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

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

 

Изображение сгенерировано нейросетью «Kandinsky»

 

В предыдущей статье была рассмотрена «Оптимизация расходов в девелопменте», напоминает эксперт. Однако, по его мнению, сама по себе оптимизация расходов — важнейшая, но не единственная составляющая эффективного девелоперского процесса. Тема управления финансами значительно шире, чем просто управление затратной частью. Поэтому данная статья задумана как логическое продолжение предыдущей.

Что есть управление финансами в девелопменте? Многие участники рынка считают ее дополнительной сервисной функцией, обслуживающей некие основные процессы: проектирование, строительство, продажи. В действительности же современная инвестиционно-строительная деятельность представляет собой, в первую очередь, управление финансовой составляющей, чему фактически подчинены все остальные процессы.

С точки зрения логичного и эффективного подхода, напротив, производственные процессы выполняют сервисную функцию по отношению к управлению финансами. Трансформация мышления людей, задействованных в производственных процессах, на подобный подход является основным залогом успеха современной компании.

 

Раздельное управление финансовой и инвестиционной деятельностью

Первым шагом на пути понимания финансов как в девелопменте, так и в любом другом инвестиционном процессе является разделение системы управления финансами на раздельное управление инвестиционной и финансовой деятельностью.

Источник: Академия девелопмента

  

Различия между двумя данными подсистемами отражены в таблице ниже.

Источник: Академия девелопмента

 

Наряду с пониманием того, что данные подсистемы имеют различную направленность, важно уяснить, что эффективное управление финансами достигается благодаря их абсолютной взаимосвязи и полной преемственности.

Часто встречаются следующие «перекосы»:

1. финансовая деятельность не отделена от инвестиционной ни в сознании управляющих бизнесом, ни в плане документов и подходов;

2. финансовая деятельность настолько отделена от инвестиционной, что они функционируют как две полностью отдельные подсистемы, не имеющие преемственности, в отрыве друг от друга.

  

Эффективный управленческий учет

Основным документом управленческого учета является бюджет предприятия.

Основные цели бюджета таковы:

● управление: принятие решений на основании плана затрат и доходов;

● оптимизация: когда мы видим показатели по различным статьям и понимаем, где лучше сосредоточить усилия по минимизации затрат и увеличению выручки;

● координация: согласование деятельности различных подразделений предприятия;

● коммуникация: доведение планов до сведения руководителей разных уровней;

● мотивация руководителей на местах;

● контроль и оценка эффективности работы руководителей на местах путем сравнения фактических показателей с запланированными;

● планирование потока денежных средств, в т. ч. предотвращение кассовых разрывов;

● анализ. На основании исполнения бюджета делается вывод по дальнейшему планированию.

 

Фото: © Дмитрий Калиновский / Фотобанк Лори

 

Производственный план

Практика внедрения и ведения управленческого учета (не только в девелопменте, но и в иных видах бизнеса) позволяет сделать однозначный вывод о том, что невозможно составление финансового плана без плана производственного (т. е. «физического»). Другими словами, нельзя спланировать расходы на прокладку трубы, не рассчитав предварительно ее необходимое сечение, расходы материала, не определив объем необходимой рабочей силы, механизации, ресурсоснабжения для данных процессов и т. д.

Исходя из этого, при составлении любых финансовых планов мы неизбежно приходим к тому, что производственный план всегда первичен. А составление производственного плана в свою очередь требует глубокого понимания механизмов бизнеса — его компонентов и логических взаимосвязей, а также налаженной системы коммуникаций между всеми подразделениями компании.

 

P&L и C-F

Как и в любом другом бизнесе, необходимо понимать разницу между такими понятиями, как P&L (Profit and loss, доходы и расходы) и C-F (Cash-flow, денежный поток).

Краткий смысл основных различий между данными способами распределения в соответствующих отчетных формах денежных средств во времени заключается в следующем.

 

Основные различия между P&L (отчетом о доходах и расходах) и C-F
(отчетом о движении денежных средств)

Источник: Академия девелопмента

 

P&L служит для оценки бизнеса и выступает в качестве ядра принятия управленческих решений в отношении вариантов развития проекта.

С-F позволяет управлять денежным потоком, своевременно привлекая средства, избегая кассовых разрывов, максимизируя норму внутренней доходности капитала акционера.

