اکثر ابزارهای تجزیه و تحلیل اجاره کوتاه مدت عکس های فوری را به شما نشان می دهند. اما سرمایه‌گذاران، تحلیلگران و توسعه‌دهندگان جدی به داده‌های سری زمانی قوی نیاز دارند که بتوانند مدلسازی، تبدیل، و ادغام در خطوط لوله تجزیه و تحلیل سفارشی را داشته باشند. بدون سابقه عملکرد قابل اعتماد، انجام پیش بینی های دقیق، فرضیات تست استرس یا غربالگری خودکار بازار غیرممکن است.
Mashvisor’s Historical Performance API این مشکل را با ارائه داده های عملکرد ماهانه تمیز و ساختار یافته که می توانید در کد، مدل ها و برنامه های کاربردی خود استفاده کنید، حل می کند. این برای سرمایه گذاران بزرگ، تیم های تحلیلگر و شرکت های PropTech ساخته شده است که به چیزی بیش از داشبورد نیاز دارند – آنها به داده های واقعی Airbnb نیاز دارند که بتوانند با آن کار کنند.
محتوا
- Historical Performance API چه چیزی را ارائه می دهد؟
- چرا داده های تاریخی STR برای تجزیه و تحلیل حرفه ای اجاره های Airbnb اهمیت دارد
- موارد استفاده عملی برای سرمایه گذاران و تحلیلگران
- نحوه عملکرد Historical Performance API
- نحوه ادغام داده های تاریخی در گردش کار حرفه ای
- بهترین روش ها برای استفاده از داده های STR 36 ماهه
- ردیف پایین
- سوالات متداول
را
Historical Performance API چه چیزی را ارائه می دهد؟
را Airbnb API که Mashvisor ارائه می دهد، 36 ماه داده عملکرد STR پیوسته را در هر دو سطح محله و ملک ارائه می دهد. این داده های تجمیع یا مدل سازی شده نیست. در عوض، این مجموعه داده سری زمانی است که به طور خاص برای ارزیابی مالی پیشرفته، تحقیقات بازار، ارزیابی ریسک و توسعه برنامه طراحی شده است.
API شاخص های کلیدی عملکرد را برای اجاره های کوتاه مدت برمی گرداند. نکته مهم این است که داده های تاریخی STR روزانه برای دقت و قابلیت اطمینان بالا به روز می شوند.
معیارهای ماهانه کلیدی ارائه شده توسط API اجاره کوتاه مدت
داده‌های کلیدی و تجزیه و تحلیل‌هایی که با API Airbnb Mashvisor ارائه می‌شوند عبارتند از:
- نرخ اشغال Airbnb: درصد شب های رزرو شده در ماه.
- میانگین نرخ روزانه (ADR): میانگین شب رزرو شده برای ماه.
- درآمد ماهانه: میانگین درآمد ماهانه اجاره‌ای که میزبان‌های Airbnb کسب می‌کنند، که از زمان اشغال ADR به دست می‌آید یا مستقیماً ارائه می‌شود.
- درآمد اجاره موجود (RevPAR): یک شاخص عملکرد یکپارچه ترکیبی از نرخ روزانه و اشغال.
- تعداد فهرست‌های فعال/پیشنهاد بازار: تعداد واحدهای STR موجود برای رزرو در یک ماه.
- الگوهای رزرو و شیفت های فصلی: نشانه های تغییر تقاضا در طول سال.
سودمندی هر نوع داده
با مجموعه داده Mashvisor، به اطلاعات عملکرد کاملی که برای تجزیه و تحلیل حرفه ای نیاز دارید دسترسی پیدا می کنید. این شامل معیارهای دقیق ماهانه مانند روندهای اشغال است که از طریق API اشغال Airbnb انجام می شود که به شما امکان می دهد چرخه های بازار و رفتار سطح دارایی را با دقت بررسی کنید.
