Настроены0 параметров

Настроить фильтр

Регион
Раздел
Подраздел
Все новости
+

Вкалывают роботы — счастлив человек? Системы динамического ценообразования в жилом девелопменте

Этой актуальной теме посвящена статья Дениса БОБКОВА, эксперта и преподавателя Академии девелопмента, генерального директора аналитической и консалтинговой компании «Недвижимость-Профи».

    

Фото: news.griffith.edu.au

  

Один из важных видов роботов в мире продаж новостроек — это системы динамического ценообразования (далее — ДЦО), то есть некие системы, которые автоматически меняют цены при наступлении определенных условий или событий. Как правило, такими событиями являются темпы спроса (сделок), которые сравниваются с плановыми показателями, и на основе результатов сравнения система дает рекомендации по повышению, снижению либо сохранению текущей цены на квартиры. Сравнение может проводиться в целом по количеству либо сегментированно: по площадям, по типам квартир, подтипам, стоякам, даже по этажам. Кроме того, в систему может закладываться алгоритм сравнения текущей средней цены реализации с плановой. Еще можно сравнить с конкурентами: вдруг потенциал локации недооценен, и покупатели могли бы заплатить более высокую цену?

Отмечу сразу, что такая история работает только с нормальными, развитыми CRM-системами (Customer Relationship Management — «управление взаимоотношениями с клиентами»Ред.), поскольку для робота критически важна двусторонняя связь с CRM: отдавать в систему рекомендации по ценам и получать данные по статусу (продажам, броням) и ценам (продажам) объектов недвижимости.

На рынке можно выделить три основных направления развития CRM-систем.

    

Фото: th-i.thgim.com

    

1) Развитые профессиональные системы, которыми пользуются хотя бы несколько компаний, имеются все необходимые отчеты и т. д. Как правило, компания-разработчик досконально изучила бизнес-процессы девелоперов и риэлторов, и поэтому система уже не требует «изобретения велосипеда».

2) Доморощенные системы. Они создаются внутри компании, только под ее нужды. Такая система плохо совместима с разными интеграциями, каждый отчет разрабатывается с нуля — в общем, то самое «изобретение велосипеда». Если честно, не понимаю смысла в таком софте — это примерно то же самое, что пытаться разработать Excel или Word. Можно, но зачем? Если речь не идет о разработке сильного продукта для вывода на внешний рынок (а это отдельный бизнес, к недвижимости не имеющий прямого отношения, то есть непрофильный), то это становится тратой времени и денег. Наверное, лучше каждому заниматься своим бизнесом — так будет эффективнее.

3) Excel. Ну, тут и говорить ничего не надо: да, до сих пор встречаются и такие компании. Видимо, там намучались с адаптацией CRM под свои нужды, плюнули и сказали: «А мы будем все делать в Excel!». Да, сам по себе Excel был и остается непревзойденным прикладным инструментом, но… При ручном ведении баз данных (клиентов, объектов недвижимости и т. д.) всегда возможны ошибки при заполнении, в формулах и пр. И если CRM эту ошибку (при соответствующем алгоритме) не даст совершить и занести в базу, то в случае с Excel такая вероятность имеется. А самое главное — когда хранитель/создатель этого файла уйдет в другую компанию, то его наследие в виде файла Excel со связями может попросту перестать работать.

   

Фото: i.pinimg.com

    

Итак, роботы ценообразования могут корректно работать только с системами первого и (при соответствующих мучениях), возможно, второго типа. Поэтому мой призыв ко всем руководителям девелоперских и риэлторских компаний прост: не изобретайте велосипед с собственной CRM! Чем больше у компании-разработчика CRM клиентов, тем более отработанной будет система, все шишки уже будут набиты ранее, и вам не придется проходить самим весьма тернистый (и бесконечно долгий) путь разработок и отладок.

Хорошая CRM уже будет обладать необходимым широким перечнем всевозможных инструментов, в том числе автоматизации, который позволит в десятки раз повысить производительность/эффективность труда ваших менеджеров (не даст совершить ошибки и вовремя напомнит о звонке клиенту, например), аналитиков (сделает нужные отчеты, в первую очередь в целях ценообразования, да еще и позволит их смотреть с помощью BI в режиме онлайн) и рекламщиков (вечная боль с определением каналов продвижения, учета и квалификации лидов, автоматическое формирование фидов для сайтов и агрегаторов и т. д.).  

Вернемся к роботам по ценообразованию. Казалось бы, все отлично: заходишь в систему ДЦО, смотришь рекомендации и нажимаешь кнопочку «загрузить новые цены». Или вообще все отдаешь на откуп роботу, и он сам с некоторой периодичностью меняет цены. «Вкалывают роботы, счастлив человек», как поется в известной песне? А вот и не совсем.

