Livit: Nachfragescore ermöglicht gezieltes Marketing und senkt Leerstandskosten

Dem Immobiliendienstleister Livit erlaubt die Integration verschiedener Datenquellen eine effizientere Vermarktung seiner Mietobjekte. Bei Livit steht Datenmanagement und Digitalisierung ganz oben auf der Agenda. Um den Wiedervermietungsprozess zu optimieren, wurde gemeinsam mit IT-Logix ein Modell erarbeitet, das die zu erwartende Nachfrage für Wohnungen und Geschäftslokalitäten errechnet. Mit dem „Nachfrage-Score“ können auch Quereinsteiger, die mit dem Metier weniger vertraut sind, ihre Arbeit effektiver erledigen.

Beim Schweizer Unternehmen für Real Estate Management Livit kümmern sich schweizweit rund 640 Mitarbeitende in neun Niederlassungen um 181'000 Mietobjekte privater und institutioneller Eigentümer im Wert von 52,7 Milliarden Franken. Die zum Versicherungskonzern Swiss Life gehörende Livit konzentriert sich dabei auf Bewirtschaftung, Vermietungsmanagement, Baumanagement und Facility Management . Wie die meisten Branchen ist auch die Immobilienwirtschaft im Wandel begriffen. Die technologischen, demografischen und gesellschaftlichen Megatrends wirken sich infolgedessen immer stärker auch auf das Traditionsunternehmen aus, verändert doch die digitale Transformation das gesamte Ecosystem der Branche. Bei Livit wurde denn auch der Grundsatzentscheid getroffen, das Real Estate Management auf eine nächste Stufe zu heben: als integrale, rundum vernetzte Dienstleistung mit maximalem Kundenfokus entlang des gesamten Lebenszyklus‘. 

Anspruchsvolles Vermietungsmanagement

Allein schon die schiere Anzahl der rund 68‘000 bewirtschafteten Wohnungen lässt die Komplexität des Vermietungsmanagements erahnen: Von Livit sind dauerhaft im Durchschnitt 1000 bis 1200 Inserate für leer stehende Wohnungen im Internet aufgeschaltet. „Jeden Monat vermieten wir rund 500 Wohnungen neu, Tendenz steigend“, sagt Philippe Frei. 2016 hat Frei bei Livit die Leitung des Vermietungsmanagements übernommen, um dieses Kerngeschäft in den Niederlassungen schweizweit aufzubauen und die Weiterentwicklung in Richtung Spezialisierung voranzutreiben. Dabei sieht sich Frei mit zwei Herausforderungen konfrontiert: Einerseits nimmt die Mietdauer stetig ab. Allein von 2015 bis 2020 sei die Mietdauer von durchschnittlich 384 auf 321 Wochen gesunken. „Das erhöht das Risiko für Leerstände und entsprechende Mietausfälle.“ Andererseits kommt erschwerend hinzu, dass erfahrene Vermietungsberater und Vermarkter schwer zu finden sind und die Personalfluktuation in Bewirtschaftungsunternehmen generell hoch ist. Es arbeiten in diesem Berufszweig viele Quereinsteiger, auch branchenfremde. „Wichtig für den Job ist ein hohes Dienstleistungsverständnis und Beratungstalent“, meint Frei. Trotzdem muss das Leerstandrisiko minimiert und die Wohnungen möglichst nahtlos weitervermietet werden. Um sicherzustellen, dass die Vermarktungsaktivitäten auch von Mitarbeitenden mit geringeren Immobilienkenntnissen effizient eingesetzt und Entscheide objektiv getroffen werden, will Frei mit Tools den Prozess unterstützen.