این نقاط داده به شما این امکان را می دهد که انجام دهید:
- تحلیل فصلی
- کالیبراسیون مدل پیش بینی
- پذیره نویسی و تعدیل ریسک
- توسعه استراتژی قیمت گذاری
- ارزیابی پیشنهاد رقابتی
- ارزیابی عملکرد در بازارها یا انواع ملک
- ارزیابی روند بازار طولی
- توسعه داشبوردهای خودکار و ابزارهای تحلیلی
اکنون که این شاخص‌های ماهانه را داریم، سؤال بعدی این است که چگونه از تحلیل سرمایه‌گذاری در دنیای واقعی پشتیبانی می‌کنند و چرا برای متخصصان اجاره کوتاه‌مدت مهم هستند.
را
چرا داده های تاریخی STR برای تجزیه و تحلیل حرفه ای اجاره های Airbnb اهمیت دارد
سرمایه گذاران مبتدی و کوچک و میزبانان می توانند تمام داده ها و تجزیه و تحلیل مورد نیاز خود را برای سرمایه گذاری موفق از ابزارهای آماده ای مانند ماشین حساب Airbnb Mashvisor دریافت کنند.
با این حال، حرفه ای ها در صنعت اجاره کوتاه مدت به سطح متفاوتی از تجزیه و تحلیل و قالب بندی نیاز دارند که نیاز به دستکاری و تفسیر داده های خود را دارد.
اما حتی بازیکنان STR در سطح سازمانی نیز دسترسی به داده‌های دقیق و جامع Airbnb را دشوار می‌دانند، مخصوصاً در یک دوره چند ساله.
با 36 ماه داده‌های STR Mashvisor که از طریق API تحویل داده می‌شوند، می‌توانند همه عملکردهای زیر را انجام دهند:
مدلسازی فصلی
عملکرد STR تا حد زیادی فصلی است، با چرخه های درآمدی اغلب بین 20-50٪ بین دوره های اوج و خارج از اوج نوسان است. درک فصلی مستلزم:
- شناسایی الگوهای تکرار شونده ماهانه در طی چندین سال
- کمی سازی تنوع بین ماه های قوی و ضعیف
- حساسیت به تعطیلات، چرخه سفر و رویدادهای محلی را ارزیابی کنید
- مقایسه نوسانات فصلی در بازارها
با استفاده از API عملکرد تاریخی، تحلیلگران STR، سرمایه گذاران و مدیران دارایی می توانند داده ها را سال به سال تقسیم کنند تا تعیین کنند آیا نوسانات قابل پیش بینی و مدیریت هستند یا نامنظم و ریسک فزاینده.
پیش بینی جریان نقدی آتی
پیش‌بینی دقیق نیاز به داده‌های تاریخی ساختار یافته برای مدلسازی دارد.
با مشاهدات سری زمانی، کاربران حرفه ای می توانند اعمال کنند:
- تخمین روند خطی یا نمایی
- ARIMA یا مدل های تجزیه فصلی
- میانگین های متحرک برای هموارسازی بی نظمی ها
- مفروضات کشش بر اساس تغییرات در عرضه و ADR
- الگوریتم های پیش بینی درآمد سفارشی
این به متخصصان کسب و کار STR اجازه می دهد تا پیش بینی های احتمالی را به جای میانگین سالانه ساده ایجاد کنند. به این ترتیب آنها می توانند معاملات را به روشی بسیار دقیق و دقیق تر از همیشه تضمین کنند.
پذیره نویسی و بررسی دقیق سرمایه گذاری
پذیره نویسی در سطح سازمانی مستلزم اعتبارسنجی دقیق بازده مورد انتظار است.
داده های تاریخی STR پشتیبانی می کند:
- سناریوهای درآمد محافظه کارانه
- تست استرس برای عملکرد فصل پایین
- ارزیابی ریسک کاهش اشتغال
- مدل سازی فشرده سازی ADR
- تجزیه و تحلیل حساسیت برای افزایش عرضه
تیم های پذیره نویسی می توانند این نقاط داده را در مدل های درآمد داخلی بگنجانند تا تعیین کنند که آیا یک دارایی هدف آستانه های بازگشت را برآورده می کند یا خیر. این امر سرمایه‌گذاری‌های Airbnb را قابل پیش‌بینی‌تر و بالقوه سودآورتر می‌کند، زیرا بر اساس تجزیه و تحلیل دقیق عملکرد املاک مشابه در سه سال گذشته است.
