бот по поиску квартиры
Робот-риелтор: как искусственный интеллект меняет рынок недвижимости
Москвич Алексей Игошин решил модернизировать рынок риелторских услуг, который не менялся десятилетиями. Вместо офлайн-агентств и риелторов-одиночек, которые оценивают стоимость недвижимости на глаз, он предложил систему оценки квартир, основанную на машинном анализе больших массивов данных.
Риелтор 2.0
Игошин рассказал об идее своему однокурснику по Беркли Никите Жилину. Партнеры решили вместе вернуться в Москву и создать российский аналог Compass. «Эти ребята сильно повысили качество сервиса за счет внедрения технологий анализа больших данных», — поясняет Игошин. Первые шаги начали предпринимать еще в США: изучили алгоритм работы Compass, наняли программиста на аутсорсинг, вместе с которым написали первый прототип сайта. На это ушло несколько десятков тысяч долларов личных накоплений.
Как это работает
Основное отличие HomeApp от традиционных риелторских агентств — в глубоком анализе цен на недвижимость, который возможен благодаря машинному исследованию больших объемов данных. Подбор квартир в HomeApp происходит в несколько этапов.
1. Система изучает все открытые базы объявлений о сделках с недвижимостью, очищает от фейковых и дублирующихся предложений, а также объявлений, которые даны по причине продажи квартиры, и формирует историю продаж недвижимости в этом районе. Например, клиент хочет продать трехкомнатную квартиру на Фрунзенской набережной в «сталинском» доме. Система анализирует, как меняются цены за метр в подобных домах в этом районе по годам; какие конкретно квартиры и по какой цене были проданы за последнее время в доме клиента; как изменился спрос на них за последнее время; каково соотношение числа покупателей, интересующихся подобными вариантами, и предложений о продаже квартир на рынке.
2. На основе полученных данных формируется диапазон цен на квартиру.
3. Специалист HomeApp выезжает на объект, проводит беседу с владельцем и узнает, чем хорош этот дом, какой вид открывается из окна, чем славится район и пр. Эти данные ложатся в основу рекламных материалов: видеороликов и постов в социальных сетях, контекстной рекламы.
4. Искусственный интеллект выделяет целевые группы клиентов, которым была бы интересна конкретная квартира. Эти группы видят таргетированную рекламу в соцсетях, на площадках объявлений, сторонних сайтах. Алгоритм позволяет управлять скоростью продажи: чем больше средств вливается в таргетированный маркетинг, тем больше откликов на предложение поступает.
5. Эксперт, каждый из которых прикреплен к определенному району Москвы, рассказывает потенциальному покупателю, почему это предложение привлекательно, и предоставляет анализ состояния рынка в этом районе.
6. Юридическая служба готовит документы.
Не пользоваться, но владеть
Начать решили с аренды: здесь было больше клиентов и меньше юридических тонкостей, чем в случае с продажей недвижимости. Инвестиции пустили на разработку — первая версия движка, которая была готова к середине 2015 года, умела отсеивать фейковые объявления, анализировать все попавшие в сеть предложения об аренде квартир в Москве и выдавать диапазон цен, по которым сдавалось жилье заданных параметров. За свои услуги предприниматели брали с арендатора фиксированную комиссию — 35 тыс. руб. и 50% от суммы сделки с арендодателя. Но ставка на простоту не оправдалась: каждый пятый обратившийся клиент снимал квартиру через HomeApp, но прибыли эта модель почти не приносила. «У нас была сумасшедшая эффективность воронки продаж, но с одной сделки мы получали на выходе не больше 30 тыс. руб. прибыли. Для быстрого роста компании этого не хватало», — поясняет Игошин.
Игошин и Жилин поняли, что нужно менять бизнес-модель с аренды на продажу недвижимости. «Деньги, которые мы получили от инвесторов, подходили к концу, мы с Алексеем полгода сидели без зарплаты, — рассказывает Никита Жилин. — Мы понимали, что с рынком аренды промахнулись и надо срочно переходить в продажи. Но эта новая модель начала бы приносить деньги еще очень нескоро. И делать новый прыжок веры в условиях финансового давления я был просто не готов». Жилин вышел из компании, и Игошин начал перекраивать проект в одиночку.
По словам Игошина, HomeApp совершает те же действия, что и классический риелтор, но, вместо того чтобы заманивать клиентов, обзванивая «холодные» базы, использует таргетированную рекламу, а при оценке реальной стоимости квартир опирается не на собственное чутье, а на анализ больших объемов данных. «Что делает риелтор? Он выискивает клиентов по доскам объявлений, обзванивает их и пытается убедить, что у него есть какая-то секретная база покупателей, которые отрывают квартиры с руками (на самом деле нет)», — рассказывает Игошин.
