Недвижимость: аналитика арендного рынка

Ситуация: Платформа управляет 5 000 объектами для арендодателей. Средний vacancy rate — 12% (target 6%). Среднее время сдачи — 28 дней. Ошибка pricing — причина 60% длительных vacancy.

Proptech-компания предлагает арендодателям сервис «под ключ»: оценка, фото, показы, арендаторы. Берёт комиссию 8% от аренды. Ценообразование — ручное, на основе опыта менеджера.

Доступные данные

• listings: listing_id, property_id, listed_price, final_price, listed_at, rented_at, days_on_market
• properties: property_id, type, rooms, area_sqm, district, floor, renovation, amenities
• market_comps: property_id, comp_id, distance_km, price_per_sqm, similarity_score
• tenant_searches: search_id, budget_range, rooms, district, search_date
• price_adjustments: listing_id, adjustment_date, old_price, new_price, reason

Задачи

• Построить pricing model на основе comparable properties и demand signals.
• Определить оптимальную pricing strategy: high start + gradual decrease vs. market price from day 1.
• Рассчитать cost of overpricing: vacancy cost per day vs. lower rent for 12 months.
• Предложить dynamic pricing: adjust based on views, inquiries, и market changes.
• Оценить segment-specific strategies (luxury vs. economy, short-term vs. long-term).

Все кейсы для подготовки → ← Все кейсы