توسعه محصول، اتوماسیون و یکپارچه سازی داده ها
توسعه دهندگان PropTech می توانند API را در موارد زیر ادغام کنند:
- سیستم های مدیریت درآمد
- ابزارهای قیمت گذاری پویا
- داشبوردهای هوشمند بازار
- نرم افزار تضمین سرمایه گذار
- سیستم های خودکار امتیازدهی STR
دسترسی برنامه‌ای مقیاس‌پذیری و سازگاری در بین برنامه‌ها و نتایج قابل اطمینان‌تر را تضمین می‌کند.
اکنون که چرا عملکرد قبلی برای رتبه بندی حرفه ای STR اهمیت دارد، بیایید ببینیم که چگونه کاربران مختلف آن را عملی می کنند. در زیر چند مورد استفاده در دنیای واقعی آورده شده است که قدرت تحلیلی این مجموعه داده را نشان می دهد.
را
موارد استفاده عملی برای سرمایه گذاران و تحلیلگران
برای کمک به درک کامل از چه چیزی Mashvisor API اجازه دهید این کار را انجام دهید، اجازه دهید به چند مورد استفاده از داده های عملکرد گذشته از طریق نرم افزار برنامه نویسی کاربردی نگاه کنیم.
استفاده از مورد 1: انتخاب بازار و مقایسه
یک سرمایه گذار که دو بازار را مقایسه می کند می تواند از API برای ارزیابی استفاده کند:
- میانگین اشتغال 36 ماهه
- شدت نوسانات فصلی
- پایداری ADR در طول سالها
- پایداری درآمد در دوره های کم پیک
- روند رشد عرضه
مقایسه کنار هم این شاخص های مهم در چندین بازار به شما کمک می کند تا تعیین کنید کدام محل سرمایه گذاری بازدهی پایدارتری ارائه می دهد. این به شما امکان می دهد بهترین سرمایه گذاری های بازار Airbnb را در مناطق و ایالت های مختلف انتخاب کنید.
استفاده از مورد 2: ارزیابی سطح دارایی
یک مدیر دارایی که یک لیست خاص را تجزیه و تحلیل می کند، 36 ماه STR comps (فهرست های مشابه واقع در همان منطقه) را استخراج می کند و بررسی می کند:
- استخدام دائم ماه به ماه
- تاثیر تغییرات لیست (نوسازی، عکس های جدید، استراتژی قیمت گذاری)
- تکامل ADR از طریق چرخه های بازار
- قله ها و نواحی فصلی
- همسویی با روندهای همسایگی
این از استراتژی عملیاتی، برنامه ریزی بلندمدت و مدیریت درآمد پشتیبانی می کند. به عبارت دیگر، مدیران Airbnb می توانند تجارت خود را به صورت استراتژیک تر و پایدارتر و بدون خطرات غیرضروری توسعه دهند.
استفاده از مورد 3: ادغام یک مدل امضای نهادی
یک سرمایه گذار نهادی یک API را در یک ابزار امضای خودکار ادغام می کند که:
- داده های عملکرد را برای لیست های قابل مقایسه بازیابی می کند
- عوامل فصلی را برای پیش بینی درآمد اعمال می کند
- سناریوهای پایین، پایه و بالا اجرا می شود
- خارج می شود حداکثر نرخ در Airbnb، IRR و بازگشت نقدی بازگشت نقدی پیش بینی ها
- ویژگی هایی را که خارج از پارامترهای ریسک قابل قبول هستند، علامت گذاری می کند
از طریق این تجزیه و تحلیل عمیق، API تضمین می کند که خط لوله امضا کاملاً مبتنی بر داده است.
استفاده از مورد 4: مدل های پیش بینی تحلیلگر مالی
یک تحلیلگر مالی پیش بینی سری های زمانی را با استفاده از موارد زیر اعمال می کند:
- مسیرهای اشتغال 36 ماهه
- خطوط روند ADR
- شاخص های فصلی
- مفروضات در مورد کشش عرضه
مدل حاصل، پیش‌بینی‌های دقیق درآمد و توزیع‌های احتمالی را برای جریان نقدی مورد انتظار ایجاد می‌کند.