Площадки и посредники
Пионеры автоматизации рынка недвижимости — электронные площадки-агрегаторы, на которых собственники жилья или риелторы размещают объявления о продаже. «Их появление стало настоящей революцией: люди перестали ходить в агентства пешком, все эти шикарные презентабельные офисы на «золотой миле» просто вымерли», — рассказывает Игошин. Бум агрегаторов объявлений о продаже недвижимости пришелся на середину 2000-х. Электронные площадки начали делать первые шаги к автоматизации процесса покупки и продажи квартир: анализировать все выложенные на площадке объявления и вычислять среднюю цену, показывать ее динамику, выставлять фильтры по стоимости, метражу, району и пр. Например, сейчас с помощью ЦИАН можно узнать о наличии несовершеннолетних собственников, незарегистрированной перепланировке квартиры, срочности продажи и т.д.
Проблема в том, что сами площадки недвижимость не продают. О конечной цене сделки можно лишь догадываться. «Сейчас наблюдается заметный дисбаланс между ценой предложения и платежеспособного спроса (цены сделок с квартирами, за которую эти объекты покупаются). Люди привыкли, что до кризиса цены на недвижимость только росли, и все еще ждут, что вот-вот падение достигнет дна и прекратится, — говорит Анастасия Семенова, заместитель начальника отдела правого сопровождения инвестиционных проектов консалтинговой компании IPT Group. — Поэтому такие ресурсы, как ЦИАН, Winner, «Авито», «Яндекс.Недвижимость», Realto и др., заполнены объявлениями о продаже по завышенным ценам, которые висят годами и существенно расходятся с реальной ценой предлагаемой к продаже квартиры. HomeApp эту проблему решает».
«Людям нужны люди»
За свои услуги HomeApp берет 2% от суммы сделки с продавца недвижимости и 150 тыс. руб. с покупателя. «Это честно — если работать на фиксе, у специалиста не возникает соблазна подобрать вариант подороже, чтобы получить больше прибыли в виде процентов», — поясняет Игошин. На прибыль компанию вывести пока не удалось, выручка за апрель составила около 2 млн руб. Операционные расходы, которые составляют около 4 млн руб. в месяц, покрывают за счет полученных инвестиций. Первую прибыль компания, по его оценкам, принесет к концу 2018 года.
Основной проблемой на пути HomeApp остается хаос на риелторском рынке: «Создание такого технологического бизнеса в России оказалось гораздо сложнее, чем в США. Причина — качество и доступность публичных данных о рынке недвижимости. Если в США все данные по сделкам публикуются и проверяются государством, то в России нам пришлось создавать такую базу самим, используя архивы объявлений», — говорит Игошин.
Сегодня в HomeApp работают около 30 человек — 11 специалистов-риелторов, 15 разработчиков, отдел маркетинга, юристы, дизайнеры и аналитики. Риелторов с опытом в штате совсем немного. «Навыки классических агентов недвижимости — делать сотни «холодных» звонков в день и навязывать свои услуги — в новой реальности не нужны, — говорит Игошин. — Нам нужны те, кому интересно анализировать рынок через большие объемы данных, кто готов разбираться в современных форматах рекламы и методах сегментации аудитории». Сотрудники агентства не занимаются поиском и привлечением клиентов — за них это делает таргетированная реклама. Все это, по словам Игошина, позволяет сократить время продажи квартиры в 2,5 раза, а сотрудникам агентства дает вдвое больше закрытых сделок — в среднем это одна совершенная сделка в месяц у специалиста HomeApp против 0,5 у классического риелтора.
Полностью заменять живых специалистов искусственным интеллектом Игошин не собирается. «Когда речь идет о таком важном шаге, как продажа или покупка недвижимости, хочется, чтобы рядом оказался человек, который все объяснит и разложит по полочкам, а не чат-бот, отвечающий по скрипту, — считает Игошин. — Людям все еще нужны люди, и это здорово».
Взгляд со стороны
«Пирог, от которого старается откусить проект, очень большой»
Сергей Топоров, партнер венчурного фонда Leta Capital
«Определение оптимальной цены квартиры или дома — классический пример задачи машинного обучения. Но возникает вопрос: почему алгоритм этих ребят значительно лучше, чем у конкурентов? У ЦИАН и «Домофонда», по крайней мере на первый взгляд, работают точно такие же инструменты. Идеально бы было сделать сравнительные тесты на контрольных выборках, прежде чем заявлять об искусственном интеллекте лучше, чем у всех.
Таргетированная реклама — классный канал, но в нем побеждают гиганты с огромными бюджетами, как Booking или Expedia в трэвел-отрасли, например. Они могут вытеснить конкурентов в выдаче, просто вливая больше денег в маркетинг. Эффективность такой рекламы в случае HomeApp тоже под вопросом: несмотря на довольно продолжительное тестирование их сайта, я не получил ни одного ретаргетингового объявления от сервиса, но при этом уже завален кучей предложений по недвижимости во всех рекламных каналах.
