03.07.2018       Выпуск 237 (02.07.2018 - 08.07.2018)       Конференции, события, встречи разработчиков

Первый чемпионат по машинному обучению в девелопменте

Читать>>




Экспериментальная функция:

Ниже вы видите текст статьи по ссылке. По нему можно быстро понять ссылка достойна прочтения или нет

Просим обратить внимание, что текст по ссылке и здесь может не совпадать.

ПИК — самый крупный девелопер России — проведёт

чемпионат по машинному обучению

. В качестве задачи — предсказание темпов продаж, а в обучающих данных — информация о продажах квартир за 2,5 года по более, чем 30 проектам.

Да, консервативная строительная отрасль дозрела до машинного обучения. Управление ценами и темпами продаж — одна из самых критичных для бизнеса задач — до сих пор остается искусством, подвластным только аналитикам. На вопрос, почему эта квартира стоит 5 млн рублей, можно получить разнообразные ответы, начиная от «это отложенный спрос» до «наша планировка — уникальная на рынке».

Сейчас используются калькуляторы ценообразования, но они грубые и линейные, не учитывают насыщенную природу рынка. Поэтому приходится в ежедневном режиме управлять ценами, полагаясь интуицию тех же аналитиков. Управления ценами нужно, чтобы не допустить ситуации, когда все квартиры с видом на лес разлетелись за два месяца. Это и есть основная задача — обеспечить равномерные продажи квартир в разрезе видов, этажности, планировок и т. д.

Задача автоматического управления ценообразованием и темпами продаж в девелопменте до сих пор не решена, и это не дает нам покоя.

Опыт динамического ценообразования из других областей бизнеса — продавцов авиабилетов, агрегаторов гостиниц и другой недвижимости, ритейла — имеет ряд фундаментальных отличий:

  • каждая квартира — это уникальный продукт. Мы не можем накопить статистику только по одной квартире, как это делается, например, при продаже авиабилетов;
  • квартира продается единожды, в отличии от гостиничного бизнеса;
  • у каждой квартиры уникальная цена, необязательно соответствующая «рыночной» стоимости;
  • очень чувствительная конкуренция к похожим квартирам, в отличие от рынка вторичного жилья.

Например, разница в цене на 30 000 рублей по квартирам с одинаковой рыночной стоимостью может привести к быстрой продаже одних квартир и остановке продаж других.

Поэтому скопировать чужой опыт у нас не получилось и пришлось копнуть глубже.

Задача: Найти зависимость между Параметрами квартиры, Ценой и Темпами, чтобы в дальнейшем управлять ценой и максимизировать показатели проекта.

Как мы понимаем суть процесса:

  • у каждой квартиры есть рыночная стоимость, т. е. максимальная цена, которую готов заплатить некий усредненный покупатель;
  • у квартиры есть цена, которая может иметь дельту (далее – Дельта) по отношению к рыночной стоимости;
  • у квартиры есть конкуренты, каждый из которых тоже имеет некую Дельту;
  • вероятность продажи квартиры зависит от её Дельты и Дельты конкурирующих квартир. Чем «ближе» квартиры друг к другу, тем больше конкуренция.

Говоря о рыночной стоимости, мы имеем в виду ценность квартиры для покупателя, выраженную в деньгах. Покупка квартиры — значительное событие для большинства людей. Делая выбор, покупатель тратит десятки часов и учитывает сотни факторов, которые, как правило, не формализованы. Например:

  • Площадь зеленой зоны в радиусе 500 м





  • Вид из окна. Из каждого окна в зависимости от этажа открывается разный вид, на который могут сильно повлиять окружающие здания. Это важно, особенно в сегменте выше эконома
  • Сторона света
  • Расстояние до метро, парка и т. д., причём от рассматриваемого дома, а не ЖК в целом
  • Величина внутреннего двора

Чтобы подступиться к созданию функции ценности, мы формализовали все важные факторы, которые учитывают покупатели. Далее мы столкнулись вот с чем:

Проблема 1.

Как считать темпы (вероятность продажи квартиры). Чтобы рассчитать темпы продаж квартиры, приходится объединять их в множества. Вопрос — в какие? В зависимости от разбивки на множества мы будем получать разные темпы. Опираться на срок экспонирования отдельной квартиры не получилось, потому что пришлось бы слишком долго накапливать статистику.

Проблема 2.

Как найти рыночную стоимость. Давайте по максимуму наберем параметры квартир, возьмем цену их продажи и получим рыночную стоимость? Оказалось, что рыночная стоимость сильно зависит от проектов, которые брались в расчёт. Часть проектов была продана быстрее рынка, т. е. там цена была меньше рыночной, часть проектов — наоборот. Получается, чтобы правильно рассчитать рыночную стоимость, надо учесть темпы продаж квартир, что возвращает нас к Проблеме 1.

Проблема 3.

Как учесть дельту конкурирующих квартир. Темпы продаж в множестве (к примеру, секция корпуса) зависят от параметров окружающих квартир и их цен. Не зная заранее их рыночную стоимость, мы вынуждены подставлять параметры квартиры и их цены как некое описание среды. Как это «описание» среды «скормить» алгоритму машинного обучения — большой вопрос.

К сожалению, мы пока не нашли рабочие решения этих проблем, поэтому решили организовать чемпионат.

Те, кому интересна эта задача, могут принять участие, зарегистрировавшись на сайте

PIK Digital Day

.

Чемпионат проходит в два этапа — онлайн до 9 июля и офлайн 14 июля в Москве. На офлайн-этап мы пригласим 80 лидеров публичного рейтинга онлайн-этапа, а победители чемпионата разделят призовой фонд 550 000 ₽.



Лучшая Python рассылка




Разместим вашу рекламу

Пиши: mail@pythondigest.ru

Нашли опечатку?

Выделите фрагмент и отправьте нажатием Ctrl+Enter.

Система Orphus