JP7369098B2 - テナント退去予測装置、テナント退去予測方法、およびテナント退去予測システム - Google Patents

Description

本発明は、テナント退去予測装置、テナント退去予測方法、およびテナント退去予測システムに関する。

不動産デベロッパーなど、いわゆる不動産テナント事業者は、自らが貸主となり、土地や建物などの不動産を他者に賃貸し、賃料を得ている。
こうした事業においては、物件が継続的にテナントで埋まり、賃料収入が安定化することが望ましいとされる。そのため、賃料収入の安定化を図るための技術が提案されてきた。

そうした従来技術としては、例えば、賃料収入のばらつきを逐次評価するシステムであって、初期設定として、不動産に入居している複数のテナント間における賃料変動の相関係数の初期値およびテナント毎の賃料のボラティリティを設定する手段と、不動産全体の賃料収入に係るボラティリティの算出手段と、月毎に賃料に関わる時系列データファイルを追加して更新する手段と、前記時系列データファイルが更新される毎に賃料変動に関するテナント間の相関係数を再計算し、更新された相関係数を用いて全体の賃料収入のボラティリティを更新する手段と、更新された条件に基づいて、賃料と空室率を確率変数として収益価格の確率分布を算定する手段と、前記不動産の収益価格の確率分布に基づいてリスク管理指標を算出する手段を有する不動産の時系列リスク管理システム（特許文献１参照）などが提案されている。

特開２００５－２５８５０６号公報

ところが、賃料収入の安定化に大きな影響を与えうる、テナント退去に関して対応する技術は提案されていない。確かに、賃貸契約上では、退去日の一定期間前までに退去通告を行う義務が規定されることが一般的であり、テナント退去が確定している時点で、その予告を受けることは可能である。
換言すれば、既に決定事項となっているテナント退去という事象を知ることはできても、退去通告よりも前に退去予兆をとらえて、何らかの対応を行うための技術は存在しない。

そこで本発明の目的は、テナント退去の予兆を検知し、それに応じた適宜な対応を支援する技術を提供することにある。

上記課題を解決する本発明のテナント退去予測装置は、不動産における所定事象に関して観測された観測データと、前記不動産におけるテナントの退去経緯を少なくとも含む退去事例情報と、前記退去経緯見込ごとのテナントに対する営業活動の指針情報と、を保持する記憶装置と、前記観測データおよび前記退去経緯を含む退去事例情報を入力として機械学習エンジンに与えることで、前記観測データが示す事象とテナント退去の経緯との関係性を規定するモデルを生成する処理と、所定の不動産における前記事象に関する観測データを前記モデルに適用することで、当該不動産におけるテナントの退去経緯見込を退去予兆として特定し、前記特定した退去経緯見込を前記指針情報に照合して、前記テナントに対する営業活動の指針を特定し、当該指針の情報を出力する処理と、を実行する演算装置と、を備えることを特徴とする。
また、本発明のテナント退去予測方法は、情報処理装置が、不動産における所定事象に関して観測された観測データと、前記不動産におけるテナントの退去経緯を少なくとも含む退去事例情報と、前記退去経緯見込ごとのテナントに対する営業活動の指針情報と、を記憶装置にて保持して、前記観測データおよび前記退去経緯を含む退去事例情報を入力として機械学習エンジンに与えることで、前記観測データが示す事象とテナント退去の経緯との関係性を規定するモデルを生成する処理と、所定の不動産における前記事象に関する観測データを前記モデルに適用することで、当該不動産におけるテナントの退去経緯見込を退去予兆として特定し、前記特定した退去経緯見込を前記指針情報に照合して、前記テナントに対する営業活動の指針を特定し、当該指針の情報を出力する処理と、を実行することを特徴とする。