   

Фото: himiki.sohim.by

     

Во-первых, на сегодняшнем рынке само понятие «цены» стало относительным: за квартиру могут либо заплатить сразу все 100% стоимости, либо прибегнуть к помощи ипотеки, обычной или траншевой, либо рассрочки. При этом стоимость квартиры во всех этих случаях может отличаться, и довольно существенно. Как правило, минимальная стоимость приводится в случае 100-процентной оплаты или несубсидированной ипотеки, а вот дальше уже идут варианты. Как бедному роботу учесть все это? Можно, конечно, задать долю сделок в рассрочку, наценку и т. п., но тут уже станет непонятно: повышать общую стоимость квартиры или же стоимость квартиры при рассрочке или траншевой ипотеке? Чем больше переменных, тем больше вероятность того, что робот может сам себя перехитрить, заблудиться и, как говорится, выйти не в ту дверь.

Во-вторых, на темпы продаж могут влиять не только ценовые параметры. Поставили много щитов с рекламой — спрос увеличился. Сняли — резко упал. Внедрили новый инструмент продаж в виде рассрочек с низким первоначальным взносом — спрос вырос. Подняли стоимость при рассрочке — упал. Наняли новую профессиональную компанию продавцов — спрос вырос. Свои менеджеры потеряли мотивацию — упал. Начали активную стройку — увеличился. Стройка притормозила или еще не начата — спрос низкий. И т. д. и т. п. А вспомните субсидированную ипотеку: раз — и спрос вырос до рекордных значений! Причем точно посчитать, насколько спрос увеличится или уменьшится, в таких случаях нереально.

А могут быть ведь и внешние причины: например, отмена госпрограммы по ипотеке для каких-то категорий населения (да еще и задним числом). Падение курса доллара. Мобилизация (вспомните сентябрь — октябрь 2022 года с героическим «взятием Верхнего Ларса»).

Про объективность сравнения с конкурентами в таких условиях вообще умолчу: какие там цены, с максимальными скидками или не очень? Базы пытаются приводить к какому-то одному знаменателю, но ошибки все равно встречаются, и довольно часто. И если для отражения общей картины мира (состояния рынка) это не так критично, то для ценообразования конкретной квартиры — еще как! А по-хорошему роботу надо понять, насколько он может потенциально повысить или понизить цены.

    

Фото: Академия девелопмента

   

Получается, делает вывод автор статьи, эксперт и преподаватель Академии девелопмента, генеральный директор аналитической и консалтинговой компании «Недвижимость-Профи» Денис Бобков (на фото), и руководителю, принимающему решение о возможных ценах и темпах реализации, и аналитику необходимо полное понимание всех факторов, влияющих на ценообразование, в том числе:

 внутренних факторов, таких как затратная часть проекта — себестоимость, ставки проектного финансирования и их динамика в зависимости от соотношения средств на эскроу к выбранному кредиту (так называемый LLCR), предполагаемая целевая норма прибыли/доходность и т. д. А это уже зависит от класса проекта, локации, качества самого проекта и пр. В целом выбор стратегии реализации проекта (побыстрее или медленнее, подороже, но с большими рисками и т. п.) — удел аналитиков и руководителей, а CRM — только инструмент.

• внешних факторов — макроэкономики, локальной конкуренции, негативных и положительных событий и т. д.

Робот (ДЦО) может помочь работать с ценообразованием, но понимать эти принципы человеку все равно нужно — хотя бы для того, чтобы иметь возможность идентифицировать сбои в программе, проверять какие-то свои гипотезы и т. д. Например, если продажи идут плохо, не всегда очевидно установление более низкой цены.

Как-то в 1990-е годы в супермаркеты завезли очень хороший кофе. Маркетологи ничтоже сумняшеся установили цену на уровне чуть ниже средней. Кофе не пользовался спросом, несмотря на хорошие вкусовые характеристики. Помогло только повышение (!) цены: покупатели по цене сразу смогли понять, что это новый премиальный бренд, и его стали активно покупать.

   

Фото: ДОНСТРОЙ

   

Аналогичные случаи могут быть и с квартирами: если не поверить в свой премиальный продукт и не выставить его по высокой цене сразу (при условии, конечно, что он ей соответствует), то потом будем тяжело пытаться эту цену разогнать. ДОНСТРОЙ со своим проектом ЖК Остров (на фото) поверил, и это оправдалось на все 100%.

Но и наоборот делать неправильно: когда продукт был бизнес-классом, и его внезапно решили перевести в более высокий класс при неизменных характеристиках и продавать по ценам «премиум», — такие примеры на рынке тоже есть. Покупатели в современном мире прекрасно осведомлены обо всем, а добрые люди (конкуренты в первую очередь) всегда подскажут, если что не так.

