Все кейсы

ML-модель динамического ценообразования для аренды жилья

Osmi ·SchneiderElectric | SystemeElectric ·2025

Разработана ML-модель динамического ценообразования для аренды жилья, которая анализирует спрос, конкурентов и характеристики объектов, чтобы снизить время простоя и повысить доходность.

Задача

Арендодатели часто неверно оценивают рыночную стоимость жилья, что приводит к длительному простою объектов. Требовалось автоматизировать анализ конкурентов и динамики спроса для адаптивного ценообразования.

Решение

На основе ML-модели CatBoost создана система, учитывающая локацию, характеристики объекта, цены конкурентов и историю бронирований. Модель прогнозирует оптимальную цену на срок до 30 дней с ограничениями изменения: +30% и -10%. Реализована интеграция в сервис и логирование данных для дообучения.

Результат

Внедрено автоматизированное ценообразование: арендодатели получают обоснованные рекомендации, время простоя объектов снижается, а заполняемость и доходность растут.