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

В следующее десятилетие ИИ поможет кому-то разбогатеть, а кому-то — потерять профессию.

Многие часто слышали про инвестиционные стратегии на рынке ценных бумаг. От “стоимостного метода”, которым часто пользуется Уоррен Баффет и до квантовой торговли. Но бьюсь об заклад, что Вы не слышали что-то подобное про инвестиции в недвижимость.

Инвестиции в недвижимость — это было всегда про “построить”, “сдавать”, “купить на аукционе”, “купить и владеть 10 лет”.

Инвестиции в недвижимость это всегда поиск золота в куче руды. Поэтому инвесторы используют кладоискателей — экспертов. Но факт в том, что экспертиза людей всегда ограничена шеографией. Кладоискатель может вырыть шахту только в одном или нескольких местах. Рынок сделок с недвижимостью подвижен, сегодня в одном районе есть возможность, завтра в другом — золото все время перемещается.

Как работает эксперт в недвижимости : он сравнивает предложения в своем поле локальной экспертизы и предлагает лучшее из 30–50 вариантов, а не лучшее из 10 000 возможностей. Эксперт по недвижимости не сможет сказать, какое предложение сейчас лучшее в Москве или в Нью Йорке. Ему придется проанализировать в моменте гигабайты данных для этого, что он как человеческое существо не сможет сделать.

Поскольку реальную доходность от инвестиций в недвижимость можно увидеть только через 3–5 лет, как правило ответ на вопрос: “Заработаю я на этой нивестиции или нет “ — это почти всегда лотерея и вера.

Здесь мы опустим все разговоры про стрессовые продажи, когда люди продают недвижимость за 50% от стоимости. Источник таких сделок непостоянный и непрозрачный в РФ. Предположим, что у нас нет доступа к сверхдисконтированным сделкам (если постоянный доступ к таким сделкам есть — зачем что-то выдумывать?)

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.

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.

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.

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.

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.

Если мы знаем какой спрос на рынке, мы в состоянии выстроить систему ранжирования сделок от лучших ( Top 3 или Top 10 ) к худшим. И предсказать, что будет продано через месяц, а что через полгода, а что вообще не будет продано.

Сделка с покупателем всегда ограниченна верхней планкой — его деньгами. В Москве рынок холодный ( средний срок продажи участка = 1 год, квартира 4 мес ) — решения о покупке не принимаются эмоционально. Решения принимаются долго, после десятков просмотров аналогов (кстати, именно по-этому роль риелтора в продаже критически снизилась — важен продукт и цена). Это значит, что первую роль будет играть сам продукт, а не его упаковка или презентация.

Нам нужно “взвесить” каждый объект ( по всем имеющимся параметрам ) по отношению к другому и наложить эти данные на покупательские предпочтения. Таким образом мы получаем рэйтинг среди конкурентов на основе покупательских предпочтений.

Зная рейтинг всех конкурентов в районе — мы можем узнать какого продукта в районе нет, который покупатели бы хотели видеть и определить лучшее сочетание цены и времени продажи на него. Так мы можем избежать конкуренции и отсутствия ликвидности в условиях кризиса. Это нас обезопасит от “зависания” наших денег в каком-то объекте, который мы не сможем продать — это самое важное для кризисного рынка.

Создать продукт, у которого нет прямых конкурентов и на который есть спрос — самая маржинльная стратегия в недвижимости. Если научиться делать это быстро и прикладывать минимальные усилия для улучшения — доходность может составлять сотни годовых процентов на непрозрачном рынке и десятки процентов на эффективном рынке.

Раздел земельного участка на мелкие участки — хорошая стратегия, которую можно реализовать с землей. Это быстро, прогнозируемо и не связано с долгими регулируемыми государством процессами, как девелопмент или перевод назначения земли.

Одни из наших кейсов:

В 2018 года мы купили 30 соток в районе Красногорска за 11.5 млн. рублей https://goo.gl/maps/5aiCyhsXKrR76iXP7.

Купили его по одной причине : собранная нами система ( мы назвали ее Shiva ) показала, что есть высокий спрос на землю до цены 3,5 млн. рублей, но не было ни одного предложения о продаже земельного участка за эту цену. Зато можно было купить 30 соток, что мы и сделали.

Спрос на участки до 3.5 млн. рублей вблизи Красногорска высокий и сегодня. Минимальный возможный участок в Красногорске по закону — это 5 соток для ИЖС. Мы купили 30 соток и вывели на рынок 6 лотов по 5 соток по цене каждого в 3.1 млн. рублей.

Продали все объекты в течение года за 17.4 млн. рублей. В абсолютных числах доходность на каждый рубль составила 125% годовых.

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 2018 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.

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.

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)

Машина ( далее будем называть ее просто Shiva) просчитывает цену конечного предложения, по которому покупатели купят в короткий период времени. Один из принципиальных вопросов, влияющих на доходность инвестиций. Что будет выгоднее : продать за 4 млн. рублей через 7 месяцев или за 3.5 млн через 2 месяца? Если думать об этом постоянно, без автоматизации Shiva - взорвется башка.

Shiva высчитывает налоги, потенциальные расходы и назначает цену нашего предложения продавцу, при которой мы сможем получить нашу целевую доходность в целевой период времени.

Колцентр обзванивает всех продавцов в воронке с предложением заключить сделку по нашей цене 1 раз в 2 недели. Переговоры могут быть долгими, короткими или вообще не быть, если цена нас устраивает.

Получив целевую цену, сделка переходит в секцию для юридической досканальной проверки.

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 = ) )

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

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.

