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

Архитектор городских пространств и руководитель бюро SPACES Валерия САВИНЫХ назвала ключевые факторы, которые влияют на стоимость оборудования и материалов и позволяют управлять бюджетом. 

  

Пример готового комплекта оборудования для одного из проектов. Источник: бюро SPACES 

 

Застройщик — лицо, далекое от тонкостей городского благоустройства. Ни один руководитель на стройке не может (и не должен) разбираться в этапах укладки асфальта, качестве купленных саженцев, особенностях подрезки плитки и других нюансах. Однако именно из них складывается конечная стоимость проекта по благоустройству территории. Как минимум потому, что при допущении ошибки исправлять будет дороже, чем изначально сделать хорошо.

Сегодня команда архитекторов может найти материалы на любой вкус, и каждый выбор повлияет на внешний вид объекта, а также его стоимость: 

  

Сравнение материалов для мощения. Самые разные цены, внешний вид, цвета и производители. Источник: бюро SPACES 

 

Как выбрать из обилия стройматериалов именно то, что максимально соответствует вашим целям

Во-первых, постоянно мониторить рынок, общаться напрямую со специалистами и читать тематические блоги для повышения экспертизы и насмотренности:

- каналы конкретных девелоперов;

- соцсети архитектурных агентств и бюро;

- личные блоги архитекторов, ландшафтных дизайнеров, инженеровпроектировщиков и других специалистов.

Во-вторых, разобраться в том, как появляется разница между дорогим и дешевым оборудованием, а также понять, какие факторы влияют на стоимость материалов. По мнению Валерии Савиных (на фото ниже), первоочередное значение имеют два фактора:

1. качество материалов (как их изготавливают, складируют, эксплуатируют);

2. особенности производства (вопрос не в размере, а в отношении к продукту и гарантийных обязательствах).

  

Фото: SPACES

 

Скамейки бывают разные, или Как выбрать идеального поставщика

Почему одна лавка стоит очень дешево, а другая — в 10—15 раз дороже? На материалы, из которых изготавливаются лавки, сложно дать гарантию: это связано со свойствами древесины. В наших широтах, где влажность, жара и холод регулярно чередуются, она может вести себя очень по-разному. И ключевые маркеры, по которым можно отсеять недобросовестных поставщиков, — гарантийные обязательства, спектр услуг, коммуникация.

Как именно поставщик предлагает ухаживать за своим оборудованием? Есть ли у него конкретные сценарии эксплуатации? Предлагает ли он гарантию? Готов ли самостоятельно заниматься починкой изделий?

Другой фактор, влияющий на стоимость, — качество самого изделия. 

Например, самые дешевые и популярные скамейки у нас делают из сосны — мягкого влаговпитывающего материала. Бюджетно, просто, удобно. Сложности начинаются, когда проходит время с момента установки этих скамеек: мягкая древесина подвержена изменению температуры и влажности, механическому воздействию.

И тут выясняется, что такие сосновые лавки нужно обрабатывать. А самым дешевым и популярным вариантом защиты считается краска. Краска в нашем климате не лежит больше года — потом она трескается, остается на штанах у всех сидящих, а сама лавка выглядит ободранно и некрасиво. Но ведь это +Х рублей к обслуживанию территории ежегодно! Да, выбор скамеек из сосны будет дешевым в момент покупки, но окажется затратным в период эксплуатации и дорогим — в плане имиджа застройщика.

Можно пойти другим путем и заменить краску на бесцветные покрытия, которые впитываются древесиной. В этом случае пропитка уже не обдирается и не трескается, а лавка выглядит приятнее. Но точно так же через год ее необходимо будет зашкурить и обработать заново. Эстетически это решение отличается тем, что пропитывающее покрытие не трескается и не облупливается, а вытирается локально. 

Более дорогостоящий вариант обработки древесины — термообработка. Это процесс нагрева древесины до температуры 180—240 °С в замкнутом бескислородном пространстве с использованием водяного пара, азота или углекислого газа под минимальным избыточным давлением. Пар применяется в качестве защитной среды и не допускает возгорания древесины. 

