Makler sind das Lebenselixier der Immobilienvermittlung. Die Rekrutierung und Bindung leistungsstarker Makler bleibt eine entscheidende Herausforderung für Maklerunternehmen, insbesondere in dem von ihnen geschaffenen Umfeld Nationaler Maklerverband‘ Jüngster Vergleich in Höhe von 418 Millionen US-Dollar in einer Litanei von Maklerprovisionsklagen.
Während Immobilienmakler keine Kontrolle über Zinssätze, Transaktionsniveaus oder Hausverkaufspreise haben, sind sie sich bewusst, dass die proaktive Rekrutierung von Maklern in einem langsamen Markt der Schlüssel zum Erfolg ist.
Vertriebsmanager haben oft Schwierigkeiten, genügend hochwertige Agenten zu finden, um die Spitze ihres Vertriebskanals zu versorgen. Laut Mark Johnson, geschäftsführender Gesellschafter von, könnte es für sie schwierig sein, ein System zu entwickeln, das dauerhaft gute Mitarbeiter hervorbringt Recruiting-Einblicke. Dies kann auch damit zusammenhängen, dass Manager in der Regel viele andere Aufgaben gleichzeitig bewältigen müssen, beispielsweise Coaching oder Vertragsunterzeichnung, was eine Herausforderung für ihre Organisation darstellt.
Johnson sagte, dass „Mundpropaganda“ der beste Weg sei, neue Agenten organisch zu rekrutieren. Wenn ein Maklerunternehmen einen guten Ruf genießt, werden seine Makler es in höchsten Tönen loben und neue Makler für das Maklerunternehmen gewinnen. Wenn Agenten neue Mitarbeiter nicht direkt rekrutieren, könnte eine Drittquelle, beispielsweise ein bestehender Kunde oder ein Geschäftspartner, einen Agenten dazu inspirieren, sich einem Maklerunternehmen anzuschließen. Kuratierte Veranstaltungen können auch eine großartige Möglichkeit sein, Agenten zu rekrutieren, da sie es einem Maklerunternehmen ermöglichen, seine Kultur zu präsentieren, fügte Johnson hinzu.
Die Technik kommt ins Spiel
Neben diesen Möglichkeiten kann auch die Integration eines Tools der künstlichen Intelligenz (KI) eine Lösung sein. Als KI in der Immobilienbranche an Fahrt gewann, floss das meiste Investitionskapital in verbraucherorientierte Produkte wie z Zillow‘s Zestimate oder Predictive-Marketing-Lösungen.
Das 2006 ins Leben gerufene Zillow Zestimate nutzt öffentliche Dokumente, um Wertschätzungen für jedes Haus in einem bestimmten Viertel zu erstellen. Diese Art von verbraucherorientierten Produkten stieß bei Investoren auf großes Interesse. Gleichzeitig gewann auch Predictive Marketing stark an Bedeutung. Makler begannen mit der Vorhersagemodellierung, um zu bestimmen, welche Person in einer Nachbarschaft oder welche Person in einer Kontaktliste ihre Immobilie in naher Zukunft am wahrscheinlichsten auflisten würde.
Der Fokus auf die Unterstützung von Maklern bei der Rekrutierung und Verwaltung von Teams durch KI blieb bis vor Kurzem begrenzt. Im Jahr 2016 leistete Robert Keefe Pionierarbeit in dieser Nische Relitix, was den Weg für eine neue Welle innovativer Unternehmen in der Branche ebnet. KI kann dazu beitragen, den Rekrutierungsprozess in der Immobilienbranche zu rationalisieren, indem sie Daten aus verschiedenen Quellen nutzt, um Kandidaten mit den gewünschten Fähigkeiten und der gewünschten kulturellen Eignung zu identifizieren.
„Die knappste Ressource im Immobilienbereich ist die Zeit des Maklermanagers“, sagte Keefe gegenüber HousingWire. „Ich hatte das Gefühl, dass neue Datentools und -technologien in Kombination mit MLS und anderen Daten auf Agentenebene es uns ermöglichen würden, diese knappe Zeitressource zu nutzen und eine Stunde Managerzeit durch Daten-Superkräfte zehnmal produktiver zu machen.“
Unternehmen mögen Relitix, Lone Wolf-Technologien, Umworben, Brokerkit Und MoxiWorks Bieten Sie KI-Tools an, um den Rekrutierungsprozess von Agenten zu optimieren. Diese Unternehmen nutzen verschiedene Techniken wie Predictive Analytics und Machine Learning – einschließlich der Teilmengen davon aktives Lernen und tiefes Lernen – um die zukünftige Leistung eines Agenten vorherzusagen.
