スコアリングは、過去の事故情報を基にしたAIによる判別モデルです。1契約者自身の情報、2物件情報、3両者を組み合わせて判別しています。
①スコア表示
入力した情報に基づいて、滞納や貸し倒れといった事故に対する当該契約の安全性を350～1000の間で出力します。同時にそのスコアを７段階（S+～E）のバッジで表します。、これはスコアの数値が高いほど事故発生確率は低いという予測になります。ただし高い数値であれば絶対事故がおきない、低い数値が事故を起こすということではなく、傾向を示しています。
その他にも、過去のデータを基にした当該案件のスコア順位や、頻繁な滞納事故と貸倒れ事故それぞれの発生確率予測が確認できます
②全件中順位
スコアの数値に該当する契約者の、全体の中での順位を表しています。
③各種順位
同年代や同年収帯の中での位置、申し込んだ物件の家賃水準の中での位置を出力します。例えば、若い人は全体的に年収も低くなるので、スコアリングも低くなりがちですが、その中でも同年齢や同年収帯の中では上位に位置していることがわかれば審査の助けになります。
💡自社内順位表示について
「順位と確率の表示に自社内データのみを使用」のボタンをクリックすると、smeta入居審査AIでこれまでに自社で審査を行ったスコアリング結果に基づいた当該案件の順位が表示されます。
リスク発生確率評価のグラフは、自社内のスコアリング結果がベースとなるため形状が変わります。
※毎晩のデータ更新にともない、表示される順位は変わります
※グラフにおける当該案件の分布位置は変わりません
④事故別発生確率分布
スコアにおいては、事故の発生確率を基にしていますが、回収可能な滞納と未回収の発生する貸倒れでは、発生したときの損失の大きさが異なります。そこで、催促等の事務コストが発生する頻繁な滞納事故と、実損害につながる貸倒れ事故、それぞれの事故ごとに発生確率を出力します。 賃貸不動産市場におけるそれぞれの事故発生確率を参考に、それぞれの発生確率の分布をグラフにして契約者の位置を赤で表しています。同一スコアでも、事故ごとに発生確率傾向が異なりますので、審査の助けになります。