Преимущества термообработанного материала:

1. запах настоящего дерева без посторонних примесей;

2. малый процент усыхания;

3. высокое качество поверхности;

4. равномерный оттенок по всему сечению материала. 

Главный недостаток термообработанной древесины в глазах потребителя (с чем большинство архитекторов не согласны) — изменение цвета от коричневого к коричнево-серому или серому оттенку, что происходит в результате воздействия ультрафиолетовых лучей. Однако это дело вкуса. 

 

Варианты цвета и текстуры скамеек в зависимости от выбора материала. Источник: бюро SPACES 

 

Важно понять, про что вы и ваш бренд. Что важнее: дешевая закупка или длительная эксплуатация? Бюджетность или качество? Или вы будете каждый год шкурить и пропитывать лавки, или один раз купите оборудование из хорошего долговечного материала. 

  

Кейс по стандартизации решений для заказчика. Скамейка за условные 37 тыс. руб. превращается в скамейку за 28 тыс. руб.
Источник: бюро SPACES

 

Общий принцип: чем дороже покупка — тем дешевле эксплуатация. Выгоднее вложить чуть больше денег на старте, чем каждый год тратиться на ремонт и обработку.

 

Что входит в стоимость благоустройства

Это очень абстрактный вопрос, потому что деньги можно расходовать по-разному.

  

Реальные варианты распределения бюджета внутри проекта. 4 схемы отражают 4 ЖК комфорт-класса.
Источник: бюро SPACES

 

Как видно на диаграммах, самые большие суммы «зарыты» в плитке и оборудовании, объектах малых архитектурных форм (МАФ). Чтобы сократить стоимость благоустройства, важно посмотреть на эти статьи расходов, а не отказываться от кустарников и растений.

В первом варианте (ЖК с кодовым названием «Асфальтовый») насыпали лишний метр песка — отсюда +19% к стоимости всего проекта. В «Творческом» ЖК львиную долю бюджета съели дороги и мелкое оборудование (шезлонги, качели, лавочки и др.). Соответственно, результат будет выглядеть совершенно по-разному, хотя бюджет и одинаковый. 

Отсюда вывод: отталкивайтесь от своей цели и ценностей бренда. Одни и те же деньги можно распределить очень по-разному, все зависит от ваших приоритетов и задач объекта. Нужна зрелищная картинка — добавляем зелени. Нужны практичность и удобство — вкладываем деньги в качественные МАФы.

 

Как сократить расходы на благоустройство

Есть несколько вариантов оптимизации бюджета. Самый действенный и трудоемкий — построчно рассматривать статьи расходов и сортировать на необходимые, рекомендуемые и дополнительные. А затем найти более дешевые альтернативы или отказаться от части расходов.

 

Как это выглядит на практике: серым обозначили расходы, которые не рекомендуем урезать, зеленым — то, что можно сократить.
Внизу посчитали итоговую выгоду: бюджет сократили на 19%.
Источник: бюро SPACES

 

Еще один лайфхак — смотреть не на единичные товары, а считать весь комплекс оборудования у конкретного производителя. В этом случае разница в цене будет более заметна. 

 

Пример комплексного сравнения цен на оборудование и материалы у разных поставщиков.
Источник: бюро SPACES

 

Наконец, отдельная статья расходов — услуги архитектурного или ландшафтного бюро. Здесь важно заранее сравнить цены по рынку и выбрать ту команду, которая специализируется на ваших задачах.

    

Реклама ИП Савиных Валерия Анатольевна.  ИНН: 771770532539

 

   

  

   

   

   

Другие публикации по теме:

Как строительные материалы помогают в продвижении ЖК: примеры и советы девелоперам

Озеленение дворов и ландшафтный дизайн — главный тренд девелоперского продукта в Республике Татарстан

Качественная «зеленая крыша» может увеличить стоимость объекта недвижимости на 6—15%

Хороший плохой рендер

Двор, из которого не хочется уходить: что сегодня есть на рынке малых архитектурных форм

Проекты Брусники получили престижные премии по ландшафтной архитектуре

При оценке новостроек будут учитываться ландшафтный дизайн и архитектурная подсветка

Эволюция жилья: как новые стандарты территорий помогают девелоперам строить лучше