Media > AI活用ユースケース > 経営企画 > マンスリーマンションの運営会社が、部屋ごとの予約の記録から Python で先3か月の稼働を予測し、料金の見直しの候補を出す

マンスリーマンションの運営会社が、部屋ごとの予約の記録から Python で先3か月の稼働を予測し、料金の見直しの候補を出す

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

マンスリーマンションの部屋ごとの予約の記録から、Python で先3か月の月ごとに、いまの予約にこれからどれだけ予約が上乗せされるかを予測します。稼働の見込みが目標の幅を外れる部屋と月を、料金の見直しの候補として出します。

サマリー
連携・自動化
Python
対象業界
不動産/宿泊
対象部門
経営企画
対象業務
比較検討/集計・分析
主な課題
データ分析に時間がかかる/判断に時間がかかる/属人化している
AIで行う処理
予測
主な効果
判断支援/工数削減/機会損失防止
導入難易度
★★★★☆
実装レベル
本格構成
費用感
個別開発(大)
人間の確認
条件付き
現在工数
40h/月
AI導入後
15h/月
想定削減
63%
年間削減
300h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 会議の前に、予約の管理の仕組みから部屋ごとの先3か月の予約の泊数を書き出す
  2. 前年の同じ月の稼働を部屋ごとに書き出し、並べる
  3. 部屋ごとに、いまの予約の泊数が前年と比べて多いか少ないかを見る
  4. 地域の催し、法人の研修の時期、近くの競合の空き具合を思い出して、見通しを立てる
  5. 下げる・上げる・そのままを決め、料金の表を直す案を会議に出す
導入後(After)
  1. 自動会議の5営業日前に、Python が予約の管理の仕組みの書き出しを読み込み、部屋と先3か月の月ごとの行を作る
  2. 自動学習済みのモデルで、部屋と月ごとに、これから上乗せされる泊数の下側と中央を出す
  3. 自動いまの予約の泊数と足して、月の稼働の見込みを出し、目標の幅と比べる
  4. 自動幅の下に外れる部屋と月に「下げの候補」、上に外れるものに「上げの候補」を付け、外れの大きい順に並べる
  5. 人担当が候補を見て、地域の事情を足し、下げる・上げる・そのままを決める
  6. 人会議で決め、料金の表を直す
  7. 自動月が終わったら、見込みと実際の稼働、料金を変えたかどうかを並べて記録する
各工程の詳しい説明を読む
  1. 会議の前に、予約の管理の仕組みから部屋ごとの先3か月の予約の泊数を書き出す
  2. 前年の同じ月の稼働を部屋ごとに書き出し、並べる
  3. 部屋ごとに、いまの予約の泊数が前年と比べて多いか少ないかを見る
  4. 地域の催し、法人の研修の時期、近くの競合の空き具合を思い出して、見通しを立てる
  5. 下げる・上げる・そのままを決め、料金の表を直す案を会議に出す

(a)前年の「最後の稼働」と、いまの「途中の予約」を比べている。 3番で比べているのは、前年の月が終わった時点の稼働と、まだ月が始まってもいない時点の予約です。比べるなら、前年の同じ月の、同じ日数前の時点の予約の泊数ですが、その数は書き出せていません。

(b)予約の入り方の違いを見ていない。 研修が多い地域は早く埋まり、出張が多い地域は直前に埋まります。同じ「いま3割」でも、前者は危なく、後者は心配が要りません。 その違いは担当の経験の中にあります。

(c)取消を数えていない。 法人の予約は、研修の中止や人事の変更で取り消されることがあります。いまの予約の泊数のうち、どれだけが取り消されるかは見込みに入っていません。

(d)見る順番が担当の受け持ちで決まる。 担当は自分の受け持ちの地域の部屋から見ていくので、会議の直前に見た地域ほど、見通しが前年との比べだけになります。 外れの大きい部屋から見る、という順番になっていません。