Deep Learning ist eine fortgeschrittenere Form des maschinellen Lernens. Es nutzt mehrere, aufeinanderfolgende Schichten maschinellen Lernens, um äußerst verfeinerte und differenzierte Antworten zu liefern, und bildet die Grundlage für die großen KI-Sprachmodelle wie ChatGPT, die sich im vergangenen Jahr durchgesetzt haben.
Wenn keine gekennzeichneten Trainingsdaten verfügbar sind (d. h. es liegen Daten, aber keine „Antworten“ vor), können Dateningenieure aktives Lernen nutzen, damit die KI einen kleineren Datensatz mit wichtigeren Datenpunkten zur Überprüfung und Kennzeichnung durch menschliche Prüfer erstellt. Dieser kleinere Datensatz kann die großen, vollständig beschrifteten Datensätze ersetzen, ohne dass so viele Beispiele beschriftet werden müssen.
Das Ziel dieser Analysetools besteht darin, die Entscheidungsfindung von Experten zu verbessern, indem Rohdaten in Erkenntnisse, Schlussfolgerungen oder Vorhersagemodelle umgewandelt werden, die betriebliche Prozesse unterstützen können. Analysen lassen sich am besten als sich wiederholender Prozess betrachten, bei dem Vorhersagemodelle kontinuierlich verfeinert und verbessert werden.
„Im Immobilienbereich gibt es sicherlich viele Daten. Tatsächlich ist es die Existenz von Daten in dieser Branche, die fortschrittliche Analyseansätze ermöglicht“, sagte Sean Soderstrom, Mitbegründer und CEO von Courted, einem 2021 gegründeten Unternehmen mit Sitz in New York City.
„Das Problem besteht jedoch darin, dass die überwiegende Mehrheit der Maklerunternehmen historische Daten verwendet, um Personalentscheidungen zu treffen“, fügte er hinzu. „Courted hat gezeigt, dass die Wirkstoffproduktion von Jahr zu Jahr erheblich schwankt.
„Ohne KI ist es nahezu unmöglich, im großen Maßstab zwischen einem Agenten zu unterscheiden, dessen umsatzstärkste Jahre hinter oder vor ihnen liegen. Sie können dies möglicherweise tun, wenn Sie eine Verbindung zu diesem Makler haben und sein Geschäft genau kennen. Angesichts der Tatsache, dass es sich um eineinhalb Millionen Makler handelt, ist es jedoch unmöglich, alle diese Informationen nach allen Maklern durchzusehen, die gut zu Ihrem Maklerunternehmen passen könnten das Land.”
Schmerzpunkte lindern
Unternehmen haben in der Vergangenheit drei Hauptprobleme bei der Rekrutierung von Maklern identifiziert.
Erstens besteht die Tendenz, dass die Produktion eines Einzelnen von Jahr zu Jahr erheblich schwankt. Zweitens besteht für jeden Makler eine unterschiedliche Wahrscheinlichkeit, zu einem bestimmten Zeitpunkt die Maklertätigkeit zu wechseln. Schließlich kann es für Personalvermittler schwierig sein, die richtige Botschaft zu vermitteln, die einen bestimmten Agenten anzieht.
Um diese Probleme anzugehen, nutzen technologiebasierte Personalvermittlungsunternehmen Daten von Multiple Listing Services (MLS), die einer sorgfältigen Datenverarbeitung unterzogen werden, um umfassende Agentenprofile zu erstellen. Diese Profile werden dann einer vergleichenden Analyse mit einer relevanten Kohorte von Agenten unterzogen. Wichtige Leistungskennzahlen wie Verkaufsmengen, die durchschnittliche Verweildauer von Angeboten auf dem Markt und das Verhältnis von Verkauf zu Listenpreis werden ausgewertet.
Darüber hinaus prognostizieren maschinelles Lernen und prädiktive Analysemodelle das Produktionsvolumen eines Maklers für das Folgejahr und bewerten die Umsatzwahrscheinlichkeit für ein bestimmtes Maklerunternehmen.
Beispielsweise das sogenannte „Risikobewertung des Schalters” von Relitix wird verwendet, um die relative Wahrscheinlichkeit zu bewerten, dass ein Makler in den nächsten drei Monaten den Makler wechselt. Personalvermittler nutzen es, um bei der Priorisierung von Rekrutierungslisten zu helfen, und Manager nutzen es in Verbindung mit Bemühungen zur Agentenbindung.
Mittlerweile ist das Unternehmen „Rookie-Potenzialbewertung„misst das Erfolgspotenzial von Agenten mit weniger als 36 Monaten MLS-Erfahrung. Es ermöglicht Personalvermittlern, Agenten mit hohem Potenzial und begrenzter Erfahrung inmitten der großen Anzahl neuer Agenten zu entdecken.
Schließlich ist das „Auflistung der Wirksamkeitsgrade„Bewerten Sie Agenten danach, wie effektiv sie ihre Angebote abschließen. Jedem Agenten im MLS wird jeden Monat eine Note (A bis F) zugewiesen, wobei 20 % des gesamten Agentenpools eine der fünf Noten erhalten. Makler mit der Note „A“ repräsentieren die besten 20 % des Pools und können sich darauf verlassen, dass sie die schwierigsten Angebote mit einem hohen Maß an Zuverlässigkeit abschließen.
Umgekehrt haben Makler mit der Note „F“ es versäumt, relativ einfache Angebote abzuschließen und haben im Vergleich zu ihren Kollegen eine übergroße Anzahl an stornierten, abgelaufenen oder zurückgezogenen Angeboten. Der maschinelle Lernalgorithmus von Relitix wird jeden Monat neu trainiert, um die aktuellen Marktbedingungen widerzuspiegeln und sicherzustellen, dass die Einstufung an die Listungsschwierigkeit und die lokalen Angebots- und Nachfragebedingungen angepasst wird.
„Dies wird in den nächsten Jahren eine besonders wichtige Kennzahl sein“, sagte Keefe, der Gründer von Relitix. „Seit 2019 produzieren wir diese Sorte auf dem Agentenpool.“
Erkenntnisse der nächsten Ebene
Joshua Paul, Vizepräsident für Operations bei EINE Sotheby’s International Realty, nutzt KI-Rekrutierungstools von Courted. Sie ermöglichen ihm, sich effektiv auf das Treffen mit einem Bewerber vorzubereiten, und tragen dazu bei, dass die Gespräche persönlicher und zielgerichteter verlaufen, sagte er.
Auf einen Blick kann Paul auf die jährlichen Transaktionsdetails eines Agenten und deren Ergebnisse anhand verschiedener wichtiger Leistungskennzahlen zugreifen. Er kann auch prädiktive Analysen nutzen, um die potenzielle Leistung eines Agenten vorherzusagen.
„Ich kann das gesamte Geschäft des Maklers in weniger als 20 Minuten verstehen, sodass ich bei einem persönlichen Gespräch mit dem Makler das Gefühl habe, eine umfangreiche Recherche durchgeführt zu haben“, sagte Paul.
In diesen Fällen hilft KI dabei, einige der Höhepunkte und Tiefpunkte der Produktion eines Agenten zu bestimmen. Obwohl es bei Immobilienmaklern keine „Kristallkugel“ gibt, kann KI dabei helfen, eine Auswahl zu bewerten, so Nick Weitekamp, Executive Vice President bei West USA Immobilienein Broker, der Relitix-Tools verwendet.
„Relitix gibt uns einen etwas besseren Einblick in das Potenzial eines Agenten, basierend auf den Kennzahlen, die bereits in Relitix gepumpt wurden“, sagte Weitekamp. „Das ist ein schöner Gesprächsstoff.
„Wenn wir mit verschiedenen Agenten sprechen, erhalten wir einen etwas besseren Einblick in diese Kristallkugel. Es ist nicht perfekt. Aber es hilft einfach dabei, das Gespräch darüber zu lenken, was aus diesen Agenten werden könnte, wenn sie etwas mehr Unterstützung, etwas mehr Schulung und etwas mehr Konzentration auf das Geschäft bekämen.“
Letztendlich kommt es bei der Personalbeschaffung auf das Wertversprechen eines Unternehmens an. Viele Maklerunternehmen bieten finanzielle Anreize, wie z. B. Bargeld- und Aktienprämien im Voraus oder bessere Aufteilungen, um mehr Makler zum Beitritt zu bewegen. Aber Kultur, Technologie, Support und andere Faktoren können starke Argumente für die Einbindung weiterer Agenten sein.
Die meisten großen, börsennotierten Immobilienmakler investieren viel in ihre Rekrutierungsfunktionen. Einige entscheiden sich sogar dafür, in ihre Technologie zu investieren, um Agenten anzuwerben.
Laut Soderstrom kann KI-gestütztes Recruiting dazu beitragen, gleiche Wettbewerbsbedingungen für Akteure in der gesamten Immobilienbranche zu schaffen. Es ermöglicht größeren Unternehmen, eine bessere Kapitalrendite für ihre Rekrutierungsbemühungen zu erzielen, während kleineren Unternehmen leistungsstarke Tools zur Verfügung gestellt werden, die es ihnen ermöglichen, mit größeren, kapitalstärkeren Wettbewerbern zu konkurrieren.