この記事の結論
訪問査定の準備を型化し、実取引データAPIで自動生成することで、競合調査・価格根拠・販売戦略を毎回手で作る2時間の作業を20分に短縮できます。実取引574件から類似14件を自動抽出し、事例比較・原価・公示の3手法を加重して3価格帯を算出。23ページのPDF査定書に健全性審査・弱点開示ページを組み込み、築年・接道・ハザードから弱点を自動抽出することで、新人とベテランの品質差を均質化します。
訪問査定の準備を型化する理由
査定書とは、不動産の価格算出根拠・販売戦略・物件の強み弱みを売主に説明するための書類です。査定書作成には、競合調査・価格根拠の説明・販売戦略の提案という3つの要素が必要です。
ベテランの営業担当者は経験から類似事例を想起し、価格帯を口頭で説明できます。しかし新人は、レインズで類似物件を検索し、SUUMOで売出価格を調べ、ハザードマップを確認し、築年や接道の補正を手で計算するため、1件あたり2時間かかることも珍しくありません。
査定の品質が担当者の経験に依存する構造では、社内で査定基準が統一されず、売主からの信頼も安定しません。この問題を解決するには、査定の判断プロセスを分解し、データ取得・計算・文章生成を自動化する必要があります。
何が変わったか: reinfolib実取引574件→類似14件採用→3価格帯
導入前は、営業担当者がレインズやSUUMOで手作業で類似物件を検索し、価格帯を決めていました。導入後は、住所と売主事情の2項目を入力するだけで、以下の処理が自動で走ります。
- 実データ収集: reinfolib(国土交通省 不動産情報ライブラリAPI)から対象エリアの実取引574件を取得
- 類似抽出: 物件種別・面積・築年・駅距離の4軸で類似度を計算し、上位14件を採用
- 査定3手法の加重: 事例比較法60%・原価法20%・公示地価法20%の加重平均で3価格帯(安め・標準・高め)を算出
- 弱点抽出: 築年・接道・ハザードマップ(国土地理院API)から弱点を自動抽出し、健全性審査ページに記載
- PDF生成: 23ページの査定書PDF・営業トーク・販売戦略提案書を同時出力
実測では、入力から出力まで平均20分です。ただし査定価格はそのまま使わず、previewコマンドで採用事例を目視確認し、現地・レインズで裏取りを行う運用ルールを必ず守ります。
査定書生成フロー（住所+売主事情→実データ収集→3手法加重→PDF/営業トーク/提案書）
平均20分で23ページのPDF査定書を生成。previewで採用事例を目視確認後、現地・レインズで裏取りを行う
査定書の構成: 健全性審査・弱点開示ページ
23ページの査定書は、以下の構成で生成されます。
| ページ | 内容 | 生成方法 |
|---|---|---|
| 表紙 | 物件写真・住所・査定額3価格帯 | 会社ロゴはconfig駆動で切り替え |
| 健全性審査(R23) | 築年・接道・ハザード・耐震の4項目評価 | 国土地理院API+OSMで自動判定 |
| 弱点開示 | 築古・再建築不可・浸水想定区域等の明示 | ハザードマップAPIから自動抽出 |
| 採用事例14件 | 類似物件の成約価格・面積・築年・駅距離 | reinfolibから類似度上位14件 |
| 価格算出根拠 | 事例比較60%・原価20%・公示20%の加重平均 | 3手法の計算過程を表形式で記載 |
| 販売戦略提案 | 売出価格・広告方針・想定売却期間 | Gemini APIで文章生成 |
| 営業トーク | 売主への説明文・質問への想定回答 | Gemini APIで文章生成 |
健全性審査と弱点開示ページは、良いことしか言わない競合との差別化ポイントです。築古・接道2m未満・浸水想定区域などの弱点を最初から明示することで、売主との信頼関係を早期に構築します。弱点も全部見せる中古住宅チェックシートの設計思想と共通する、誠実な透明性の実装です。
実装の鍵: 住所+売主事情の入力だけで根拠を説明できる査定書PDF
査定書の品質を決めるのは、入力項目の設計です。住所と売主事情(相続・施設入居・住み替え・離婚・ローン困難)の2項目だけで、以下のデータを自動取得します。
| データソース | 取得内容 | API/スクレイピング |
|---|---|---|
| reinfolib | 実取引価格・面積・築年・駅距離 | HTTP直接呼び出し |
| 国土地理院 | ハザードマップ(洪水・土砂災害) | 地理院タイルAPI |
| OSM(OpenStreetMap) | 駅距離・バス停距離 | Overpass API |
| BrightData/SUUMO | 売出価格・掲載件数 | スクレイピング(参考値) |
| mlit-geospatial-mcp | 公示地価・基準地価 | 国土数値情報API |
実取引データ(reinfolib)は、国土交通省の不動産情報ライブラリから取引価格情報を取得するAPIです。ある地方都市の実例では、実取引574件から類似14件を抽出し、築年帯別のギャップ(築31〜45年で▲35.0%、築46年以上で▲49.6%)を補正係数に反映しています。