Поэтому, пока есть такие сложные истории, аналитиков и их руководителей роботы без работы точно не оставят. Понимание самой сути ценообразования, учет всех факторов, влияющих на цену, проработка разных сценариев пока остаются на стороне человека. И наличие соответствующих знаний всегда будет оставаться основным инструментом для принятия правильных решений.

   

     

Реклама. ИП Тугарев Алексей Львович.  ИНН: 772480003006

   

    

 

 

  

Другие публикации по теме:

Феодальные колодцы: темная сторона девелоперских компаний

Общий обзор ситуации на девелоперском рынке России

Как управлять финансами в девелопменте

Оптимизация расходов в девелопменте

Банкротство девелоперских компаний: разбор механики — и как его избежать

Схема-пазл девелоперского бизнеса

Реально ли девелоперу увеличить выручку с помощью динамического ценообразования

Динамическое ценообразование в девелопменте

+

ЕРЗ.РФ: рейтинг регионов России по вероятности кризиса перепроизводства новостроек — итоги лета

В число субъектов РФ с минимальным риском наступления кризиса перепроизводства новостроек (плюс 10 и более баллов по методологии ЕРЗ.РФ) вошел лишь один регион — Ямало-Ненецкий автономный округ. В 11 субъектах РФ, в том числе в Москве, Санкт-Петербурге и Московской области, вероятность кризиса оценивается как низкая. В пяти регионах она признана высокой. Данный рейтинг ЕРЗ рекомендуется использовать при принятии решения о целесообразности старта продаж новых проектов.

  

Фото © Николай Винокуров / Фотобанк Лори

  

В группу регионов с высокой вероятностью кризиса перепроизводства новостроек (минус 6 и менее баллов по методологии ЕРЗ.РФ) попали Воронежская, Саратовская, Челябинская области, Республика Дагестан и Карачаево-Черкесская Республика.

        

Регион

Соотношение продаж и вывода новых проектов

Балл

Соотношение нормы и факта распроданности

Балл

Изменение цены м²
(сверх инфляции)

Балл

Итоговый балл

Изменение

Ямало-Ненецкий автономный округ

-

5

превышение факта над нормой 12,7 п.п.

5

0,00%

0

10

8

г. Москва

превышение продаж над выводом 42,6%

2

превышение факта над нормой 15,0 п.п.

5

0,029

2

9

3

г. Санкт-Петербург

превышение продаж над выводом 147,9%

4

превышение факта над нормой 10,1 п.п.

5

-1,40%

-1

8

8

Рязанская область

превышение продаж над выводом 141,7%

4

превышение факта над нормой 8,3 п.п.

4

-0,30%

0

8

2

Республика Коми

превышение продаж над выводом 40,3%

2

превышение факта над нормой 6,1 п.п.

3

0,032

2

7

3

Тверская область

превышение продаж над выводом 793,8%

5

превышение факта над нормой 2,6 п.п.

1

0,023

1

7

12

Томская область

-

5

превышение нормы над фактом 0,7 п.п.

0

0,065

2

7

12

Республика Бурятия

превышение вывода над продажами 19,2%

-1

превышение факта над нормой 19,8 п.п.

5

0,051

2

6

-2

г. Севастополь

превышение вывода над продажами 14,9%

-1

превышение факта над нормой 17,1 п.п.

5

0,1

2

6

-3

Новгородская область

превышение продаж над выводом 1,9%

0

превышение факта над нормой 10,4 п.п.

5

0,02

1

6

8

Московская область

превышение продаж над выводом 127,8%

4

превышение факта над нормой 4,6 п.п.

2

-0,40%

0

6

7

Приморский край

превышение продаж над выводом 432,8%

5

превышение нормы над фактом 0,5 п.п.

0

0,012

1

6

7

Республика Карелия

превышение продаж над выводом 12,5%

1

превышение факта над нормой 13,8 п.п.

5

-1,30%

-1

5

-3

Ивановская область

превышение продаж над выводом 19,0%

1

превышение факта над нормой 4,6 п.п.

2

0,043

2

5

5

Амурская область

превышение вывода над продажами 46,5%

-2

превышение факта над нормой 16,5 п.п.

5

0,011

1

4

1

Оренбургская область

превышение вывода над продажами 20,8%

-2

превышение факта над нормой 8,0 п.п.

4

0,035

2

4

1

Самарская область

превышение продаж над выводом 19,7%

1

превышение факта над нормой 5,4 п.п.

3

-1,30%

-1

3

1

Кемеровская область

превышение вывода над продажами 27,0%

-2

превышение факта над нормой 5,2 п.п.

3

0,032

2

3

-5

Кировская область

превышение вывода над продажами 6,8%

-1

превышение факта над нормой 4,9 п.п.

