買取再販の仕入れ判断、まだ1件60分かけていませんか？—国交省APIで変わる物件スクリーニング

買取再販の仕入れ業務。業者やポータルから物件情報が来て、レインズを確認して、Googleマップで周辺を見て、都市計画図を確認して、Excelに転記して—1件の物件を精査するのに60分かかる。月に20件精査すれば20時間。仕入れ担当が「調べる作業」に埋もれて、本来やるべき「判断する仕事」に時間が割けていない。

ある買取再販会社では、火曜日にチャットワークに目線の物件を投入し、水曜の定例で候補を抜粋。そこから賃貸相場・生活保護の相場を入れて採算を確認し、現地調査に行き、リフォーム見積もりを取り、希望金額を出して稟議にかけて交渉—この一連のフローで、1物件あたり半日近くかかっていた。

この記事では、この「60分」をどう分解して、どこから仕組み化するかを整理する。

60分を分解する—どこに時間がかかっているか

仕入れ判断の60分を分解すると、だいたいこうなる：

• 周辺相場の調査（レインズ・SUUMO・過去の自社事例を手動で検索）：15〜20分
• ハザード・用途地域の確認（自治体のHP、都市計画図をひとつずつ巡回）：10〜15分
• 利回り・再販価格のシミュレーション（Excel手入力、関数が属人化）：15〜20分
• 稟議資料の体裁整え（コピペで体裁を整える）：10分

前半の「調べる」だけで30分。でもこれ、人がやる必要があるだろうか？

周辺の取引事例は公開データがある。ハザード情報も用途地域も、地図に紐づいたデータベースとして公開されている。つまり「住所を入力したら自動で取ってこれる」情報だ。ここに時間をかけるのは、正直もったいない。

Excelでの管理が限界を迎えるタイミングについては、こちらの記事でも詳しく書いた。物件が増えるほど、手動転記の負荷は加速度的に上がっていく。

国交省「不動産情報ライブラリAPI」で前半30分を消す

2024年4月に国交省がリリースした「不動産情報ライブラリ」。月間400万リクエストを超えるアクセスがあるが、実際にAPIとして業務に組み込んでいる中小不動産会社はまだ少ない。

住所を入れると取れる情報：

• 不動産取引価格情報（周辺の成約事例）
• 地価公示・都道府県地価調査
• 洪水浸水想定区域・土砂災害警戒区域・津波浸水想定
• 用途地域
• 都市計画道路（2025年10月追加）
• 人口集中地区（2025年8月追加）
• 災害履歴（2025年12月〜2026年1月追加）

仕入れ判断に必要な情報の半分以上が、この1つのAPIで取れる。

実装イメージとしては：住所を入力→APIで自動取得→1次スクリーニングシートに反映。スプレッドシートのGoogle Apps Scriptで組めば、エンジニアがいなくても実装できる。

ポイントは、このAPIで取れるデータだけで「仕入れるかどうか」を判断するわけではないこと。あくまで1次スクリーニング—「精査する価値があるかどうか」の判断を高速化するために使う。

「全件精査」から「足切り→深掘り」に変える

今のフロー：

20件 × 60分 ＝ 20時間

変えた後のフロー：

20件 × 5分で1次スクリーニング → 有望な5件 × 30分で精査 ＝ 4時間10分

同じ人数で、4倍の案件を捌ける計算になる。

冒頭の買取再販会社では、スプレッドシートに仕入れ基準をチェックリスト化して、APIから自動取得した情報と突き合わせる仕組みを試験的に導入した。たとえば「浸水リスクのある物件は除外」「最寄り駅から徒歩20分以上は除外」といった足切り条件をあらかじめ設定しておくことで、そもそも精査する必要がない物件を自動で弾ける。

結果、精査にかける時間は半分以下になり、その分を「交渉」や「現地確認」に充てられるようになった。

足切りの基準は会社ごとに違う

ここで重要なのは、足切りの基準は会社ごとに違うということ。千葉の空き家を1,000万以下で仕入れる会社と、都心の区分マンションを5,000万で仕入れる会社では、見るべきポイントがまったく違う。だからこそ、汎用的なツールを導入するより、自社の仕入れ基準をデータ化して「自社専用のスクリーニングシート」を作る方が効果が出やすい。

買取再販の利益率を改善するための打ち手はこちらの記事でも解説している。スクリーニングの精度が上がれば、自然と利益率も改善する。

足切り条件の作り方—見送った物件のデータから始める

月20件ではなく数百件の物件情報が流れてくる規模では、足切り条件をどう作るかが本題になる。条件は担当者の勘から書き起こすのではなく、過去の判断の記録から作る。

見送った物件まで含めて過去データを揃える

足切り条件の材料は、過去に買い付けた物件と見送った物件の記録だ。目安は過去2年分・100件以上。買った物件だけを並べても「何が対象外だったか」は分からないので、見送った物件とその理由も必ず残す。揃える項目は次の7つが基本になる。