また、本発明のテナント退去予測システムは、不動産における所定事象に関して観測された観測データと、前記不動産におけるテナントの退去経緯を少なくとも含む退去事例情報と、前記退去経緯見込ごとのテナントに対する営業活動の指針情報と、を保持する記憶装置と、前記観測データおよび前記退去経緯を含む退去事例情報を入力として機械学習エンジンに与えることで、前記観測データが示す事象とテナント退去の経緯との関係性を規定するモデルを生成する処理と、所定の不動産における前記事象に関する観測データを前記モデルに適用することで、当該不動産におけるテナントの退去経緯見込を退去予兆として特定し、前記特定した退去経緯見込を前記指針情報に照合して、前記テナントに対する営業活動の指針を特定し、当該指針の情報を出力する処理と、を実行する演算装置と、を備えるテナント退去予測装置を含むことを特徴とする。

本発明によれば、テナント退去の予兆を検知し、それに応じた適宜な対応を支援することが可能となる。

本実施形態のテナント退去予測装置を含むネットワーク構成図である。 本実施形態におけるテナント退去予測装置のハードウェア構成例を示す図である。 本実施形態におけるデータ提供装置のハードウェア構成例を示す図である。 本実施形態におけるオーナー装置のハードウェア構成例を示す図である。 本実施形態の観測データＤＢのデータ構成例を示す図である。 本実施形態の退去事例ＤＢのデータ構成例を示す図である。 本実施形態のモデルＤＢのデータ構成例を示す図である。 本実施形態の分析結果ＤＢのデータ構成例を示す図である。 本実施形態のレコメンドテーブルのデータ構成例を示す図である。 本実施形態の営業結果ＤＢのデータ構成例を示す図である。 本実施形態におけるテナント退去予測方法のフロー例を示す図である。 本実施形態におけるテナント退去予測方法のフロー例を示す図である。 本実施形態における画面例を示す図である。 本実施形態における画面例を示す図である。 本実施形態における画面例を示す図である。

＜＜ネットワーク構成＞＞
以下に本発明の実施形態について図面を用いて詳細に説明する。図１は、本実施形態のテナント退去予測装置１００を含むネットワーク構成図である。図１に示すテナント退去予測装置１００は、不動産２０におけるテナント退去の予兆を検知し、それに応じた適宜な対応を支援するコンピュータ装置である。

図１のネットワーク構成に示すように、本実施形態のテナント退去予測装置１００は、ネットワーク１を介し、データ提供装置２００、およびオーナー装置３００と通信可能に接続されている。

また、こうしたネットワーク１において互いに接続された、テナント退去予測装置１００、データ提供装置２００、およびオーナー装置３００が、テナント退去予測システム１０を構成するものとする。

このうち、テナント退去予測装置１００は、本実施形態のテナント退去予測方法を主として実行する情報処理装置である。このテナント退去予測装置１００は、機械学習におけるテナント退去予兆のモデルを生成し、このモデルに基づく不動産２０におけるテナント退去予兆の情報を提供する。

こうしたテナント退去予測装置１００の運用者は、上述のテナント退去予兆の情報提供サービスを行う事業者の他、例えば、不動産２０のオーナー、当該不動産２０に関する観測データの提供者、を想定可能である（勿論、これに限定しない）。

また、データ提供装置２００は、上述の不動産２０にまつわる種々の事象に関してセンサー等の観測装置３０で観測し、その観測データを提供する装置となる。こうしたデータ提供装置２００は、例えば、不動産管理会社が運用する形態を主に想定できる。勿論、上述のテナント退去予兆の情報提供サービスを行う事業者や、不動産のオーナーが運用者であってもよい。

また、オーナー装置３００は、不動産オーナーが運用する情報処理装置であって、テナント退去予測装置１００からの、テナント退去予兆の情報提供を受ける情報処理装置となる。
＜＜ハードウェア構成＞＞
また、本実施形態のテナント退去予測装置１００のハードウェア構成は、図２に示す如くとなる。テナント退去予測装置１００は、記憶装置１０１、メモリ１０３、演算装置１０４、入力装置１０５、出力装置１０６、および通信装置１０７を備えている。

このうち記憶装置１０１は、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）やハードディスクドライブなど適宜な不揮発性記憶素子で構成される。

