AI-spekulantmatchning

Hitta rätt köpare för varje bostad — på 3 sekunder.

Elly läser varje spekulants preferenser — must-haves, budget, områden, dealbreakers — och matchar dem mot dina aktiva objekt på sekunder. Inget mer ”vem skulle gilla det här?”-detektivarbete på fredagseftermiddagen. Du öppnar dashboarden, ser topp-10 köpare för varje bostad, och kan skicka personliga utskick på ett klick.

3 sek

Per matchning

+18%

Konvertering visning till bud

2h/vecka

Sparad tid per mäklare

Mäklarens vardag idag

Idag öppnar du Excel eller ditt CRM och försöker minnas vilka av dina 600+ spekulanter som faktiskt skulle vilja se det här objektet. Du ringer 5-10 du minns, missar de som glömts bort i registret, och spenderar 2 timmar varje vecka bara på att hitta rätt köpare.

Så löser Elly det

Elly bygger en vektor-representation av varje spekulants preferenser och en av varje bostad. Hon kombinerar semantisk vektorsökning med GPS-baserad områdesmatch och strikt LLM-validering mot must-haves och dealbreakers. Du får en rangordnad lista där varje match motiveras med ”varför Maria passar för det här”.

Så fungerar det

1
Profilen byggs automatiskt
När en spekulant läggs in (manuellt, via mail, SMS eller visningslista) extraherar Elly preferenser och skapar en vektor-embedding av profilen.
2
Objektet vektoriseras vid intag
Vid uppdragsstart hämtas annons-data och en modern LLM extraherar features, pros och cons. Bostaden får en egen embedding. Inga manuella fält att fylla.
3
Tvåstegsmatch på sekunder
Steg 1: vektorsökning filtrerar 600+ spekulanter ner till topp-20. Steg 2: en LLM validerar varje kandidat mot must-haves/dealbreakers. Score 0-100 + motivering.
4
Du ser topp-10 med personliga skäl
”Maria 94% — söker 3:a Vasastan, max 8 MSEK, har lånelöfte, balkong är must-have ✓.” Du klickar ”skicka utskick” och Elly skapar ett unikt mail till varje person.

Under huven

För dig som vill veta exakt hur det är byggt.

Embeddings	Azure OpenAI high-dimensional embeddings via Azure OpenAI
Vektorlager	Multi-tenant NoSQL i Azure med semantisk sökning
Re-ranker	Modern LLM med strikt validering
GPS-matchning	Haversine-baserad områdesmatch via koordinater i SQL
Viktning	Match-score viktas över område, attribut, budget, rum och skick

Vem använder det

Används idag av mäklare på flera ledande svenska byråer samt oberoende mäklare i Stockholm, Göteborg och Malmö.

Vanliga frågor

Hur säker är AI-matchningen jämfört med min egen erfarenhet?

Elly ersätter inte din mäklarintuition — hon avlastar den. Algoritmen scannar 600+ spekulanter på sekunder och rangordnar topp-10. Sen är det du som väljer vilka som faktiskt får utskick. Vår data visar att mäklare som använder Elly hittar 2-3 ”bortglömda” spekulanter per objekt som de annars missat.

Vad händer med spekulanter som har ofullständig profil?

Elly markerar dem som ”ofullständig” och föreslår att skicka en profil-inbjudan via mail. Spekulanten klickar länken, fyller i preferenser i en 60-sekunders onboarding, och blir matchningsbar.

Måste mäklaren manuellt klassificera ”must-have” vs ”nice-to-have”?

Nej. Vid mail-baserad ingestion extraheras klassificeringen automatiskt från fritexten — t.ex. ”måste ha balkong” → must_have, ”helst öppen spis” → nice_to_have.

Hur skiljer sig matchningen från ett vanligt CRM-filter?

Ett CRM-filter ger dig binära träffar — ”alla med budget över 5 MSEK i Vasastan”. Elly viktar semantiskt: en spekulant som söker ”charmig 30-tals 3:a med gångavstånd till Vasaparken” matchas mot bostäder som verkligen är charmiga 30-tals (extraherat ur annonsen), även om sökorden inte exakt matchar.

Är det GDPR-säkert?

Ja. Spekulantdata lagras i Azure Cosmos DB inom EU (Sweden Central), embeddings är pseudonymiserade och matchningen sker på din mäklare-instans.