قیمت‌گذاری املاک با هوش مصنوعی؛ گام بزرگ الو ملک برای عبور از رکود بازار

در حاشیه نمایشگاه اینوتکس ۲۰۲۵ با «سید آریا حسینی»، کارشناس دیجیتال مارکتینگ الو ملک، درباره راهکارهای این پلتفرم، نوع همکاری با دیوار، و چالش‌های موجود در مسیر دیجیتال‌سازی بازار مسکن گفت‌وگو کردیم.

«الو ملک» چه می‌کند؟

او درباره مأموریت الو ملک چنین توضیح می‌دهد: «ما در الو ملک خدماتی ارائه می‌دهیم که هدفشان تسهیل انجام معاملات است، بدون آنکه مستقیماً در فرایند خرید و فروش دخالت داشته باشیم. یعنی محصولاتی ارائه می‌کنیم که کاربران بتوانند با اطلاعات دقیق‌تری وارد معامله شوند، نه اینکه بخواهیم خودمان طرف معامله باشیم.»

قیمت‌گذاری هوشمند چگونه کار می‌کند؟

حسینی درباره ساختار این ابزار توضیح می‌دهد: «ما سه نوع سیستم قیمت‌گذاری داریم. یکی از آن‌ها کاملاً مبتنی بر هوش مصنوعی است و به‌صورت لحظه‌ای عمل می‌کند. دو مدل دیگر توسط کارشناسان انجام می‌شود، که هم به‌صورت حضوری و هم آنلاین قابل استفاده هستند.»

او تأکید می‌کند: «قیمت‌گذاری هوشمند ما بر اساس داده‌هایی است که از آگهی‌های کل کشور جمع‌آوری می‌شود. این داده‌ها به همراه پارامترهایی که کاربر انتخاب می‌کند، تحلیل می‌شوند تا قیمت مناسب ملک ارائه شود.»

چه عواملی در قیمت‌گذاری دخیل‌اند؟

حسینی خاطرنشان کرد: «ما برای قیمت‌گذاری هر ملک حدود ۴۵۰ تا ۴۷۰ پارامتر در نظر می‌گیریم. مثلاً قیمت نوساز آن محله که به آن base price می‌گویند، متریال ساخت، امکاناتی مثل آسانسور و پارکینگ، طبقه، نورگیری، لوکیشن (بالاشهر یا پایین‌شهر)، معاملات قبلی در آن منطقه، و البته درصدی که فروشنده به‌عنوان انتظارات خودش اضافه می‌کند.»

حسینی ادامه می‌دهد: «برخی پارامترها کیفی‌اند و برخی کمی. مشاوران املاک معمولاً اطلاعات محلی را دارند ولی نه در مقیاس کلان. ما با تحلیل داده‌های شهری و ملی، آنالیزی ارائه می‌دهیم که در سطح فردی بسیار سخت و زمان‌بر است.»

از کجا شروع شد؟ همکاری با دیوار

او به سابقه همکاری الو ملک با دیوار نیز اشاره می‌کند: «شروع همکاری ما با دیوار از خرداد ۱۴۰۳ بود. ابتدا به‌صورت افزونه‌ای در کنار آگهی‌ها، سیستم ما بررسی می‌کرد که آیا قیمت اعلام‌شده در بازه منصفانه‌ای هست یا خیر. کم‌کم داده‌ها زیاد شد، و حالا ما این سیستم را علاوه بر دیوار، روی سایت خودمان نیز ارائه می‌دهیم.»

به گفته حسینی، در ابتدا فقط ۴۰ درصد از تهران پوشش داده می‌شد، اما با گذر زمان به ۷۰ درصد رسیدند و اکنون شهر تهران، اصفهان و شهرهای بزرگ دیگر تحت پوشش این سیستم هستند.

او در ادامه گفت: «فرض کنید کاربری خانه‌ای در دیوار می‌بیند و شک دارد قیمت آن منصفانه هست یا نه. به جای اینکه برود از چند مشاور قیمت بپرسد، می‌تواند از ما قیمت دقیق و هوشمندانه بگیرد. این ابزار برای خریداران بسیار کارآمد است.»

او ادامه می‌دهد: «حتی اگر فروشنده به خاطر انتظارات شخصی، قیمت بالاتری داده باشد، ابزار ما بازه قیمتی واقعی را نشان می‌دهد.»

مقاومت بازار سنتی؛ چالش مهم فناوری

به اعتقاد حسینی، بازار سنتی هنوز در برابر ورود فناوری مقاومت‌هایی دارد. طبق گفته او: «این گارد را در بسیاری از بخش‌ها می‌بینیم. اما مثل اتفاقی که برای سایت‌های آگهی آنلاین افتاد، می‌توان امیدوار بود که با گذشت زمان، پذیرش عمومی افزایش یابد.»

حسینی درباره امکان دیجیتال شدن کامل بازار املاک می‌گوید: «بله، این فرآیند امکان‌پذیر است. مثلاً برخی از مراحل سند زدن اکنون آنلاین شده‌اند. اگر شفافیت در کل زنجیره معامله افزایش یابد، بازار می‌تواند به سمت کاملاً آنلاین شدن حرکت کند.»

فاصله بین قیمت آگهی و قیمت واقعی

یکی از نکات کلیدی گفت‌وگو، فاصله میان قیمت‌های ثبت‌شده در آگهی‌ها و قیمت واقعی معاملات است.
«در مهر ۱۴۰۳ آنالیزی انجام دادیم که نشان می‌داد قیمت میانگین آگهی‌ها حدود ۱۰ درصد بیشتر از قیمت واقعی معامله‌شده است.»

او ادامه می‌دهد: «آخرین دیتای رسمی معاملات که داریم مربوط به تیر یا مرداد ۱۴۰۳ است، ارائه‌شده توسط بانک مرکزی. بعد از آن دیگر داده‌ای منتشر نشده چون این شائبه را ایجاد می‌کرد که بازار مسکن در حال فروپاشی است.»

حسینی به آماری اشاره می‌کند که تصویر روشنی از رکود بازار نشان می‌دهد: «در مرداد ۱۴۰۳ در تهران، ۲۶۷ هزار آگهی ثبت شد، اما تنها حدود سه هزار معامله واقعی انجام گرفت. یعنی کمتر از ۱ درصد! این نشان‌دهنده بازاری رکودی و مریض است.»

رسالت الو ملک: کاهش شکاف قیمتی، ایجاد شفافیت

اگر بتوانیم مرجع قیمتی باشیم که فروشنده و خریدار آن را قبول دارند، می‌توانیم به کاهش حباب کمک کنیم. اگر قیمت پایه‌ای وجود داشته باشد که همه بپذیرند، فروشنده نمی‌تواند قیمت دلخواهش را بدون منطق بالا ببرد. این یعنی شفافیت و کمک به خروج بازار از رکود.

در انتها، آریا حسینی با تأکید بر نقش داده در آینده بازار املاک می‌گوید: «اگر بتوانیم داده‌های معاملات واقعی را هم داشته باشیم، می‌توانیم با دقت بالاتری پیش‌بینی کنیم که تفاوت قیمت پیشنهادی با قیمت واقعی در کدام مناطق بیشتر است. در حال حاضر دقت ما حدود ۹۵ درصد است و تنها ۵ درصد اختلاف داریم. اما با دسترسی بیشتر به اطلاعات، این دقت بالاتر هم می‌رود.»