Крупный застройщик с каталогом 1000+ объектов тратил 3 дня на написание объявлений под 5 порталов. После внедрения нашего AI-генератора время сократилось до 2 часов. Проблема знакома каждому риелтору и застройщику: ручные описания шаблонны, покупатели их пролистывают, менеджеры тратят часы на правки. Мы разработали AI-генератор, который за секунды создаёт уникальные описания на основе характеристик, фотографий и геолокации. Наш опыт в NLP и Computer Vision позволяет адаптировать решение под любой портал — ЦИАН, Авито, Яндекс.Недвижимость и зарубежные площадки. Модель GPT-4o с Vision API анализирует до 5 фото, определяет состояние ремонта, материалы отделки, особенности планировки. Результат — конкретное описание без клише. Мы используем промпт-инжиниринг с системным сообщением, которое задаёт стиль компании и исключает пустые прилагательные. Запросите демо-версию генератора для вашего каталога.
Как AI генерирует описание по фото?
На вход подаются структурированные данные (тип, площадь, этаж, адрес, цена, удобства) и до 5 фотографий. Модель GPT-4o объединяет текстовые и визуальные признаки: по фото определяет качество ремонта, материалы, планировку; из данных берёт метраж и расположение. Промпт настроен так, чтобы первым абзацем шла ключевая информация (размер, локация, состояние), а описание содержало конкретные факты, а не «прекрасная квартира».
from openai import AsyncOpenAI from dataclasses import dataclass client = AsyncOpenAI() @dataclass class PropertyData: property_type: str # apartment, house, commercial, land deal_type: str # sale, rent rooms: int area: float # м² floor: int total_floors: int address: str district: str metro_distance: int # минут пешком price: float renovated: bool amenities: list[str] # балкон, паркинг, лифт, кладовая... year_built: int = None ceiling_height: float = None async def generate_property_listing( property_data: PropertyData, portal: str = "cian", tone: str = "professional" ) -> dict: PORTAL_CONFIGS = { "cian": {"max_title": 100, "max_desc": 4000}, "avito": {"max_title": 80, "max_desc": 3000}, "yandex_realty": {"max_title": 100, "max_desc": 4000}, } config = PORTAL_CONFIGS.get(portal, PORTAL_CONFIGS["cian"]) amenities_str = ", ".join(property_data.amenities) response = await client.chat.completions.create( model="gpt-4o", messages=[{ "role": "system", "content": f"""Ты — риелтор, пишущий продающие объявления для {portal}. Стиль: конкретный, без воды, цифры и факты. Первый абзац — самое важное (размер, локация, состояние). НЕ пиши: "прекрасная квартира", "великолепный вид", пустые прилагательные. Заголовок: до {config['max_title']} символов. Описание: до {config['max_desc']} символов. Верни JSON: {{title, description, key_features (3-5 фактов)}}""" }, { "role": "user", "content": f""" Тип: {property_data.property_type}, {property_data.deal_type} Комнат: {property_data.rooms}, Площадь: {property_data.area} м² Этаж: {property_data.floor}/{property_data.total_floors} Адрес: {property_data.address}, {property_data.district} До метро: {property_data.metro_distance} мин пешком Ремонт: {'есть' if property_data.renovated else 'требуется'} Удобства: {amenities_str} {'Год постройки: ' + str(property_data.year_built) if property_data.year_built else ''} """ }], response_format={"type": "json_object"} ) return json.loads(response.choices[0].message.content) Анализ фото через Vision API
async def describe_from_photos(photo_urls: list[str], property_type: str) -> str: """Анализируем фото квартиры, описываем состояние""" image_contents = [ {"type": "image_url", "image_url": {"url": url}} for url in photo_urls[:5] ] response = await client.chat.completions.create( model="gpt-4o", messages=[{ "role": "user", "content": [ {"type": "text", "text": f"Опиши состояние {property_type} по фото. Укажи: состояние ремонта, материалы отделки, особенности планировки, видимые преимущества. 3-4 предложения, конкретно."} ] + image_contents }] ) return response.choices[0].message.content Почему автоматизация описаний выгодна?