また、メモリ１０３は、ＲＡＭなど揮発性記憶素子で構成される。

また、演算装置１０４は、記憶装置１０１に保持されるプログラム１０２をメモリ１０３に読み出すなどして実行し装置自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なうＣＰＵである。

上述のプログラム１０２は、情報処理装置として一般的なオペレーティングシステムやファイルシステム等を実装するものの他に、機械学習エンジン１１０を備える。この機械学習エンジン１１０は、データ提供装置２００から提供される不動産の観測データと、オーナー装置３００から提供される退去事例情報を入力として、当該観測データが示す事象とテナント退去との関係性を規定するモデルを生成するものとなる。

機械学習エンジン１１０は、上述のモデルにより推定されたテナント退去予兆に関して、実際の当該テナントの退去有無やその退去経緯のフィードバックを、例えば、オーナー装置３００から取得し、モデルをチューニングし続ける。こうしたモデルの生成やチューニングの手法自体は、既存技術を適宜に適用すればよい。

なお、上述の機械学習エンジン１１０は、テナント退去予測装置１００が自ら備える形態の他、ネットワーク１上の外部装置から呼び出して利用する形態も想定しうる。

また、入力装置１０５は、ユーザからのキー入力や音声入力を受け付ける、キーボードやマウス、マイクなどの適宜な装置である。

また、出力装置１０６は、演算装置１０４での処理データの表示を行うディスプレイ、スピーカー等の適宜な装置である。

また、通信装置１０７は、ネットワーク１と接続して、データ提供装置２００やオーナー装置３００といった他装置との通信処理を担うネットワークインターフェイスカードである。

なお、記憶装置１０１内には、本実施形態のテナント退去予測装置１００として必要な機能を実装する為のプログラム１０２に加えて、観測データＤＢ１２５、退去事例ＤＢ１２６、モデルＤＢ１２７、分析結果ＤＢ１２８、およびレコメンドテーブル１２９が少なくとも記憶されている。これらデータベースやテーブルの詳細については後述する。

図３に、本実施形態のデータ提供装置２００のハードウェア構成例を示す。本実施形態のデータ提供装置２００は、記憶装置２０１、メモリ２０３、演算装置２０４、および通信装置２０５を備えている。

このうち記憶装置２０１は、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）やハードディスクドライブなど適宜な不揮発性記憶素子で構成される。

また、メモリ２０３は、ＲＡＭなど揮発性記憶素子で構成される。

また、演算装置２０４は、記憶装置２０１に保持されるプログラム２０２をメモリ２０３に読み出すなどして実行し装置自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なうＣＰＵである。

また、通信装置２０５は、ネットワーク１と接続して、観測対象である不動産２０の観測装置３０や、テナント退去予測装置１００といった他装置との通信処理を担うネットワークインターフェイスカードである。

なお、上述の観測装置３０は、例えば、観測対象である不動産２０における、エレベータ乗降者の数や重量、電気、ガス、上下水道といった各種インフラの使用量、自動販売機や売店での売上、エレベーターホールやエントランス、執務室や会議室の入退場者数、といった各種事象を観測するセンサーで、データ提供装置２００との通信機能を備えるものである。こうした事象の観測装置３０は、例えば、不動産２０の管理会社が保守管理用に日々運用している、エレベータ籠の重量センサー、赤外線等による人数カウンター、インフラ設備の使用料メーター、自販機や売店の決済装置、などを想定できる。

また、記憶装置２０１内には、本実施形態のデータ提供装置２００として必要な機能を実装する為のプログラム２０２（機械学習エンジン１１０を含む）に加えて、観測データ２２５が少なくとも記憶されている。

この観測データ２２５は、テナント退去予測装置１００が保持する観測データＤＢ１２５のソースデータとなる。よって、この観測データ２２５の具体的な説明は、観測データＤＢ１２５に関する説明において共に行うものとする。

図４に、本実施形態のオーナー装置３００のハードウェア構成例を示す。本実施形態のオーナー装置３００は、記憶装置３０１、メモリ３０３、演算装置３０４、入力装置３０
５、出力装置３０６、および通信装置３０７を備えている。

