不動産の仕入れ判断を「勘」から「データ」に変える方法—買取再販で失敗しない物件評価の仕組み

買取再販の現場でよく聞く言葉がある。「この物件は感覚的にいける気がする」「長年やってきたから、だいたいわかる」。

経験値は確かに重要だ。ただし、勘だけに頼った仕入れ判断は、担当者が変われば再現できないし、市場が変化したときに対応が遅れる。買取再販で安定した利益を出し続けるためには、「なぜその価格で買ったのか」を数字で説明できる仕組みが必要になる。

この記事では、仕入れ判断をデータ化するための3つのステップと、判断基準を「型」にする仕入れ可否判定シートの設計を解説する。

仕入れの失敗は「売り方」では取り返せない—買取再販の利益の8割は仕入れで決まる

買取再販の収益構造をシンプルに整理すると、利益は「再販価格 − 仕入れ価格 − リフォーム費用 − 保有コスト」で決まる。このうち、コントロールの余地が最も大きいのが仕入れ価格だ。

再販価格は市場価格に引っ張られるため、一人の会社が大きく動かせる余地は少ない。リフォーム費用も、施工パートナーとの関係がある程度固まれば大幅な削減は難しい。一方、仕入れ価格は交渉と情報の非対称性で動く。正確な相場データを持っているかどうかが、価格交渉の根拠になる。

高値掴みした物件を再販価格を上げることでカバーしようとすると、売れるまでの期間が延びる。保有期間が延びれば金利と固都税が積み上がり、最終的な利益率はさらに下がる。仕入れのミスは、再販の段階ではほぼ取り返せない。

詳しくは買取再販の利益率の計算方法と相場にまとめているが、金利・保有コスト・仲介手数料を含めた実質粗利を把握している会社は意外と少ない。まずその計算ができるようになった上で、仕入れ段階の判断精度を上げることが収益改善の近道になる。

勘に頼る仕入れで起きる3つの問題

データなしの仕入れ判断で実際に起きている問題を、具体的に整理する。

相場より高く買ってしまう

売主から「近隣で○○万円で売れていると聞いた」という話が出たとき、反論できる根拠がなければ言い値に引っ張られる。相場データを即時に出せる仕組みがなければ、「まあいけるだろう」という判断になりやすい。

実際に問題になるのは、相場から5〜10%高い価格で仕入れたケースだ。3,000万円の物件で5%ズレると150万円。これが粗利率に直接影響する。年間10件仕入れれば、1,500万円の差になる可能性がある。

リフォーム費用を過小見積もりする

物件を内覧した段階で「この物件は500万円くらいのリフォームで行ける」と判断しても、実際に工事に入ると追加費用が発生することは珍しくない。床下の腐食、配管の劣化、雨漏りのあと—目視では確認できない問題が積み重なる。

過去の施工実績がデータとして蓄積されていれば、「築30年・木造・延床100m2のリフォームは平均○○万円かかる」という根拠のある概算が出せる。感覚ではなく実績値から見積もることで、予算オーバーのリスクを下げられる。

販売期間を甘く見る（在庫回転率の落とし穴）

「このエリアは需要が強いから3ヶ月で売れる」という判断も、実績データがなければ根拠のない楽観予測になる。実際の成約までの期間は、物件の価格帯・間取り・季節によって変わる。

在庫回転率が落ちると、運転資金が物件に縛られる時間が長くなる。融資を使っている場合、金利だけで月10〜20万円が積み上がる。3ヶ月の見込みが6ヶ月になれば、コストは2倍になる。「早期に売るために価格を下げる」という判断を迫られることも多い。

データで仕入れを判断する仕組み

仕入れ判断をデータ化するには、3つのデータベースを段階的に構築するのが現実的だ。一度に全部揃えようとすると挫折する。順番に作っていけばいい。

Step1: エリア別の成約単価データベースを作る

まず整備すべきは、エリア・物件種別ごとの成約単価の実績値だ。これがあると、目の前の物件の「買ってよい上限価格」が数字で出せる。

データソースは主に2つある。

• 国土交通省 不動産情報ライブラリ（取引事例データ）—旧・土地総合情報システムが統合されたもの。API経由で取得すれば、エリア・築年・物件種別ごとの成約価格を一括取得できる。四半期ごとに更新される公的データなので信頼性が高い
• SUUMO成約データの収集—成約報告が公開されている分は、手動または自動収集でエリアごとの相場感を補完できる。特に競合物件の成約価格と販売期間の把握に役立つ