Основной вывод такой: если у проекта будут бюджеты, если их алгоритмы реально круче, чем у конкурентов, если они хороши в интернет-маркетинге, то их будущее может быть безоблачным. Благо пирог, от которого старается откусить проект, очень большой».
«Если коллеги из HomeApp смогут объяснить потребителю ценность продукта, то проект «выстрелит»
Артур Устимов, основатель компании по управлению арендой недвижимости «Арендатика»
«Идея использовать большие данные для оценки стоимости недвижимости имеет потенциал на рынке недвижимости. Если стартапу удастся с умом применить технологию и грамотно позиционировать себя на рынке, мы получим риелторское агентство, которое будет на голову выше других. Сегодня почти все проекты, которые связаны с диджитализацией, совершают мини-революцию в культуре потребления продуктов.
Но успех HomeApp напрямую связан с продвижением продукта на рынке недвижимости, который очень консервативен. Все конкурентные преимущества компании, связанные с большими данными, необходимо донести до потребителя. Если коллеги из HomeApp смогут объяснить потребителю ценность продукта, то проект «выстрелит». Если нет — останется незамеченным».
«Переломить стереотипы будет непросто»
Оксана Иванова, директор департамента городской недвижимости агентства недвижимости НДВ
«Даже если бы риелтора можно было заменить машиной, это еще может не принять потребитель. В подавляющем большинстве случаев агент необходим и покупателю, и особенно продавцу. Десятки вопросов и мелких нюансов проще решать в вербальном общении. Сколько потребуется времени, чтобы «обучить» машину опыту человека, включая все нестандартные ситуации, психологические маркеры недобросовестных участников сделок, юридические нюансы?
Можно вспомнить много успешных аналогов HomeApp на туристическом рынке — Booking, Trivago и другие сервисы онлайн-бронирования. В этом случае бронирование происходит без участия человека. Вы забронировали номер, следовательно, приняли все за и против выбранного объекта. Не повезло — значит, у вас испорчена неделя-другая отпуска. В случае с покупкой квартиры человек не сможет быть так легкомыслен — потребуется не один и не два просмотра.
Технологии штурмуют рынок недвижимости не первый год. Многие стартапы буксовали на стадии идеи годами. Например, о ЦИАН широко заговорили только лет пять назад, хотя существует он намного дольше. Не стоит недооценивать консервативность рынка недвижимости и российского потребителя в целом. На отечественной ниве даже самые высокобюджетные мировые стартапы «всходят» с большим трудом, чем, например, в США и Европе. Переломить стереотипы будет непросто».
Минский программист сделал Telegram-бота для поиска квартиры в аренду
Ruby-разработчик Антон Качан отбирает хлеб у риэлторов. Год назад он столкнулся с проблемой поиска жилья в столице и создал Telegram-бота. Сейчас им пользуется более 1200 человек. Сняв квартиру, пользователи отписываются, но аудитория все равно прибывает. Виртуальный «агент» помог найти жильё уже нескольким сотням человек.
dev.by поговорил с программистом и узнал, собирается ли он монетизировать свою разработку и когда подключит ML, чтобы отсортировывать «бабушатники» по фото.
Найти квартиру — тот ещё квест: в этом разработчик Антон Качан лично убедился чуть более года назад. Приходится «жить» на специализированных сайтах, при этом всё равно нет гарантии, что квартиру не «уведут», говорит молодой человек.
В итоге Антон разработал Telegram-бота, который присылал ему уведомления через три минуты после того, как хозяин очередной квартиры (подходящей по заданным параметрам) выкладывал объявление в сеть. Через неделю Антон нашёл новое жильё, но не закрыл проект — наоборот, доработал в течение 3-4 месяцев и выложил в паблик по поиску жилья во Vkontakte. И сразу пошло. Благодаря «сарафанному радио» сейчас у бота 1200 с лишним пользователей, из них 400 — активных, которые подписаны на рассылку.
Бот написан на Ruby и «развёрнут» на бесплатном хостинге Heroku. У разработчика уже был опыт создания ботов, прототип он сделал за неделю. Сторонних библиотек не понадобилось — только собственные наработки и Telegram Bot API, отмечает программист.
Сегодня Антон уделяет боту гораздо меньше времени — по просьбе пользователей добавляет что-то не чаще раза в месяц. Например, сортировка соседей по полу (при поиске комнаты) или поиск по местоположению: чтобы можно было поставить точку на карте, скажем, недалеко от работы — и получить все варианты в пределах 5 км от неё.
Также Антон добавил кнопку «это агент». Работает это так: если пользователь убеждается, что объявление, которое ему прислал бот, разместило агентство, он нажимает на кнопку. 3 жалобы — и бот заносит контактный номер телефона в чёрный список.