Nachfrage-Score soll Hilfestellung geben

Um die Mietobjekte optimal zu vermarkten, sollte den Vermietungsberatern mittels eines Nachfrage-Scores ein Hinweis darauf gegeben werden, wie gut oder wie schwierig eine Wohnung vermieten werden kann. Davon ausgehend sollen die Vermarktungs-Aktivitäten optimiert werden, beispielsweise indem die Aufschaltdauer der Anzeige kürzer oder länger eingeplant wird. Weitere Möglichkeiten sind, die Inserate auffälliger zu platzieren, um mehr Aufmerksamkeit und Interesse beim Publikum zu erzielen oder frühzeitig zusätzliche Aktivitäten wie Werbetafeln oder absatzfördernde Massnahmen (z.B. Mieter vermitteln Mieter, Umzugsgutscheine etc.) umzusetzen. Anfang Januar 2019 wurde gemeinsam mit den Verantwortlichen bei Livit das Modell für den Nachfrage-Score entwickelt. Als Kriterium für die Einstufung des Objektes diente dabei die Anzahl an Personen, die sich innerhalb der ersten 7 Tage nach Veröffentlichung auf das Inserat gemeldet haben. Die Textlänge, insbesondere aber die Tiefe der Informationen, Insertionsdauer u.a. werden in dem Modell auf einen einzigen Wert reduziert. Ein entscheidender Faktor für die Nachfrage ist beispielsweise die Information über die Reisezeit zum nächstgelegenen Zentrum. Aber auch Merkmale wie Grösse der Liegenschaft, Höhe des Mietzinses, Anzahl der Bilder oder das Vorhandensein eines Grundrisses fliessen in die Berechnung mit ein. Diese Informationen werden mit externen Daten, etwa des Bundesamtes für Statistik (Abgleich der Gebäude-ID, Leerstandquoten, Bevölkerungsinformationen, Marktpreise etc.), Open Street Map, den Land Cover Services von Kopernikus oder des Bundesamtes für Umwelt, abgeglichen.

Am Anfang war der Score

Die Erarbeitung der Definition des Modells beanspruchte seitens IT-Logix 15 Personentage, die Operationalisierung, d.h. die Programmierung (Python) und Implementierung des Modells in die Data-Warehouse-Infrastruktur der Livit weitere 5 Personentage. Alle erhobenen Daten werden einmal täglich auf dem Server aktualisiert und ergeben zusammen eine Prognose für die zu erwartende Nachfrage einer leer stehenden Wohnung. Das Modell wird zudem regelmässig mit neuen Daten abgeglichen und so der Algorithmus laufend nachjustiert. Dem Vermietungsberater wird direkt in seinem Programm ein Hinweis gezeigt, um die Dauer des Leerstands zu optimieren. Ende 2020, ca. ein Jahr nach dem Go-Live, beträgt der Fehler im Median 3,8. Das bedeutet, dass 50 Prozent der Vorhersagen eine Abweichung von maximal 3,8 Anfragen von Personen aufweist. In Zukunft soll das Tool auch proaktiv konkrete Massnahmen vorschlagen und sogar automatisiert Prozesse anstossen. «Es geht darum, die richtigen Massnahmen zum richtigen Zeitpunkt einzusetzen und den Automatisierungsgrad zu erhöhen», meint Frei. «Die Zukunft gehört dem, der beim Datenmanagement fit ist. Mit dem Nachfrage-Score können wir die Vermarktungskosten effizienter einsetzen und ein weiterer Schritt in Richtung der Automatisierung ist geschafft.» Zu guter Letzt würden solche Arbeitsmittel auch helfen, das Employer Branding zu verbessern. «Solch moderne Arbeitsmittel erhöhen nicht nur die Mitarbeiterzufriedenheit, sondern helfen auch bei der Rekrutierung neuer oder auch alter Kollegen», freut sich Philippe Frei.

Kurzbeschrieb des Projekts

Das Projekt in Kürze

Ausgangslage
Sinkende Mietdauer und teils wenig Branchenwissen infolge hoher Personalfluktuation führen zu Herausforderungen beim Vermietungsmanagement und steigenden Leerstandkosten.

Lösung
Auswertung von internen Vergangenheitsdaten und externen Datenquellen ermöglichen eine zuverlässige Aussage zur zu erwartenden Nachfrage bei Mietobjekten. Das System zeigt, ob Standard-Inserate um zusätzliche Vermarktungs-Massnahmen ergänzt werden müssen.

Nutzen
Senkung der Vermarktungskosten und Verbesserung des Employer Branding, steigende Mitarbeiterzufriedenheit.

Highlights

• Moderater Aufwand bei Anforderungsaufnahme
• Effiziente Operationalisierung und Inbetriebnahme
• Zuverlässige Basis für weitere Digitalisierung und Automatisierung

Technologie und Produkte

• Microsoft Power BI
• Microsoft SQL-Server
• Programmierung in Python