(e)値下げの効き目を確かめていない。 下げた部屋が埋まったのか、下げなくても埋まったのかは記録から分かりません。同じ部屋で毎月下げ続けることが起きます。

  1. 【自動】 会議の5営業日前に、Python が予約の管理の仕組みの書き出しを読み込み、部屋と先3か月の月ごとの行を作る
  2. 【自動】 学習済みのモデルで、部屋と月ごとに、これから上乗せされる泊数の下側と中央を出す
  3. 【自動】 いまの予約の泊数と足して、月の稼働の見込みを出し、目標の幅と比べる
  4. 【自動】 幅の下に外れる部屋と月に「下げの候補」、上に外れるものに「上げの候補」を付け、外れの大きい順に並べる
  5. 【人】 担当が候補を見て、地域の事情を足し、下げる・上げる・そのままを決める
  6. 【人】 会議で決め、料金の表を直す
  7. 【自動】 月が終わったら、見込みと実際の稼働、料金を変えたかどうかを並べて記録する

5番目で決めるのは担当です。 一覧が出すのは予約の入り方から見た稼働の見込みで、近くで大きな催しがある、法人の顧客から研修の打診が来ている、といった記録に出ない事情は入っていません。

4番目で目標の幅と比べているのが、料金の判断をモデルに預けない仕組みです。 モデルは「このままなら何泊埋まるか」までを出し、それが目標に足りるかの比べと、下げるか上げるかの候補づけは規則で行います。

7番目の記録は、翌月以降の会議で使います。 先月の会議で下げた部屋がどう終わったか、上げた部屋が埋まったかを一覧の横に出せば、同じ部屋で毎月下げ続けることに会議の場で気づけます。

02今回想定するシステム構成

構成図
予約の管理の仕組み(部屋・入居と退去の日・予約を受けた日・取消の日・経路)
+ 部屋の台帳(地域・広さ・築年・設備) + 目標の稼働の幅の表
   │
   ▼【トリガー】毎月の料金の見直しの会議の5営業日前、モデルの作り直しは3か月に1回
Python(pandas)
   ├──▶ 「部屋×対象の月×何日前」の時点の予約の泊数を、予約と取消の日から組み直す
   ▼
scikit-learn の HistGradientBoostingRegressor(loss="quantile")
   │   これから上乗せされる泊数の下側(0.2)・中央(0.5)の2つのモデル
   ▼
Python ── 稼働の見込み、目標の幅との比べ、候補の印、当たり方の記録
   ▼
【人】担当が候補を見て、会議で料金を決める
役割想定する製品代替候補
実行環境Python(pandas・scikit-learn)R
処理エンジンscikit-learn の HistGradientBoostingRegressor(分位点の損失)LightGBM の LGBMRegressor(quantile)
集計Python(時点の予約の組み直し、稼働の見込み、候補の印、当たり方の記録)表計算の計算式
保管社内のファイルサーバー(学習の記録、月ごとの見込み、料金の変更の記録)-

新しく足すのは、Python の処理と、予約の管理の仕組みからの書き出しだけです。 料金の表にも予約サイトにも書き込みません。この構成が出すのは、稼働の見込みと候補の一覧までです。

予測のエンジンに分位点の損失を選んだのは、下側の見込みで空室の危なさを見たいからです。 公式のページでは、loss に quantile があり、ピンボール損失を使い、quantile の引数で推定する分位点を0から1の間で指定するとされています。中央の見込みで目標に届いていても、下側の見込みが大きく割り込む部屋は、早めに手を打つ候補にします。

生成AIは使いません。 出すのは稼働の見込みと候補の表です。

03どうやって実装するのか

Step1

処理の起点を決める

毎月の料金の見直しの会議の5営業日前に、全室の先3か月の見込みを出します。 前日までの予約と取消を予約の管理の仕組みが書き出し、社内のサーバーで Python のスクリプトを動かします。担当が会議の資料を作り始める日に一覧ができている形にします。

基準日は、スクリプトを動かした日に固定します。 「対象の月の初日まであと何日か」は、この基準日から数えます。学習の行も、過去のある基準日に「あと何日だったか」で作るので、予測と学習で同じ数え方をそろえます。