Под каждым объявлением, что приходит от бота, есть кнопка «посмотреть на сайте» — она перенаправляет на специализированный ресурс. Сейчас бот использует только базу квартир на Onliner, в будущем разработчик обещает добавить и другие.
В далёких планах Антона — сделать сортировку по фото, «чтобы бот определял качество квартиры — и отбрасывал варианты с бабушатниками по 400 долларов, которым красная цена 200». Но для этого необходимо подключать машинное обучение.
Планов по монетизации у программиста нет: рекламу добавлять не будет, но, возможно, в какой-то момент появится кнопка «поблагодарить» — чтобы пользователи при желании «могли закинуть копеечку на оплату сервера», если придётся сменить хостинг.
Статистику разработчик не ведёт, но говорит, что число пользователей, нашедших квартиры, перевалило за сотни. Он специально добавил кнопку «остановить поиск» — чтобы уведомления в Telegram больше не приходили.
Подписывайтесь на наш телеграм-канал.
Главные новости за день — максимально коротко.
Программист из Екатеринбурга посадил в Telegram нейросеть, которая ищет людям жилье. История стартапа
Почему искать жилье должен робот?
Лев Клебанов — разработчик чат-бота HomeBro, который помогает искать жилье — родился в Екатеринбурге, а когда в 2010 году переезжал в Москву, не смог подобрать подходящий вариант. На поиски он потратил 40–60 часов чистого времени, нашел вариант, но пришлось заплатить агенту со стороны хозяина 25 тыс. (хотя тот ничего не сделал). Блуждание по сайтам объявлений и группам в соцсетях программист постарался забыть, как страшный сон.
Лев учился в Высшей школе экономики, параллельно работая системным аналитиком и менеджером проектов в IT-компаниях. В то время он запускал свои первые сервисы, но понимал, что нужно нарастить скиллы, как продуктолог. За опытом компьютерщик пошел в «Яндекс.Погоду». На излете полутора лет работы в «Яндексе» решил вернуться к своему делу.
— В один прекрасный день моя девушка пришла домой расстроенная и сказала, что пропустила концерт любимого музыканта, потому что анонс упал ей на почту в глубины спама. И тогда мы начали фантазировать о том, как было бы круто с помощником, который следил бы за важными для тебя вещами. «Летом хочу полететь на Кубу, если будут дешевые билеты». «Хочу кроссовки Nike из новой коллекции, но только когда они подешевеют на 30%». А еще мне нужно снять площадку на день рождения, но у меня нет идей, что это должно быть за место». Такой дворецкий, на которого ты сгружаешь разные задачи, а он при нахождении подходящей информации тебя информирует.
Но такой сложный сервис сразу сделать не получится. Лев решил сконцентрироваться на насущной проблеме и вспомнил свой опыт поиска квартиры в столице. Оказалось, что в России нет проекта, помогающего отсеять неподходящее жилье. Что-то подобное создавали на Украине. Кстати, его основатель Александр Галковский и стал бизнес-партнером Льва. Так появился HomeBro.
Что такое «бабушкин ремонт»?
Основа чат-бота в Telegram — робот, который мониторит объявления с трех сайтов: ЦИАН, «Авито», «Яндекс.Недвижимость», а также нейросеть, определяющая качество ремонта.
Чтобы бот смог понимать разницу, команда разработчиков «напичкала» его тысячами фотографий, как симпатичных, так и плохих квартир. Критерии определяли сами разработчики. Сейчас нейросеть, самостоятельно анализируя новые объявления, может определять «бабушкин ремонт». При поисковой выдаче такой фильтр можно включить или отключить. По мере того, как подходящие пользователям варианты будут появляться на классифайдах, их будет предлагать бот.
— Просмотр фотографий и отбраковывание того, что не подходит, занимает много времени. Одна из ключевых задач, когда ты листаешь доски объявлений, — определить, что OK, а что не OK. Нам хотелось снять большую часть головной боли: убрать, что гарантированно не OK, и оставить то, чем человек может заинтересоваться.
Разработчики натренировали HomeBro отличать изображения квартиры от видов снаружи, подъезда или улицы. В будущем, говорит Лев, он сможет подбирать варианты по более детальным запросам вплоть до цветовой гаммы: к примеру, дизайнерский или евроремонт и скандинавский стиль или лофт. Также нейросеть сможет сравнивать цены схожих квартир и отсекать фейки.
Как заработать на HomeBro?
— Первый опытный образец HomeBro я получил спустя полтора месяца работы. Мне сложно оценить, какую сумму я вложил. Дело в том, что я ушел на part-time job (работа на неполный день, совместительство или подработка, — прим. 66.RU) и недополучал часть зарплаты. Вроде бы я проинвестировал время, но в конечном счете — деньги.
