Model poglądowy: fikcyjne biuro nieruchomości
Ten moduł jest częścią sześcioczęściowego wyliczenia modelowego o fikcyjnym średniej wielkości biurze nieruchomości (32 doradców, 450 transakcji rocznie). Wszystkie liczby, zbiory danych, metryki modeli i kwoty w euro są całkowicie fikcyjne. Ilustrują metodykę i rodzaj osiągalnego efektu. Nie są to wyniki realnych klientów ani obietnica rezultatów. To, jakie wartości są osiągalne na Państwa realnych danych, pokazuje dopiero projekt pilotażowy.
01 Problem: timing to niewidzialna dźwignia przychodu
Większość pośredników publikuje, gdy tylko ma zlecenie, a nie wtedy, gdy rynek jest gotowy
Większość nieruchomości trafia na rynek, gdy tylko gotowe są zdjęcia i oferta. Nie gra roli, czy akurat 15 porównywalnych nieruchomości jest na rynku, czy tylko 3, ani czy jest to rynek wiosenny, czy wakacyjny dołek. A dane pokazują: ta sama nieruchomość sprzedaje się wiosną w około 70 dni, a późnym latem w dobre 90 dni.
Model prognostyczny zamienia "Publikujemy, gdy jesteśmy gotowi" na "Publikujemy, gdy rynek jest optymalny." Dla niektórych nieruchomości oznacza to: natychmiast. Dla innych: poczekać 3 tygodnie. Czekanie nic nie kosztuje, natomiast zły timing kosztuje tygodnie.
Optymalnie zaplanowane nieruchomości: sprzedane 23% szybciej
Przy tej samej cenie, tej samej jakości oferty i tej samej dzielnicy. Jedyna różnica: data publikacji (przełożenie ustalenia Zillow, czyli właściwe okno publikacji sprzedaje ok. 2 tygodnie szybciej; 23% to założenie naszej kalkulacji modelowej).
Dane rynkowe (3 lata)
→
LSTM forecast
→
Prognoza popytu
→
Wskaźnik timingu
→
"Publikuj teraz" / "Czekaj"
02 Model: popyt × podaż × sezonowość
LSTM na tygodniowych danych rynkowych dla dzielnicy × typu nieruchomości
import torch, torch.nn as nn
import numpy as np
class MarktTimingLSTM(nn.Module):
"""
Wejście: 16 tygodni historii × cechy dla dzielnicy×typu
Wyjście: prognoza 8 tygodni (indeks popytu + gęstość podaży)
Cechy tygodniowe:
- wolumen zapytań (dane portali)
- aktywne oferty (strona podażowa)
- średnia cena/m² (poziom cen)
- sprzedane nieruchomości (transakcje)
- stopa procentowa (EBC/kredyty)
- sezonowość (efekty kalendarzowe)
- indeks Google Trends ("kupno mieszkania" + miasto)
"""
def __init__(self, input_dim=7, hidden=96, layers=2):
super().__init__()
self.lstm = nn.LSTM(input_dim, hidden, layers,
dropout=0.15, batch_first=True)
self.head = nn.Sequential(
nn.Linear(hidden, 64), nn.ReLU(),
nn.Linear(64, 8 * 2) # 8 tygodni × 2 targety
)
def forward(self, x):
out, _ = self.lstm(x)
return self.head(out[:, -1]).view(-1, 8, 2)
# Trenowany na 156 tygodniach (3 lata) × 10 dzielnic × 4 typy
# MAPE prognozy popytu: 11,4% (horyzont 8 tygodni)
# MAPE prognozy podaży: 8,2%
print("Wskaźnik timingu = popyt↑ + podaż↓ + bonus sezonowy")
print("Wynik >70: publikuj natychmiast")
print("Wynik 40-70: publikuj, ale sprawdź cenę")
print("Wynik <40: warto poczekać 2-4 tygodnie")
10×4
Modele dzielnica × typ
Prognoza indeksu popytu: mieszkanie przy uniwersytecie, następne 8 tygodni
↳ Okno timingu
Dla mieszkania w dzielnicy uniwersyteckiej prognoza pokazuje szczyt popytu w tygodniach 19-20 (przedpole semestru zimowego: kto kupuje w maju, wprowadza się na start semestru). Jednocześnie podaż jest wciąż niska, bo wielu właścicieli publikuje dopiero po lecie. To daje wskaźnik timingu 84, czyli zalecenie "publikuj natychmiast". Kto czeka 4 tygodnie, traci najlepsze okno kwartału.
Wskaźnik timingu według miesiąca × typu nieruchomości
03 Business impact: timing = pieniądze
Szybsza sprzedaż, lepsze ceny, bardziej zadowoleni właściciele
Dodatkowy przychód dzięki optymalnemu timingowi
93 500 €
Dodatkowy przychód / rok
-23%
Krótszy czas sprzedaży
| Kategoria | Kwota/rok | Mechanizm |
|---|
| Uratowane starty sprzedaży | 68 000 € | 8 nieruchomości, które w słabym oknie by zalegały (założenie) |
| Kolejne zlecenia z doradztwa timingowego | 25 500 € | 3 × 8 500 € (założenie) |
↳ Celowo nieuwzględnione
Opublikowane: oferty w najlepszym oknie osiągają +1,6-1,7% (Zillow), ale tego efektu cenowego celowo nie wliczamy.
04 Rachunek całkowity: wszystkie 6 modułów razem
Co Real Estate Intelligence Series oznacza dla Państwa biura
Moduł 1
323 000 €
Czas sprzedaży
Moduł 2
206 000 €
Lead scoring
Moduł 3
89 200 €
Optymalizacja cen
Moduł 4
127 500 €
Prognoza akwizycji
Moduł 5
76 500 €
Skuteczność ofert
Moduł 6
93 500 €
Timing rynku
Łączny potencjał: 915 700 € / rok
Dla średniej wielkości biura pośrednictwa z 32 agentami. Na podstawie danych, które już Państwo mają. Bez nowego CRM i bez nowych portali, tylko właściwe pytania do istniejących liczb.
Potencjał przychodu według modułu: przegląd całościowy
↳ Przesłanie
Ponad 900 000 euro dodatkowego przychodu tkwi niewykorzystane w danych, które leżą w Państwa CRM, statystykach portali i źródłach publicznych. Bez nowego narzędzia, bez dodatkowych licencji, bez zakłócania workflow. Tylko właściwe modele na istniejących liczbach. Dokładnie tym się zajmujemy.