モデルの作り直しは3か月に1回にします。 作り直す前と後で、直近3か月に終わった月の当たり方を比べ、悪くなっていれば前のモデルのまま使います。 一覧には、モデルの作成日と基準日を必ず印字します。

大口の法人の予約がまとめて取り消されたときは、会議を待たずにその地域だけ出し直します。 研修の中止で同じ建物の10室が一度に空くと、会議の資料の見込みはその日から古くなります。 取消の件数が一定を超えたら担当に知らせ、手でスクリプトを動かします。

Step2

入力データを集める

データ中身取得元
予約の記録予約の番号、部屋、入居と退去の日、予約を受けた日、取消の日、経路(自社のサイト・予約サイト・法人の窓口)、法人か個人か、契約の日数予約の管理の仕組み
部屋の記録部屋の番号、地域、広さ、間取り、築年、駅からの分、設備(駐車場・ペット可など)、運営を始めた日部屋の台帳
料金の記録部屋×月の1日あたりの料金と、変えた日料金の表
止めた日の記録清掃・修繕・オーナーの利用で貸せなかった日予約の管理の仕組み
目標の幅地域と月ごとの、稼働の目標の下限と上限経営企画が作る表

質を決めるのは、予約を受けた日と取消の日の記録です。 この2つがあれば、過去のどの日にでも「その時点で何泊埋まっていたか」を組み直せます。 予約の管理の仕組みが取消の行を消してしまう設定になっていないかを、最初に確かめます。

料金の記録は、モデルの項目には入れません。 料金は担当が予約の入り方を見て決めてきたもので、料金と稼働の関係には担当の判断が混ざっています。 料金の記録は、保存・ログで「変えた月と変えなかった月の結果」を並べるためだけに使います。

入居者の氏名・勤め先・連絡先は、項目にしません。 法人か個人かの区分と経路で、予約の入り方の違いは十分に表せます。

Step3

データの取得方法を決める

取るものどこから何に使うか
予約と取消の記録予約の管理の仕組みから、取消の行を含めて CSV で書き出す時点の予約の組み直しと目的の値
部屋の記録部屋の台帳を CSV で保存する項目
止めた日の記録予約の管理の仕組みから書き出す貸せる日数の計算
料金の記録料金の表を、変えた日つきで保存する振り返り
目標の幅経営企画の表を CSV で保存する候補の印

予約サイトから入った予約も、予約の管理の仕組みに集まっている前提です。 予約サイトの管理の画面から別に書き出すと、取消の日の書き方や時刻の基準がサイトごとに違い、組み直しが狂います。 経路は区分の列として持つだけにします。

月をまたぐ長い予約は、月ごとに泊数を分けます。 11月20日から1月10日までの予約なら、11月に11泊、12月に31泊、1月に9泊です。予約を受けた日は同じでも、月ごとに「何日前に入ったか」が違うので、月ごとに別の数え方をします。

Step4

AIへ渡す前に整形する

  1. 部屋×対象の月×基準日で1行にする … 過去の各月について、初日の90日前・60日前・30日前・14日前・7日前を基準日にします
  2. 基準日の時点の予約の泊数を組み直す … 予約を受けた日が基準日以前で、取消の日が無いか基準日より後の予約の、対象の月の泊数を足します
  3. 目的の値を作る … 月が終わった時点の実際の泊数 − 基準日の時点の泊数(=これから上乗せされる泊数)。取り消されて減った分は負になりうるので、取消の泊数は別の列で数えます
  4. 貸せる日数を作る … 月の日数 − 止めた日。基準日の時点の空いている日数(貸せる日数 − 予約の泊数)も項目にします
  5. 入り方の項目を作る … 前年の同じ月・同じ日数前の泊数、直近3か月の同じ日数前からの上乗せの平均、法人の予約の割合
  6. 満室で打ち止めになった月に印を付ける … 月の途中で空いている日が無くなった部屋と月
  7. 学習と確かめの期間を時間で分ける … 対象の月の順に並べ、確かめの月の前に3か月のすき間を空けます