На момент начала тестов алгоритмической сисемы инвестирования Shiva (февраль 2018 года) у нас было агентство недвижимости, в котором работало 80 риелторов. Как только мы не пробовали автоматизировать их работу в течение 3-ех лет, ничего не получалось. Звонки пропускались, клиентам редко перезванивали, контакты с клиентами не фиксировались. CRM не помогает. Пробовали 3 раза — результат всегда был один : падение продаж. Риелторы просто не самые организованные люди на свете. Они не умеют работать шаблонно, они не умеют работать по инструкциям. Точка.

Приняли решение: всех риелторов по продажам мы заменили на 1) Стандарты упаковки, рекламы и подготовки документов (для аутсорса) 2) 14 часовой Колл-центр с поддержкой Whats’App 3) Смарт-прайсинг систему, определяющийся машиной Shiva (это самое интересное) 4)Внесение аванса и подготовка к сделке без посещения офиса.

Опустим этап упаковки и рекламы (тут у нас свои секреты, не могу поделиться) и перейдем сразу ко второй части : продажи по телефону и What’s Up

Когда все звонки идут не на риелтора, а на коллцентр — это a) контроллируемо б) оперативно с) всегда будет Follow up и собрана обратная связь, потому что так прописано в инструкции и в CRM видно, было это сделано или нет.

Оказалось, что продавать участки по WhatsApp — это очень просто. Звонит клиент, ему по шаблону предоставляется информация (на 90% одно и то же), на WhatsApp отсылается точка на карте, кадастровый номер, ссылка на документацию и пожелания отличного пути.

Аванс клиент так же вносит удаленно, через эквайринговую ссылку Сбербанка и подписанный электронно договор.

Клиенты были очень довольны скоростью и простотой бронирования объекта.Предчувствую, что скажут : “Ну с участками просто — там можно самому приехать, что делать с квартирами?“

С квартирами мы устанавливаем веб-камеру при входе в квартиру и смарт-лок, который управляется удаленно. Клиент получает индивидуальный код, который работает только 1 день.

Было 15% клиентов, которые не хотели самостоятельно входить в квартиру без представителя, аргументируя это тем, что “Возможно это подстава и потом вы скажете, что там лежал миллион рублей, который мы украли”. Тут приходится предоставлять гарантийное письмо, что в квартире нет ничего ценного.

Как правильно устанавливать цену? Если покупатели торгуются, соглашаться или нет? Для нас это было большой проблемой, пока мы не передали эти функции Shiva.

Любой риелтор заинтересован продать недвижимость как можно скорее и уломать продавца продать сегодня. Проценты тут не причем (при 5% за квартиру 7 млн или 6 млн разница в комиссии 50 тыс. рублей, а геммороя продать на миллион дороже — ровно на миллион). Кроме как доверять риелтору никакого решения ранее не существовало (не понятно : сколько было просмотров у рекламы, сколько звонков, какая зависимость, на сколько срок продажи зависит от цены и еще десятки вопросов, на которые риелтор ответить бы не смог)

Алгоритм рейтинга конкурентов Shiva, решает эту проблему и отвечает на ВАЖНЫЙ вопрос : если в этой местности есть спрос, мы — это лучшее предложение на рынке сейчас? или мы в ТОП 3?, или в ТОП 10?

Если в районе продается 2 участка (или 2 квартиры) в месяц этого класса, очевидно, что чтобы реализовать недвижимость за 1 месяц нужно находиться в ТОП 2. При этом постоянно появляются новые конкуренты — нужно коррелировать цену ПОСТОЯННО чтобы держаться в нужной позиции в глазах покупателя.

Совмещаем эти данные с 1) Количеством просмотров нашей рекламы по сравнению с конкурентами 2) Количеством звонков 3) Нашими ожиданиями от целевой доходности по этой инвестиции — получаем нужное нам пересечение кривых ВРЕМЕНИ и ЦЕНЫ продажи ( или Точку Эквилибриума Shiva )

По какой цене нужно выставить объект, согласиться на сделку или нет — определяет параметр "доходность" и выражается в процентах на каждый рубль инвестиций. Если продавать выгодно через месяц — нужно ставить одну цену, если прямых конкурентов по цене нет, а спрос есть и за 6 мес на рынке мы сможем получить выше доходность за счет более высокой цены — Shiva выставляет цену, рассчитанную на 6 мес реализации. Все становиться прозрачно и понятно. Больше нет никакой риелторской магии и ответов типа “Есть пару желающий, думаю что продадим через месяц.

Многие компоненты системы все еще работают с участием человека-менеджера для подстраховки и для выполнения тех задач, которые пока невозможно (или еще очень дорого) делать автоматически (например распознавание картинок).

Мы работаем над тем, чтобы соединить все элементы процессов в одну систему и автоматизировать процессы. Что позволит инвестировать в недвижимость в Москве, Нью Йорке, Дубае или даже в Индии и Индонезии вне зависимости от локальной экспертизы. По нашему опыту : принципы покупки и продажи во всех странах одинаковые, разница лишь в законах и налогах (это можно учесть и вручную добавить в систему, благо эти параметры не меняются раз в день), а данные будут все более и более доступны (в США уже есть куча данных, в России или Индонезии данные станут доступны в течение 10–20 лет)

В РФ Shiva с прекрасными результатами прошла тестирование ( 74% маржинальность инвестиций) и готова к переходу на следующий этап развития и увеличения инвестиций с 78 млн. рублей ( которые были использованы в тесте ) в 7–10 раз больше в 2020 году.

В США машина и описанный выше подход проходит испытание первыми сделками в текущий момент.