از مورد 5 استفاده کنید: پلتفرم STR یا توسعه برنامه
یک توسعه‌دهنده نرم‌افزار اجاره تعطیلات، APIها را برای موارد زیر ادغام می‌کند:
- داشبوردها را با منحنی های عملکرد ماهانه پر کنید
- اطلاعات ROI خودکار را در اختیار سرمایه گذاران قرار دهید
- محک زدن در مناطق را فعال کنید
- الگوریتم های رتبه بندی خود را بسازید
- خروجی های پویا برای پیشنهادهای قیمت گذاری ایجاد کنید
این قابلیت‌ها به شدت به داده‌های تاریخی با ساختار مناسب، قابل اعتماد و کامل بستگی دارد، درست مانند عملکرد ردیابی شده توسط Mashvisor API.
آیا می‌خواهید این گردش‌های کاری را با داده‌های زنده امتحان کنید؟ برای آزمایشی ۷ روزه Mashvisor API ثبت نام کنید و از 30 اعتبار خود برای بازیابی معیارهای عملکرد واقعی گذشته، مقایسه بازارها و آزمایش مدل های پیش بینی یا پذیره نویسی خود استفاده کنید.
این موارد استفاده نشان می دهد که وقتی سابقه عملکرد قابل اعتمادی داشته باشید چه چیزی ممکن است. در مرحله بعد، بیایید نحوه عملکرد خود API و نحوه ساختار داده‌ها را توضیح دهیم.
را
نحوه عملکرد Historical Performance API
اکنون که نمونه‌های عینی برخی از روش‌های متعددی را مشاهده کرده‌اید که می‌توانید از داده‌های تاریخی Airbnb که از طریق API تحویل داده شده‌اند بهره ببرید، زمان آن رسیده است که دقیقاً نحوه عملکرد آن را بررسی کنید.
در اینجا مراحلی وجود دارد که باید برای شروع استفاده از Airbnb API برای نیازهای تجزیه و تحلیل STR خود طی کنید:
احراز هویت و دسترسی
کاربران با استفاده از هدرهای درخواست با یک کلید API احراز هویت می شوند. API هر دو نقطه پایانی در سطح لیست و مجاورت را فراهم می کند و امکان انعطاف پذیری در تجزیه و تحلیل را فراهم می کند.
ساختار درخواست
درخواست ها ممکن است شامل موارد زیر باشد:
- شناسه‌های مکان، مانند کشور، شهر یا محله
- شناسه های فهرست
- پارامترهای بازه زمانی
- فیلترهایی برای نوع ویژگی، اندازه ویژگی یا ویژگی‌های خاصیت خاص
- پیکربندی فرمت خروجی
طرح پاسخ
API یک ساختار مبتنی بر شی سازمان یافته را برمی گرداند که شامل:
- فراداده (شناسه آگهی، مکان)
- آرایه تاریخی عملکرد
- نقاط داده ماهانه
- نرخ تحویل در صورت وجود
نمونه پرس و جو: بازیابی داده های تاریخی در پایتون
برای کمک به توسعه دهندگان برای شروع سریع، در اینجا یک مثال ساده نشان می دهد که چگونه یک پرس و جو و بازیابی سری زمانی ماهانه از پاسخ را نشان می دهد:
import requests
API_KEY = "YOUR_API_KEY"
BASE_URL = "https://api.mashvisor.com/v1.1/client/rento-calculator/historical-performance"
params = {
"state": "FL",
"city": "Miami",
"neighborhood_id": "269093",
"resource": "airbnb",
"limit_recent_months": False # set True only if you want recent months only
}
headers = {
"x-api-key": API_KEY
}
response = requests.get(BASE_URL, headers=headers, params=params)
data = response.json()
# دسترسی به سری های زمانی تاریخی
historical = data["content"]["historical_performance"]
# مثال: چاپ سال، ماه، و اشغال برای هر نقطه داده
برای ورود به تاریخ:
print(entry["year"], entry["month"], entry["occupancy"])
این قطعه سریع گردش کار معمولی را نشان می دهد: احراز هویت، ارسال یک درخواست، و سپس تکرار بر روی معیارهای عملکرد ماهانه بازگشتی.
