Smartere prissetting for korttidsutleie av boliger

Markedet for korttidsutleie er i konstant utvikling, og det kan være utfordrende for utleiere å tilpasse seg endringene. Sammen med Wheelhouse har vi utviklet et dynamisk rammeverk som gjør prissetting enklere og mer lønnsomt.

Prissetting for korttidsutleie

Tjenester som Airbnb, Vrbo og Homeaway, som spesialiserer seg på korttidsutleie av boliger, har endret måten eiendomseiere kan tjene ekstreinntekter på. For mange ikke-profesjonelle er det imidlertid krevende å sette riktige priser som gjenspeiler markedets endringer. Ofte mangler de nødvendig informasjon og erfaring med inntektsstyring, noe som gjøre det vanskelig å maksimere inntekten. Sammen med Wheelhouse har vi utviklet løsninger som forenkler og effektiviserer denne prosessen.

Wheelhouse: Global overvåkning av markedet for kortidsutleie

Vi har utviklet et dynamisk rammeverk for prissetting som gir eiendomseiere nødvendige verktøy for å spare tid og øke inntektene på sine utleieboliger.

Wheelhouse et San Francisco-basert selskap som overvåker det globale korttidsutleiemarkedet, og de analyserer millioner av bookinger hver dag på tvers av plattformer. Dette er en enorm jobb, og kan gjennomføres grunnet NRs modeller som utgjør kjernen i deres prissettingsstrategi. Modellene tilpasses ulike variabler for å levere nøyaktige og lønnsomme anbefalinger.

Vi har samarbeidet med Wheelhouse siden 2014, da selskapet var en oppstartsbedrift med fire ansatte. Siden den gang har vi fungert som deres forsknings- og utviklingsavdeling, og vårt eget team har vokst i takt med selskapets vekst.

Effektive prissettingsmodeller med maskinlæring

For å møte utfordringene i korttidsutleiemarket har vi kombinert tradisjonelle og moderne metoder i våre modeller. Utleieboliger er unike sammenlignet med hotellrom, og vi har derfor basert rammeverket vårt på økonometiske modeller fra 1970-tallet, som ble utviklet for markeder med stor produktvariasjon. For å håndtere fleksibiliteten i kortstidsuleie, benytter vi også klassisk modellering av overlevelsesanalyse. Dette er en metode fra medisinsk statistikk som beregner tiden før en spesifikk hendelse inntreffer.

Selv om disse modellene er kraftige verktøy, var de aldri laget for å håndtere hundremilliardervis av datapunkter. Modellene er derfor uttilstrekkelige på egenhånd. For å løse denne utfordringen har vi integrert maskinlæringsteknikker som gjør modellene raskere, mer robuste og i stand til å tilpasse daglige anbefalinger for alle enheter i kalenderen.

Datadrevne investeringsmodeller for eiendomsforvaltning

Ved siden av prissetting har vi utviklet omfattende markedsrapporter som gir verdifull innsikt for eiendomsselskaper. Disse rapportene har vært nyttige i utviklingen av investeringsmodeller som hjelper selskaper med å identifisere de mest attraktive markedene for korttidsutleie.

Vil du vite mer om dette prosjektet?

Ta kontakt: