不動産会社勤務経験はあり宅建士の資格は持っているものの、オフィス・テナント管理の経験しかなく仲介実務経験は0のコラビットのマーケターS、不動産業界は初めてのマーケターKが、査定業務の肝やAI査定プロの特徴を完全理解するために企画したこのコーナー。
AI査定プロの開発者の横山は、鑑定士資格を持った元仲介営業マン。彼に素人目線の質問をぶつけることで査定業務の理論やAI査定プロの強みを明らかにします。
個別的要因の数値化のロジック=基本的には建物のスペック
S：一般的要因は公的な数値統計を使うことで、ある程度客観的に決まりました。地域要因は所在・交通・用途容積など様々な数値に分けて地域の価値として補正していきました。最後に個別的要因ですが、これは査定対象となる不動産「そのもの」の評価で、個別性が強くて難しそうですね。
横山：そうですね。マンションは、要因ごとに数値化することで客観的な評価が可能なので、あまりブレることなく決まることが多いですね。
S：マンションの個別的要因について教えてください。
横山：まず建物補正値として、
- 築年
- 土地権利
- 建物グレード
を中心に見ていきます。築年は、単純に古くなればなるほど下げていく、というわかりやすい指標ですよね。
土地権利は「所有権か否か」というところが大きいです。
所有権が一番価値が高く、所有権に比べて借地権のマンションだとそれなりの減価がありますが、特に定期借地権の場合は残存期間によっては半分くらいになる場合もあります。
建物グレードは、設備の仕様や建物規模、管理体制の良否などの様々な要因が影響をもたらしますが、AIの計算においては独自のロジックで建物グレードの補正値を抽出しています。
S：市場が建物グレードに、標準的なものよりどれだけ価値を感じているか、という指標を数値化するイメージですね。具体的に言うと、共用部分のラウンジが豪華とか、そういうところも反映していくイメージでしょうか。
横山：まさにそのようなイメージです。価値を感じてより価格が上昇するポイントって、実際そういうところだったりします。
住居補正値は「位置」が肝になる
次に住居補正値として、
- 住戸位置
を中心に見ていきます。
住戸位置は所在階や方位、角部屋かどうかなど、マンション内の住戸の位置で補正していきます。
S：方位はやはり南が高くて、北が低いものなのでしょうか？
横山：基本的にはそうなのですが、例外はあります。面白かったのが、都心と郊外で格差が異なることです。都心では需要が大きいことから北向きもそれなりに高く売れるため、南向きとの差が小さかったものと思われます。
S：所在階は単純に低い階から高い階に向けて、評価は上がっていくものなのでしょうか？
横山：そうですね。一般的に階数が多い建物ほど補正率のピッチは細かくなり、階数が少ないとピッチが大きくなりますね。
S：月額費用も、補正の要因になるんですね。確かに、管理費や修繕積立金が高すぎる物件は買う候補として避けがちですよね。
横山：そうなんです。やはり月々の手出しが多くなってしまうので、管理費や修繕積立金の負担が大きい物件は価格低下要因になりますね。とはいえ、補正率としては1%未満の小さい数字ですが。
そのほかにも個別的要因は多くありますので、必要に応じて手入力ができる「その他」の項目を用意しています。そちらでは月額費用の差やリフォーム状況などを加味して利用してもらうイメージです。
S：マンションに関しては理解できたのですが、戸建の場合は「築年」「土地権利」「建物グレード」あたりが共通なのでしょうか？
横山：そうですね。土地に関しては土地権利、土地面積、形状・間口などを比較していきます。そのほか、セットバックについても考慮し、土地について様々な要因に対応できるようにこちらにも「その他」の項目を設けています。
戸建住宅の建物部分に関しては事例との比較ではなく、それぞれの建物の価値を個別的に計算する方法になります。構造と建物面積、築年数に応じて新築想定価格を計算し、そこから経年による減価やリフォーム・修繕箇所の増減価を反映させることで個別的に計算していく形となります。
S：今日もありがとうございました！個別的要因はほんとに「物件」そのもののスペックを算定していくので、客観的でシンプルなロジックに感じました。
次回は、少しテーマを移して、要因をどのようにデータとして扱うのかという「算定するためのデータの集め方・使い方」を教えてください！