このうち記憶装置３０１は、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）やハードディスクドライブなど適宜な不揮発性記憶素子で構成される。

また、メモリ３０３は、ＲＡＭなど揮発性記憶素子で構成される。

また、演算装置３０４は、記憶装置３０１に保持されるプログラム３０２をメモリ３０３に読み出すなどして実行し装置自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なうＣＰＵである。

また、入力装置３０５は、ユーザからのキー入力や音声入力を受け付ける、キーボードやマウス、マイクなどの適宜な装置である。

また、出力装置３０６は、演算装置３０４での処理データの表示を行うディスプレイ、スピーカー等の適宜な装置である。

また、通信装置３０７は、ネットワーク１と接続して、テナント退去予測装置１００といった他装置との通信処理を担うネットワークインターフェイスカードである。

なお、記憶装置３０１内には、本実施形態のオーナー装置３００として必要な機能を実装する為のプログラム３０２に加えて、退去事例ＤＢ３２５および営業結果ＤＢ３２６が少なくとも記憶されている。

こうしたデータベースのうち退去事例ＤＢ３２５については、テナント退去予測装置１００が保持する退去事例ＤＢ１２６の説明に伴い後述する。また、営業結果ＤＢ３２６の詳細は後述する。
＜＜データ構造例＞＞
続いて、本実施形態のテナント退去予測装置システム１００が用いる情報について説明する。図５に、本実施形態における観測データＤＢ１２５の一例を示す。

本実施形態の観測データＤＢ１２５は、データ提供装置２００から配信された観測データ２２５が蓄積されたデータベースである。

そのデータ構造は、観測対象の不動産の識別情報および事象をキーとして、観測時期、および観測値といったデータから成るレコードの集合体である。

図６に、本実施形態における退去事例ＤＢ１２６の一例を示す。本実施形態の退去事例ＤＢ１２６は、例えば、オーナー装置３００で管理している退去事例ＤＢ３２５のデータを取得し蓄積したデータベースである。

そのデータ構造は、不動産の識別情報をキーとして、当該不動産を退去したテナントの識別情報、退去時期、退去経緯（例：増床希望による退去、減床希望による退去、設備やサービス、立地への不満による退去、廃業による退去など）、テナント属性（例：業種、業態、企業規模、従業員数、繁忙期、決算時期、財務状況、従業員の平均年齢、平均年収、平均勤続年数など）、退去した不動産の属性（例：建物の構造、階数、床面積、坪あたり賃料、設備、築年数、最寄り駅、最寄り駅からの距離など）といったデータから成るレコードの集合体である。

図７に、本実施形態におけるモデルＤＢ１２７の一例を示す。本実施形態のモデルＤＢ
１２７は、機械学習エンジン１１０が生成した、テナント退去予兆の予測モデルを蓄積したデータベースである。

そのデータ構造は、モデルを一意に特定するモデルＩＤをキーとして、適用対象となる属性（例：不動産属性、テナント属性）、およびモデル（の実体）といったデータから成るレコードの集合体である。

図８に、本実施形態における分析結果ＤＢ１２８の一例を示す。本実施形態の分析結果ＤＢ１２８は、上述のモデルにより予測した、不動産におけるテナントの退去予兆の情報を蓄積したデータベースである。

そのデータ構造は、対象不動産および対象テナントをキーとして、上述のモデルで予測した退去予兆の情報（退去経緯見込）、および実際の退去結果といったデータから成るレコードの集合体である。

図９に、本実施形態におけるレコメンドテーブル１２９一例を示す。本実施形態のレコメンドテーブル１２９は、モデルにより予測された退去予兆すなわち退去経緯見込に応じて推奨される営業活動の内容を規定したテーブルである。

