SlideShare a Scribd company logo
Алексей Игошин, CEO HomeApp, со-основатель
Создание розничного data-driven
продукта
8 сентября 2016
Бизнес модель
Технологичексий сервис аренды квартир
(technology enabled brokerage)
Источник доходов
Брокерские комиссии
(сейчас - фиксированная комиссия 35 тр после подписания договора
аренды)
Кол-во закрываемых сделок
в день
2 сделки в день
Кол-во сотрудников
~ 30
(17 ~брокеров)
Начали работать над
продуктом
Август 2015
Выпуск первой версии
основного продукта
Август-Сентябрь 2016
Создатели
Два выпускника бизнес-школы Berkeley-Haas 2014 года
(ex-BCG и ex-McKinsey)
Проблема:
Поиск квартиры в Москве в аренду часто очень сложен
и непрозрачен. Причина – посредники, которые часто
очень неэффективны, хотят много денег “ни за что” –
и не предоставляет качественного сервиса.
При этом:
• Уже каждая третья семья в Москве снимает квартиру
• 9 из 10 квартир сдаются через посредников
• Средняя агентская комиссия – 30-40 тр
Решение:
Создать посредника, который действительно нужен –
делает поиск квартиры максимально простым,
прозрачным и удобным..
Цель - повысить прозрачность и производительность
рынка недвижимости за счет современных технологий
работы с данными
Как это работает – Шаг 1: поиск и выбор квартир
Самостоятельный поиск:
Поиск по площадкам объявлений с очень низким
качеством данных.
• Повторы объявлений одной квартиры – часто с разными
ценами
• Неактуальная информация
• Мошенники – “квартира уже сдана”, “10 тр за просмотр”
и тд
С нами:
Максимально актуальная информация по всем
квартирам в Москве
• Максимально полная база квартир (порядка 60 разных
источников)
• Убираем дубли, мошенников
• Очень высокая степень актуальности базы
• Уникальная информация – изменение цены, и тд
Примеры: динамика цены квартиры и сравнение цены с ценами с
квартирами в том же и соседних домах
Как это работает: назначение встреч для просмотра квартиры
Самостоятельный поиск:
С нами:
Назначание времени просмотра одним кликом –
через встроенный мессендежер
• Достаточно просто скинуть в чат и указать время
просмотра
• Одно окно – информацию о себе надо рассказать
один раз Homie
Все сам – поиск квартиры превращается во
“вторую работу”
• Сам себе call-центр – надо звонить по всем квартирам
• Если попадаешь на мошенников – контакт продается
и Вам начинают звонить риелторы с прдложением
услуг
• Встречи переносятся, отменяются и тд
Самостоятельный поиск:
Помощь эксперт по району HomeApp
• Наши эксперты по районам знают все про район и
каждый дом и наших клиентов - за счет данных
• Доступны в чате на все время поиска – рекомендуют
квартиры, сбрасывают новые варианты
• Проводят переговоры, проверяют собственников,
оказывают поддержку
Сам себе риелтор – встречи с разными агентами,
самостоятельные переговоры с собственником
• Встречи с риелторами /собственниками
• Самостоятельно переговоры
• Нет юридической поддержки и проверок, что
собственник – действительно собственник
Как это работает: просмотры квартир, переговоры, подписание договора
Пример: тепловая карта поиска по одному из наших клиентов - мы собираем всю
информацию о наших клиентах и отдаем ее нашим экспертам по районам
Рост производительности Прозрачность / удобство
В основе нашей бизнес модели - радикальное повышение производительности
брокера и прозрачности рынка недвижимости за счет работы с данными
Арендаторы
Собственники
Сокращение количества
просмотров с 4-5 до 2-3;
В 10 раз меньше затрат времени
... поиск квартиры становится
более управляемым, простым и
удобным
В 3-4 раз больше сделок на
брокера, чем в традиционных
агентствах недвижимости
… и мы контролируем их работу и
качество сервиса за счет данных
Ускорить «сдаваемость»
квартиры на 20-50%
… прозрачность по ценам, по
арендодателям и тд
Брокеры
Несмотря на то, что мы запустились совсем недавно, мы уже видим рост
производительности брокера vs традиционное агентство недвижимости
Сегодня Цель
Кол-во сделок на
брокера / месяц 1.5-2 3.5 - 4 6 - 8
Пришедшие клиенты /
сделки, %
(лояльность)
3 - 5%
(каждый 20-30)
20%
(каждый 5-ый)
30%
(каждый 3-ий)
Прибыльность одного
брокера
(после маркетинга и зп)
~ 20% Выше
Значительно
выше
Традиционное агенство
недвижимости
HomeApp
KPI

