реклама
разместить

Сервис недвижимости: как мы с помощью адаптивного UI и машинного обучения с нуля привели на сайт более 85000 посетителей

The Meters – стартап в сфере поиска недвижимости, который изначально планировался как инвестиционный помощник. В итоге сервис вырос в полноценную площадку по поиску квартир в Москве и Санкт-Петербурге. Как это произошло – читайте в кейсе.

Сервис недвижимости: как мы с помощью адаптивного UI и машинного обучения с нуля привели на сайт более 85000 посетителей

В виду интереса к инвестициям, площадка сохранила часть функционала до сих пор. При просмотре объявления о покупке квартиры, например, пользователь видит средние показатели доходности конкретного варианта, а также сравнение цены с рыночной за схожие характеристики. Еще The Meters показывает пользователям среднюю стоимость аренды выбранного ими варианта.

Проект пришел к нам во Future Comes на этапе сырого продукта, было много пробелов и недоработок, которые было необходимо заполнить: нужно было переработать дизайн и код, проект использовал старую версию фреймворков, а структура в коде отсутствовала.

Сервис недвижимости: как мы с помощью адаптивного UI и машинного обучения с нуля привели на сайт более 85000 посетителей

Приоритетной задачей стала разработка масштабируемой архитектуры сервиса, чтобы проект мог легко наращивать новый функционал с выходом следующих релизов. Был составлен план доработок:

  • Экран поиска —> формат списка
  • Переработка поиска на карте
  • Редизайн и переработка карточек объектов
  • Оптимизация поиска: сохранение параметров поиска, добавление в избранное, отсечение дублей с площадок
  • Создание панели для выгрузки файлов с данными и работы с аналитикой.

Все изменения и обновления мы разрабатывали опираясь на результаты опросов реальных пользователей и потенциальной целевой аудитории.

Сервис недвижимости: как мы с помощью адаптивного UI и машинного обучения с нуля привели на сайт более 85000 посетителей

Работа над UI

Перед началом работы с UI мы провели опросы о процессе поиска жилья среди потенциальной ЦА. Мы опросили жителей Москвы и Петербурга в возрасте от 25 до 35 лет. Большинству неудобно следить за объявлениями на нескольких площадках сразу, из-за этого подходящие варианты часто уходят из-под носа. Также многие упоминали посредственную эффективность фильтров на других площадках. А сортировать объявления в социальных сетях нельзя в принципе, поэтому приходится смотреть всё подряд, а на это уходит много времени.

На основании опроса мы поняли, что людям удобнее просматривать все объявления на одном ресурсе и желательно с возможностями кастомизации структуры, чтобы сузить диапазон поиска. Мы полностью пересмотрели интерфейс и бэкенд, расширили функционал и плотно занялись обучением ИИ, чтобы объявления фильтровались максимально качественно. Положительную динамику использования площадки можно было наблюдать в режиме реального времени, по мере реализации нововведений.

  • Разработали сохранение поиска и избранных квартир
  • Добавили порядка 10-ти новых фильтров, влияющих на поисковую выдачу
  • Добавили сортировку по рейтингу объявлений на основе ИИ
  • Разработали авторизацию, которая позволяет привязать к аккаунту сохраненный поиск и избранные квартиры.
Сервис недвижимости: как мы с помощью адаптивного UI и машинного обучения с нуля привели на сайт более 85000 посетителей

Дальше начали работу со страницей поиска. На превью объявления вывели:

  • Первоисточник объявления
  • Бейджи, помогающие принять решение: инвестиционный потенциал квартиры, построенный на ИИ
  • Отображение отклонения фактической цены квартиры от рыночной
  • Прогноз аренды, также построенный на ИИ. Отображает примерную сумму, которую можно получить при сдаче объекта в аренду.
Сервис недвижимости: как мы с помощью адаптивного UI и машинного обучения с нуля привели на сайт более 85000 посетителей
Сервис недвижимости: как мы с помощью адаптивного UI и машинного обучения с нуля привели на сайт более 85000 посетителей

Также добавили экран поиска объектов на карте со следующим функционалом:

  • Кластеризация объектов на карте
  • Цветовые индикаторы квартир
  • Разметка зоны поиска
  • Фильтрация как на странице поиска.
Сервис недвижимости: как мы с помощью адаптивного UI и машинного обучения с нуля привели на сайт более 85000 посетителей

Корректировки

После первого релиза, чтобы лучше понимать направление развития, провели сбор обратной связи. Это позволило:

  • Переместить фокус на ключевую аудиторию
  • Прогнозировать сроки выхода проекта на прибыль
  • Ускорить разработку
  • Составить список потенциальных задач для будущих релизов.