そのデータ構造は、退去経緯見込をキーとして、当該退去経緯見込に応じた営業活動、といったデータから成るレコードの集合体である。このレコメンドテーブル１２９に基づき特定される営業活動の情報は、テナント退去が予測される不動産のオーナー装置３００に通知され、テナントへのフォローや新テナントの開拓といった実際の営業活動の参考となりうる。また、営業活動の情報としては、当該テナントに対する営業活動の中で提示する他不動産物件の抽出基準（図中では、マッチング候補抽出処理概要と記載）を含むとささらに好適である。

図１０に、本実施形態における営業結果ＤＢ３２５の一例を示す。本実施形態の営業結果ＤＢ３２５は、上述のテナントへの営業活動による結果の情報を蓄積したデータベースである。

そのデータ構造は、対象となる不動産およびテナントをキーとして、参考となった営業活動の情報（上記レコメンドテーブル１２９から特定されたもの）、および営業活動の結果といったデータから成るレコードの集合体である。

ここに蓄積される営業活動の結果は、退去予兆に基づく営業活動の適正性の判定根拠となりえる。よって、この営業活動の結果が、退去予兆に対して当該テナントをうまくフォローアップして解約を回避した、といった好ましいものか、それとも、そうした解約を回避できなかった、といった好ましくないものであったかにより、レコメンドテーブル１２９の内容見直しの契機とできる。
＜＜フロー例：学習モデル生成＞＞
以下、本実施形態におけるテナント退去予測方法の実際手順について図に基づき説明する。以下で説明するテナント退去予測方法に対応する各種動作は、テナント退去予測装置１００がメモリ等に読み出して実行するプログラムによって実現される。そして、このプログラムは、以下に説明される各種の動作を行うためのコードから構成されている。

図１１は、本実施形態におけるテナント退去予測方法のフロー例を示す図である。ここではまず、テナント退去予測装置１００が、データ提供装置２００から観測データを取得し、これを観測データＤＢ１２５に格納する（ｓ１０）。

また、テナント退去予測装置１００は、オーナー装置３００から退去事例情報を取得し、これを退去事例ＤＢ１２６に格納する（ｓ１１）。

続いて、テナント退去予測装置１００は、観測データＤＢ１２５および退去事例ＤＢ１２６の各格納データを入力として、機械学習エンジン１１０に与えることで、観測データが示す事象とテナント退去との関係性を規定するモデルを生成する（ｓ１２）。

この場合、上述の事象とは、観測対象である不動産２０における、エレベータ乗降者の数や重量、電気、ガス、上下水道といった各種インフラの使用量、自動販売機や売店での売上、エレベーターホールやエントランス、執務室や会議室の入退場者数、といった各種事象を想定する。

また、こうした事象とテナント退去との関係性とは、例えば、当該事象の観測値の単位期間での増減率、有無、といった状態と、当該状態の不動産に入居するテナントの（観測から一定期間経過後の）退去確率とを規定するものとなる。なお、上述のモデル生成時に機械学習エンジン１１０に与える退去事例情報に、退去有無に加えて退去経緯を含むとした場合、モデルとしては、観測データが示す事象とテナント退去の経緯との関係性を規定するモデルが生成されることになる。

なお、上述のモデル生成に際し、退去事例情報をテナント属性ごとに分類し、このテナント属性のテナントが入居していた不動産ごとに観測データを分類する処理を予め実行するとしてもよい。

その場合、テナント退去予測装置１００は、それぞれの分類で得た退去事例情報および観測データを入力として機械学習エンジン１１０に与えることで、テナント属性ごとのモデルを生成することが可能である。例えば、業種、業態、企業規模、従業員数、繁忙期、決算時期、財務状況、従業員の平均年齢、平均年収、平均勤続年数といった属性ごとのモデルが生成される。

或いは、上述のモデル生成に際し、不動産属性ごとに観測データを分類し、この不動産属性の不動産に入居していたテナントごとに退去事例情報を分類する処理を予め実行するとしてもよい。

その場合、テナント退去予測装置１００は、それぞれの分類で得た退去事例情報および観測データを入力として機械学習エンジン１１０に与えることで、不動産属性ごとのモデルを生成することが可能である。例えば、建物の構造、階数、床面積、坪あたり賃料、設備、築年数、最寄り駅、最寄り駅からの距離といった属性ごとのモデルが生成される。