2

0,037

2

3

2

Республика Башкортостан

превышение продаж над выводом 17,9%

1

превышение факта над нормой 1,0 п.п.

1

0,009

1

3

3

Алтайский край

превышение вывода над продажами 43,5%

-2

превышение факта над нормой 14,0 п.п.

5

-1,90%

-1

2

3

Вологодская область

превышение вывода над продажами 236,6%

-4

превышение факта над нормой 9,5 п.п.

4

0,039

2

2

-8

Республика Алтай

превышение вывода над продажами 242,1%

-4

превышение факта над нормой 7,8 п.п.

4

0,052

2

2

2

Тамбовская область

превышение вывода над продажами 41,4%

-2

превышение факта над нормой 6,9 п.п.

3

0,017

1

2

1

Владимирская область

превышение продаж над выводом 17,2%

1

превышение факта над нормой 4,5 п.п.

2

-0,60%

-1

2

1

Республика Мордовия

превышение продаж над выводом 47,8%

2

превышение факта над нормой 1,7 п.п.

1

-1,60%

-1

2

5

Республика Адыгея (Адыгея)

превышение вывода над продажами 7,9%

-1

превышение факта над нормой 1,4 п.п.

1

0,108

2

2

4

Курганская область

превышение продаж над выводом 29,7%

2

превышение нормы над фактом 3,0 п.п.

-2

0,045

2

2

-1

Орловская область

превышение продаж над выводом 65,5%

3

превышение нормы над фактом 6,3 п.п.

-3

0,062

2

2

8

Белгородская область

превышение вывода над продажами 172,9%

-4

превышение факта над нормой 9,8 п.п.

4

0,016

1

1

0

Хабаровский край

превышение вывода над продажами 56,9%

-3

превышение факта над нормой 8,3 п.п.

4

0,005

0

1

3

Нижегородская область

превышение вывода над продажами 112,9%

-4

превышение факта над нормой 8,0 п.п.

4

0,021

1

1

1

Тульская область

превышение вывода над продажами 18,8%

-1

превышение факта над нормой 5,8 п.п.

3

-0,90%

-1

1

1

Российская Федерация

превышение вывода над продажами 34,3%

-2

превышение факта над нормой 4,6 п.п.

2

0,012

1

1

3

Удмуртская Республика

превышение вывода над продажами 50,4%

-3

превышение факта над нормой 4,1 п.п.

2

0,032

2

1

2

Астраханская область

превышение вывода над продажами 57,4%

-3

превышение факта над нормой 3,1 п.п.

2

0,04

2

1

0

Новосибирская область

превышение вывода над продажами 5,4%

-1

превышение факта над нормой 2,3 п.п.

1

0,019

1

1

3

Калужская область

превышение продаж над выводом 72,6%

3

превышение нормы над фактом 3,8 п.п.

-2

-0,40%

0

1

4

Республика Саха (Якутия)

превышение вывода над продажами 311,0%

-5

превышение факта над нормой 9,9 п.п.

4

0,008

1

0

3

Республика Северная Осетия-Алания

превышение вывода над продажами 118,1%

-4

превышение факта над нормой 6,9 п.п.

3

0,02

1

0

-1

Брянская область

превышение вывода над продажами 68,2%

-3

превышение факта над нормой 5,3 п.п.

3

-0,30%

0

0

-5

Волгоградская область

превышение вывода над продажами 67,2%

-3

превышение факта над нормой 4,2 п.п.

2

0,019

1

0

-5

Республика Хакасия

превышение вывода над продажами 8,0%

-1

превышение факта над нормой 2,9 п.п.

1

-0,40%

0

0

1

Тюменская область

превышение вывода над продажами 5,7%

-1

превышение факта над нормой 2,4 п.п.

1

0,005

0

0

3

Республика Татарстан (Татарстан)

превышение вывода над продажами 58,9%

-3

превышение факта над нормой 1,6 п.п.

1

0,033

2

0

4

Смоленская область

превышение вывода над продажами 24,1%

-2

превышение факта над нормой 0,6 п.п.

0

0,073

2

0

4

Чувашская Республика-Чувашия

превышение вывода над продажами 53,5%

-3

превышение факта над нормой 9,3 п.п.

4

-2,60%

-2

-1

-5

Республика Марий Эл

превышение вывода над продажами 101,4%

-4

превышение факта над нормой 4,2 п.п.

2

0,011

1

-1

-1

Забайкальский край

превышение вывода над продажами 154,6%

-4

превышение факта над нормой 3,8 п.п.

2

0,01

1

-1

-6

Свердловская область

превышение вывода над продажами 97,5%

-3

превышение факта над нормой 3,4 п.п.

2

0,004

0

-1

1

Ленинградская область

превышение вывода над продажами 142,7%

-4

превышение факта над нормой 3,2 п.п.

