ChatGPT:不動産仲介会社の契約データから顧客の傾向を分析する
今どんな人が活発に購入しているのか。どこに住んでる人がどこの物件を買っているのか。東京カンテイさんとかレインズとか全宅連さんのデータを見ると市場全体の傾向は確認できます。もう一歩踏み込んで、自社のあるいは特定の店舗のお客さんはどんな動きをしているのか、ChatGPTを使って見てみましょう。
まずは自社の契約者のデータを読み込みます。
※今回私の手元には顧客データは無いので、架空のデータベースをChatGPTでつくりました。架空ですので実際の各地域の相場などは実情とだいぶ違います。プロンプトはこんな感じです。
“架空の不動産売買顧客データをつくってください。各項目に表示する内容は()内の選択肢から選んでください)
項目は 住所(西宮市・大阪市・芦屋市)・購入地(西宮市・大阪市・芦屋市)・問い合わせ年月(2023年x月)・契約年月(2023年y月)・購入前(賃貸・持ち家)・購入物件(マンション・戸建)・購入価格(1500万円〜8000万円、100万単位まで)”
約500件のデータを作ってくれました。
データを読み込めればあとはなんでもわかります。
例えば、現住所と契約までの平均期間を聞いてみます。
なるほど。そんなに大きく変わらないがあえて言うと芦屋市の人はやや早く決めてくれる傾向にあると。
では、どの地域からどの地域に転居しているのかを見てみましょう。
芦屋市に住んでいて西宮市の物件を購入している方が多いと。
その他複合的な要素も組み入れてみます。住所と購入地、それに平均契約期間と平均購入価格を組み合わせて分析してみます。
ではこの中で、問い合わせから契約期間が短いものはどのパターンなのでしょうか。平均契約期間が短い順に並び替えてみました。
今回、データベースに入力した要素は以下のとおりです。
住所(市単位)
購入地(市単位)
問い合わせ年月
契約年月
購入前(賃貸・持ち家)
購入物件(マンション・戸建)
購入価格
さらに
住所と購入地を町単位まで
家族構成・人数
勤務地
などを入力することでさらに詳しく分析できます。
これらのデータを分析することで、広告配布エリアや訴求ポイントの修正など、あらゆる施策に反映できますね。
※情報保護の観点から、この分析をする際にはお客様のお名前や住所地番など個人が特定できる情報は入力しないようにしてください。
プロフィール・実績・掲載メディア(雑誌・新聞)・お問い合わせ