こうした複数のモデル生成手法は、例えば、テナント退去予測装置１００やオーナー装置３００の運用者が予め指定し、当該指定に応じてテナント退去予測装置１００が選択的に実行する形態を想定できる。或いは、観測データや退去事例情報が含む項目すなわち属性の有無に応じて、テナント退去予測装置１００が選択的に実行する形態も想定できる。

続いて、テナント退去予測装置１００は、ｓ１２で生成したモデルを、モデルＤＢ１２６に格納し（ｓ１３）、処理を終了する。
＜＜フロー例：退去予兆等の判定＞＞
図１２は、本実施形態におけるテナント退去予測方法のフロー例を示す図である。ここでは、上述のフローで生成したモデルを利用して、テナントの退去予兆を特定する処理について説明する。

この場合、テナント退去予測装置１００は、例えば、オーナー装置３００から、予測対象のテナントないし不動産についての指定（図１３の画面１３００）を受け付ける（ｓ２０）。この指定は、テナントないし不動産の識別情報か、或いは属性の指定を含む。

また、テナント退去予測装置１００は、ｓ２０で受け付けた指定に基づいて、観測データＤＢ１２５から対象となる不動産、または対象となるテナントが入居中の不動産、に関する観測データを抽出する（ｓ２１）。

続いて、テナント退去予測装置１００は、ｓ２１で抽出した観測データを、モデルＤＢ１２６で保持するモデルに適用することで、当該不動産におけるテナントの退去予兆を特定し（ｓ２２）、これをオーナー装置３００に応答（図１４の画面１４００）する。この退去予兆は、退去確率および退去経緯見込の少なくともいずれかを含むものとする。

このうち退去経緯見込は、増床希望による退去、減床希望による退去、設備やサービス、立地への不満による退去、廃業による退去、といった情報になる。

なお、出願人は、予備調査として、実際の約１５０件の退去事例を利用し、その７５％を正解データとした機械学習により、残りの２５％の予兆を捉えられるか検証した結果、約８０％の確率で解約通知書受領の６ヶ月以前に、退去予兆を捕捉しアラームを出すことに成功した。

また、テナント退去予測装置１００は、ｓ２２で得た退去予兆の情報が含む退去経緯見込をレコメンドテーブル１２９に照合して、当該退去予兆により退去が見込まれるテナントに対する営業活動の指針を特定し、当該指針の情報（図１５の画面１５００）を、オーナー装置３００に応答し（ｓ２３）、処理を終了する。

以上、本発明を実施するための最良の形態などについて具体的に説明したが、本発明はこれに限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能である。

こうした本実施形態によれば、テナントによる解約の予兆を効率的に検知することが可能となる。このことは、テナントとの間の賃貸契約の解約から、新たなテナントとの賃貸契約獲得までの間のリードタイムを短縮するなど、不動産物件の稼働率確保に向けた効率的な営業活動を可能としうる。すなわち、テナント退去の予兆を検知し、それに応じた適宜な対応を支援が可能となる。

本明細書の記載により、少なくとも次のことが明らかにされる。すなわち、本実施形態のテナント退去予測装置において、前記演算装置は、前記モデルの生成に際し、テナント属性ごとに前記退去事例情報を分類する処理、および、前記テナント属性のテナントが入居していた不動産ごとに、前記観測データを分類する処理を実行し、前記それぞれの分類で得た前記退去事例情報および前記観測データを入力として前記機械学習エンジンに与えることで、前記テナント属性ごとの前記モデルを生成し、前記退去予兆の特定に際し、所定の属性を有するテナントが入居する不動産における前記事象に関する観測データを、当該属性に応じた前記モデルに適用することで、当該不動産における前記属性のテナントの退去予兆を特定するものである、としてもよい。