これらを自社のスプレッドシートまたはデータベースに蓄積し、「○○市△△区・築20〜30年・区分マンション・専有面積60〜70m2の成約単価中央値」を即時に参照できる状態にすることが目標だ。

最初は営業エリアの主要3〜5市区町村に絞って構築し、徐々に拡張する。全エリアを一度にカバーしようとすると管理が追いつかなくなる。

Step2: リフォーム費用の実績テーブルを蓄積

施工が完了した物件ごとに、工事内容と実費を記録する。項目は細かくなくていい。最低限必要なのは以下の軸だ。

10〜20件蓄積すれば、「このタイプの物件のリフォームはだいたい○○万円」という実績ベースの概算ができるようになる。施工パートナーとの単価表と組み合わせれば、内覧した当日に概算を出せる。

重要なのは、想定との差異（見積もりと実費の乖離）も記録することだ。「最初500万円の見積もりだったが、床下修繕で+80万円になった」という情報が、次回の概算精度を上げる。

Step3: 利益シミュレーションシートで自動判定（粗利率15%以下はアラート）

Step1とStep2のデータが揃えば、仕入れ候補物件の利益シミュレーションを自動化できる。入力項目は最小限にして、計算は自動で行うようにする。

粗利率15%をアラートラインとして設定する理由は、これを下回ると販売期間が想定より延びたときに利益がほぼ消えるリスクがあるためだ。市場が変動した場合のバッファとして、最低15%は確保したい。

判断基準を「型」にする—仕入れ可否判定シートの設計

シミュレーションシートに加えて、定性的な判断項目も含めた仕入れ可否判定シートを設計する。数字だけでは拾えない要素（立地・物件の特性・競合状況）も含めて、総合スコアで判断できるようにする。

この表のポイントは、粗利率の重みを40%に設定し、数字が基準を下回れば自動でNGになる仕組みにしていることだ。担当者の熱量や「何となくいい物件」という感覚が入り込む余地をできるだけ減らす。

判定スコアが75点以上なら仕入れOK、50〜74点なら条件付き（価格交渉 or リフォーム範囲の見直しを条件）、50点未満はNG、というような運用ルールを設けると意思決定が速くなる。

最初は複雑にしすぎないこと。5〜7項目程度の判定シートから始めて、実際に使いながら精度を上げるのが現実的だ。

仕入れデータの蓄積が競争優位になる—100件のデータが「勘」に勝つ理由

仕入れデータの蓄積は、短期的には仕入れ判断の精度向上に効く。ただし、より重要な効果は中長期的な競争優位にある。

100件の取引データが蓄積されると、「このエリアのこの価格帯の物件は何ヶ月で売れるか」「リフォーム費用がこの水準を超えると粗利率が急激に下がる」という傾向が見えてくる。これは個人の経験値では追いつかない情報量だ。

特に中小の買取再販会社が強みを出しやすいのは、特定エリアへの集中だ。大手が薄く広く展開している中で、ある市区町村に絞った成約データを200〜300件蓄積した会社は、そのエリアの仕入れ判断において大手より精度が高くなる可能性がある。情報の量と質が判断精度に直結する。

また、データが蓄積されると担当者の属人性が下がる。「あの人がいないと仕入れができない」という状態を脱却し、一定の判断ロジックをチームで共有できるようになる。これは採用・育成のコストを下げる効果もある。

「うちは件数が少ないからデータが蓄積できない」という声もある。年間10〜20件でも、3年続ければ30〜60件の実績データになる。今日の1件目が3年後の判断精度を決める。早く始めた会社ほど有利だ。

まとめ

仕入れ判断をデータ化する3つのステップを整理する。

1. エリア別の成約単価データベースを作る—国土交通省の取引事例データとSUUMOの成約情報を活用し、エリア・物件種別ごとの単価を蓄積する
2. リフォーム費用の実績テーブルを蓄積する—施工実績を記録し、物件タイプ・築年・面積ごとのコスト実績値を参照できる状態にする
3. 利益シミュレーションシートで自動判定する—粗利率15%以下をアラートにするシートを作り、数字が基準を下回れば自動でNGになる仕組みを設ける

いずれも特別なシステムは不要で、スプレッドシートから始められる。重要なのはデータを記録し続ける運用習慣だ。

仕入れの失敗は売り方では取り返せない。逆に、仕入れの精度が上がれば、それ以降のプロセスに余裕が生まれる。リフォームの仕様を適切に設定できる、価格調整の判断を早くできる、担当者間で判断基準を共有できる。仕入れへの投資は、事業全体の収益構造を変える。

よくある質問