نمونه توسعه یافته JSON
در زیر یک مثال توسعه یافته JSON است که ساختار پاسخ را نشان می دهد:
{
"status": "success",
"content": {
"listing_id": 982345,
"smart_location": "Austin, TX, US",
"property_type": "Single Family Residential",
"historical_performance": [
{
"year": 2022,
"month": 1,
"occupancy_rate": 0.72,
"average_daily_rate": 198.40,
"monthly_revenue": 3564.80,
"revpar": 143.00,
"active_listings": 420
},
{
"year": 2022,
"month": 2,
"occupancy_rate": 0.68,
"average_daily_rate": 190.25,
"monthly_revenue": 3156.20,
"revpar": 129.37,
"active_listings": 415
},
{
"year": 2022,
"month": 3,
"occupancy_rate": 0.81,
"average_daily_rate": 215.00,
"monthly_revenue": 5415.00,
"revpar": 174.15,
"active_listings": 430
}
// 35+ additional entries...
]
}
}
مثال تصویری: تبدیل داده های تاریخی به نمای روند ساده
برای نشان دادن اینکه چگونه مجموعه داده‌ای از عملکرد گذشته به راحتی به بینش‌های عملی تبدیل می‌شود، یک مثال کوچک شش ماهه بر اساس الگوهای فصلی معمولی را بررسی کنید:
| سال | ماه | اشغال (%) | ADR ($) | درآمد ماهانه ($) |
| 2024 | 1 | 42 | 185 | 2410 |
| 2024 | 2 | 48 | 190 | 2550 |
| 2024 | 3 | 63 | 210 | 4100 |
| 2024 | 4 | 71 | 225 | 4790 |
| 2024 | 5 | 68 | 220 | 4640 |
| 2024 | 6 | 55 | 205 | 3380 |
این مثال ساده که از Mashvisor API مشتق شده است، به تحلیلگران اجازه می دهد:
- انباشتگی را از فصل کم تا ماه های اوج بهار شناسایی کنید
- ببینید که چگونه اشغال و ADR با هم رشد می کنند و درآمد را افزایش می دهند
- عملکرد سطح ملک را با روندهای محله مقایسه کنید
چرا این نمونه توسعه یافته Json به تحلیلگران و توسعه دهندگان کمک می کند
این ساختار دارای مزایای اصلی زیر است:
- آرایه خالص سری های زمانی برای مدل سازی آماری مناسب است
- دانه بندی ماهانه از تجزیه فصلی پشتیبانی می کند
- تعداد فهرست های فعال امکان تجزیه و تحلیل کشش عرضه را فراهم می کند
- ابرداده امکان ادغام با اشیاء ویژگی را فراهم می کند
در نتیجه، توسعه دهندگان به راحتی می توانند این ساختار را به موارد زیر تبدیل کنند:
- DataFrames
- جداول SQL
- لایه های تجسم
- داده های ورودی برای یادگیری ماشین
این ساختار تضمین می‌کند که اطلاعات می‌توانند به طور موثر پردازش، مدلسازی و در طیف وسیعی از گردش‌های کاری تحلیلی ادغام شوند. این می تواند به طور یکپارچه در فرآیندهای پذیره نویسی، پیش بینی درآمد و چارچوب های ارزیابی بازار گنجانده شود.
شما همچنین می توانید نگاهی بیندازید مستندات Mashvisor API برای درک بهتر اینکه چگونه کار می کند و چه داده هایی را می توانید دریافت کنید.
هنگامی که با ساختار API و نحوه بازیابی مجموعه داده آشنا شدید، گام بعدی این است که آن را در جریان کار واقعی خود ادغام کنید. گروه های کاربری مختلف می توانند داده ها را به روش های مختلف و بسیار هدفمند اعمال کنند.
را
نحوه ادغام داده های تاریخی در گردش کار حرفه ای
اکنون زمان آن رسیده است که نحوه استفاده کاربران حرفه ای مختلف از مجموعه داده های تاریخی 36 ماهه را در فرآیندهای عملیاتی، تحلیلی و تصمیم گیری خود بیان کنیم.