これによれば、業種、業態、企業規模、従業員数、繁忙期、決算時期、財務状況、従業員の平均年齢、平均年収、平均勤続年数、などといった種々のテナントの属性に応じて、退去予兆を特定するモデルを生成可能となる。ひいては、テナント退去の予兆をより高精度に検知し、それに応じた適宜な対応を支援することが可能となる。

また、本実施形態のテナント退去予測装置において、前記演算装置は、前記モデルの生成に際し、不動産属性ごとに前記観測データを分類する処理、および、前記不動産属性の不動産に入居していたテナントごとに、前記退去事例情報を分類する処理を実行し、前記それぞれの分類で得た前記退去事例情報および前記観測データを入力として前記機械学習エンジンに与えることで、前記不動産属性ごとの前記モデルを生成し、前記退去予兆の特定に際し、所定の属性を有する不動産における前記事象に関する観測データを、当該属性に応じた前記モデルに適用することで、当該不動産属性の不動産におけるテナントの退去予兆を特定するものである、としてもよい。

これによれば、建物の構造、階数、床面積、坪あたり賃料、設備、築年数、最寄り駅、最寄り駅からの距離、などといった種々の不動産属性に応じて、退去予兆を特定するモデルを生成可能となる。ひいては、テナント退去の予兆をより高精度に検知し、それに応じた適宜な対応を支援することが可能となる。

また、本実施形態のテナント退去予測装置において、前記演算装置は、前記不動産におけるテナントの退去経緯を少なくとも含む退去事例情報を、前記不動産の管理装置から取得し、前記記憶装置に蓄積する処理をさらに実行し、前記モデルの生成に際し、前記観測データと前記退去経緯を含む退去事例情報とを入力として機械学習エンジンに与えることで、前記観測データが示す事象とテナント退去の経緯との関係性を規定するモデルを生成する処理と、所定の不動産における前記事象に関する観測データを前記モデルに適用することで、当該不動産におけるテナントの退去経緯見込を前記退去予兆として特定するものである、としてもよい。

これによれば、増床希望による退去、減床希望による退去、設備やサービス、立地への不満による退去、廃業による退去、などといった種々の退去経緯に応じて、退去予兆を特定するモデルを生成可能となる。ひいては、テナント退去の予兆をより高精度に検知し、それに応じた適宜な対応を支援することが可能となる。

また、本実施形態のテナント退去予測装置において、前記記憶装置は、前記退去経緯見込ごとの、当該テナントに対する営業活動の指針情報を保持し、前記演算装置は、前記特定した退去経緯見込を前記指針情報に照合して、前記テナントに対する営業活動の指針を特定し、当該指針の情報を出力する処理をさらに実行するものである、としてもよい。

これによれば、テナントの退去経緯（の見込）に応じて、同じ不動産における他階層や他区画を提案する、或いは、退去を見越して新たなテナント探しを開始する、といった営業活動に関する指針を、当該不動産の運営企業等に提示可能となる。このことは、当該テナントとの賃貸契約の解約から、次のテナントとの新たな契約までのリードタイムを短縮するなど、当該不動産の稼働率確保に向けた効率的な営業活動につながりうる。ひいては、テナント退去の予兆をより高精度に検知し、それに応じた適宜な対応を支援することが可能となる。

１ ネットワーク
１０ テナント退去予測システム
２０ 建物
３０ 観測装置
１００ テナント退去予測装置
１０１ 記憶装置
１０２ プログラム
１０３ メモリ
１０４ 演算装置
１０５ 入力装置
１０６ 出力装置
１０７ 通信装置
１１０ 機械学習エンジン
１２５ 観測データＤＢ
１２６ 退去事例ＤＢ
１２７ モデルＤＢ
１２８ 分析結果ＤＢ
１２９ レコメンドテーブル
２００ データ提供装置
２０１ 記憶装置
２０２ プログラム
２０３ メモリ
２０４ 演算装置
２０５ 通信装置
２２５ 観測データ
３００ オーナー装置
３０１ 記憶装置
３０２ プログラム
３０３ メモリ
３０４ 演算装置
３０５ 入力装置
３０６ 出力装置
３０７ 通信装置
３２５ 退去事例ＤＢ