More Related Content

PPT
продажа квартир в волжском – основные действия риэлтора
PPTX
Prezentatsiyatutt
PPTX
Управление эмоциями ― бесплатный способ продвижения агентства недвижимости
PPT
презентация для партнеров
PDF
Data Science Week 2016. E-Contenta. "Data science в медиа-компаниях"
PDF
Data Science Week 2016. New Professions Lab. "Образование в области Big Data"
PDF
Data Science Week 2016. DCA. "Ваш телефон вас понимает. Персонализированные п...
PDF
Data Science Week 2016. QIWI. "Поиск сообществ в графах пользователей переводов"
продажа квартир в волжском – основные действия риэлтора
Prezentatsiyatutt
Управление эмоциями ― бесплатный способ продвижения агентства недвижимости
презентация для партнеров
Data Science Week 2016. E-Contenta. "Data science в медиа-компаниях"
Data Science Week 2016. New Professions Lab. "Образование в области Big Data"
Data Science Week 2016. DCA. "Ваш телефон вас понимает. Персонализированные п...
Data Science Week 2016. QIWI. "Поиск сообществ в графах пользователей переводов"

Viewers also liked (11)

PDF
Data Science Week 2016. RockStat. "Мультиканальная атрибуция на основе вовлеч...
PPTX
Data Science Week 2016. GlowByte, "Культура работы с данными"
PDF
Data Science Week 2016. Segmento, "Digital Employee"
PDF
Data Science Week 2016. Inten.to. "Мессенджеры и персональные ассистенты"
PDF
Data Science Week 2016. Rambler & Co. "Пайплайн машинного обучения на Apache ...
PDF
Data Science Week 2016. NVIDIA. "Платформы и инструменты для реализации систе...
PDF
Data Science Week 2016. SkyEng. "Data-driven экономика компании"
PDF
Data Science Weekend 2017. Brand Analytics. Исследование трендов потребления ...
PDF
Data Science Weekend 2017. Qlean. Как устроено машинное обучение в Qlean
PPTX
Data Science Week 2016. Microsoft. "Интернет вещей и предиктивная аналитика ...
PDF
Data Science Weekend 2017. Urbica. Дизайн города, основанный на данных
Data Science Week 2016. RockStat. "Мультиканальная атрибуция на основе вовлеч...
Data Science Week 2016. GlowByte, "Культура работы с данными"
Data Science Week 2016. Segmento, "Digital Employee"
Data Science Week 2016. Inten.to. "Мессенджеры и персональные ассистенты"
Data Science Week 2016. Rambler & Co. "Пайплайн машинного обучения на Apache ...
Data Science Week 2016. NVIDIA. "Платформы и инструменты для реализации систе...
Data Science Week 2016. SkyEng. "Data-driven экономика компании"
Data Science Weekend 2017. Brand Analytics. Исследование трендов потребления ...
Data Science Weekend 2017. Qlean. Как устроено машинное обучение в Qlean
Data Science Week 2016. Microsoft. "Интернет вещей и предиктивная аналитика ...
Data Science Weekend 2017. Urbica. Дизайн города, основанный на данных
Ad

