«Оцифровать рядового риелтора», или как нейросети меняют рынок недвижимости

Редакция портала Всеостройке.рф выясняла, может ли искусственный интеллект предугадывать колебания рынка и настроение покупателя.  

ИИ способен снизить затраты на строительство на 54%, повысив производительность на 53%, а качество обслуживания – на 48%. Таковы результаты исследования научного подразделения компании IBM. Современные риелторы уже используют нейросети, чтобы отвечать на вопросы клиентов, искать недвижимость по заданным параметрам, строить маркетинговые стратегии и писать объявления о продаже. Но если технология так хороша, то почему ее внедряют далеко не все компании? Разбираемся в нашем материале.

Прогноз и аналитика 

Эксперты считают: в ближайшем будущем ИИ сможет изучить диалоги менеджеров на соответствие скриптам, сделать выводы о настроении клиента и спрогнозировать вероятность сделки с ним.

По словам Ксении Тесленко, коммерческого директора Profitbase, уже существуют системы, которые анализируют звонки и онлайн-встречи, выявляя отклонения от стандартов работы. 

«Для этого следует загрузить вопросы и ключевые фразы, которые менеджеры должны использовать при общении. А ИИ сам проверит, отвечают ли формулировки стандартам и даже проанализирует интонацию менеджера, – рассказывает Ксения Тесленко. – Кроме того, ИИ агрегирует данные по запросам и потребностям клиентов, а также упоминаниям конкурентов. Это дает бизнесу точную картину: что волнует покупателей прямо сейчас». 

Действительно, в современном мире технологии просочились и в риелторскую сферу. Эти инновационные инструменты, выявляя тенденции и закономерности, могут существенно влиять на цены и спрос. А риелторы – принимать обоснованные решения и предлагать клиентам наиболее выгодные варианты, добавляет вице-президент по маркетингу корпорации «Девелопмент-Юг» Владимир Кравченко. 

Какие данные позволяет обрабатывать ИИ в риелторской сфере:

• Истории просмотров объектов
• Поведенческие паттерны покупателей
• Предпочтения в разных сегментах
• Сезонные колебания спроса
• Региональные особенности рынка
• Прогнозирование трендов.

По словам Кравченко, одним из ключевых преимуществ нейросетей является их способность оценить стоимость недвижимости, что крайне важно для успешной сделки. 

«Кроме того, ИИ помогает риелторам лучше понимать потребности клиентов, сегментируя клиентскую базу и предлагая наиболее подходящие объекты недвижимости. Персонализированные рекомендации, основанные на анализе предпочтений и поведении клиентов, повышают вероятность заключения сделки и улучшают общий клиентский опыт», – добавляет эксперт.

Экономия времени

Искусственный интеллект уже успешно применяют в рекламе – системы анализируют поведение пользователей в интернете и «выявляют» тех, кто с наибольшей вероятностью заинтересуется конкретным объектом недвижимости. Используют технологии и для создания контента – описания объектов недвижимости можно получить за считаные секунды, добавляет Андрей Лупий, член Правления АНО «Агентство Цифрового Развития», основатель строительной платформы ОРЛАН System.

«Системы анализируют локации, предоставляя детальную информацию о районе: уровень шумового загрязнения, доступность транспорта, качество школ, планы по строительству и другие важные факторы, влияющие на привлекательность объекта. Квалификация лидов осуществляется с помощью специальных систем, которые оценивают потенциальных клиентов по десяткам параметров и распределяют их между агентами с учетом специализации и загруженности», – говорит Андрей Лупий.

Становится возможной предиктивная аналитика – существующие системы дают прогнозы с высокой точностью, помогая определить оптимальное время для продажи и правильную ценовую стратегию.

Кроме того, ИИ способен ускорить работу. По словам эксперта, системы подскажут, какие сделки будут долгими или маловероятными, а какие перспективными. ИИ поможет быстрее подготовить всю информацию и документы, сформировав максимально «аппетитное» коммерческое предложение. То есть риелтору уже не нужно тратить время на сбор данных и аналитику.

Задачи для автоматизации работы, по мнению Андрея Лупия:

• Рутинные процессы: обработка заявок, рейтингование их и распределение по агентам
• Подготовка документов: автоматическое заполнение (компьютерное зрение), проверка на соответствие
• Интеллектуальный подбор предложений по запросам клиентов
• Работа с ценообразованием: учет более 100 параметров при оценке объектов
• Коммуникация: формирование индивидуальных коммерческих предложений, использование чат-ботов для решения 70% вопросов клиентов круглосуточно.

Ускоряет ли ИИ работу?

Вместе с тем, важно понимать принципы, по которым работают LLM (большие лингвистические модели), и технологии генеративного искусственного интеллекта в целом. Ключевое слово в этом случае – генеративный, подчеркивает Дмитрий Веснянкин, директор по продукту ИИ-направления группы компаний KILAU.

