ML-платформа оценки стоимости недвижимости

Задача

Сеть агентств недвижимости теряла до 12% потенциальной выручки из-за неоптимального ценообразования: объекты либо занижались в цене и продавались мгновенно, либо зависали из-за завышенной стоимости. Требовался инструмент, который до публикации объявления подскажет оптимальную цену под разные цели и позволит контролировать качество работы риелторов.

Решение

Разработали ML-платформу оценки стоимости недвижимости, обученную на истории сделок и инфраструктурных данных, с UX-виджетом для риелторов. Модель CatBoost прогнозирует цену с точностью MAPE 4,9% и рекомендует цену для быстрой продажи или максимизации дохода. Виджет интегрирован в CRM, прогноз приходит за 300 мс. Для преодоления скепсиса агентов добавили сценарии «что будет, если» и объяснения факторов, провели обучение.