Similar to Data Science Week 2016. Homeapp. "Создание розничного data-driven продукта" (20)

PPT
Презентация МИС "Новая квартира" - заявка на конкурс стартапов Forbes
PDF
Realty app
PPTX
Портал недвижимости Areti.ru
PPTX
Areti
PPTX
portal Areti
PDF
мобильные приложения для решения типовых проблем в бизнесе в сфере недвижимос...
PPT
Презентация проекта база сдам
PPT
kvartirui
PPT
Recrm.ru
PPTX
In souz
PPTX
NCCmart
PDF
Artsofte Недвижимость
PDF
PDF
Maroom Investment proposal
PDF
Инструменты повышения эффективности интернет рекламы для сферы недвижимости
PPT
презентация Lotinfo
PPTX
PPTX
Управление эффективностью работы агентов. Оперативный менеджмент в отделе продаж
PDF
презентация Lotinfo 2
PDF
Недвижимость в кармане. Как использовать то, что у 99% ваших клиентов есть см...
Презентация МИС "Новая квартира" - заявка на конкурс стартапов Forbes
Realty app
Портал недвижимости Areti.ru
Areti
portal Areti
мобильные приложения для решения типовых проблем в бизнесе в сфере недвижимос...
Презентация проекта база сдам
kvartirui
Recrm.ru
In souz
NCCmart
Artsofte Недвижимость
Maroom Investment proposal
Инструменты повышения эффективности интернет рекламы для сферы недвижимости
презентация Lotinfo
Управление эффективностью работы агентов. Оперативный менеджмент в отделе продаж
презентация Lotinfo 2
Недвижимость в кармане. Как использовать то, что у 99% ваших клиентов есть см...
Ad

More from Newprolab (8)

PDF
Data Science Weekend 2017. CleverDATA. Text mining of beauty blogs: о чем гов...
PDF
Data Science Weekend 2017. New Professions Lab. Образование в области Data Sc...
PDF
Data Science Weekend 2017. E-Contenta. Классификация текстов: в поисках сереб...
PDF
Data Science Weekend 2017. МегаФон. Аналитика больших данных в телекоме. Опыт...
PDF
Data Science Weekend 2017. 1С-Битрикс. Чатбот для подсказки ответов на вопросы
PPTX
Data Science Weekend 2017. Segmento, На пути к идеальной диалоговой системе
PDF
Data Science Weekend 2017. Intento. Machine to Machine Communication in the ...
PDF
Data Science Week 2016. Sberbank
Data Science Weekend 2017. CleverDATA. Text mining of beauty blogs: о чем гов...
Data Science Weekend 2017. New Professions Lab. Образование в области Data Sc...
Data Science Weekend 2017. E-Contenta. Классификация текстов: в поисках сереб...
Data Science Weekend 2017. МегаФон. Аналитика больших данных в телекоме. Опыт...
Data Science Weekend 2017. 1С-Битрикс. Чатбот для подсказки ответов на вопросы
Data Science Weekend 2017. Segmento, На пути к идеальной диалоговой системе
Data Science Weekend 2017. Intento. Machine to Machine Communication in the ...
Data Science Week 2016. Sberbank

Data Science Week 2016. Homeapp. "Создание розничного data-driven продукта"

