收益：
- 在人工智能的支持下，编制区域价格走势、供需平衡、租金乘数等指标，并将其转化为有意义的市场总结
- 能够查看人工智能提供的数据的当前性和来源问题，并与官方/当前数据进行验证
- 能够在没有保证的情况下，根据法律向客户传达市场解释作为预测
房地产顾问最有力的王牌就是了解市场。只有能够解读市场的顾问才能向业主告知正确的价格、向买家告知正确的时机、向投资者告知正确的区域。市场分析；就是把一个地区的价格走势、供需平衡、租金乘数、销售期限、发展潜力等综合起来，变成一个有意义的故事。人工智能在这项编译和解释任务中非常有用：它组织和比较分散的数据，将趋势放入句子中，并创建要呈现给客户的摘要。但这里最大的陷阱是时效性和资源问题：语言模型不了解实时市场；给出的号码可能是旧的或假的。所以原则是：你把数据带来，让AI解读；不要向AI询问号码。
市场分析关键指标
让我们澄清几个概念。价格趋势是指某个地区的平方米价格随时间的增加/减少的方向。供需平衡是指待售房源数量与买家兴趣的比率；如果供应充足，价格就会受到抑制，如果需求充足，价格就会上涨。租金乘数（租金收益率期）是房价除以年租金收入；这是“它会在多少年内摊销”这个问题的答案。 （例如价格为6M，年租金为30万，则乘数为20年）。平均销售时间是指广告找到买家需要多少天；它显示了市场的速度。入住率/空置率是指出租房产的出租量。
这些指标的数据应来自官方和当前的来源：您自己的销售记录、办公室的 CRM 数据、官方房价指数、门户统计数据、产权契据/销售数字和实地观察。人工智能的工作是读取、比较和解释这些数据，而不是生成数据。
注意：询问语言模型“X 社区的价格上涨了多少百分比？”最常见和最危险的错误是询问并告诉客户出现的数字。该模型的信息是旧的，不是实时的，并且可以流畅地拟合数字。数字来自你，解释可能来自模型。
一步一步：可靠的市场总结
- 收集数据：从可靠来源收集过去 6-12 个月的可比销售额、租赁样本、过帐期限和供应数量。请注意日期和来源。
- 将原始数据提供给人工智能：说“仅使用此数据，不要相加”并让它计算趋势、平均值和乘数。
- 寻求评论，寻求保证：解释趋势的方向、可能的原因和不确定性；不要要求对未来有某种承诺。
- 翻译成客户语言：将技术摘要转化为业主/买家/投资者的通俗语言。
- 验证和标记：包括每个数字的来源，注明“这是估计值”，更新任何过时的内容。
模板 1 — 原始数据的趋势摘要：
角色：您是一名房地产市场分析师。以下是 X 区的已验证产量。仅使用此值，请勿添加/创建新数字。减去：平均平方米价格、6 个月变化方向、平均销售期、租金乘数。也写下不确定性。数据：[粘贴你自己的数据]
模板 2 — 租金乘数和收益率：
使用以下数据计算租金乘数（价格/年租金）和总租金收益率百分比；显示交易。明确不包括空置率和费用。数据：销售价格[X]，月租金[Y]。
模板 3 — 给客户的市场说明：
根据下面的分析，撰写一份 120 字的市场报告，提交给业主。不要说“保证”、“肯定会增加”；请注意，这是基于历史数据的估计，市场可能会发生变化。分析：【贴总结】
模板 4 — 来源和货币检查：
对于下面市场摘要中的每个数字声明，表格中都会出现问题“其来源是什么、日期是什么、是否是最新的”。标记那些来源/日期未知的人。摘要：[粘贴文字]
对照表：数据来源
来源
当前性
可靠性
注释
您自己的销售/CRM 记录
高
高
最有价值；实际数据
官方房价指数
中（延迟）
高
适合潮流，但社区细节有限
门户广告统计
高
中等
挂牌价=询问，不出售
实地观察/商人信息
高
中等