Изначально Лев развивал сервис на собственные сбережения, став резидентом технопарка «Университетский» после регистрации компании. Когда вокруг проекта образовалась лояльная аудитория, появились донаты. Но для развития проекта нужны были дополнительные вложения. Так команда привлекла сторонние инвестиции: 4 млн рублей за 6% доли в компании.
Фаундер хочет добиться, чтобы инновационный проект превратился в устойчивый бизнес. Для этого вводятся дополнительные услуги: сервис на просмотр квартиры в один клик, когда вместо пользователя с хозяином пообщается специально обученный человек.
Кроме того, команда зарабатывает на комиссии от партнеров, оказывающих разные услуги. Бот понимает, в какой стадии поиска жилья находится человек, и предлагает то, что ему может быть полезно здесь и сейчас, — от проверки квартиры по базе Росреестра до перевозки/хранения вещей и услуг по клинингу. Однако самые большие доходы можно получить с застройщиков. Новостройки можно рекомендовать, получая с этого процент.
Сейчас HomeBro работает в четырех регионах с самым высоким экономическим потенциалом: Москве, Московской области, Санкт-Петербурге и Ленинградской области.
— Хочется расширять область присутствия по России, но мы понимаем, что сейчас, находясь в стадии выживания, важно охватить крупные рынки. Да, мы могли бы добавить N-городов, но поддержка работы там отнимает ресурсы — силы, время, деньги, а экономический эффект меньший, чем затраты.
По словам Льва Клебанова, перед разработчиками стоит задача выйти и на другие крупные рынки, где высокая конкуренция за жилье и большая миграция. А в планах — это не только российские города.
Почему сложно побороть привычки?
На обновления бота по аренде жилья подписаны 11 тыс. человек, по продаже — 2 тыс. В качестве платформы Telegram, а не отдельное приложение, был выбран потому, что люди им пользуются активно и там они не пропустят важную информацию. В перспективе есть идея запустить бота также в Facebook Messenger и Whatsapp.
Внедрить робота в другие мессенджеры для программистов гораздо легче, чем изменить поведение людей. И если арендаторы в мегаполисах открыты к новому, потому что находятся в сложной ситуации (им тяжело найти нормальную квартиру), то продвинутых арендодателей гораздо меньше. А сервис доступен и для них тоже.
— Эти люди находятся в более выгодном положении. Скорее, не они конкурируют за квартиросъемщиков, а те — за их недвижимость. Владельцы более консервативны, и объясняется это просто: они, как правило, старше, Telegram установлен у меньшей доли людей. Им привычнее нанять агента и сдать квартиру по старинке.
Но когда у арендодателей проблемные квартиры, которые сложно сдать, они начинают искать варианты, в том числе в Telegram.
Какие перспективы IT на рынке недвижимости?
«У людей мало свободного времени, и они не готовы его тратить на рутинные вещи. Востребованным будет то, что позволит это время им сэкономить», — считает Лев.
Сегодня, например, есть разработки VR, которые позволяют находиться внутри квартиры в новостройке и иметь полное представление о ее планировке. В отличие от этой технологии, простые 3D-модели не позволяют оценить пространство. Поэтому вместо того, чтобы с неизвестным исходом ехать из точки A в точку B для просмотра квартиры, покупатели будут надевать шлем виртуальной реальности.
Хотя свои планы команда связывает с рынком недвижимости, это вовсе не означает, что на выходе в другие ниши ставится крест. Всегда надежнее диверсифицировать бизнес. Поиск работы, покупка билетов и автомобилей кажутся перспективными направлениями, чтобы применить алгоритмы HomeBro и сделать его полноценным дворецким.
Вам понравилось? Еще больше классных новостей и историй — в нашем Telegram-канале. А еще любую публикацию там можно обсудить. Или, например, предложить нам свою новость. Подписывайтесь!
Привет! Я Флиппет-бот.
Я нахожу недооцененные квартиры для флиппинга.
Я обновляю базу 1 раз в 5 минут. Выполняю все расчеты 🚀мгновенно. Вы получаете сигналы с развернутым анализом, как только я нахожу такие квартиры (лаг START
(для новичков)
На данный момент Флиппет-бот ищет недооцененные квартиры только среди следующих объектов:
— Размещены на Циан
— Только квартиры
— Только 1-2-3 комнатные
— Только в Москве
— Общая площадь 30-90м2
— Не дороже 300 000/м2
— В домах не выше 40 этажей
— До метро не более 30 минут пешком
— Не на 1-ом этаже
— Только в состоянии «без ремонта» или «косметический»
— Если ближайшее м. Некрасовка – исключить
*скоро добавятся регионы МО, Спб, ЛО
Сигналами становятся только те объекты, которые отвечают персональным фильтрам пользователя и показывают хорошую доходность.
