{"id":10771,"title":"\u0411\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u044b\u0439 \u0430\u043a\u0441\u0435\u043b\u0435\u0440\u0430\u0442\u043e\u0440 \u0434\u043b\u044f digital-\u0441\u0442\u0430\u0440\u0442\u0430\u043f\u043e\u0432","url":"\/redirect?component=advertising&id=10771&url=https:\/\/vc.ru\/promo\/349044-korotko-zapustit-pilot-i-poluchit-novyh-klientov-s-pwc&placeBit=1&hash=784bba4e4e7bbdd70a9f4ae7dbba83bdf662dd17da42e7eeb734d693a784bfa7","isPaidAndBannersEnabled":false}
Сервисы
FutureComes

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.

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.

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.

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.

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.

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.

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.

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.

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.

0
9 комментариев
Популярные
По порядку
Написать комментарий...
Надежда Карклина

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...

Ответить
5
Развернуть ветку
Кирилл Кузнецов

"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.

Ответить
1
Развернуть ветку
FutureComes

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.

Ответить
0
Развернуть ветку
Кирилл Кузнецов

И тем не менее, больше половины людей считает что ваши умные фильтры работают неправильно. А нужен всего-то data driven…

Ответить
0
Развернуть ветку
Alex Levadniy

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

Ответить
1
Развернуть ветку
FutureComes

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).

Ответить
0
Развернуть ветку
Ivan Kramarchuk

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

Ответить
0
Развернуть ветку
Читать все 9 комментариев
Лучший и единственный дневник тренировок в телеграм

Всем привет, меня зовут Антон! У меня не получилось найти идеальное приложение, поэтому я создал минималистичный бот для ведения дневника тренировок, в котором нет ничего лишнего.

Календарь тренировок и статистика в @workoutybot
Прохождение собеседования на позицию бизнес-аналитика

Личный опыт человека, получившего более 20 офферов на позицию бизнес-аналитика. Время чтения статьи: примерно 8 минут.

Как пандемия изменила рынок онлайн-страхования

Выяснили и рассказываем, как изменился онлайн-спрос на услуги страхования с начала пандемии.

«Инновации — это поле для сражений»

Как фуд-ритейл внедряет новые технологии.

В Москве появился фонд, инвестирующий в перспективные транспортные проекты

Фонд развития московского транспорта будет поддерживать стартапы, разрабатывающие прорывные технологии.

«Обычно думают, что надо рекламировать только дрянь — хорошая вещь и так пойдёт»: как родилась ранняя советская реклама Статьи редакции

Чтобы конкурировать с частниками в годы НЭПа, государству пришлось запускать свои рекламные кампании. Для треста Моссельпром Маяковский писал слоганы, а Родченко рисовал плакаты.

Рекламы хлеба и печенья
CES 2022: тренды AR и не только

Привет! Вы наверняка слышали о нашумевших хайтек-новинках, которые представили на выставке CES 2022 в Лас-Вегасе в начале января — о них написали многие СМИ. Наша команда также побывала на CES. Узнав об этом, коллеги, а потом и журналисты, попросили подробнее рассказать об инновациях с AR, которые показались наиболее перспективными.

«Холакратия, любимые мемчики и прозрачность»: программист о работе в Точке, моделинге и запуске треков на Spotify

Точка — это про людей. Про сотрудников, которые создают удобный банк для бизнеса. Мы запускаем серию интервью с нашей командой, чтобы рассказать, как у нас всё устроено.

Как всё успевать, если энергия есть только к вечеру

Что делать, если жизнь начинается только после обеда и надо ли себя перестраивать. Спойлер: есть быстрые способы.

Статус бота Veles
Ты всё ещё доверяешь калькуляторам веб сервисов ?

При поиске жилья наткнулся на интересный калькулятор "Копить или купить" от ЦИАН.

null