1. 所在地（市区町村・町名まで）
2. 駅距離（分）と最寄り駅
3. 築年数・構造（木造／RC造／S造）・延床面積
4. 仕入れ価格（坪単価）
5. 周辺の地価公示・取引事例の坪単価
6. 再販価格（坪単価）とリフォーム費用
7. 結果（買い付け／見送り／買い付けたが不成約）

1次フィルタは「明らかに対象外」を弾く5〜8個に絞る

1次フィルタで決めるのは「買うかどうか」ではなく「精査しないでよいか」だけだ。最初から完璧な基準を目指さず、ベテランなら一目で見送る条件を5〜8個に絞って書き出す。戸建の買取再販なら、たとえば次のような条件になる。

• 自社の対象エリア外
• 敷地が道路に接する長さが2m未満（再建築できない可能性が高い）
• 前面道路の幅員が4m未満で、セットバックによる再建築もできない
• 洪水浸水想定区域で、想定される浸水の深さが自社の基準を超える
• 坪単価が周辺の地価公示・取引事例より大きく割高（何倍で弾くかは自社の買い付け実績から決める）
• 自社で再販した実績がない築年数・構造の組み合わせ

浸水想定・用途地域・周辺の取引価格は、前の章の不動産情報ライブラリAPIで住所から取れる。接道の長さと前面道路の幅員は、物件資料や役所調査で確かめる項目として足切りシートに入力欄を設けておく。役所の窓口と回る順番は役所調査の窓口と回る順番にまとめている。

除外した物件を抜き取って、条件の厳しすぎを直す

足切りを始めてから最初の1〜2か月は、自動で除外した物件の中から毎月20件ほどを無作為に抜き取り、担当者が目で見直す。買い付け対象になり得た物件が混ざっていたら、その物件を弾いた条件を緩める。この見直しを3か月ほど続けると、条件が自社の仕入れ方に合ってくる。

流れてくる物件が月100件程度までなら、スプレッドシートに物件を入力して判定列を関数で出す形で回せる。月に数百件が届くなら、物件情報の取り込みからAPIでの周辺データ取得、判定までをつなげないと入力が続かない。

属人化を崩す副次効果

仕入れ判断を仕組み化すると、副次的に「属人化」が解消される。

ベテランの仕入れ担当が持っている「この土地はなんとなくダメ」「この間取りは賃貸つきにくい」という暗黙知。これをチェックリスト+データで言語化すると、新人でも1次判断ができるようになる。

仕入れのボトルネックが「人」から「プロセス」に移る。ベテランが抜けても回る。増員しても即戦力になる。

これは事業の拡大やバイアウトを見据える上でも大きい。「仕組みで回っている状態」は、それ自体が企業価値になる。属人的に回っている会社より、プロセスが標準化されている会社の方が、買い手にとって安心だ。

まず来週やれること

1. 過去に仕入れた物件を10件並べて、判断基準を書き出してみる（「なぜこの物件を仕入れたか」を言語化する）
2. 国交省の不動産情報ライブラリを一度触ってみる。無料で、住所を入れるだけで周辺情報が出てくる
3. 仕入れ精査にかけている時間を1週間計測してみる。「調べる時間」と「考える時間」を分けて記録する

この3つをやるだけで、自社の仕入れ業務のどこに無駄があるかが見えてくる。

よくある質問

国交省の不動産情報ライブラリAPIは無料で使えますか？

はい、無料で使える。利用登録（メールアドレスの登録）をすればAPIキーが発行され、すぐに使い始められる。月間のリクエスト数に制限はあるが、中小不動産会社の仕入れ判断に使う分には十分な量。

エンジニアがいなくてもAPIを業務に組み込めますか？

Googleスプレッドシートの「Google Apps Script」を使えば、プログラミングの専門知識がなくても実装可能。住所を入力するセルを指定し、APIから取得したデータを隣のセルに自動入力するスクリプトは、数十行で書ける。ただし、初期設定には多少の技術サポートがあると安心。

足切りの条件はどうやって作ればいいですか？

過去に買い付けた物件だけでなく、見送った物件も並べて、所在地・駅距離・築年数と構造・仕入れ坪単価・周辺の地価や取引事例・再販価格とリフォーム費用・結果を揃える。そこから「明らかに対象外」を弾く条件を5〜8個に絞って書き出す。運用を始めたら、除外した物件から毎月20件ほどを抜き取って人が見直し、買うべき物件が混ざっていたら条件を緩める。

レインズの情報もAPIで取れますか？

レインズの情報はAPIでは取得できない。レインズは会員制のクローズドなデータベースであり、外部からの自動取得は許可されていない。国交省のAPIで取れるのは公示地価・取引事例・ハザード情報などの公開データ。レインズの確認は引き続き手動になるが、それ以外の情報収集を自動化することで、レインズの確認に集中できるようになる。