3番目で目的の値を「上乗せされる泊数」にしたのは、いまの予約の分まで学ばせないためです。 最後の泊数をそのまま当てさせると、基準日の時点の泊数を写すだけで当たりが良く見えます。 上乗せを当てさせれば、モデルの力がそのまま見えます。

6番目の満室の印が、この構成の肝の一つです。 満室になった月は、もっと予約が来ていたとしても受けられず、上乗せはそこで打ち止めです。 そのまま学ぶと、人気の部屋ほど「上乗せは空いている日数まで」と学び、需要を低く見ます。印の付いた月は学習からも確かめからも外し、部屋ごとに満室になった月の数を別に数えます。 外した分は、例外処理の「満室続き」として担当が上げを検討する材料に回します。

7番目のすき間は、学習の最後の月の結果が、確かめの最初の基準日にはまだ分かっていないことに合わせたものです。 公式のページでは、TimeSeriesSplit は時間の順の記録を分けるためのもので、ほかの分け方では未来の記録で学習して過去で確かめることになるとされ、gap で学習の末尾から確かめの前までに除く件数を指定できます。先3か月を見込むので、すき間も3か月にします。

Step5

AIに処理させる

させるのは、部屋と月ごとに、基準日からこれから上乗せされる泊数の下側と中央を予測することだけです。

出すもの作り方使いみち
上乗せの下側の見込みquantile=0.2 のモデル空室の危なさ
上乗せの中央の見込みquantile=0.5 のモデルふつうの見込み
稼働の見込み(下側・中央)(いまの泊数 + 上乗せ)÷ 貸せる日数。空いている日数を上限にする目標の幅との比べ
候補の印目標の幅との比べ担当が見る順番
印条件ねらい
下げの候補中央の稼働の見込みが目標の下限を下回る空室を早めに埋める
下げの注意中央は下限以上だが、下側が下限を10ポイント以上割る予約の入り方が読みにくい部屋を早めに見る
上げの候補下側の稼働の見込みでも目標の上限を超える安く売りすぎを防ぐ
印なしそれ以外いまの料金のまま

上げの候補を下側の見込みで決めているのは、上げる判断のほうを慎重にするためです。 中央の見込みで上限を超えていても、下側で超えていなければ、上げた後に埋まらない恐れがあります。 目標の幅は、地域と月ごとに経営企画の責任者が決めます。

させないこと理由
料金の決定地域の事情と競合の様子を見て、会議で決める
契約中の入居者の賃料の変更契約の中身で、この一覧の対象ではない
値下げの幅の計算料金と稼働の関係に担当の判断が混ざっていて、記録から読めない
入居の可否の判断入居の審査の手順で別に行う

2行目は、とくに気を付けてください。 マンスリーマンションの契約を定期建物賃貸借で結んでいる場合、借地借家法では、期間の定めがある建物の賃貸借で、書面などで契約するときに限り契約の更新がないこととする旨を定められ、あらかじめ書面を交付して説明しなければならないとされています(第38条)。一覧の候補は、これから受ける予約の料金の話で、契約中の入居者の賃料には触れません。

Step6

指示内容を固定する

生成AIを使わないので、プロンプトはありません。 かわりに、学習と確かめの中身を示します。

from sklearn.ensemble import HistGradientBoostingRegressor
from sklearn.metrics import mean_pinball_loss
import numpy as np

CAT = ["area", "layout", "lead_bucket"]
NUM = ["lead_days", "otb_nights", "open_nights", "avail_nights",
       "ly_otb_same_lead", "pickup_avg_3m", "corp_share", "size_m2",
       "walk_min", "month_of_year"]
X_cols = CAT + NUM

tr = rows[(rows.target_month <= "2025-12") & ~rows.capped]
te = rows[(rows.target_month >= "2026-04") & ~rows.capped]   # 3か月のすき間

mono = {"open_nights": 1}                     # 空いている日数が多いほど上乗せは増える
qs = {}
for q in (0.2, 0.5):
    m = HistGradientBoostingRegressor(loss="quantile", quantile=q,
                                      monotonic_cst=mono, learning_rate=0.05,
                                      max_iter=400, min_samples_leaf=40)
    m.fit(tr[X_cols], tr["pickup"])
    qs[q] = m