2

0,022

1

-1

4

Республика Крым

превышение вывода над продажами 49,2%

-2

превышение факта над нормой 1,6 п.п.

1

-

0

-1

2

Иркутская область

превышение вывода над продажами 28,2%

-2

превышение нормы над фактом 1,7 п.п.

-1

0,033

2

-1

2

Республика Тыва

превышение вывода над продажами 873,9%

-5

превышение факта над нормой 17,2 п.п.

5

-4,30%

-2

-2

-2

Архангельская область

превышение вывода над продажами 93,3%

-3

превышение факта над нормой 4,4 п.п.

2

-0,70%

-1

-2

-4

Ярославская область

превышение вывода над продажами 60,5%

-3

превышение факта над нормой 3,7 п.п.

2

-1,80%

-1

-2

1

Курская область

превышение вывода над продажами 100,9%

-4

превышение факта над нормой 2,4 п.п.

1

0,02

1

-2

-4

Калининградская область

превышение вывода над продажами 100,1%

-4

превышение факта над нормой 0,8 п.п.

0

0,049

2

-2

3

Ростовская область

превышение вывода над продажами 80,8%

-3

превышение нормы над фактом 0,3 п.п.

0

0,015

1

-2

0

Псковская область

превышение вывода над продажами 35,3%

-2

превышение факта над нормой 0,6 п.п.

0

-1,30%

-1

-3

-2

Костромская область

превышение вывода над продажами 112,5%

-4

превышение факта над нормой 0,3 п.п.

0

0,006

1

-3

-3

Краснодарский край

превышение вывода над продажами 55,8%

-3

превышение нормы над фактом 2,0 п.п.

-1

0,009

1

-3

2

Ханты-Мансийский автономный округ - Югра

превышение вывода над продажами 37,5%

-2

превышение нормы над фактом 5,2 п.п.

-3

0,061

2

-3

1

Сахалинская область

превышение вывода над продажами 305,1%

-5

превышение факта над нормой 4,2 п.п.

2

-0,50%

-1

-4

-3

Ставропольский край

превышение вывода над продажами 155,9%

-4

превышение факта над нормой 0,7 п.п.

0

0,005

0

-4

-2

Ульяновская область

превышение вывода над продажами 59,8%

-3

превышение факта над нормой 0,0 п.п.

0

-1,50%

-1

-4

0

Пермский край

превышение вывода над продажами 81,4%

-3

превышение нормы над фактом 1,2 п.п.

-1

0,003

0

-4

-2

Красноярский край

превышение вывода над продажами 141,7%

-4

превышение нормы над фактом 2,6 п.п.

-1

0,019

1

-4

3

Липецкая область

превышение вывода над продажами 24,3%

-2

превышение нормы над фактом 3,3 п.п.

-2

0,004

0

-4

-1

Пензенская область

превышение продаж над выводом 0,6%

0

превышение нормы над фактом 5,3 п.п.

-3

-1,20%

-1

-4

2

Омская область

превышение вывода над продажами 159,3%

-4

превышение факта над нормой 0,3 п.п.

0

-0,90%

-1

-5

-1

Кабардино-Балкарская Республика

превышение вывода над продажами 525,0%

-5

превышение нормы над фактом 4,5 п.п.

-2

0,038

2

-5

3

Республика Дагестан

превышение вывода над продажами 3157,0%

-5

превышение факта над нормой 0,3 п.п.

0

-1,70%

-1

-6

-3

Воронежская область

превышение вывода над продажами 235,7%

-4

превышение нормы над фактом 2,8 п.п.

-1

-0,90%

-1

-6

-2

Челябинская область

превышение вывода над продажами 140,4%

-4

превышение нормы над фактом 3,3 п.п.

-2

-0,10%

0

-6

1

Карачаево-Черкесская Республика

превышение вывода над продажами 44,3%

-2

превышение нормы над фактом 8,3 п.п.

-4

-

0

-6

1

Саратовская область

превышение вывода над продажами 543,2%

-5

превышение нормы над фактом 4,6 п.п.

-2

0,00%

0

-7

-6

Источник: ЕРЗ.РФ 

    

МЕТОДОЛОГИЯ

Оценка вероятности кризиса перепроизводства новостроек осуществляется по трем показателям:

1) соотношение темпов продаж и вывода новых проектов (СТПВ);

2) соотношение нормативной и фактической распроданности новостроек (СНФР);

3) динамика средневзвешенной цены продаж 1 кв. м новостроек сверх инфляции (ДСЦ).

 

При этом регионы с непоказательными продажами (менее одной квартиры в день) исключены из рейтинга. К таким регионам относятся Республика Калмыкия, Камчатский край, Магаданская область, Еврейская автономная область, Ненецкий и Чукотский автономные округа, Чеченская Республика, Донецкая Народная Республика, Луганская Народная Республика, Запорожская и Херсонская области.