Система сбора информации также обновилась – ускорили процесс обработки ошибок парсеров и визуализировали его на дашборде. Также добавили возможность создания очереди файлов на загрузку, которая дала возможность вручную и автоматически загружать файлы в базу данных из нескольких источников.

Для более точного поиска мы проделали обширную работу с алгоритмами ИИ, это позволило повысить результативность поиска и удовлетворить запросы ЦА, исходя из результатов опроса и «болевых точек». В следующем разделе мы немного углубимся в процессы обучения ИИ, но без сложной технической информации. А также поговорим о том, как решались проблемы, с которыми столкнулась наша аудитория и мы сами.

Расширение функционала ИИ

  • Добавили анализ текста: теперь в карточки объявлений на сайте автоматически подтягиваются параметры из описания. Например, про доступность квартиры жильцам с детьми и/или животными
  • Добавили автоматический анализ изображений и возможность фильтровать объявления по качеству и цвету ремонта
  • Доработали алгоритмы оценки доходности и средней цены квартиры по рынку
  • Добавили алгоритм оценки качества инфраструктуры вокруг объекта: наличие школ, детских садов, магазинов, больниц, парков и транспортных развязок.

Процесс обучения ИИ и нейросетей

Многие думают, что ИИ и нейросети в буквальном смысле поглощают всё, что им дают датасаентисты и отбирают из этого лучшее самостоятельно, но работает это не совсем так. При обучении нейросетей нужно тщательно сортировать информацию и перебирать множество комбинаций, чтобы свести погрешность к минимуму.

Для качественного обучения нужны качественные датасеты, для их составления требуется тщательная сортировка и систематизация информации. Также исходные данные должны быть приведены к общему виду и чем полнее перечень исходных данных, тем лучше будут результаты соответственно.

Еще одним важным параметром является размер выборки, чем больше вариантов проанализирует нейросеть, тем опытнее она станет и повысит свою результативность. Тут же стоит учитывать количество параметров анализируемых нейросетью объектов, в нашем случае их много: площади, комнатности, цены, локации и т.д.

Таким образом, чем больше структурированных и подробных датасетов нейросеть потребит, тем меньше будет погрешность. В нашем случае первый алгоритм дал SMAPE на уровне 70%, то есть если аренда квартиры стоит 50 тыс. рублей, алгоритм давал оценку в районе 15-75 тыс. Дальше было много проб и ошибок, разные специалисты, разные технологии – мы экспериментировали. Итоговый результат получился на уровне 12%, что уже намного лучше.

Сервис недвижимости: как мы с помощью адаптивного UI и машинного обучения с нуля привели на сайт более 85000 посетителей

Монетизация

В данный момент мы вместе с The Meters исследуем и прорабатываем возможные стратегии монетизации проекта, некоторые из них уже реализованы:

  • Платный доступ к API/аналитике
  • Платная подписка с расширенными функциями
  • Услуги по подбору и анализу вариантов жилья – раздел “Виртуальный риелтор»
  • Партнерства с компаниями-перевозчиками, клинингами и локальными бизнесами
  • Помощь в оформлении документов, партнерства с юридическими компаниями.

Планы на ближайшие полгода

  • Выпустить опрос для более простого поиска квартиры
  • Выпустить первую версию личного кабинета для пользователей
  • Переработка кода для оптимизации работы сайта и масштабируемости
  • Запуск вспомогательных услуг от оффлайн команды
  • Внедрение дополнительных функций для удобства пользователей.

Результаты

Результатом сотрудничества Future Comes и The Meters стал успешный переход от «сырого продукта» к «работающему решению» по поиску недвижимости, которое помогает людям в Москве и Петербурге. Более 50% посетителей площадки использует умные фильтры при поиске, это влияет на количество времени, требующегося на поиск жилья и, соответственно, на проведенное время на сайте.

Находить подходящие варианты стало легче и быстрее, об этом говорит статистика (мы сравнивали показатели первых месяцев сотрудничества и актуальные показатели): благодаря продуктовым апдейтам и новым фильтрам удалось увеличить количество визитов почти в 8 раз, а общее количество визитов за весь период работы — 130.000.

Вместе с количеством визитов выросли показатели глубины просмотра – количество страниц, просмотренных пользователем в течение одного сеанса. Также удалось снизить количество отказов с 41.8% до 27.6% – всё меньше людей покидают сайт, не пробыв на нем и 15 секунд.

Время пребывания на сайте возросло почти в 3 раза.

Сервис недвижимости: как мы с помощью адаптивного UI и машинного обучения с нуля привели на сайт более 85000 посетителей

Вместе с развитием нейросетей и обновлениями UI будет сокращаться количество времени, затрачиваемого на поиск подходящего варианта жилья пользователями The Meters. Команда работает над тем, чтобы сделать процесс поиска наиболее адаптивным и удобным. Также со временем будет появляться больше дополнительных услуг, которые помогут избежать бюрократических сложностей и ошибок, связанных с арендой и покупкой недвижимости.