査定価格算出フロー（3手法加重→3価格帯→宅建士判断）
査定価格の自動算出は宅建士の判断を代替するものではなく、判断材料を2時間→20分で揃える道具
誠実な透明性: 弱点も全部見せる設計
査定書の弱点開示ページには、以下の項目が自動で記載されます。
- 築年: 築30年以上の場合、売出価格と成約価格のギャップがある地方都市で▲20.1〜49.6%になる実データを併記
- 接道: 接道2m未満の場合、再建築不可の可能性と建築基準法の要件を明記
- ハザード: 洪水浸水想定区域・土砂災害警戒区域に該当する場合、その旨を地図付きで明示
- 耐震: 1981年以前の旧耐震基準の場合、耐震診断の必要性を記載
良いことしか言わない査定書は、売主が他社の査定と比較した瞬間に信頼を失います。弱点を最初から明示し、その上で「この物件をどう売るか」の販売戦略を示すことで、売主との信頼関係を早期に構築できます。
他社が真似する条件: 実データAPI(reinfolib等)の契約/ブランドごとのカスタマイズ設計(config駆動)
この仕組みを他社が導入する場合、以下の2つが前提条件になります。
- 実データAPIの契約: reinfolib(国土交通省API)・Gemini API・国土地理院APIの3つが必須。reinfolibは月額課金、Gemini APIはトークン課金
- ブランドごとのカスタマイズ設計: 会社ロゴ・査定書のフォーマット・営業トークのトーンを
config/brand_<社名>.yamlで切り替える設計
会社ごとにブランド設定を切り替えられる構成にすることで、横展開の際に本番用・デモ用を明確に分離できます。従業員5名の会社が赤字の営業利益を黒字に戻した3点セットで示した小規模不動産会社でも、実データAPIの契約とブランド設定だけで導入できます。全82テストが回帰確認に使えます。
運用ルール: 査定価格はそのまま使わない・previewで採用事例を目視→現地・レインズで裏取り→宅建士判断
査定書の自動生成は、宅建士の判断を代替するものではありません。以下の運用ルールを必ず守ります。
- previewコマンドで事前確認: 査定書を生成する前に、採用事例14件を画面で確認。類似度の低い事例が混ざっていないかをチェック
- 現地・レインズで裏取り: 自動算出された3価格帯を、現地確認とレインズの成約事例で照合
- 宅建士判断: 最終的な査定価格は、宅建士が現地の状況・市場動向・売主事情を総合的に判断して決定
査定価格を自動算出する目的は、宅建士の判断を省くことではなく、判断材料を2時間→20分で揃えることです。AI査定の精度と売主への説明で示した通り、AIは判断材料を揃える道具であり、最終判断は必ず人間が行います。詳しい導入手順は不動産会社のAI活用 実践ガイドをご覧ください。
よくある質問
Q. 実データAPIの精度はどの程度ですか？
A. reinfolibは国土交通省の不動産情報ライブラリから取引価格情報を取得するAPIです。ある地方都市の実取引574件から類似14件を抽出し、築年・接道・ハザードの補正係数を適用した結果、現地・レインズでの裏取りと宅建士判断を経て最終価格を決定しています。
Q. Gemini APIはどこで使われていますか？
A. 査定書PDFのテキスト生成部分で使用しています。実データから算出した3価格帯と採用事例を基に、販売戦略の提案文・営業トークの文章を自然言語で生成します。数値計算はGeminiを使わず、Pythonで直接処理しています。
Q. 新人が使いこなせますか？
A. 住所と売主事情の2項目を入力するだけで、類似事例の抽出・価格算出・弱点開示・販売戦略提案まで自動生成されます。ただし査定価格はそのまま使わず、previewで採用事例を目視確認し、現地・レインズで裏取りを行う運用ルールを必ず守ってください。
Q. 顧問先の実名実額はデモに使いますか？
A. 絶対に使いません。デモ版は架空の物件情報を使い、実際の顧問先のブランド設定やロゴは別ファイルで管理しています。会社ごとにconfig/brand_<社名>.yamlで切り替える設計にしてあり、デモ用・本番用を明確に分離しています。
Q. 補正係数の校正はどうしますか？
A. 実案件で査定書を出力し、現地確認・レインズ照合で実際の成約価格と照らし合わせた結果を蓄積します。築年・接道・ハザードの各補正係数が高めに出る傾向があれば、係数を調整して再テストします。全82テストが回帰確認に使えます。
相談窓口
査定書の自動生成は、実データAPIの契約・ブランド設定のカスタマイズ・運用ルールの設計という3つの要素が揃って初めて機能します。導入前に査定基準の明文化と宅建士の判断プロセスを整理する必要があります。
生成AIを貴社の業務にどう組み込むかは、扱う物件・組織の規模・現在の業務フローによって最適解が変わります。株式会社MCOでは、不動産・建設業に特化したAI経営コンサルティングと実装代行、社内定着までの伴走を行っています。まずは公式LINEからお気軽にご相談ください。