  

1. Соотношение темпов продаж и вывода новых проектов (СТПВ)

Баллы по этому показателю начисляются исходя из разницы между темпами продаж новостроек за III квартал 2024 года — II квартал 2025 года (четыре квартала доступной статистики) и темпами вывода новых проектов за июнь — август 2025 года (три месяца доступной статистики).

Если темпы продаж превышают темпы вывода новых проектов (то есть происходит растоваривание рынка), региону начисляется от 1 до 5 баллов со знаком «плюс». Максимальное значение (+5 баллов) набрали: Тверская область, где продажи превысили вывод новых проектов на 793,8%, Приморский край (432,8%), а также Ямало-Ненецкий АО и Томская область с нулевым выводом новых квартир в день.

Если темпы вывода новых проектов превышают темпы продаж (то есть происходит затоваривание рынка), региону начисляется от 1 до 5 баллов со знаком «минус». Минимальное значение (-5 баллов) набрали шесть регионов, в которых вывод новых проектов превысил продажи на 300% и более:

 Республика Дагестан — 3157%;

• Республика Тыва — 873,9%;

• Саратовская область — 543,2%;

• Кабардино-Балкарская Республика — 525%;

• Республика Саха (Якутия) — 311%;

• Сахалинская область — 305,1%.

   

Шкала расчета баллов по показателю

балл

соотношение темпов продаж и вывода новых проектов (СТПВ)

5

превышение темпов продаж над темпами вывода более 300%

4

превышение темпов продаж над темпами вывода от 100% до 300%

3

превышение темпов продаж над темпами вывода от 50% до 100%

2

превышение темпов продаж над темпами вывода от 20% до 50%

1

превышение темпов продаж над темпами вывода от 5% до 20%

0

равенство темпов продаж и вывода ±5%

-1

превышение темпов вывода над темпами продаж от 5% до 20%

-2

превышение темпов вывода над темпами продаж от 20% до 50%

-3

превышение темпов вывода над темпами продаж от 50% до 100%

-4

превышение темпов вывода над темпами продаж от 100% до 300%

-5

превышение темпов вывода над темпами продаж более 300%

Источник: ЕРЗ.РФ

 

2. Соотношение нормативной и фактической распроданности новостроек (СНФР)

Баллы по данному показателю начисляются региону исходя из разницы между нормативной распроданностью (Рн) и фактической распроданностью новостроек (Рф) на конец отчетного периода (апрель 2025 года).

  

Нормативная распроданность (Рн)

Если исходить из того, что во всех домах с опубликованными в ЕИСЖС проектными декларациями стартовали продажи и к концу стройки все квартиры проданы, то на большом массиве данных Рн должна быть равна 50% (на старте — 0%, на финише — 100%, среднее — 50%). Но мы знаем, что банки в стресс-тестах проектов закладывают уровень распроданности к концу стройки в пределах 70%. Исходя из этого снижаем Рн до 35% (на старте — 0%, на финише — 70%, среднее — 35%).

Также мы знаем, что, по данным ЕИСЖС, в среднем по РФ на конец апреля продажи стартовали лишь в отношении 76% новостроек с опубликованными проектными декларациями. В зависимости от региона эта цифра колеблется от 0 до 97%. Поэтому Рн для конкретного региона рассчитывается по формуле Рн = 35% х Днсп, где Днсп — доля новостроек с открытыми продажами. Например, в Москве по состоянию на август 2025 года Рн равен 31,8%.

   

Фактическая распроданность (Рф)

Рф в регионе равна проценту проданных квартир в строящихся домах. Этот показатель публикуется по данным ЕИСЖС. Например, в Москве по состоянию на август 2025 года распроданность новостроек Рф составляет 46,8%.

 

Расчет СНФР

Если Рф превышает Рн (нет текущей затоваренности), то региону начисляется от 1 до 5 баллов со знаком «плюс». Максимальное значение (+5 баллов) набрали следующие десять регионов, в которых разница между Рф и Рн составила 10 процентных пунктов и более:

• Республика Бурятия — 19,8 п. п.;

• Республика Тыва — 17,2 п. п.;

• г. Севастополь — 17,1 п. п.;

• Амурская область — 16,5 п. п.;

• г. Москва — 15 п. п.;

• Алтайский край — 14,0 п. п.;

• Республика Карелия — 13,8 п. п.;

• Ямало-Ненецкий АО — 12,7 п. п. (при нулевом выводе в день);

• Новгородская область — 10,4 п. п.;

• г. Санкт-Петербург — 10,1 п. п.