برای شرکت های سرمایه گذاری
این گردش کار معمولاً شامل کاربردهای زیر از داده های تاریخی است:
- وارد کردن به مدل های امضای داخلی
- ادغام با مفروضات هزینه ارزیابی خودکار
- استفاده در چارچوب های ارزیابی ریسک
- عملکرد ملک مورد نظر را با ارزش های بازار پایه مقایسه کنید
برای شرکت های مدیریت دارایی Airbnb
مدیران دارایی می توانند از مجموعه داده های تاریخی در برنامه های عملیاتی و استراتژیک زیر استفاده کنند:
- الگوهای عملکرد چند ساله را دنبال کنید
- از استراتژی قیمت گذاری و بهینه سازی اشغال پشتیبانی کنید
- املاک مدیریت شده معیار در برابر روندهای بازار
برای تحلیلگران مالی
تحلیلگران اغلب این داده ها را در طیف وسیعی از فرآیندهای پیش بینی، ارزیابی و ارزیابی ریسک، از جمله:
- ساخت مدل های پیش بینی سری های زمانی
- تجزیه و تحلیل سناریو را بسازید
- نوسانات و ریسک فصلی را اندازه گیری کنید
- ارزیابی پایداری درآمد بلند مدت
برای پلتفرم های PropTech
برنامه‌های کاربردی فناوری اجاره کوتاه‌مدت می‌توانند مجموعه داده‌ها را در چندین عملکرد محصول و گردش کار اتوماسیون ادغام کنند، مانند:
- تکمیل داشبوردهای بازار مقایسه ای
- توصیه های سرمایه گذاری خودکار را هدایت کنید
- فعال کردن تجزیه و تحلیل پیش بینی برای کاربران
- بهبود رتبه بندی اموال یا منطق امتیازدهی
دسترسی به سه سال عملکرد ماهانه قدرتمند است، اما نتایج به میزان مداوم و صحیح استفاده از داده ها بستگی دارد. این بهترین شیوه ها به شما کمک می کند تا قابل اطمینان ترین و عملی ترین نتایج را دریافت کنید.
را
بهترین روش ها برای استفاده از داده های STR 36 ماهه
دسترسی به مجموعه کاملی از داده‌های اجاره تعطیلات تنها اولین قدم است. توانایی به کارگیری موثر و مداوم آن چیزی است که به سرمایه گذاران و تحلیلگران اجازه می دهد تا ارزش گذاری های خود را بهینه کنند و دقت نتایج خود را به حداکثر برسانند.
در اینجا بهترین روش‌ها برای بهینه‌سازی هر جنبه از تحلیلی که می‌توانید با استفاده از این داده‌ها انجام دهید، آمده است:
بهترین شیوه ها برای فصلی بودن
- هر ماه را با سال به سال مقایسه کنید
- یک شاخص فصلی برای هر بازار استخراج کنید
- از تکیه بر میانگین سالانه خودداری کنید
بهترین روش ها برای پیش بینی
- برای هموارسازی از میانگین متحرک 12 ماهه استفاده کنید
- اعمال تجزیه آماری (روند، فصلی، باقیمانده)
- تغییرات عرضه را در پیش بینی های رشد لحاظ کنید
- از سناریوهای زوال به عنوان مبنایی برای امضا استفاده کنید
بهترین روش های بیمه
- مدل اشغال محافظه کارانه و مفروضات ADR
- تست استرس نوسانات
- پایداری جریان نقدی خارج از فصل را ارزیابی کنید
- هزینه مالکیت و هزینه تامین مالی را یکپارچه کنید
- پیش بینی ها را در برابر نتایج قبلی تأیید کنید
بهترین روش ها برای توسعه دهندگان
- داده های عملکرد تاریخی حافظه پنهان
- نقاط داده سری زمانی را در پایگاه داده های رابطه ای یا ستونی ذخیره کنید
- فیلدهایی مانند Occupancy و ADR را برای مقادیر گمشده بررسی کنید
- استقرار نسخه ها و نظارت بر استفاده از API
با این نکات ساده برای استفاده از API، می توانید نتایج بهینه را در تجزیه و تحلیل اجاره کوتاه مدت خود به دست آورید و تصمیمات مطمئن تر و مبتنی بر داده را بگیرید.
