Shiva AI : AI инвестиционный менеджер
История развития технологии
Краткое резюме :
  • Технология Shiva AI находит мотивированных продавцов и привлекательную недвижимость для арбитражной сделки на рынках : открытый рынок, офлайн продажи, торги и аукционы
  • Shiva AI анализирует более 200 000 предложений каждый день и составляет больше 2000 детальных бизнес планов для лучшего 1% сделок
  • Определяются самые востребованные локации
  • Определяется самый востребованный тип недвижимости
  • Прогнозируется зависимость срока продажи от цены недвижимости
  • Система корректирует цены в портфолио раз в сутки с учетом изменение конъюнктуры рынка: локальных конкурентов: спроса
  • Работает на рынках : Россия, США, Казахстан.
  • Shiva.AI работает в режиме 24/7, обеспечивает бесперебойный deal flow с максимальной селекцией сделок и выстраивает модель, ведующую к лучшему возможному сценарию по уровню прибыли (IRR) по каждой сделке
Shiva.Ai разработана для двух целей :
Находить каждый день классные объекты для инвестирования.

Просчитывает автоматически доходность различных вариантов событий сценарий и что можно с этим сделать , для того чтобы каждый день можно было покупать активы на разных рынках в мире и на этом зарабатывать

Shiva.Ai также дает нужные сигналы :
Когда нужно покупать
Когда нам нужно продавать

Это необходимо для того чтобы получить максимальную доходность и перезаложить деньги в следующий актив

Почему AI?
Мы считаем , что в последующие 10 лет рынок инвестиций в недвижимость драматически измениться. Резко возрастет скорость транзакций и принятия решений. Если ты медленный - ты не получишь классную сделку.

Мы также считаем, что инвестиционных риелторов и посредников в России через 10 лет практически не останется - в этой нише будут работать машины и технологичные компании.

Доходности, которые возможно получить (в независимости от роста или падения рынка) в России будут со временем уменьшаться и дойдут до уровня США (при ипотеке под 4%, годовая доходность в 15% считается очень хорошей, редко кому удается ее превысить ), но это произойдет еще очень не скоро и машины следующие 10 лет будут побеждать риелторов, экспертов и аналитиков за счет того, что они не спят, обучаются и работают на больших объемах данных, которые человек не может обработать.

Сегодня - это золотое время для AI.

Недвижимость - это скорость !
Инвестиции основанные на данных
Как находить "классные" сделки :
В Московской области до "бетонного кольца" есть 20 000 предложений о продаже земельных участков.

Предположим, что этот рынок очень эффективный (а это точно не так) и 0,5% из 20 000 это именно то, что мы ищем.

Это наш short-list (короткий список) из 100 объектов.

Это сделки, которые должны принести нам максимальную прибыль.

Составить такой short-list вручную — это 1666 часов работы или 208 дней (по 5 минут на 1 сделку).

По-этому нужно использовать специально построенную машину для поиска таких "золотых" сделок среди куч руды.



Как это работает ?

1) смотрит самых ближайших конкурентов по локации и основным параметрам

2) потом смотрит конкурентов по удаленным локациям

3) сравнивает стоимость сотки ( или стоимость квадратного метра, если это квартира ) — результат : показывает разрыв стоимости этого объекта с его аналогами в окружении (подсвечено красным) .

Такой вот быстрый верхнеуровневый конкурентный анализ.

В Московской области до "бетонного кольца" есть 20 000 предложений о продаже земельных участков.




Где и на что есть устойчивый спрос покупателей или арендаторов ?
В России нет открытых или достоверных данных о совершенных сделках с недвижимостью (в отличие от США), так что такие данные приходиться генерировать самостоятельно с максимально возможной точностью (

Прежде чем получить первые данные о спросе пришлось изучать рынок в течении 4 месяцев )

Чтобы это сделать, мы создали алгоритмы, которые оценивает недвижимость на основании конкурентного анализа (подозрительно дешевые или подозрительно дорогие объекты убраны из расчетов оценки).

Машина определяет — этот объект завышен в цене или наоборот занижен относительно медиан и кластеров.

Если на протяжении времени с рынка уходит классный объект — машина считает сделку совершенной.

Если уходил с рынка плохой объект — значит, его просто переставали продавать.

Также считается время нахождения на рынке объектов с хорошей ценой и с плохой.

Накладываем эти данные на карту — и получаем карту спроса.


Теперь мы условно знаем {СПРОС} и ответы на вопросы :

1) какая цена заставляет покупателей покупать

2) сколько продукта они покупают за месяц

3) Какой продукт пользуется спросом.





Один из наших кейсов
В 2018 года мы купили 30 соток в районе Красногорска за 11.5 млн. рублей https://goo.gl/maps/5aiCyhsXKrR76iXP7.

Купили его по одной причине :

собранная нами система ( мы назвали ее Shiva ) показала, что есть высокий спрос на землю до цены 3,5 млн. рублей.

Не было ни одного предложения о продаже земельного участка за эту цену.

Зато можно было купить 30 соток, что мы и сделали.

Спрос на участки до 3.5 млн. рублей вблизи Красногорска высокий и сегодня.