  • 1. Алексей Игошин, CEO HomeApp, со-основатель Создание розничного data-driven продукта 8 сентября 2016
  • 2. Бизнес модель Технологичексий сервис аренды квартир (technology enabled brokerage) Источник доходов Брокерские комиссии (сейчас - фиксированная комиссия 35 тр после подписания договора аренды) Кол-во закрываемых сделок в день 2 сделки в день Кол-во сотрудников ~ 30 (17 ~брокеров) Начали работать над продуктом Август 2015 Выпуск первой версии основного продукта Август-Сентябрь 2016 Создатели Два выпускника бизнес-школы Berkeley-Haas 2014 года (ex-BCG и ex-McKinsey)
  • 3. Проблема: Поиск квартиры в Москве в аренду часто очень сложен и непрозрачен. Причина – посредники, которые часто очень неэффективны, хотят много денег “ни за что” – и не предоставляет качественного сервиса. При этом: • Уже каждая третья семья в Москве снимает квартиру • 9 из 10 квартир сдаются через посредников • Средняя агентская комиссия – 30-40 тр
  • 4. Решение: Создать посредника, который действительно нужен – делает поиск квартиры максимально простым, прозрачным и удобным.. Цель - повысить прозрачность и производительность рынка недвижимости за счет современных технологий работы с данными
  • 5. Как это работает – Шаг 1: поиск и выбор квартир Самостоятельный поиск: Поиск по площадкам объявлений с очень низким качеством данных. • Повторы объявлений одной квартиры – часто с разными ценами • Неактуальная информация • Мошенники – “квартира уже сдана”, “10 тр за просмотр” и тд С нами: Максимально актуальная информация по всем квартирам в Москве • Максимально полная база квартир (порядка 60 разных источников) • Убираем дубли, мошенников • Очень высокая степень актуальности базы • Уникальная информация – изменение цены, и тд
  • 6. Примеры: динамика цены квартиры и сравнение цены с ценами с квартирами в том же и соседних домах
  • 7. Как это работает: назначение встреч для просмотра квартиры Самостоятельный поиск: С нами: Назначание времени просмотра одним кликом – через встроенный мессендежер • Достаточно просто скинуть в чат и указать время просмотра • Одно окно – информацию о себе надо рассказать один раз Homie Все сам – поиск квартиры превращается во “вторую работу” • Сам себе call-центр – надо звонить по всем квартирам • Если попадаешь на мошенников – контакт продается и Вам начинают звонить риелторы с прдложением услуг • Встречи переносятся, отменяются и тд
  • 8. Самостоятельный поиск: Помощь эксперт по району HomeApp • Наши эксперты по районам знают все про район и каждый дом и наших клиентов - за счет данных • Доступны в чате на все время поиска – рекомендуют квартиры, сбрасывают новые варианты • Проводят переговоры, проверяют собственников, оказывают поддержку Сам себе риелтор – встречи с разными агентами, самостоятельные переговоры с собственником • Встречи с риелторами /собственниками • Самостоятельно переговоры • Нет юридической поддержки и проверок, что собственник – действительно собственник Как это работает: просмотры квартир, переговоры, подписание договора
  • 9. Пример: тепловая карта поиска по одному из наших клиентов - мы собираем всю информацию о наших клиентах и отдаем ее нашим экспертам по районам
  • 10. Рост производительности Прозрачность / удобство В основе нашей бизнес модели - радикальное повышение производительности брокера и прозрачности рынка недвижимости за счет работы с данными Арендаторы Собственники Сокращение количества просмотров с 4-5 до 2-3; В 10 раз меньше затрат времени ... поиск квартиры становится более управляемым, простым и удобным В 3-4 раз больше сделок на брокера, чем в традиционных агентствах недвижимости … и мы контролируем их работу и качество сервиса за счет данных Ускорить «сдаваемость» квартиры на 20-50% … прозрачность по ценам, по арендодателям и тд Брокеры
  • 11. Несмотря на то, что мы запустились совсем недавно, мы уже видим рост производительности брокера vs традиционное агентство недвижимости Сегодня Цель Кол-во сделок на брокера / месяц 1.5-2 3.5 - 4 6 - 8 Пришедшие клиенты / сделки, % (лояльность) 3 - 5% (каждый 20-30) 20% (каждый 5-ый) 30% (каждый 3-ий) Прибыльность одного брокера (после маркетинга и зп) ~ 20% Выше Значительно выше Традиционное агенство недвижимости HomeApp KPI