را
ردیف پایین
راه‌حل‌های سرمایه‌گذاری حرفه‌ای STR به چیزی بیش از معیارهای خلاصه یا داشبوردهای سطح بالا نیاز دارند. آنها به مجموعه داده های دقیق، ساختاریافته و از لحاظ تاریخی سازگار نیاز دارند که نشان می دهد یک ملک یا بازار چگونه در چرخه های فصلی، تغییرات عرضه و نوسانات درآمد عمل می کند.
Mashvisor’s Historical Performance API این پایه را فراهم می کند. با 36 ماه سنجه‌های عملکرد ماهانه STR از جمله میزان اشغال، ADR، درآمد، RevPAR و معیارهای تحویل، مدل‌های پیش‌بینی قوی، پذیره‌نویسی دقیق، ارزیابی درجه سازمانی و محصولات تحلیلی مقیاس‌پذیر را امکان‌پذیر می‌کند.
چه سرمایه گذار، مدیر دارایی، تحلیلگر مالی یا توسعه دهنده PropTech باشید، API عمق و ساختاری را که برای اتخاذ تصمیمات آگاهانه و آینده نگر در بازار STR نیاز دارید، فراهم می کند.
اگر می خواهید نحوه عملکرد Mashvisor Airbnb API را در عمل تجربه کنید، یک هفته آزمایشی رایگان داشته باشید با 30 واحد
را
سوالات متداول
API عملکرد تاریخی چه نوع داده ای را ارائه می دهد؟
Mashvisor Airbnb API 36 ماه معیارهای عملکرد STR از جمله نرخ اشغال، میانگین نرخ روزانه (ADR)، درآمد ماهانه، RevPAR و عرضه فهرست فعال را ارائه می‌کند. مجموعه داده ها به صورت سری های زمانی ساختار یافته است که امکان مدل سازی تحلیلی و ادغام در جریان های کاری پیش بینی یا بیمه را فراهم می کند.
نقاط داده تاریخی چقدر به عقب باز می گردند؟
API تا سه سال کامل – یا 36 ماه – داده های ماهانه تاریخی را ارائه می دهد. این چارچوب زمانی امکان تجزیه و تحلیل فصلی جامع، شناسایی روندها و مقایسه های سال به سال را فراهم می کند که همه اینها برای ارزیابی های حرفه ای ضروری هستند.
آیا داده ها تجمیع شده است یا دارایی خاص است؟
API از بازیابی عملکرد گذشته در هر دو سطح لیست و محله پشتیبانی می کند. داده‌های سطح فهرست به یک ویژگی خاص مربوط می‌شوند، در حالی که داده‌های سطح همسایگی عملکرد بازار را برای تجزیه و تحلیل مقایسه‌ای و مبتنی بر مکان منعکس می‌کنند.
داده های تاریخی Airbnb ارائه شده توسط Mashvisor API چقدر دقیق است؟
API روندهای اشغال، ADR، درآمد و عرضه بسیار قابل اعتماد را ارائه می دهد که با رفتار واقعی بازار مطابقت دارد و می توان با اطمینان از آنها استفاده کرد. این به این دلیل است که مجموعه داده‌های STR تاریخی Mashvisor با استفاده از سیگنال‌های عملکرد واقعی Airbnb که مستقیماً از فهرست‌های فعال به‌دست می‌آیند ساخته شده است. این پلتفرم لایه‌های پاک‌سازی، اعتبارسنجی و مدلسازی داده‌های خود را برای تصحیح نقاط پرت، تخمین مقادیر گمشده و اطمینان از ثبات در بازارها اعمال می‌کند.
