Крупний забудовник з каталогом 1000+ об'єктів витрачав 3 дні на написання оголошень під 5 порталів. Після впровадження нашого AI-генератора час скоротився до 2 годин. Проблема знайома кожному рієлтору та забудовнику: ручні описи шаблонні, покупці їх пролистують, менеджери витрачають години на правки. Ми розробили AI-генератор, який за секунди створює унікальні описи на основі характеристик, фотографій та геолокації. Наш досвід у NLP та Computer Vision дозволяє адаптувати рішення під будь-який портал — ЦІАН, Авіто, Яндекс.Нерухомість та закордонні майданчики. Модель GPT-4o з Vision API аналізує до 5 фото, визначає стан ремонту, матеріали оздоблення, особливості планування. Результат — конкретний опис без кліше. Ми використовуємо промпт-інжиніринг із системним повідомленням, яке задає стиль компанії та виключає порожні прикметники. Замовте демо-версію генератора для вашого каталогу.
Як AI генерує опис за фото?
На вхід подаються структуровані дані (тип, площа, поверх, адреса, ціна, зручності) та до 5 фотографій. Модель GPT-4o об'єднує текстові та візуальні ознаки: за фото визначає якість ремонту, матеріали, планування; з даних бере метраж та розташування. Промпт налаштований так, щоб першим абзацом йшла ключова інформація (розмір, локація, стан), а опис містив конкретні факти, а не «прекрасна 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 # хвилин пішки price: float renovated: bool amenities: list[str] # балкон, паркінг, ліфт, комора... 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"""Ти — рієлтор, що пише продаючі оголошення для {portal}. Стиль: конкретний, без води, цифри та факти. Перший абзац — найважливіше (розмір, локація, стан). НЕ пиши: "прекрасна квартира", "чудовий вид", порожні прикметники. Заголовок: до {config['max_title']} символів. Опис: до {config['max_desc']} символів. Поверни JSON: {{title, description, key_features (3-5 фактів)}}""" }, { "role": "user", "content": f""" Тип: {property_data.property_type}, {property_data.deal_type} Кімнат: {property_data.rooms}, Площа: {property_data.area} м² Поверх: {property_data.floor}/{property_data.total_floors} Адреса: {property_data.address}, {property_data.district} До метро: {property_data.metro_distance} хв пішки Ремонт: {'є' if property_data.renovated else 'потрібен'} Зручності: {amenities_str} {'Рік побудови: ' + str(property_data.year_built) if property_data.year_built else ''} """ }], response_format={"type": "json_object"} ) return json.loads(response.choices[0].message.content) Аналіз фото через Vision API
async def describe_from_photos(photo_urls: list[str], property_type: str) -> str: """Аналізуємо фото квартири, описуємо стан""" 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 стан {property_type} за фото. Вкажи: стан ремонту, матеріали оздоблення, особливості планування, видимі переваги. 3-4 речення, конкретно."} ] + image_contents }] ) return response.choices[0].message.content Чому автоматизація описів вигідна?
Ручне написання одного оголошення займає 15–20 хвилин — при потоці 100 об'єктів на місяць це 30+ годин копірайтера. AI-генерація обробляє ту ж кількість за 10 хвилин без втрати якості. При цьому економія бюджету на копірайтинг досягає 90%. Порівняння:
| Параметр | Ручний опис | AI-генерація |
|---|---|---|
| Час на 1 оголошення | 15–20 хвилин | 2–5 секунд |
| Вартість за оголошення | суттєва | копійчана |
| Унікальність тексту | залежить від копірайтера | гарантована промптом |
| Адаптація під портал | вручну | автоматично |
| Аналіз фото | окремо | вбудовано |
AI-генерація в 15 разів швидша за людину при порівнянній якості. При цьому ми гарантуємо відповідність tone of voice компанії та виключаємо орфографічні помилки.
Як відбувається batch-обробка каталогу?
Для крупного забудовника з 500+ оголошеннями необхідна пакетна генерація. Ми використовуємо asyncio.gather (див. документацію Python), щоб обробляти об'єкти паралельно:
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)] Обробка каталогу з 500 об'єктів займає 15–30 хвилин. При цьому вартість генерації одного оголошення нікчемна. Термін впровадження — від 2 тижнів на скрипт генерації та інтеграцію з CRM. Конкретна вартість розраховується індивідуально під обсяг каталогу та вимоги до моделі.
Які типові помилки трапляються при впровадженні?
Ігнорування лімітів порталів — заголовок урізається, опис обрізається. Як зазначено в специфікації API ЦІАН, заголовок оголошення не повинен перевищувати 100 символів. Ми в промпті жорстко задаємо обмеження символів під кожен портал. Відсутність fallback при відмові API — якщо GPT-4o недоступний, система перемикається на резервну модель LLaMA 3 через власний inference. Генерація без перевірки фактів — модель може «додумати» поверх або площу. Додаємо в промпт інструкцію суворо спиратися на надані дані.
Процес впровадження
- Аналітика: аудит поточних оголошень, збір вимог до формату та стилю.
- Проектування: розробка промпту, налаштування Vision API, підготовка скриптів batch-генерації.
- Реалізація: написання коду генератора на Python з підтримкою async, інтеграція з CRM через REST API.
- Тестування: A/B-тест на 50 оголошеннях, коригування промпту за метриками CTR.
- Деплой: розгортання на вашому сервері або в хмарі, документування, навчання команди.
Технічні характеристики рішення:
| Параметр | Значення |
|---|---|
| Модель за замовчуванням | GPT-4o |
| Резервна модель | LLaMA 3 (inference) |
| Формат виводу | JSON (title, description, key_features) |
| Максимум фото | 5 на об'єкт |
| Підтримувані портали | ЦІАН, Авіто, Яндекс.Нерухомість, Zillow, Realtor |
| Мова промпту | Українська (адаптація під інші мови) |
| Протокол інтеграції | REST API / Webhook |
Що входить в роботу
- Промпт-інжиніринг під ваш каталог та tone of voice.
- Код генератора на Python (async, підтримка batch).
- Інтеграція з CRM (REST API, webhooks).
- Адаптація під 3 портали (ЦІАН, Авіто, Яндекс.Нерухомість або будь-які інші) з підтримкою української мови.
- Документація та навчання команди (2 години вебінар + запис).
- Підтримка 1 місяць після деплою.
Замовте пілотний проект — отримайте готовий скрипт за 2 тижні. Зв'яжіться з нами для оцінки вашого каталогу: ми підготуємо демо-генерацію на 50 об'єктах безкоштовно. Наш досвід — 5 років в AI-розробці, понад 20 проектів у сфері нерухомості. Отримайте консультацію з автоматизації ваших оголошень вже сьогодні.