for q, m in qs.items():
    p = np.minimum(m.predict(te[X_cols]), te["open_nights"])   # 空いている日数で打ち止め
    print(q, np.mean(te["pickup"] < p), mean_pinball_loss(te["pickup"], p, alpha=q))

np.minimum で空いている日数を上限にしているのは、見込みが貸せる日数を超えないようにするためです。 分位点のモデルは上限を知らないので、空いている日が5日しか無い部屋に8泊の上乗せを出すことがあります。

monotonic_cst で空いている日数の向きを決めているのは、空いている日数が多いほど上乗せが増えるという当たり前を守るためです。 記録の少ない帯で、空きの多い部屋の上乗せが小さく見込まれる逆転を止めます。

いちばん大事なのは、最後の行の割合を基準日の日数前ごとに見ることです。 0.2のモデルなら、実際の上乗せが見込みを下回った割合が2割前後、0.5なら5割前後が狙いです。90日前で狙いから外れ、7日前で合っているなら、早い時点の見込みは目安にとどめ、候補の印は30日前より近い月で強く見ます。

Step7

出力形式を固定する

経営企画の担当に渡すのは、次の一覧です。

【先3か月の稼働の見込み(基準日 2026-11-19/モデル作成 2026-10-01)】

部屋地域対象の月何日前いまの泊数貸せる日数稼働の見込み(下側/中央)目標の幅印
R-1207品川2026-1212103152%/68%75〜92%下げの候補
R-0418梅田2027-0143223187%/94%70〜85%上げの候補
R-0933横浜2027-027462638%/73%70〜88%下げの注意

「稼働の見込み」は、いまの泊数に上乗せの見込みを足して貸せる日数で割ったものです。 3行目は2月に修繕で2日止めるので貸せる日数が26日で、中央は目標の下限を超えていますが、下側が大きく割り込んでいるので「下げの注意」です。

機械で読む用には、同じ内容を CSV でも残します。 列は、基準日、部屋、対象の月、何日前、いまの泊数、貸せる日数、2つの見込み、目標の幅、印、担当が決めた料金の変更(下げ・上げ・そのまま)と理由、モデルの作成日です。

Step8

システムへ連携する

つなぎ先方式内容
予約の管理の仕組み取消の行を含めて CSV で書き出す時点の予約の組み直し
部屋の台帳CSV で読む項目
料金の表変えた日つきで保存する/書き込まない振り返り。料金は会議で決めて担当が直す
予約サイトつながない料金の反映は従来どおり担当が行う

料金の表にも予約サイトにも書き込みません。 候補の印で料金を自動で変えると、催しや法人の打診のような事情を見ないまま料金が動き、予約サイトに出た料金はすぐにお客様の目に触れます。

Step9

人が確認する

  1. モデルの作成日と基準日、何日前を見る … 90日前の見込みは目安、30日前より近い見込みを重く見ます
  2. 記録に無い事情を足す … 近くの催し、法人の研修の打診、周りの工事、部屋の不具合の情報を足します
  3. 下げる・上げる・そのままを決める … 下げの候補でも、事情で埋まる見込みがあれば見送ります
  4. 決めた理由を一言残す … 「法人の打診あり」が多い地域は、法人の窓口の記録を項目に足す材料になります

4番目を省かないでください。 理由がたまると、担当の勘のうち記録で表せる部分が見えてきます。

同じ部屋に3か月続けて下げの候補が出たら、料金ではない理由を疑います。 写真が古い、設備の不具合の口コミがある、予約サイトの掲載が止まっている、といった理由は料金を下げても直りません。3か月続いた部屋は、運営の担当に部屋と掲載の確かめを頼みます。

