Shiva AI: как за 10 лет сделать из 10 млн рублей больше 144 млн рублей, инвестируя в недвижимость

Нужно понять 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 4) Какой продукт пользуется спросом.

Представим : что может произойти, если иметь возможность оценивать все 10 000 предложений каждый день и покупать только то, что в текущем моменте лучшее (значит недооцененное ) на рынке?

Представим визуально рынок как этот график. Все рынки недвижимости, даже самые эффективные могут быть разделены на 3 больших кластера : переоцененные, с рыночной ценой и недооцененные объекты. Недооцененных объектов всегда меньше. Если рынок очень эффективный, то недооцененных объектов будет очень мало : возьмем к примеру 0,5%. Самая большая часть рынка — будет с рыночной ценой : возьмем 70%. И оставшееся часть — переоцененные объекты : 29.5%

Подсчитаем, что будет если систематически покупать только ту недвижимость, что попадает в 0.5% недооцененных предложений и продавать ее через 6 мес. на 20% дороже (минус расходы и налоги в 4% от маржи = 16% чистыми ) и снова реинвестировать в лучшие 0.5% предложений.

Спустя 10 лет и 50 таких транзакций ( 50 потому что средняя сделка будет в районе 10–15 млн. рублей) 10 млн. рублей вырастет до 144 млн. рублей. Заманчивая стратегия. Осталось придумать — как это можно реализовать.

Такой подход будет сопряжен с несколькими большими трудностями : 1) где найти так много сделок, когда нужно будет вложить не 10 млн. рублей, а 100 млн.? 2) как устранить юридические риски? 3) как избежать ошибок? 4) Как устранить риски : соседей, больших строек, девальвации, вида из окон наконец и так далее?

Мое мнение, как автора — что решение будет за AI. В ближайшие 10 лет в мире финансов, недвижимости и и нвестиций будет 2 типа инвесторов: те, у кого есть AI и те у кого нет.

Воронка в crm

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 ипломинтируются в код системы. И такие сделки больше не попадают в CRM ( ура, можно продолжать автоматизироваться и сокращать расходы)

Есть конкурентция — не будет сверхдоходности

Мы применили эту стратегию (15 кейсов) и сравнили ее со стратегией, когда прямые конкуренты были ( 3 кейса ). Разница в доходности была катастрофической: от 278% годовой доходности (лучший кейс) до 25% годовой доходности (худший кейс).

Наши тесты в течение 2020 года показали, что помимо поиска дешевого объекта, нужно учитывать корреляцию параметров : спроса и конкуренции, предельной стоимости и пиков спроса для получения высокой доходности. Это очень не просто сделать если у тебя нет под рукой тонны данных, команды разработчиков — безумцев и стремления подкручивать системы каждый день делая десятки тестов.

Важный вопрос: как сделать так, чтобы раз за разом находить такие возможности ежедневно / еженедельно? Одно дело инвестировать 15 млн. рублей, другое дело инвестировать 1 млрд. рублей. Доходность не может быть одинаковая.

Или может?

В теории : главное — научиться масштабировать процесс поиска, отсева, упаковки и продажи. Рынок недвижимости – огромный. По нашим посчетам, Московский рынок переварит спокойно 10 млрд. рублей с потенциальной доходностью от 30% годовых.

Супер возможности ( от 100% годовой доходности ) появляются редко и разбросанны географически. То в одном районе, то в другом появляются на короткий период времени. По нашему опыту, невозможно вылавливать отличные варианты постоянно, работая только в одной локации, где у вас есть экспертиза или есть эксперт.

Для этого мы построили машины анализа всех предложений на рынке, которая обновляет данные 1 раз в день. Эта машина сканирует все пространство в Московской области и делает отсев 93% предложений, наполняя нашу воронку сделок только теми возможностями, которые могут принести не менее 30% годовой доходности.