«Наиболее частый паттерн использования LLM риелторами – генерация контента: тексты постов, графика, видеоролики в рамках задач, связанных с продвижением личного бренда и конкретных предлагаемых клиентам объектов в социальных сетях. Сократить время выхода на сделку реально, но это касается применения более сложных связок. В основном базирующихся на ИИ-автоворонках продаж. Можно говорить как минимум об ускорении формировании входящей воронки благодаря использованию инструментов генеративного ИИ в омниканальном постинге», – поясняет Веснянкин. 

Рассуждая об анализе рынка, он отмечает, что LLM показывают хорошую эффективность в рамках сорсинговых и скоринговых задач на входе. А также в секторе анализа, когда речь идет о конкретных массивах данных. Это значит, что не нужно «просить» LLM «проанализировать рынок X, сделав выводы о факторах A и B» – результат, к сожалению, будет содержать много искажений. 

Как решить подобную задачу – рассказывает Дмитрий Веснянкин:

• Собрать с помощью LLM статистику с опорой на источники
• Ввести вручную расчетный документ в рамках решаемой задачи на основе найденных данных
• Отдать этот массив обратно в модель с задачей анализа данных (установления корреляций и взаимосвязей).

«Иными словами: наиболее эффективное применение LLM сегодня в ускорении решений сложных математических и логистических операций», – резюмирует эксперт. 

Возможно и просчитать риски, и смоделировать поведение клиентов, и прогнозировать сделки, но решается не «качественным промптом в нейросеть». А поэтапным обогащением собственных скоринговых моделей, аналитических фреймворков, которые сейчас, безусловно, стало проще формировать с помощью технологий ИИ. 

Дорого или сложно?

Не все риелторские компании готовы внедрять ИИ и по другим причинам: технология часто выполняет запросы с ошибками, ИИ только предстоит обучаться на больших объемах данных, инструмент не универсален и часто раздражает пользователей. Андрей Лупий добавляет еще один фактор: низкая цифровая грамотность не только у рядовых сотрудников, но и у топ-менеджмента. Ведь с ИИ нужно уметь работать и настраивать технологию.

«Существует и сопротивление – большинство не хочет менять структуру своей работы. Поэтому, как и при внедрении любого цифрового продукта, нужно ответственно подходить к вопросу обучения и мотивации персонала. Сотрудники должны понимать, что им же будет удобнее и проще работать», – говорит он.

Не стоит забывать и о дополнительных расходах. К примеру, необходимо инвестировать в модернизацию: покупка лицензий, интеграция, обучение. Но понимание окупаемости пока отсутствует. Модель «тратим деньги сейчас, а экономить будем потом» – многих отпугивает. Особенно если уже был неудачный опыт внедрения цифровых решений.

«Несмотря на все преимущества, некоторые компании могут быть сдержаны в отношении искусственного интеллекта из-за проблем с конфиденциальностью и безопасностью данных», – добавляет Владимир Кравченко.

По мнению Дмитрия Веснянкина, именно в этом кроется главная причина, по которой компании с осторожностью относятся к автоматизации собственных процессов. 

«Мы, например, в работе с нашими клиентами решаем такие вопросы через внедрение программно-аппаратного комплекса с ИИ, когда заказчику устанавливается серверная часть, а LLM локализуются непосредственно на этих серверах коробочно, обеспечивая локальную работу с данными, исключая их утечку в облака. Рынок показывает, что стороны как общались в мессенджерах, так и общаются. Поэтому мы по большей части сосредоточились на разработке решений, которые помогают риелторам формировать входящую воронку в уже знакомых и удобных им каналах коммуникации: через Telegram-боты, например», – говорит Веснянкин. 

Тем не менее на российском рынке недвижимости уже существуют разные решения. Например, на базе стандартных CRM-систем по типу «Битрикса», где есть настроенные шаблоны для адаптации CRM под работу риелтора. Так же пользуются спросом: ЛидерТаск, Sputnik Agent, RealtManager, «Этажи», 1С:RentEstate, 1С:RealSale. Также на рынке много инструментов, которые анализируют звонки. В последний год эта технология стала гораздо доступнее. Например, Copilot в «Битрикс24». Все эти платформы позволяют автоматизировать рутинные процессы по работе с клиентами и выстраивать качественную коммуникацию. Но насколько глубоко ИИ проникнет в риелторскую сферу, покажет только время.

Как нейросети помогают риелторам и агентствам – мнение бизнеса

Ксения Тесленко, коммерческий директор Profitbase:

Вице-президент по маркетингу корпорации «Девелопмент-Юг» Владимир Кравченко:

Андрей Лупий, член Правления АНО «Агентство Цифрового Развития», основатель строительной платформы ОРЛАН System:

Дмитрий Веснянкин, директор по продукту ИИ-направления группы компаний KILAU:

Ранее портал Всеостройке.рф рассказывал, как использовать нейросеть для создания проекта квартиры.