Минимальный возможный участок в Красногорске по закону — это 5 соток для ИЖС.

Мы купили 30 соток и вывели на рынок 6 лотов по 5 соток по цене каждого в 3.1 млн. рублей.


Продали все объекты в течение года за 17.4 млн. рублей.

В абсолютных числах доходность на каждый рубль составила 125% годовых.





Воронка в CRM и переговоры о цене
Машина наполняет CRM воронку, которая состоит из 24 этапов отсева (на каждом этапе выполняется простое действие "Да" или "Нет", которое может выполнять неквалифицированный сотрудник на аутсорсе).

Основные этапы воронки :

1) Переговоры о цене

2) Юридическая проверка

3) подготовка и реализация сделки

4) Упаковка

5) Продажи.

На каждом этапе существует "корзина отсева", из которой команда разработки "вылавливает" причины отсева, которые далее имплементируются в код системы.

И такие сделки больше не попадают в CRM

Машина просчитывает цену конечного предложения, по которому покупатели купят в короткий период времени.

Один из принципиальных вопросов, влияющих на доходность инвестиций.

Что будет выгоднее : продать за 4 млн. рублей через 7 месяцев или за 3.5 млн через 2 месяца?

Shiva высчитывает налоги, потенциальные расходы и назначает цену нашего предложения продавцу, при которой мы сможем получить нашу целевую доходность в целевой период времени.

Колцентр обзванивает всех продавцов в воронке с предложением заключить сделку по нашей цене 1 раз в 2 недели.

Переговоры могут быть долгими, короткими или вообще не быть, если цена нас устраивает.

Получив целевую цену, сделка переходит в секцию для юридической досканальной проверки.


Смарт-прайсинг
Как правильно устанавливать цену?

Если покупатели торгуются, соглашаться или нет?

Для нас это было большой проблемой, пока мы не передали эти функции Shiva.

Любой риелтор заинтересован продать недвижимость как можно скорее и уломать продавца продать сегодня.

Проценты тут не причем (при 5% за квартиру 7 млн или 6 млн разница в комиссии 50 тыс. рублей, а продать на миллион дороже — ровно на миллион).

Кроме как доверять риелтору никакого решения ранее не существовало (не понятно : сколько было просмотров у рекламы, сколько звонков, какая зависимость, на сколько срок продажи зависит от цены и еще десятки вопросов, на которые риелтор ответить бы не смог)

Алгоритм рейтинга конкурентов Shiva, решает эту проблему и отвечает на ВАЖНЫЙ вопрос : если в этой местности есть спрос, мы — это лучшее предложение на рынке сейчас? или мы в ТОП 3?, или в ТОП 10?

Если в районе продается 2 участка (или 2 квартиры) в месяц этого класса, очевидно, что чтобы реализовать недвижимость за 1 месяц нужно находиться в ТОП 2.

При этом постоянно появляются новые конкуренты — нужно коррелировать цену ПОСТОЯННО чтобы держаться в нужной позиции в глазах покупателя.

Совмещаем эти данные :

1) Количеством просмотров нашей рекламы по сравнению с конкурентами

2) Количеством звонков

3) Нашими ожиданиями от целевой доходности по этой инвестиции — получаем нужное нам пересечение кривых ВРЕМЕНИ и ЦЕНЫ продажи ( или Точку Эквилибриума Shiva )

По какой цене нужно выставить объект, согласиться на сделку или нет — определяет параметр "доходность" и выражается в процентах на каждый рубль инвестиций.

Если продавать выгодно через месяц — нужно ставить одну цену, если прямых конкурентов по цене нет, а спрос есть и за 6 мес на рынке мы сможем получить выше доходность за счет более высокой цены — Shiva выставляет цену, рассчитанную на 6 мес реализации.

Все становиться прозрачно и понятно.

Больше нет никакой риелторской магии и ответов типа "Есть пару желающий, думаю что продадим через месяц.





Наше развитие и стремление
Многие компоненты системы все еще работают с участием человека-менеджера для подстраховки и для выполнения тех задач, которые пока невозможно (или еще очень дорого) делать автоматически (например
распознавание картинок).

Мы работаем над тем, чтобы соединить все элементы процессов в одну систему и автоматизировать процессы.

Что позволит инвестировать в недвижимость в Москве, Нью Йорке, Дубае или даже в Индии и Индонезии вне зависимости от локальной экспертизы.

По нашему опыту : принципы покупки и продажи во всех странах одинаковые, разница лишь в законах и налогах (это можно учесть и вручную добавить в систему, благо эти параметры не меняются раз в день), а данные будут все более и более доступны (в США уже есть куча данных, в России или Индонезии данные станут доступны в течение 10–20 лет)

В РФ Shiva с прекрасными результатами прошла тестирование ( 74% маржинальность инвестиций) и готова к переходу на следующий этап развития и увеличения инвестиций с 78 млн. рублей ( которые были использованы в тесте ) в 7–10 раз больше в 2020 году.

В США машина и описанный выше подход проходит испытание первыми сделками в текущий момент.

Наши новости