Слышали ли вы о THE METERS до этого или может вы уже искали квартиру через этот сервис? В комментариях можно задать интересующие вас вопросы команде разработчиков или поделиться своими комментариями по использованию сервиса.

1818
реклама
разместить
9 комментариев

Очень интересный кейс, интересно, планируется ли выход в регионы. Такой сервис может быть полезен во многих городах-миллионниках... Особенно студентам, которые приезжают учиться в более крупные города - с жильем всегда проблемы...

5

"Более 50% посетителей площадки использует умные фильтры при поиске"… "Добавили порядка 10-ти новых фильтров, влияющих на поисковую выдачу"… Понятно. Позовите юиксера в команду, ну и вообще умных людей.

1

Каждый новый фильтр конкретизирует твою поисковую выдачу и экономит время, так как ты не смотришь нерелевантные варианты. Часть этих фильтров можно выставить вручную (например, если вы хотите рядом с домом фитнес с бассейном и ВкусВилл), а часть вшивается автоматически в поиск (большинство этих фильтров направлены на скрытие сомнительных квартир из поиска или дубликатов). То есть увеличение количества фильтров не нагружает пользователя, а наоборот делает процесс поиска удобным.
А новые фильтры и условия поиска внедрялись исходя из исследований аудитории, так как над проектом работала команда разработчиков и дизайнеров, соблюдающих все правила design thinking.

В статье не раскрыт заголовок статьи. Каким макаром вы привели 85000 людей дополнительно, переделали фильтры?

1

Мы привлекали пользователей с помощью таргетированной рекламы, сообществ о недвижимости и локальных досок объявлений об аренде квартир. Но динамику по привлечению пользователей (с помощью сарафанного радио в том числе) и по их возвращению на сайт можно было заметить в момент больших продуктовых изменений: изменений главного экрана и добавления фильтров (об этих изменениях написано в материале).

Про ИИ только много раз написано, что он есть. Можно детали? Какие критерии использовали, какой фреймворк, какие особенности?

Раскрывать всегда
В Москве начнут развивать новую сеть магазинов у дома «Фуд сити экспресс» — «Ведомости»

Её запустили на базе продовольственного комплекса «Фуд сити».

Фото «Ведомости» 
1212
66
11
11
11
"Фуд сити экспресс" Борьба с заимствованиями и чистотой языка где? ))
реклама
разместить
«Теневой» прокат зарубежных новинок принёс российским кинотеатрам 4,3 млрд рублей в 2024 году

Против 4,8 млрд рублей в 2023 году.

Кадр из фильма «Дэдпул и Россомаха», 2024 год
88
33
11
11
Почему он теневой? Это чистой воды пиратство с целью наживы. Таким Макаром я могу поставить теневую копию софта на комп....
Какие функции ИИ-монтажёра Director могут сэкономить время при работе с видео

Нейросеть вырезает и склеивает фрагменты, накладывает субтитры, делает дубляж и цензурирует мат.

66
11
Российские экспортёры столкнулись со сложностями при возврате валютной выручки в страну

Проблемы усугубились после ноября 2024 года, когда Минфин США ввёл санкции против нескольких десятков финансовых компаний.

Источник фото: «Портал малого и среднего предпринимательства Республики Саха»
1010
55
11
11
11
11
11
Что за вранье опять. Президент твердо и четко сказал: санкции нам на пользу.
Как я открыл и продал самую крупную сеть настольных игр в России

Мы открыли 79 магазинов, на нас работало 300 человек, а на пике оборот магазинов составил 700 млн рублей. За 10 лет я видел миллионы прибыли, долги в 150 млн ₽, обороты в 700 млн в год, скандалы с правообладателями и кризисы.

Мосигра
6464
99
11
11
#H2 Автоматизация маркетинга: как мы собрали более 300.000 просмотров для нашей инди-игры

Привет, меня зовут Лев, я владелец студии разработки Keyron. Сегодня я расскажу о том, как мне удалось продумать стратегию взаимодействия с лидом. В данном контексте моим лидом являлся ютюбер с большой(ну или малой) аудиторией.

#H2 Автоматизация маркетинга: как мы собрали более 300.000 просмотров для нашей инди-игры
2626
44
22
11
11
11
Соцсеть Bluesky запустила раздел вертикальных видео

Он уже доступен в мобильном приложении.

66
44
11
Instagram* представил видеоредактор Edits — аналог CapCut от китайского владельца TikTok

CapCut удалили из американских магазинов App Store и Google Play из-за закона о «бане» TikTok в стране.

Интерфейс Edits
77
11
11
[]