  

Особенности управления финансами на различных этапах жизненного цикла

Основными инструментами являются финансово-экономическая модель проекта и бюджет проекта. Существует определенная последовательность формирования и взаимного влияния соответствующих документов в ходе развития проекта, что отражено в таблице ниже.

Так, на первом этапе существует только финансовая модель, при переходе проекта в статус юридически закрепленного за инвестором начинает формироваться бюджет, который на последующих этапах служит основанием для регулярного уточнения финансовой модели.

Таким образом, реализуется принцип обратной преемственности подготовки аналитической финансовой документации. Что интересно, финмодель и бюджет при этом необязательно должны существовать в рамках двух разных документов. В некоторых организациях их объединяют в единый управленческий файл, что, впрочем, не меняет сути подхода, просто перетекание данных в этом случае происходит не между файлами, а внутри одного документа.

 

Источник: Академия девелопмента

 

Особое внимание предлагается обратить на строку таблицы «Исходные данные аналитики по управлению финансами». Она очень важна и отражает апробированный и рабочий регламент поэтапной оценки и уточнения доходной и расходной (особенно расходной!) частей проекта.

Несмотря на то, что такая последовательность оценки придумана далеко не вчера, регулярно появляются энтузиасты-новаторы, которые врываются на рынок с «прорывными» идеями о «новых» подходах к расчетам. В результате появляются кривые схемы оценки проектов. Наиболее распространенными из них являются:

● попытки оценить затраты проекта на допроектном, предпроектном и проектном этапах ресурсным методом (что в обиходе называется «посчитать до гвоздя»);

● попытки преодолеть в оценке себестоимости классическую последовательность оценки стоимости работ ресурсным методом: 1. Рабочая документация, 2. ВОРы (ведомости объемов работ), 3. Сметы, рассчитанные ресурсным методом;

● попытки директивно назначать показатели проекта по расценкам и срокам «сверху вниз» с указанием менеджменту обязательно в них вписаться. Это, как правило, приводит к политике менеджмента по сокрытию реальных данных, отражению в графиках нереальных сроков, а в бюджете проекта — нереальных показателей по затратам. Такого рода самообманом на сегодняшнем рынке занимается очень много компаний.

Важно также отметить, что там, где формируются сметы, появляются и нормальные тендеры. Таким образом, мы можем уже не только «считать деньги», но и управлять расходной частью.

  

Алексей Тугарев. Фото предоставлено пресс-службой Академии девелопмента

  

Принятие решений на основании финансовых моделей проектов

Наиболее эффективным и правильным является подход, обозначенный в заголовке настоящего раздела. Именно он в качестве ядра принятия решений позволяет использовать многофакторный анализ и сценарный подход, что в свою очередь дает возможность тестировать посредством финансовой модели любые многофакторные изменения проекта.

В основе данного метода лежит тезис, согласно которому любое изменение влечет за собой набор последствий. Например, какое-то предлагаемое решение может уменьшить себестоимость проекта, но, скажем, увеличить срок его реализации. Другое решение может увеличить себестоимость проекта, но при этом улучшить коэффициенты выхода полезных площадей и т. д. С учетом многофакторности влияния таких решений на проект единственно верным подходом к их оценке становится закладывание всех факторов в финансовую модель и анализ отклонений финансово-экономических показателей в том или ином случае.

Кроме того, многолетний опыт подтверждает еще одно заключение: в основе бизнес-процессов финансовой оценки (а именно управленческого учета, бюджетирования, финмоделирования) лежат формирование оргструктуры организации, ранжирование регламентов работы между подразделениями и выстраивание системы документооборота.

«В отсутствие данной основы любые попытки внедрения институтов финансовой аналитики (особенно с использованием соответствующих программных комплексов) подобны броуновскому движению и заведомо обречены на провал», — резюмирует создатель и руководитель Академии девелопмента, соучредитель компании — технического заказчика в строительстве Fizir Алексей Тугарев.

    

Реклама. ИП Тугарев Алексей Львович.  ИНН: 772480003006 

 

 

 

 

 

 

Другие публикации по теме:

Оптимизация расходов в девелопменте

Снижение себестоимости девелоперских проектов за счет префаб-технологий 

Банкротство девелоперских компаний: разбор механики — и как его избежать

Схема-пазл девелоперского бизнеса

Как технологии помогают застройщикам сократить расходы в кризис

Оптимизация системы продаж в девелопменте