория на банкротство застройщиков

Верховный Суд отказал бывшему конкурсному управляющему по банкротству Urban Group в восстановлении в должности

В России на шесть месяцев введен мораторий на банкротство