Startup usa inteligência artificial para calcular preço de venda ideal para imóveis

Share on facebook
Share on twitter
Share on linkedin
Teo Scalioni
Teo Scalioni
Mestre em Administração pela Universidade FUMEC. Tese defendida em 28/02/2011 Título: Parceiras de uma empresa de venture capital: impactos nas dinâmicas operacionais de pequenas e médias empresas de base tecnológica. Formado em Comunicação Social - Jornalismo em 2003. Bolsista Pesquisador da Fundação de Amparo a Pesquisa de Minas Gerais (Fapemig) de 2009 a 2011. professor e Gestor de Inovação da Faculdade Arnaldo, idealizador do Acelera Arnaldo, programa que estimula startups de alunos a chegarem no mercado. Empreendedor digital - Co-founder do portal Tempo de Inovação. Palestra "Inovação e Empreendedorismo Digital " na Faculdade Promove de Sete Lagoas Professor Universitário nas Faculdade. Professor Universitário: disciplina: Startups: Negócios Contemporâneos, Estrutura e Processos Organizacionais e Jogos Empresariais

A falta de informações públicas sobre os preços pelos quais os imóveis são vendidos no Brasil é um dos principais fatores que levam a venda de casas e apartamentos se arrastarem por cerca de 16 meses em média no país, segundo dados da Associação Brasileira de Incorporadoras Imobiliárias. Nos Estados Unidos, por exemplo, leva-se menos de três meses para se fechar negócio, em média.

Na tentativa de trazer mais liquidez para o mercado nacional e tornar mais simples a tarefa de determinar por qual valor um imóvel pode ser vendido, a startup imobiliária Loft está aplicando inteligência artificial nos processos de avaliação e precificação das propriedades.

A IA, batizada de Calculadora de Preços Loft, determina, a partir da análise de dados de anúncios e de transações de compra e venda, uma sugestão de preço alinhada ao mercado, o que aumenta em até quatro vezes as chances da unidade receber uma proposta de um possível comprador.

Além do preço recomendado para venda, a tecnologia também informa as informações em que essa recomendação se baseia – como foi a venda recente de imóveis semelhantes e como estão os anúncios na região.

O modelo de machine learning (processo conhecido como aprendizado de máquina) foi treinado com mais de 10 milhões de anúncios e 5 mil transações. O índice de acerto é compatível com os melhores modelos de precificação dos EUA, como o da Zillow.

“A imobiliária e seus corretores terão mais argumentos para auxiliar a pessoa que anuncia a formar seu preço, que em geral é definido por fatores muito imprecisos, como conversa com amigos ou com o porteiro”, afirma Talles Dantas, vice-presidente de estratégia da Loft.

A Calculadora já foi utilizada de forma experimental pela imobiliária Foxter, de Porto Alegre. Apenas no primeiro mês da campanha, ela conseguiu que, em 38% dos imóveis considerados sobre-precificados, os vendedores baixassem o preço pedido (em média, em 10%). A estimativa é que tenha havido oito vendas adicionais com o uso da calculadora.