Ручное написание одного объявления занимает 15–20 минут — при потоке 100 объектов в месяц это 30+ часов копирайтера. AI-генерация обрабатывает то же количество за 10 минут без потери качества. При этом экономия бюджета на копирайтинг достигает 90%. Сравнение:
| Параметр | Ручное описание | AI-генерация |
|---|---|---|
| Время на 1 объявление | 15–20 минут | 2–5 секунд |
| Стоимость за объявление | существенная | копеечная |
| Уникальность текста | зависит от копирайтера | гарантирована промптом |
| Адаптация под портал | вручную | автоматически |
| Анализ фото | отдельно | встроен |
AI-генерация в 15 раз быстрее человека при сопоставимом качестве. При этом мы гарантируем соответствие tone of voice компании и исключаем орфографические ошибки.
Как происходит batch-обработка каталога?
Для крупного застройщика с 500+ объявлениями необходима пакетная генерация. Мы используем asyncio.gather (см. документацию Python), чтобы обрабатывать объекты параллельно:
async def process_real_estate_catalog( properties: list[dict], portal: str = "cian" ) -> list[dict]: generator_tasks = [ generate_property_listing(PropertyData(**p), portal=portal) for p in properties ] results = await asyncio.gather(*generator_tasks) return [{"property": p, "listing": r} for p, r in zip(properties, results)] Обработка каталога из 500 объектов занимает 15–30 минут. При этом стоимость генерации одного объявления ничтожна. Срок внедрения — от 2 недель на скрипт генерации и интеграцию с CRM. Конкретная стоимость рассчитывается индивидуально под объём каталога и требования к модели.
Какие типичные ошибки встречаются при внедрении?
Игнорирование лимитов порталов — заголовок урезается, описание обрезается. Как указано в спецификации API ЦИАН, заголовок объявления не должен превышать 100 символов. Мы в промпте жёстко задаём ограничения символов под каждый портал. Отсутствие fallback при отказе API — если GPT-4o недоступен, система переключается на резервную модель LLaMA 3 через собственный inference. Генерация без проверки фактов — модель может «додумать» этаж или площадь. Добавляем в промпт инструкцию строго опираться на предоставленные данные.
Процесс внедрения
- Аналитика: аудит текущих объявлений, сбор требований к формату и стилю.
- Проектирование: разработка промпта, настройка Vision API, подготовка скриптов batch-генерации.
- Реализация: написание кода генератора на Python с поддержкой async, интеграция с CRM через REST API.
- Тестирование: A/B-тест на 50 объявлениях, корректировка промпта по метрикам CTR.
- Деплой: развертывание на вашем сервере или в облаке, документирование, обучение команды.
Технические характеристики решения:
| Параметр | Значение |
|---|---|
| Модель по умолчанию | GPT-4o |
| Резервная модель | LLaMA 3 (inference) |
| Формат вывода | JSON (title, description, key_features) |
| Максимум фото | 5 на объект |
| Поддерживаемые порталы | ЦИАН, Авито, Яндекс.Недвижимость, Zillow, Realtor |
| Язык промпта | Русский (адаптация под другие языки) |
| Протокол интеграции | REST API / Webhook |
Что входит в работу
- Промпт-инжиниринг под ваш каталог и tone of voice.
- Код генератора на Python (async, поддержка batch).
- Интеграция с CRM (REST API, webhooks).
- Адаптация под 3 портала (ЦИАН, Авито, Яндекс.Недвижимость или любые другие) с поддержкой русского языка.
- Документация и обучение команды (2 часа вебинар + запись).
- Поддержка 1 месяц после деплоя.
Закажите пилотный проект — получите готовый скрипт за 2 недели. Свяжитесь с нами для оценки вашего каталога: мы подготовим демо-генерацию на 50 объектах бесплатно. Наш опыт — 5 лет в AI-разработке, более 20 проектов в сфере недвижимости. Получите консультацию по автоматизации ваших объявлений уже сегодня.