مجموعه داده های تاریخی هر چند وقت یکبار به روز می شود؟
برای اطمینان از صحت، داده های اصلی به طور منظم – روزانه – به روز می شوند. به روز رسانی ها شامل تغییرات در اشغال، قیمت و روند عرضه است که در پلتفرم های STR ثبت شده است. مقادیر به روز شده به طور خودکار به پاسخ های API بدون اقدام اضافی کاربر منتشر می شوند.
چگونه توسعه دهندگان می توانند API ها را در سیستم های داخلی ادغام کنند؟
توسعه‌دهندگان می‌توانند با استفاده از یک کلید API احراز هویت کنند و درخواست‌های GET را به نقاط پایانی عملکرد تاریخی مربوطه ارسال کنند. ساختار JSON برگشتی برای ورود به فیدهای داده، جداول SQL، قاب‌های داده، داشبورد، موتورهای پیش‌بینی و مدل‌های امضا بهینه‌سازی شده است.
آیا می توان از داده ها برای مقایسه چندین بازار استفاده کرد؟
متخصصان می توانند داده ها را در محله ها، شهرها یا مناطق استخراج و تجزیه و تحلیل کنند تا فصلی بودن، ثبات اشغال، روندهای ADR و پویایی عرضه را مقایسه کنند. این امکان انتخاب بازار، تنوع پرتفوی و معیار ریسک را فراهم می کند.
آیا API از تجزیه و تحلیل مقیاس سازمانی پشتیبانی می کند؟
ساختار، عمق و سازگاری مجموعه داده‌ها آن را برای گردش‌های کاری سازمانی از جمله ارزش‌گذاری چند دارایی، پذیره‌نویسی الگوریتمی، غربالگری معاملات خودکار و بهینه‌سازی پورتفولیو STR مناسب می‌سازد.
چگونه می توانم داده های تاریخی را با سایر نقاط پایانی Mashvisor API برای تجزیه و تحلیل عمیق تر ترکیب کنم؟
می‌توانید داده‌های عملکرد گذشته را با نقاط پایانی مانند جزئیات دارایی، تخمین‌های اجاره، پیش‌بینی‌های اشغال و تجزیه و تحلیل محله جفت کنید تا چارچوب‌های ارزیابی کامل‌تری ایجاد کنید. برای مثال، می‌توانید روندهای عملکرد گذشته را با ویژگی‌های دارایی فهرست یا داده‌های بازگشت سرمایه در سطح بازار ترکیب کنید تا مدل‌های پذیره‌نویسی، مکانیسم‌های قیمت‌گذاری، ابزار غربالگری پورتفولیو یا برنامه‌های کاربردی PropTech غنی از داده را بسازید.
هزینه دسترسی به API چقدر است؟
Mashvisor چندین ردیف قیمت‌گذاری API را بر اساس نیازهای استفاده ارائه می‌کند، که با یک آزمایش رایگان شروع می‌شود که شامل 30 اعتبار برای آزمایش داده‌های تاریخی، نقاط پایانی بازار و سایر معیارهای STR است. طرح‌های پولی مبتنی بر استفاده هستند و با تعداد تماس‌های API مورد نیاز پلتفرم یا گردش کار شما مقیاس می‌شوند. این ساختار قیمت ها را برای کاربران با نیازهای مختلف مقرون به صرفه می کند.
اگر یک فیلد داده تاریخی مقادیر تهی یا گمشده را برگرداند، چه کاری باید انجام دهم؟
در موارد نادر، یک متریک تاریخی مانند اشغال یا ADR ممکن است به دلیل هشدارهای داده ناقص برای آن ماه یا فهرست خاص، مقدار صفر را برگرداند. توسعه دهندگان می توانند با استفاده از منطق بازگشتی مانند درون یابی، میانگین متحرک یا معیارهای همسایگی برای حفظ تداوم در مدل خود، این کار را انجام دهند. در واقع، آنها اغلب عملکرد تاریخی را با معیارهای سطح همسایگی یا APIهای جستجو ترکیب می‌کنند، زمانی که فهرست دارای تاریخچه ماه به ماه محدود است. مجموعه داده Mashvisor روزانه پاک می شود، بنابراین مقادیر از دست رفته معمولاً به طور خودکار در رفرش های بعدی بدون نیاز به اقدام کاربر برطرف می شوند.