Если Рн превышает Рф (есть текущая затоваренность), то региону начисляется от 1 до 5 баллов со знаком «минус». Минимальное значение (-5 баллов) не получил ни один регион.

    

Шкала расчета баллов по показателю

балл

соотношение нормативной и фактической распроданности новостроек (СНФР)

5

превышение Рф над Рн более 10 п. п.

4

превышение Рф над Рн от 7 п. п. до 10 п. п.

3

превышение Рф над Рн от 5 п. п. до 7 п. п.

2

превышение Рф над Рн от 3 п. п. до 5 п. п.

1

превышение Рф над Рн от 1 п. п. до 3 п. п.

0

равенство Рф и Рн ±1 п. п.

-1

превышение Рн над Рф от 1 п. п. до 3 п. п.

-2

превышение Рн над Рф от 3 п. п. до 5 п. п.

-3

превышение Рн над Рф от 5 п. п. до 7 п. п.

-4

превышение Рн над Рф от 7 п. п. до 10 п. п.

-5

превышение Рн над Рф более 10 п. п.

Источник: ЕРЗ.РФ

 

3. Динамика средневзвешенной цены продаж 1 кв. м новостроек сверх инфляции (ДСЦ)

Баллы по данному показателю начисляются региону исходя из разницы между темпом роста цен на новостройки и общей инфляцией за июнь — август 2025 года (последние три месяца доступной статистики). При расчетах используются данные СберИндекса о ценах по фактическим сделкам на первичном рынке.

Если темпы роста цен на новостройки превышают темпы инфляции (рост реальных цен), региону начисляется от 1 до 2 баллов со знаком «плюс». Максимальное значение (+2 балла) набрали следующие 22 региона (против 8 в прошлом периоде), где темпы роста цен на новостройки превысили темп инфляции на 3,2% и более:

• Республика Адыгея (+10,8%);

• г. Севастополь (+10,0%);

• Смоленская область (+7,3%);

• Томская область (+6,5%) при нулевом выводе;

• Орловская область (+6,2%);

• Ханты-Мансийский АО — Югра (+6,1%);

• Республика Алтай (+5,2%);

• Республика Бурятия (+5,1%);

• Калининградская область (+4,9%);

• Курганская область (+4,5%);

• Ивановская область (+4,3%);

• Астраханская область (+4%);

• Вологодская область (+3,9%);

• Кабардино-Балкарская Республика (+3,8%);

• Кировская область (+3,7%);

• Оренбургская область (+3,5%);

• Республика Татарстан (+3,3%);

• Иркутская область (+3,3%);

• Кемеровская область (+3,2%);

• Республика Коми (+3,2%);

• Удмуртская Республика (+3,2%);

• г. Москва (+2,9%).

Если темпы роста цен на новостройки отстают от темпов инфляции (снижение реальных цен), региону начисляется от 1 до 2 баллов со знаком «минус». Минимальное значение (-2 балла) набрали всего два региона (против 9 в прошлом периоде), в которых темпы роста цен на новостройки оказались ниже темпа инфляции на 2,6% и более:

• Республика Тыва (-4,3%);

• Чувашская Республика (-2,6%).

 

   Шкала расчета баллов по показателю

балл

динамика средневзвешенной цены продаж 1 кв. м новостроек (ДСЦ)

2

рост цены от 2,5% сверх инфляции

1

рост цены от 0,5% до 2,5% сверх инфляции

0

нулевая динамика цены ±0,5% сверх инфляции

-1

падение цены от 0,5% до 2,5% сверх инфляции

-2

падение цены от 2,5% сверх инфляции

Источник: ЕРЗ.РФ

 

4. Группировка регионов

Набранные регионами баллы суммируются по трем параметрам. В зависимости от набранных баллов каждый из регионов отнесен к одной из семи групп по вероятности кризиса перепроизводства:

• минимальная (+10 баллов и выше);

• низкая (от +6 до +9 баллов);

• достаточно низкая (от +2 до +5 баллов);

• средняя (от -1 до +1 баллов);

• достаточно высокая (от -2 до -5 баллов);

• высокая (от -6 до -9 баллов);

• максимальная (-10 баллов и ниже, в нее не попал ни один из регионов).

  

К регионам с минимальной вероятностью кризиса перепроизводства отнесен лишь Ямало-Ненецкий АО, имеющий следующие оцениваемые параметры:

СТПВ: - (нулевой вывод в день);

СНФР: +12,7 п. п.;

ДСЦ: 0%.

  

Замыкает ранжирование регионов с показателем -7 баллов Саратовская область, которую отличают следующие показатели:

СТПВ: -543,2%;

СНФР: -4,6 п. п.;

ДСЦ: 0%.