目標は、300室をならして1室3分です。 印の無い部屋は数十秒で済み、時間を使うのは下げの候補と上げの候補の部屋です。

Step10

例外に対処する

起きること対応
運営を始めたばかりの部屋見込みは出すが「新規」と印を付け、同じ地域の近い部屋の動きと並べる
長期の予約1件で月がほぼ埋まっている「長期1件」と出し、取消の時の影響を担当が見る
法人の大口の予約の取消その部屋の月を出し直し、取消の泊数を記録に残す
修繕で貸せる日が大きく減る貸せる日数で割り直し、「修繕」と出す
満室で打ち止めの月が続く部屋確かめから外し、「満室続き」と出して上げの候補として担当が見る
作り直したモデルが前より外れる前のモデルのまま使い、作り直しの記録を残す
予約の書き出しが遅れる一覧を作らず、基準日の無い一覧は使わない

5行目は、需要を低く見る誤りの出口です。 毎月満室になる部屋は、上乗せの見込みが空いている日数で打ち止めになるので、上げの候補に上がりにくくなります。 満室の続いた月数を別に数え、担当が上げを検討する材料にします。

2行目の長期の予約は、取り消されたときの穴が大きい部屋です。 1件で月の9割が埋まっている部屋は、見込みの上では心配がありませんが、取り消されると残りの日数で埋め直すことになります。 法人の予約で、研修の日程が確定していないと窓口で聞いているものは、担当が印を付けて見ます。

Step11

記録を残す

  • 実行の日時、基準日、使ったモデルの作成日、学習に使った月と行の数、外した月と理由
  • 部屋と月ごとのいまの泊数、2つの見込み、稼働の見込み、印
  • 担当が決めた料金の変更と理由、変えた日
  • 月が終わった時点の実際の泊数と取消の泊数
  • 月ごとの当たり方(何日前ごとの下回った割合、満室の月の数)

料金を変えた月と変えなかった月の結果を並べて残すのが、値下げの効き目を確かめる唯一の手がかりです。 同じくらいの見込みで、下げた部屋と下げなかった部屋の実際の稼働を比べます。ただし担当が選んで下げているので、差のすべてを値下げの効き目と読まないでください。

04実装レベルの3段階

最小構成:1つの地域で、手で書き出した記録で Python を動かし、過去の半年で当たり方を見る / 見込みの当たり方の確認
半自動化:上記+全室について、毎月の先3か月の稼働の見込みを出す / 部屋と月ごとの見込み
本格構成:上記+目標の幅との比べ、候補の印、満室の印、修繕の扱い、料金の変更と結果の記録まで行う / 見込みから候補、振り返りまで

本格構成の先には、料金と稼働の関係を学ぶ形も考えられます。 ただし第7章のとおり、これまでの料金には担当の判断が混ざっていて、記録からは値下げの効き目を読めません。似た部屋で料金を変える月と変えない月を計画して記録を残し、1年ほどたまってから検討します。 本記事の想定は本格構成です。 半自動化では見込みは出ますが、担当はまだ目標の幅と自分で比べ、どの部屋から見るかを勘で決めています。 半自動化で1室8分が5分ほどに、本格構成で3分になります。 差が大きいのは、目標の幅との比べと候補の並べ替えが、記録があれば機械で行える作業だからです。 段階を飛ばさないでください。 半自動化を3か月使うと、どの地域で何日前から見込みが当たるかが分かります。その線を候補の印の条件に入れてから、本格構成に進みます。目標の幅も、この3か月の実績を見て地域ごとに置き直すと、候補の数が担当の手に収まる範囲に落ち着きます。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
3 名
月間件数
300 件
1件あたり現在時間
8 分
1件あたり導入後時間
3 分
現在  300件 × 8分 ÷ 60 = 40 時間/月
導入後 300件 × 3分 ÷ 60 = 15 時間/月
月間削減時間
25h
削減率
63%
年間削減時間
300h
年間金額換算(時間単価3,000円)
90万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 家具・家電付きの部屋を数百室持ち、出張・研修・転勤・入院の付き添いなどで1か月前後住む人に貸している会社。料金を部屋と月ごとに変えていて、その見直しを担当の勘と前年の稼働の比べで行っている場合。予約の記録が、予約を受けた日と取消の日まで含めて2年分以上残っている場合。
向いていない
  1. 部屋が数十室で、担当が部屋ごとの予約の様子を把握できている場合。料金を年に1回しか変えない場合。予約の記録が「いま埋まっているか」しか残っておらず、いつ予約を受けたかが分からない場合。なお、料金の決定、契約中の入居者の賃料の変更、入居の可否の判断、競合の料金の調べ方の判断は、この構成では代替できません。

