2026年6月 — 需要ドライバーの分析、現地のプロのように考える分析、ワンクリックインストール
AI分析が、物件周辺の施設を賃貸需要のシグナルとして読み解くようになりました — 大学は学生数を、病院は病床数を伴い、研究機関は独自のカテゴリーとして — すべては再構築したオープンデータの周辺施設レイヤー上で実現しています。さらに、投資家フィットスコアをお客様の戦略に合わせて強化し、地図はおおよその住所について正直に示すようにし、ブラウザ拡張機能をChromeウェブストアで公開しました。
4月は日本の信頼できる公的データをプラットフォームに統合し、5月はそれをパーソナライズされた投資家フィットスコアと市場マップとして活かしました。6月のテーマは「判断力」です。物件周辺のエリアを賃貸需要として読み解くよう分析に学習させ — どの大学・病院・研究機関が、そこに住む人を実際に形づくるのか — その周辺施設レイヤーをオープンデータ上に再構築して全体像を網羅的かつ正確にし、日本の不動産を読み解く分析の思考をさらに洗練させ、正直な地図とワンクリックの拡張機能インストールで手間を取り除きました。6月にお届けした内容をご紹介します。
1. 周辺エリアを「需要」として読む — 地図上の点ではなく
物件の近くに何があるかを知ることは当たり前のこと。投資家にとって重要なのは、それがどんな入居者を呼び込むかです。6月は、周辺施設レイヤーをオープンデータ — Overture Maps、OpenStreetMap、国土交通省（MLIT） — の上に再構築し、さらに重要な点として、物件周辺の施設を需要ドライバーとして読み解くよう分析に学習させました。大学・短大には学生数（文部科学省の公式データ）が、大規模病院には病床数（厚生労働省データ）が付与され、研究機関や医療R&D拠点は独自のカテゴリーとして表示されます。これにより、単なる「近くに大学あり」ではなく、分析は現地のプロのように考えます。徒歩圏内に学生2万人のキャンパスがあれば、3〜4月に入れ替わりの激しいコンパクトな1K/1DKの需要が底堅く見込める、600床の病院は医療スタッフという長期入居の安定層を支える、リサーチパークは価格感応度の低い高所得の専門職を示唆する、といった具合です。すべての物件分析にこの需要ドライバーの読み解きが含まれ、施設に応じた距離帯で評価されます — 2km先の大学はなお「近い」と言える一方、2km先のコンビニはそうではありません。
オープンデータ上での再構築は、網羅性と正確性の面でも成果をもたらしました。周辺施設の全体像は網羅的かつ上限なしになり — 従来の「20件以上」という上限を撤廃したため、件数は正確になりました — 神社の収録数はOpenStreetMapの活用で10倍以上に増え、交通機関はMLITの全国の鉄道・バスデータセットに基づいています。
出典：Overture Maps＋OpenStreetMap＋MLIT、文部科学省の大学学生数および厚生労働省の病院データで拡充
2. 日本の専門家のように考えるAI分析
分析は、日本で実際に不動産がどう評価されるかについて、格段に賢くなりました。適切な利回りの基準（表面・実質）を適用し、金融機関の視点で融資の実現性を確認し（積算評価）、再建築の可否の制約（再建築不可／接道義務）を示し、取引種別に応じた正しい仲介手数料のルールを適用し、自然災害リスクを煽るのではなく均衡のとれた表現で示します。あわせて、分析が引用する基礎的な事実も是正しました — 軽量鉄骨の法定耐用年数（鋼材の厚みにより19／27／34年）、2024年7月の改正による800万円以下の物件の税込33万円の手数料上限、2,000㎡の土地売買届出の基準 — さらに、名称の正確性を担保する仕組みを追加し、近くにあるより有名な施設ではなく、実際に隣接する施設を分析が挙げるようにしました。
出典：日本の不動産実務基準＋プラットフォーム上の分析手法
3. 投資家フィットスコアを、あなたの戦略に合わせて強化
5月に投資家フィットスコアを導入し、6月はそれをより鋭く、戦略を意識したものにしました。利回りは種別を明示したうえで同一基準で比較されるようになり、スコアリングはお客様がインカム（収益）かキャピタル（値上がり）かのどちらを目的としているかを理解します。そのため、値上がり重視のプロフィールは、本来狙っていない表面利回りの目標ではなく、成長ポテンシャル（「この立地ランクとして堅実な値上がりポテンシャル」）で評価されます。立地のマッチングは都道府県だけでなく市区まで考慮し、リスクの適合性は建物の耐震基準の年代を加味します。また、人口動態フィットのスコアリングにあった抜けも解消しました。
4. 正直な地図と、正しい場所に落ちる住所
すべての物件に正確な住所があるわけではなく、地図はそのことを正直に示すようになりました。エリアレベルの住所や非公開の住所を持つ物件は、誤解を招く単一のピンではなく、実際の町丁目の境界として描画され、一覧マップとクラスターマップ上で**「≈」マーカーが付与されるため、正確な住所とひと目で見分けられます。該当する町丁目がない場合は、区の境界にフォールバックします。入力面では、物件フォームに住所オートコンプリートを追加し、候補を選んだ瞬間に正となる座標を取得します — これにより、フリーテキストから誤った区へ再ジオコーディングされることがなくなりました。また、英語UIのユーザーには各住所が読みやすい英語／ローマ字**表記で表示され（例：「3 Chome-16-9 Torikai, Chuo Ward, Fukuoka」）、日本語の住所が引き続き正となります。
出典：政府の境界データ＋Google Placesオートコンプリート
5. ワンクリックでインストール — 拡張機能がChromeウェブストアに
物件をプラットフォームに取り込む最速の手段である Tatemono IQ ブラウザ拡張機能が、Chromeウェブストアで公開されました。ワンクリックでインストールでき、自動更新にも対応 — ZIPのダウンロードや「パッケージ化されていない拡張機能を読み込む」操作はもう不要です。アプリ内のダウンロードページ、物件インポートのガイドツアー、ドキュメントのいずれもが、新しい手順をご案内します。
6. 新たに2本の市場レポート
今月はさらに2本の市場レポートを公開しました。最新の**「日本都道府県別 人口動態需要スコアカード」は、IPSS 2024年推計に基づき、投資家が最も重視する世代 — 25〜39歳の単身者と高齢の単身世帯 — について、2040年までの世帯数の増加見込みで全47都道府県をランク付けしたものです。月の前半には「東京 対 地方都市：価格比較」*を追加し、東京の価格を主要な地方都市圏と対比しています。これらは、最初のレポート「日本の住宅価格 2020〜2025」*とともに市場レポートページでご覧いただけます。
出典：IPSS 2024年都道府県別世帯推計＋MLIT取引データ
6月のその他の改善
- マーケットインテリジェンスマップがLeafletで描画されるようになり、読み込みが速くなりました。
- アプリ内ガイドツアーを刷新 — AIアシスタント（アキ）のツアーは現在のサイドパネルに合わせて更新し、インポートのツアーはマイソクPDFの手順をカバーし、リスト用の新しいツアーも追加しました。
- わかりやすい物件ラベル — 床面積を建物種別で表示するようになりました：区分マンションは専有面積、その他の建物は延床面積。
- 全体的な安定性と正確性の改善：AI分析が特殊な商業用物件でクラッシュしなくなり、Googleが旧来のビジョンモデルを廃止した後にマイソクPDF分析を復旧し、いくつかの地図・ジオコーディングのエラーを解消しました — 正確で確定済みの住所を持つ物件に誤って表示されることがあった「おおよその住所」という交通の警告も含まれます。