Как мы создаем ai

Покажу на примере земельных участков как все уже работает. Знаю, что земельные участки всех пугают (якобы, неликвид) — но именно по-этому пример будет еще нагляднее. Инвестиции в землю — это юридический и практический АД.

Недавно у нас закрылась первая инвестиционная сделка, сделанная с участием AI, которая принесла инвесторам 278% прибыли за 1 год. Это историческое собитие для нас и первое в России.

Дисклеймер : это не значит что у Вас тоже так получиться и это не значит, что здесь обещают эту доходность. И это не значит, что у нас будет получаться и дальше так же. Короче, полный отказ от любой ответственности.

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.

Работает очень просто : 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.

Good Job: теперь мы нашли весь геморрой на рынке = ). Участки с лэпами, трубами, проблемные (с квартирами мы найдем все объявления со стандартными разводками риелторов : тут площадь прибавили на 20% из-за тамбура и балкона, тут нет права собственности и так далее по очень-очень длинному списку). В нашем крафтовом списке выявлено 178 таких вариаций косяков и неточностей, которые уже отсеиваются на 98% автоматически. Но чтобы их найти — пришлось прогнать тысячи сделок через кучу фильтров.

Очевидно, 95% таких найденных возможностей не принесут денег. На том этапе остановились многие, из тех, кого я знаю (кто занимался этой темой), потому что дальше предстоит сделать 99% всей работы.

Подготовка к сделке

Здесь с нашей стороны выступает юрист, который согласовывет условия сделки, вносит аванс, назначает банк и занимается регистрацией — ничего занимательного. Рутина.

Три пути

1.Можно возиться в этом слое рынка и тратить большие ресурсы на осмотр, отсев и проработку оффлайн этих сделок, которые на 95% окажутся не тем, что мы ищем.

2. Можно выстроить другой, более эффективный и масштабируемый способ поиска сделок.

3. Или и то и то. Почему бы и нет если позволяют ресурсы.

Чтобы получить стабильные отличные результаты — придется играть намного тоньше и гораздо глубже анализировать рынок, данные и покупательские предпочтения. Именно здесь и начинает свою работу AI.

Юридическая проверка

До 90% всех рисков можно исключить за счет правильного использования текущих баз данных и детальной проверки по каждому возможному риску. В нашем чек листе 97 возможных рисков, ранжированных от критичных до незначительных. В нашем списке в чек листе учитано настолько много потенциальных рисков, что отлавливаются такие случаи как : год назад по соседству был пожар и погибло 3 людей или собственник подозревался ФСБ за содействие терроризму.

Основные этапы проверки : карты росреестра, право собственности, генеральные планы развития территории, суды, правонарушения.

Если сделка проходит по воронке дальше, на объект делается выезд 1) осмотрщика ( аутсорс ), который составляет отчет после разговора с соседями, председателями, местным муниципалитетом — это стоит 700-900 рублей 2) геодезисты, которые проверяют наличие коммуникаций под землей и выставляют границы участка — это стоит намного дороже (думаем как сделать за 700 рублей = ) )

Наши выводы о том как покупать :

Если иметь на входе в воронку тысячи объектов, можно еженедельно на выходе из воронки получать множество подготовленных и проверенных сделок с высокой маржинальностью. Такой мини-завод по производству сделок в дальнейшем позволит инвестировать большие суммы денег в мелкие активы (10 объектов по 10 млн. в разных локациях вместо 1 объект за 100 млн.) — это решает проблему масштабирования нашего подхода “перекладывания инвестиций из объекта в объект”.

С нашей точки зрения : это безопаснее, это дает в 2–3 раза выше доходность ( а значит опять, безопаснее ), это не зависит ни от государства, ни от экономики, ни от других узких мест, которые есть при работе с крупными объектами недвижимости.

1/2 процесса реализована — осталось реализовать процесс упаковки и продажи, что еще одна головная боль, если нужно одновременно управлять сотнями разных процессов.

Рейтинг
( Пока оценок нет )
Ипотека и кредиты