07最小構成で試す方法

  1. 部屋の多い地域を1つ選び、その地域の部屋の直近2年の予約と取消の記録を書き出す
  2. 第7章の前処理で、部屋×対象の月×何日前の行と、上乗せの泊数を作る
  3. 古い期間で学習し、3か月のすき間を空けた新しい半年で予測させる
  4. 何日前ごとに、実際の上乗せが下側・中央の見込みを下回った割合を数える
  5. 同じ月に、当時の担当が前年との比べで下げた部屋と、見込みの下げの候補を並べる

最初は1つの地域で始めます。 予約の入り方が地域で大きく違うので、1つの地域で何日前の時点から見込みが当たり始めるかをまず見ます。法人の研修が多い地域と出張が多い地域を1つずつ試せれば、入り方の違いがモデルに表れているかも確かめられます。

出てきた内容判断
30日前より近い見込みが狙いどおりに当たる地域を広げ、毎月の一覧を出す段階に進む
90日前の見込みだけが大きく外れる早い時点は目安にとどめ、印は近い月に絞る
学習の当たりが良すぎて、新しい半年で外れる取消の行が抜けていないか、すき間を空けずに確かめていないかを確かめる

3行目でよくあるのは、取消の行が書き出しから抜けていることです。 取り消された予約が最初から無かったことになると、過去の時点の泊数が実際より少なく組み直され、上乗せが大きく見えます。 書き出しの件数と、予約の管理の仕組みの取消を含めた件数を突き合わせます。

5番目の並べ方は、会議で一度見てもらうと役に立ちます。 当時の担当が下げた部屋と、見込みの下げの候補が重ならなかった部屋を数件ずつ取り上げ、その月が実際にどう終わったかを担当と一緒に見ます。見込みが当たっていた部屋と、担当の判断が当たっていた部屋の両方が出てくるはずで、どちらの事情を記録に足せばよいかの話し合いの材料になります。

08実装時につまずきやすいポイント

問題対策
前年の最後の稼働といまの途中の予約を比べる同じ日数前の時点の泊数を組み直して比べる
最後の泊数をそのまま当てさせ、当たりが良く見える上乗せの泊数を目的の値にする
取消の行が書き出しから抜ける取消を含めた件数と突き合わせる
満室の月で需要を低く学ぶ印を付け、確かめから外し、満室続きを別に数える
料金を項目に入れて「高いほど埋まる」と学ぶ料金は項目にせず、振り返りだけに使う
すき間を空けずに確かめる先を見込む月数と同じすき間を空ける
見込みが貸せる日数を超える空いている日数で打ち止めにする
候補で料金を自動で変える候補は会議の材料。 料金は担当と会議で決める

上の2行が、この構成の失敗のほとんどです。 どちらも「どの時点の、何を当てているか」から起きます。ここを押さえれば、残りは記録の抜けと運用の注意で足ります。

5行目は、作ってすぐには気づけません。 料金を入れたモデルは当たりが良く見えますが、「上げれば埋まる」という逆向きの読みを出しかねません。 料金と稼働の関係を知りたくなったら、この構成とは別に、料金を変えた記録を計画的に残すところから始めます。

3行目と4行目は、どちらも見込みを片側に寄せます。 取消の抜けは上乗せを大きく見せて楽観に寄せ、満室の打ち止めは人気の部屋の需要を小さく見せます。同じ一覧の中で、下げるべき部屋が見えにくくなり、上げてよい部屋も見えにくくなります。 第8章の確かめで、取消を含めた件数の突き合わせと、満室の月の数を毎回見ます。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 部屋ごとの予約と取消の記録、入居と退去の日、経路、法人か個人かの区分、料金の表です。予約の記録には入居者の氏名や勤め先がひもづいていて、料金と稼働の見込みは会社の値付けの中心です。

