Куда идет развитие ДЦО? Мы рассказаывали об истории зарождения ДЦО в отрасли, которая вылилась в 3 основных ветки:

1 систематизация опыта в виде правил и алгоритмов
2 моделирование взаимодействия клиента и витрины (не ML)
3 модели на машинном обучении

Сегодня смотрим в лупу пункт 2. Что это за моделирование такое? Представьте что есть поток клиентов и поток витрины. Поток клиентов - это все те конкретные люди, с конкретными бюджетами, которые взаимодействовали с витриной в определенные моменты. Поток витрины - это динамика структуры остатков и цен во времени. Будет сделка или нет? 🎲 - зависит от того насколько качественно эти два потока в нужный момент времени сойдутся. То есть кто, с каким бюджетом, из каких вариантов выбирает и на сколько они выгодны для выбирающего...

Что значит выгодны? У рынка покупателей всегда есть своя внутренняя оценка - сколько должна стоить квартира. Разница между "рыночной стоимостью" и "фактической ценой" и есть выгода для клиента. Чем больше выгода клиента, тем больше вероятность продажи квартиры.

Как узнать из каких вариантов клиент выбирает? У нас есть информация о бюджете клиента и рейтинге квартир по их привлекательности (выгодности) в глазах клиента. Выбирает он сначала из самых привлекательных. Если привлекательных квартир нет, то сегмент простаивает.

Как это можно предсказать? Вы предсказываете на месяц вперед поток клиентов с их бюджетами. Вы предсказываете рейтинг квартир по привлекательности на вашей витрине. "Перемножаете" это для каждого бюджета - получаете расклад что будет происходить в ближайший месяц.

⚡️⚡️⚡️
Какие из этого выгоды?
- ежедневно пересчитываемый прогноз продаж по выбранным сегментам с объяснением почему так, а значит управление планом продаж и равномерностью вымывания
- эластичность прогноза по цене для принятия решения - маржа/выручка
- фундамент для выстраивания системы скидок - что, когда, на сколько включать
- понимание где проблему надо решать увеличением клиентского потока, а не ценой

Такую систему быстро не настроишь ресурсами одного отдела ценообразования, поэтому для этой ветки развития рекоммендуем смотреть готовые решения на рынке или стратегически взращивать команду внутри.

Сегодня поделюсь упрощенным вариантом расчета рыночной цены квартиры. Авторство полноценного расчета принадлежит - Валерию Кондакову.

Посмотрим на процесс покупки квартиры глазами клиента. Человек делает десятки сравнений квартир. Предположим, что при выборе он формирует понимание, сколько он готов доплачивать в рублях за дополнительный метр, этаж, вид.

Поскольку природа этого выбора основана на сравнении, в модели мы идем по такому же пути. Т.е. не пытаемся вычислить стоимость квартиры сразу, а учимся считать сколько люди доплачивают за разницу.

______________ 1 этап _________________
Допустим, было продано 4 квартиры А, Б, В, Г. Значит мы сделаем 6 возможных пар АБ, АВ, АГ, БВ, БГ, ВГ и для каждой из них посчитаем разницу в характеристиках и разницу в цене. На языке математики это система линейных уравнений с N неизвестных, которая успешно решается. Ее результат будет к примеру такой для 1кк:

- за 1м2 клиент доплачивает 1%;
- за вид во двор против вида на улицу - 1.5%;
- за этаж - 0.4%;
- за месяц разницы по дате заселения - 0.8%.

Секретный ингредиент состоит в том, чтобы сравнивать квартиры, среди которых мог выбирать клиент.

В отличии от похожих поправок, рассчитываемых на старте продаж, реальные поправки, за которые голосует покупатель в каждом корпусе, отличаются и со временем меняются.

______________ 2 этап __________________
Зная поправки в рублях и реальные сделки, делается пересчет в рыночные цены. То есть те цены, за которые люди голосовали прошлыми сделками.

Далее чистим расчет от специфических сделок, когда клиенту удалось найти и купить квартиру ниже рыночной. Такие кейсы ясно видны, если сопоставить рыночную и прайсовую стоимость на одном графике.

______________ 3 этап _________________
Осталось упаковать в удобный график, таблицу. Например, как на графике ниже: прямая наклонная линия - линия равенства рыночной цены (рекомендованной) и цены прайса. То, что выше неё - продано по цене ниже рыночной. То что ниже неё - продано пытается продаться по цене выше рыночной.

______________ Выводы _________________
Расчет поправок на основе истории продаж - объективная обратная связь, за что голосует покупатель.
Эти поправки по каждому проекту свои и меняются со временем - успевайте это посчитать и среагировать.
Знание рыночной цены - фундамент для принятия решения, какой прайс выставить под текущий план продаж.