Такое сочетание параметров создает риски для старта новых проектов: имеется значительная вероятность невыполнения плана продаж на фоне перепроизводства. Непроданными могут оказаться сами новые проекты либо другие уже строящиеся дома, что, в свою очередь, способно повлечь остановку строек. 

 

5. Состояние показателей в регионах — лидерах строительства МКД

Москва, Санкт-Петербург и Московская область отнесены к группе с низкой вероятностью перепроизводства. При этом по сравнению с предыдущим рейтингом Москва осталась в той же группе, а Санкт-Петербург и Московская область, сократившие вывод новых проектов в 2,5 раза и в 3,5 раза соответственно, улучшили показатели и вышли из группы со средней вероятностью перепроизводства:

     

Регион

СТПВ:

СНФР

ДСЦ

Итоговый балл

Москва

+42,6% (+35%)

+15 п. п. (+14,6 п. п.)

+2,9% (-2,3%)

+9 (+6)

Санкт-Петербург

+147,9% (-107%)

+10,1 п. п. (+10,4 п. п.)

-1,4% (-1,6%)

+8 (0)

Московская область

+127,8% (-52%)

+4,6 п. п. (+6,4 п. п.)

-0,4% (-2,1%)

+6 (-1)

Источник: ЕРЗ.РФ

 

Ленинградская и Свердловская области из группы с достаточно высокой вероятностью перепроизводства переместились в группу со средней вероятностью:

 

   Регион

СТПВ:

СНФР

ДСЦ

Итоговый балл

Ленинградская область

-142,7% (-137%)

+3,2 п. п. (+2,3 п. п.)

+2,2% (-2,5%)

-1 (-5)

Свердловская область

-97,5% (-112%)

+3,4 п. п. (+4,2 п. п.)

+0,4% (-0,2%)

-1 (-2)

Источник: ЕРЗ.РФ

   

Краснодарский край остается в группе с достаточно высокой вероятностью перепроизводства:

СТПВ: -55,8% (-37%);

СНФР: -2 п. п. (-3,2 п. п.);

ДСЦ: +0,9% (-1,3%).

 

Допущения

Методология может иметь погрешности для отдельных регионов, определяемые следующими допущениями:

1) не предусматривает оценку в каждом регионе средней стадии строительной готовности проектов (исходит из предположения, что в среднем проекты построены на 50%);

2) использует общероссийское соотношение (13%) продаж готовых новостроек застройщиками к общему количеству продаж застройщиками новостроек (готовых и на стадии строительства). В отдельных регионах это соотношение может существенно отличаться от среднероссийского;

3) использует общероссийское соотношение (65%) продаж квартир по ДДУ физлицам к общему объему всех продаж по ДДУ. В отдельных регионах это соотношение может существенно отличаться от среднероссийского;

4) не предусматривает случаи, когда взрывной рост вывода новых проектов обусловлен переходом местных крупных застройщиков от продаж по ДКП на продажи по ДДУ.

Принимаем заказы на глубинное исследование региона, города или локации для принятия управленческих решений о покупке земельных участков, выводе новых проектов, старте продаж: info@erzrf.ru.

   

 

 

 

  

Другие публикации по теме:

ЯНАО возглавил рейтинг устойчивости рынка новостроек, Саратовская, Челябинская, Воронежская области оказались в зоне риска

Вологодская область стала лидером устойчивости рынка новостроек, а Красноярский край — в зоне риска

ЕРЗ.РФ: рейтинг регионов России по вероятности кризиса перепроизводства новостроек

Нераспроданного жилья в новостройках Московского региона становится все больше

Минстрой намерен поддержать застройщиков в малых городах с низким показателем распроданности жилья

ДОМ.РФ: за 5 лет распроданность жилых новостроек сократилась в 1,5 раза, но соотношение ее значения и стройготовности идеально — 74%

Критический уровень нераспроданности и снижение остатков на счетах эскроу: эксперты проанализировали проектное финансирование строительства

Эксперты: к 2025 году доля нераспроданных квартир на рынке новостроек в России достигла 69%

Эксперты обнародовали соотношение распроданности и строительной готовности в российских регионах

Эксперты подсчитали долю нераспроданных новостроек в 16 городах-миллионниках

Эксперты: у застройщиков нарушен баланс между распроданностью жилья и строительной готовностью

Эксперты: нераспроданность новостроек в России за год выросла на 7%

Эксперты: объем нераспроданного жилья растет, но рынку это не угрожает, и застройщики знают, что делать дальше

ЦБ: объем запуска новых проектов вырос, нераспроданных метров стало больше

Никита Стасишин: Распроданность жилья небольшая. Но все равно купят

Эксперты: в Санкт-Петербурге резко увеличились объемы нераспроданного жилья

Эксперты: объем нераспроданных квартир на первичном рынке впервые достиг 66 млн кв. м, а их доля в новостройках — рекордных 66%