— IRR>=20% (по дефолту; можно поменять)
— Бюджет
Мы используем ИИ и конкурентный анализ.
Оценка совокупных расходов (бюджета) считается, как цена в объявлении квартиры на Циан (в состоянии «без ремонта»/«косметический») + стоимость ремонта + прочие расходы. Зависит от каждого объекта и считается автоматически.
Оценка цены продажи квартиры после ремонта высчитывается с использованием оценки ИИ и конкурентного анализа. Для ее получения используются: 1-данные о завершенных сделках, 2-предложения на рынке здесь и сейчас, 3-проекции и оценки цены объекта в горизонте 3-6 месяцев. Квартира получает оценку в состоянии «евроремонт».
ИИ оценка цены продажи квартиры после ремонта – считается специально обученным алгоритмом. Берет во внимание тренды рынка, специфику квартиры, район, качество дома, уровень спроса на похожие объекты и информацию по похожим закрытым сделкам.
Оценка цены продажи после ремонта на основе конкурентного анализа выводится путем сравнения оцениваемого объекта с его ближайшими конкурентами в состоянии «евроремонт». Конкуренты подбираются по типу дома, общей площади, площади кухни, расстоянию до метро, комнатности, возрасту дома, удаленности от оцениваемого объекта и тд. Прямые конкуренты отличаются от оцениваемого объекта:
– не более на 20% по площади
– не более 20 лет по возрасту дома
– не дальше 1000м от оцениваемого объекта
Оценка чистой прибыли показывает разницу между оценкой цены продажи квартиры после ремонта и оценкой совокупных расходов проекта. В абсолютном и относительном значении.
Стоимость ремонта – все расходы, которые флиппер несет на ремонт. Зависит от каждого объекта и считается автоматически. В среднем, Флиппет считает, что ремонт из состояния «без ремонта» в «евроремонт» стоит 20 тыс. руб. за м2.
Срок ремонта – длительность ремонта до полного завершения. Зависит от каждого объекта и считается автоматически. В среднем, Флиппет считает, что срок ремонта 1-2комнатной квартиры 30-90м2 из состояния «без ремонта» в «евроремонт» занимает 1.5-2 месяца.
Срок продажи – сколько времени в среднем займет продать квартиру. Зависит от каждого объекта и считается автоматически. В среднем, Флиппет считает, что срок продажи 1-2комнатной квартиры 30-90м2 не на 1-ом и последнем этаже в состоянии «евроремонт» занимает 1.5-2 месяца.
Срок проекта – сумма срока ремонта и срока продажи. Он важен для расчета годовой доходности (IRR).
Чистая прибыль – цена продажи квартиры после ремонта минус совокупные расходы.
ROI – чистая прибыль/совокупные расходы*100%
IRR – (чистая прибыль / совокупные расходы) * (12 / срок проекта) * 100%
Да! Флиппет подойдет как профессионалам, так и новичкам.
Мы присылаем интуитивные ✅чек-листы по каждому сигналу. Из них вы поймете, почему и как на объекте можно заработать.
Мы даем подробную инструкцию, как читать сигналы. Присылаем 🎓обучающие материалы и разборы кейсов. Даем возможность новичкам задавать «глупые» вопросы экспертам в закрытых чатах.
Вы также сможете посмотреть, как сигналы оценили другие флипперы с помощью 👍лайков и 👎дизлайков.
*Флиппет не проверяет юридическую чистоту квартир. Этим придется заняться самостоятельно.
На данный момент Флиппет-бот ищет недооцененные квартиры только среди следующих объектов:
— Размещены на Циан
— Только квартиры
— Только 1-2-3 комнатные
— Только в Москве
— Общая площадь 30-90м2
— Не дороже 300 000/м2
— В домах не выше 40 этажей
— До метро не более 30 минут пешком
— Не на 1-ом этаже
— Только в состоянии «без ремонта» или «косметический»
— Если ближайшее м. Некрасовка – исключить
*скоро добавятся регионы МО, Спб, ЛО
Сигналами становятся только те объекты, которые отвечают персональным фильтрам пользователя и показывают хорошую доходность.
— IRR>=20% (по дефолту; можно поменять)
— Бюджет
Мы используем ИИ и конкурентный анализ.
Оценка совокупных расходов (бюджета) считается, как цена в объявлении квартиры на Циан (в состоянии «без ремонта»/«косметический») + стоимость ремонта + прочие расходы. Зависит от каждого объекта и считается автоматически.
Оценка цены продажи квартиры после ремонта высчитывается с использованием оценки ИИ и конкурентного анализа. Для ее получения используются: 1-данные о завершенных сделках, 2-предложения на рынке здесь и сейчас, 3-проекции и оценки цены объекта в горизонте 3-6 месяцев. Квартира получает оценку в состоянии «евроремонт».