  1. データを外に出さない … 予測は社内のサーバーの中で動き、生成AIや外部のサービスに記録を送りません
  2. 入居者の情報を学習に使わない … 氏名・勤め先・連絡先は書き出さず、法人か個人かの区分と経路だけを使います
  3. 契約中の入居者に触れない … 一覧はこれから受ける予約の料金の材料で、契約中の賃料の変更には使いません。 定期建物賃貸借の契約の中身は、契約の書面と法令に沿って扱います
  4. 競合の料金を勝手に集めない … 予約サイトの他社の掲載を自動で集める形は、サイトの利用規約に触れることがあります。この構成は自社の予約の記録だけで作ります
  5. 一覧を見られる人を限る … 経営企画と運営の責任者だけが見られる場所に置きます
  6. 部屋のオーナーへの報告に見込みをそのまま出さない … 借り上げの部屋では、オーナーに稼働を報告することがあります。見込みは社内の料金の材料で、オーナーに約束する稼働ではありません。 報告には実績だけを載せます

誤りが起きた場合のリスクは、埋まる部屋を下げて売上を落とすことと、埋まらない部屋を下げ遅れて空室を出すことの2つです。 前者は満室の打ち止めを見落とすと起き、後者は取消の抜けで見込みが楽観に寄ると起きます。どちらも記録の組み直しから出ているので、そこだけは設計で守ります。

10まず何から始めるか

1週目:予約の記録を確かめる

予約の管理の仕組みが、予約を受けた日と取消の日と取消の行を残しているかを確かめます。残っていなければ、その設定を変えるところから始めます。あわせて、地域と月ごとの目標の稼働の幅を決めます。

2〜3週目:1つの地域の記録を組み直す

部屋の多い地域を1つ選び、直近2年の予約と取消から、部屋×対象の月×何日前の時点の泊数を組み直した表を作ります。満室で打ち止めになった月に印を付けます。

4週目:当たり方を確かめる

第8章のとおり、すき間を空けた新しい半年で、何日前ごとに見込みを下回った割合を数え、当時の担当の判断と並べます。

会議での見せ方も、この週に決めます。 一覧の何日前の見込みを主に見るか、印のどれから話すかを決めておくと、会議が見込みの数字の読み方の話で終わらずに済みます。

2か月目: 全室の先3か月の見込みを出す半自動化を始めます。担当はこれまでどおり前年と比べながら、見込みと見比べます。3か月目以降: 目標の幅との比べ、候補の印、満室と修繕の扱い、料金の変更と結果の記録を足します。30日前より近い見込みが狙いどおりに当たる月が続き、担当が会議の前に全室の先3か月を同じ丁寧さで見られるようになった時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-11-19/最終更新:2026-11-19
確認した内容情報源確認日
HistGradientBoostingRegressor の loss に quantile があり、ピンボール損失を使うこと。quantile の引数で推定する分位点を0から1の間で指定すること。categorical_features の既定が from_dtype であること。early_stopping の既定 auto は件数が1万を超えるか X_val・y_val を渡したときに有効になること(scikit-learn 1.9.1)scikit-learn: HistGradientBoostingRegressor2026-11-19
TimeSeriesSplit が時間の順に並んだ記録を分けるためのもので、ほかの分け方では未来の記録で学習して過去で確かめることになること。gap が学習の末尾から確かめの前までに除く件数であること(既定0)(scikit-learn 1.9.1)scikit-learn: TimeSeriesSplit2026-11-19
期間の定めがある建物の賃貸借で、公正証書による等書面によって契約をするときに限り、契約の更新がないこととする旨を定められること。あらかじめ、更新がなく期間の満了で終了する旨を記載した書面を交付して説明しなければならず、説明しなかったときはその定めが無効であること(第38条)(2026-05-21 施行の版)e-Gov 法令API: 借地借家法2026-11-19

料金の決定、契約の形、契約中の入居者の賃料、入居の審査は、自社の決まりと法令で決めてください。 本記事は上記の公開情報で確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-4206)についてのご相談はこちらから。

AI活用について相談する
目次