定性洞察、量化
语言模型的“记忆”
低/不清楚
低
USING 用于数字
三个迷你箱子
案例 1——用自己的数据进行强有力的总结。顾问向 YZ 提供了办公室在过去 9 个月内完成的 22 笔销售。 YZ 提取平均平方米价格、6% 的上涨趋势和 41 天的平均销售时间。顾问将其呈现给业主并相应地确定价格；该房产将在 38 天内售出。教训：实际数据才是最有力的分析。
案例 2 — 假比率。另一位顾问向模型询问：“这个地区的租金上涨了多少百分比？”问道；该模型显示“22%”。顾问将此告知投资者。实际增幅接近40%；一旦投资者与另一位顾问核实，信任就结束了。教训：不要让模型问数字，带上数据。
案例 3——租金乘数谬误。 AI计算房产18年的租金乘数，但不考虑空置率和费用。顾问将此表示为“净回报”。如果加上空缺和费用，实际投资回收期将增加到 23 年。教训：不要将总乘数呈现为净回报；明确你的假设。
弱提示/强提示
弱提示：
总结切克梅柯伊的房地产市场状况以及价格上涨了多少。
该模型无需实时数据即可拟合；没有来源、日期、验证。
强力提示：
角色：市场分析师。下面使用您自己验证的数据，不要添加新数据。取出趋势方向、平均平方米价格和销售期，说明不确定性并写下它是“估计”。数据：[给出你自己的]
常见错误
- 向语言模型询问实时市场数据。陈旧/伪造数据的风险。
- 将广告价格误认为销售价格。想要的和发生的之间的差异。
- 将总租金乘数呈现为净回报。空缺/费用忽视。
- 把趋势变成保障。 “肯定会增加”是一个误导性的说法。
- 分享摘要，但不指定来源和日期。
提示：在每个市场注释的底部添加一个小的“来源和日期”行：“数据：办公室销售记录，[期间]。这是估计值。”这条单线让您既可靠又受到保护。
微观区域和季节性：平均值的谎言
市场分析中最常见的错误是将广泛的平均值应用于狭隘的现实。 “伊斯坦布尔每平方米多少钱”这句话几乎没有提及任何房产；即使同一地区的两条街道之间也可能存在 30% 的差异。立面、街道、场地入口、到学校/地铁的距离、噪音、景观——所有这些都创造了微观的区域差异。不要向人工智能询问平均值，而是给它类似的微观位置的同伴并进行比较。第二个陷阱是季节性：住房，尤其是租赁市场全年波动（例如，大学开学前租赁需求增加）。将一个时期的数据延伸至全年会产生误导；我问AI“这个数据属于什么时期？有季节性影响吗？”让他们提问。第三，存在突破时刻：利率、汇率、立法或城市转型决策等事件可能会打破市场对过去数据的认知。在这样的时期，历史人工智能解释不再具有指导作用；现场观察和最新的过程数据是第一位的。看房产的真实微观位置和当前时期，而不是平均值。
综上所述
市场分析是顾问最有价值的资产，而人工智能可以加速这项工作——但前提是您提供可靠的数据。编译模型、比较、解释并将其翻译成客户语言；它不产生数字。您自己的销售记录是最强大的资源。写下每个数字的来源和日期，保持总/净区别，使趋势成为估计，而不是保证。
应用任务
编译您工作地区过去 6-12 个月的（匿名）销售和租赁数据。使用模板 1 得出趋势摘要，使用模板 2 得出租金乘数。使用模板 4 对每个数据进行来源/日期检查。最后，编写标有“预测”的市场说明，该说明将使用模板 3 呈现给客户。
清单
- [ ] 我从可靠/最新的来源获取了这些数据；我没有将它安装到模型上。
- [ ] 我把广告价和实际销售价分开了。
- [ ] 我已经在租金乘数（毛/净区别）中清楚地写出了缺口/费用假设。
- [ ] 我将趋势呈现为“预测”；没有保修声明。
- [ ] 我在注释中添加了每期的来源和日期。