ИИ оценка цены продажи квартиры после ремонта – считается специально обученным алгоритмом. Берет во внимание тренды рынка, специфику квартиры, район, качество дома, уровень спроса на похожие объекты и информацию по похожим закрытым сделкам.
Оценка цены продажи после ремонта на основе конкурентного анализа выводится путем сравнения оцениваемого объекта с его ближайшими конкурентами в состоянии «евроремонт». Конкуренты подбираются по типу дома, общей площади, площади кухни, расстоянию до метро, комнатности, возрасту дома, удаленности от оцениваемого объекта и тд. Прямые конкуренты отличаются от оцениваемого объекта:
– не более на 20% по площади
– не более 20 лет по возрасту дома
– не дальше 1000м от оцениваемого объекта
Оценка чистой прибыли показывает разницу между оценкой цены продажи квартиры после ремонта и оценкой совокупных расходов проекта. В абсолютном и относительном значении.
Стоимость ремонта – все расходы, которые флиппер несет на ремонт. Зависит от каждого объекта и считается автоматически. В среднем, Флиппет считает, что ремонт из состояния «без ремонта» в «евроремонт» стоит 20 тыс. руб. за м2.
Срок ремонта – длительность ремонта до полного завершения. Зависит от каждого объекта и считается автоматически. В среднем, Флиппет считает, что срок ремонта 1-2комнатной квартиры 30-90м2 из состояния «без ремонта» в «евроремонт» занимает 1.5-2 месяца.
Срок продажи – сколько времени в среднем займет продать квартиру. Зависит от каждого объекта и считается автоматически. В среднем, Флиппет считает, что срок продажи 1-2комнатной квартиры 30-90м2 не на 1-ом и последнем этаже в состоянии «евроремонт» занимает 1.5-2 месяца.
Срок проекта – сумма срока ремонта и срока продажи. Он важен для расчета годовой доходности (IRR).
Чистая прибыль – цена продажи квартиры после ремонта минус совокупные расходы.
ROI – чистая прибыль/совокупные расходы*100%
IRR – (чистая прибыль / совокупные расходы) * (12 / срок проекта) * 100%
Да! Флиппет подойдет как профессионалам, так и новичкам.
Мы присылаем интуитивные ✅чек-листы по каждому сигналу. Из них вы поймете, почему и как на объекте можно заработать.
Мы даем подробную инструкцию, как читать сигналы. Присылаем 🎓обучающие материалы и разборы кейсов. Даем возможность новичкам задавать «глупые» вопросы экспертам в закрытых чатах.
Вы также сможете посмотреть, как сигналы оценили другие флипперы с помощью 👍лайков и 👎дизлайков.
*Флиппет не проверяет юридическую чистоту квартир. Этим придется заняться самостоятельно.
Информация на сайте представлена исключительно в информационных целях и не является публичной офертой
Политика в отношении обработки персональных данных
1. Общие положения Настоящая политика обработки персональных данных составлена в соответствии с требованиями Федерального закона от 27.07.2006. №152-ФЗ «О персональных данных» и определяет порядок обработки персональных данных и меры по обеспечению безопасности персональных данных, предпринимаемые Флиппет (далее – Оператор).
1.1. Оператор ставит своей важнейшей целью и условием осуществления своей деятельности соблюдение прав и свобод человека и гражданина при обработке его персональных данных, в том числе защиты прав на неприкосновенность частной жизни, личную и семейную тайну.
1.2. Настоящая политика Оператора в отношении обработки персональных данных (далее – Политика) применяется ко всей информации, которую Оператор может получить о посетителях веб-сайта http://flippet.ru.