Claims (5)

1. 不動産における所定事象に関して観測された観測データと、前記不動産におけるテナントの退去経緯を少なくとも含む退去事例情報と、前記退去経緯見込ごとのテナントに対する営業活動の指針情報と、を保持する記憶装置と、
   前記観測データおよび前記退去経緯を含む退去事例情報を入力として機械学習エンジンに与えることで、前記観測データが示す事象とテナント退去の経緯との関係性を規定するモデルを生成する処理と、所定の不動産における前記事象に関する観測データを前記モデルに適用することで、当該不動産におけるテナントの退去経緯見込を退去予兆として特定し、前記特定した退去経緯見込を前記指針情報に照合して、前記テナントに対する営業活動の指針を特定し、当該指針の情報を出力する処理と、を実行する演算装置と、
   を備えることを特徴とするテナント退去予測装置。
2. 前記演算装置は、
   前記モデルの生成に際し、テナント属性ごとに前記退去事例情報を分類する処理、および、前記テナント属性のテナントが入居していた不動産ごとに、前記観測データを分類する処理を実行し、前記それぞれの分類で得た前記退去事例情報および前記観測データを入力として前記機械学習エンジンに与えることで、前記テナント属性ごとの前記モデルを生成し、
   前記退去予兆の特定に際し、所定の属性を有するテナントが入居する不動産における前記事象に関する観測データを、当該属性に応じた前記モデルに適用することで、当該不動産における前記属性のテナントの退去予兆を特定するものである、
   ことを特徴とする請求項１に記載のテナント退去予測装置。
3. 前記演算装置は、
   前記モデルの生成に際し、不動産属性ごとに前記観測データを分類する処理、および、前記不動産属性の不動産に入居していたテナントごとに、前記退去事例情報を分類する処理を実行し、前記それぞれの分類で得た前記退去事例情報および前記観測データを入力として前記機械学習エンジンに与えることで、前記不動産属性ごとの前記モデルを生成し、
   前記退去予兆の特定に際し、所定の属性を有する不動産における前記事象に関する観測データを、当該属性に応じた前記モデルに適用することで、当該不動産属性の不動産におけるテナントの退去予兆を特定するものである、
   ことを特徴とする請求項１に記載のテナント退去予測装置。
4. 情報処理装置が、
   不動産における所定事象に関して観測された観測データと、前記不動産におけるテナントの退去経緯を少なくとも含む退去事例情報と、前記退去経緯見込ごとのテナントに対する営業活動の指針情報と、を記憶装置にて保持して、
   前記観測データおよび前記退去経緯を含む退去事例情報を入力として機械学習エンジンに与えることで、前記観測データが示す事象とテナント退去の経緯との関係性を規定するモデルを生成する処理と、所定の不動産における前記事象に関する観測データを前記モデルに適用することで、当該不動産におけるテナントの退去経緯見込を退去予兆として特定し、前記特定した退去経緯見込を前記指針情報に照合して、前記テナントに対する営業活動の指針を特定し、当該指針の情報を出力する処理と、
   を実行することを特徴とするテナント退去予測方法。
5. 不動産における所定事象に関して観測された観測データと、前記不動産におけるテナントの退去経緯を少なくとも含む退去事例情報と、前記退去経緯見込ごとのテナントに対する営業活動の指針情報と、を保持する記憶装置と、
   前記観測データおよび前記退去経緯を含む退去事例情報を入力として機械学習エンジンに与えることで、前記観測データが示す事象とテナント退去の経緯との関係性を規定するモデルを生成する処理と、所定の不動産における前記事象に関する観測データを前記モデルに適用することで、当該不動産におけるテナントの退去経緯見込を退去予兆として特定し、前記特定した退去経緯見込を前記指針情報に照合して、前記テナントに対する営業活動の指針を特定し、当該指針の情報を出力する処理と、を実行する演算装置と、
   を備えるテナント退去予測装置を含むことを特徴とするテナント退去予測システム。

Images