2. Основные понятия, используемые в Политике 2.1. Автоматизированная обработка персональных данных – обработка персональных данных с помощью средств вычислительной техники;
2.2. Блокирование персональных данных – временное прекращение обработки персональных данных (за исключением случаев, если обработка необходима для уточнения персональных данных);
2.3. Веб-сайт – совокупность графических и информационных материалов, а также программ для ЭВМ и баз данных, обеспечивающих их доступность в сети интернет по сетевому адресу http://flippet.ru;
2.4. Информационная система персональных данных — совокупность содержащихся в базах данных персональных данных, и обеспечивающих их обработку информационных технологий и технических средств;
2.5. Обезличивание персональных данных — действия, в результате которых невозможно определить без использования дополнительной информации принадлежность персональных данных конкретному Пользователю или иному субъекту персональных данных;
2.6. Обработка персональных данных – любое действие (операция) или совокупность действий (операций), совершаемых с использованием средств автоматизации или без использования таких средств с персональными данными, включая сбор, запись, систематизацию, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передачу (распространение, предоставление, доступ), обезличивание, блокирование, удаление, уничтожение персональных данных;
2.7. Оператор – государственный орган, муниципальный орган, юридическое или физическое лицо, самостоятельно или совместно с другими лицами организующие и (или) осуществляющие обработку персональных данных, а также определяющие цели обработки персональных данных, состав персональных данных, подлежащих обработке, действия (операции), совершаемые с персональными данными;
2.8. Персональные данные – любая информация, относящаяся прямо или косвенно к определенному или определяемому Пользователю веб-сайта http://flippet.ru;
2.9. Пользователь – любой посетитель веб-сайта http://flippet.ru;
2.10. Предоставление персональных данных – действия, направленные на раскрытие персональных данных определенному лицу или определенному кругу лиц;
2.11. Распространение персональных данных – любые действия, направленные на раскрытие персональных данных неопределенному кругу лиц (передача персональных данных) или на ознакомление с персональными данными неограниченного круга лиц, в том числе обнародование персональных данных в средствах массовой информации, размещение в информационно-телекоммуникационных сетях или предоставление доступа к персональным данным каким-либо иным способом;
2.12. Трансграничная передача персональных данных – передача персональных данных на территорию иностранного государства органу власти иностранного государства, иностранному физическому или иностранному юридическому лицу;
2.13. Уничтожение персональных данных – любые действия, в результате которых персональные данные уничтожаются безвозвратно с невозможностью дальнейшего восстановления содержания персональных данных в информационной системе персональных данных и (или) уничтожаются материальные носители персональных данных.
3. Оператор может обрабатывать следующие персональные данные Пользователя 3.1. Электронный адрес;
3.2. Также на сайте происходит сбор и обработка обезличенных данных о посетителях (в т.ч. файлов «cookie») с помощью сервисов интернет-статистики (Яндекс Метрика и Гугл Аналитика и других).
3.3. Вышеперечисленные данные далее по тексту Политики объединены общим понятием Персональные данные.
4. Цели обработки персональных данных 4.1. Цель обработки персональных данных Пользователя — информирование Пользователя посредством отправки электронных писем; предоставление доступа Пользователю к сервисам, информации и/или материалам, содержащимся на веб-сайте.
4.2. Также Оператор имеет право направлять Пользователю уведомления о новых продуктах и услугах, специальных предложениях и различных событиях. Пользователь всегда может отказаться от получения информационных сообщений, направив Оператору письмо на адрес электронной почты info@flippet.ru с пометкой «Отказ от уведомлений о новых продуктах и услугах и специальных предложениях».
4.3. Обезличенные данные Пользователей, собираемые с помощью сервисов интернет-статистики, служат для сбора информации о действиях Пользователей на сайте, улучшения качества сайта и его содержания.
5. Правовые основания обработки персональных данных 5.1. Оператор обрабатывает персональные данные Пользователя только в случае их заполнения и/или отправки Пользователем самостоятельно через специальные формы, расположенные на сайте http://flippet.ru. Заполняя соответствующие формы и/или отправляя свои персональные данные Оператору, Пользователь выражает свое согласие с данной Политикой.
5.2. Оператор обрабатывает обезличенные данные о Пользователе в случае, если это разрешено в настройках браузера Пользователя (включено сохранение файлов «cookie» и использование технологии JavaScript).
6. Порядок сбора, хранения, передачи и других видов обработки персональных данных Безопасность персональных данных, которые обрабатываются Оператором, обеспечивается путем реализации правовых, организационных и технических мер, необходимых для выполнения в полном объеме требований действующего законодательства в области защиты персональных данных.
6.1. Оператор обеспечивает сохранность персональных данных и принимает все возможные меры, исключающие доступ к персональным данным неуполномоченных лиц.
6.2. Персональные данные Пользователя никогда, ни при каких условиях не будут переданы третьим лицам, за исключением случаев, связанных с исполнением действующего законодательства.
6.3. В случае выявления неточностей в персональных данных, Пользователь может актуализировать их самостоятельно, путем направления Оператору уведомление на адрес электронной почты Оператора info@flippet.ru с пометкой «Актуализация персональных данных».
6.4. Срок обработки персональных данных является неограниченным. Пользователь может в любой момент отозвать свое согласие на обработку персональных данных, направив Оператору уведомление посредством электронной почты на электронный адрес Оператора info@flippet.ru с пометкой «Отзыв согласия на обработку персональных данных».
7. Трансграничная передача персональных данных 7.1. Оператор до начала осуществления трансграничной передачи персональных данных обязан убедиться в том, что иностранным государством, на территорию которого предполагается осуществлять передачу персональных данных, обеспечивается надежная защита прав субъектов персональных данных.
7.2. Трансграничная передача персональных данных на территории иностранных государств, не отвечающих вышеуказанным требованиям, может осуществляться только в случае наличия согласия в письменной форме субъекта персональных данных на трансграничную передачу его персональных данных и/или исполнения договора, стороной которого является субъект персональных данных.