為什麼重要
當你看到一套短租物業，賣家告訴你年收入$48,000。在接受這個數字之前，你需要自己建立預測模型。這意味著從AirDNA（愛彼迎數據平台）或類似工具中提取可比房源數據，核實同類物業在不同入住率下的實際收益，對旺季和淡季應用季節性調整系數，然後扣除平台佣金、保潔費和空置損失。經過這一套測算後保留下來的數字，才是你可以合理承銷的收益。基於短租市場分析（STR Market Analysis）真實數據建立的預測，是一個正向現金流項目和一個悄悄虧損十二個月才暴露問題的項目之間的本質區別。
速覽
- 定義：利用每晚均價、入住率、季節性需求和平台佣金，預測短租物業毛收入與淨收入的財務模型
- 核心輸入：平均日房價（ADR）、入住率預測值、季節性需求曲線和平台佣金比例
- 主要數據來源：AirDNA、Rabbu、Mashvisor，以及Airbnb和Vrbo上的可比活躍房源
- 動態定價工具：PriceLabs等根據需求信號動態調整房價的收益管理軟體
- 輸出結果：年度毛收入、扣除佣金和保潔費後的淨營運收入，以及月度現金流模型
運作原理
建立收入基準線。任何短租收入預測的基礎，都是你所在市場和物業類型對應的平均日房價（ADR）和入住率。這兩個數據不是估算出來的——是從數據中提取的。AirDNA（愛彼迎數據平台）按臥室數量、物業類型和街區提供市場層面的ADR和入住率數據。將這些數據與Airbnb和Vrbo上的活躍可比房源交叉驗證，看看類似物業的定價和日曆佔用情況。滑雪市場一套3臥別墅的合理ADR可能是$287/晚；中等海灘市場一套公寓單間的ADR可能是$164/晚。這些不是猜測——是從真實交易數據中提取的中位數。
應用季節性需求曲線。短租收入不是線性的。大多數市場有2到4個高需求窗口期，以及多個肩季和淡季，期間入住率下降、房價受到壓縮。一套山地度假物業在冬季滑雪旺季可能達到95%入住率、$340/晚；到了泥季可能跌至58%入住率、$195/晚。海灘物業的曲線則完全相反。要構建準確的年度預測，需要將全年拆分為月度或季度區間，為每個區間分配入住率和每晚房價，再逐一相乘。季節性建模正是許多投資者低估的環節——他們拿著旺季數據假設全年維持，然後困惑為何物業表現低於試算表預期。短租市場分析（STR Market Analysis）能在買入之前就揭示哪些月份是淡季。
計算平台佣金與保潔收入。Airbnb和Vrbo都向房東收取服務費——Airbnb分攤費用模式下通常為3%，某些配置下可達5%。Vrbo按每次預訂收取8%，或收取年費訂閱。這些費用在你到帳之前就從毛收入中扣除。保潔費值得單獨建模：它們作為獨立行項出現在客人帳單上，不會降低你的表觀每晚房價，但會增加一部分收入來抵消實際保潔成本。如果保潔人員每次服務收費$120，而你向客人收取$130，每次入住你淨賺$10——在年度200次以上預訂規模下相當可觀，值得在預測中單獨追蹤。PriceLabs（動態定價工具）等工具在定價建議中已將平台佣金納入計算，確保你始終看到淨收入，而非毛收入。
預測淨營運收入。有了毛收入——即全年12個月內ADR乘以已佔用晚數——你再分層疊加扣除項，得出淨營運收入。平台佣金之外的典型扣除項包括：物業管理費（如使用聯合房東或管理公司，通常為毛收入的20-30%）、渠道管理軟體訂閱費（$30-60/月）、消耗品和補貨費用（洗漱用品、紙巾、咖啡：每次換房$20-40）、小修和維護儲備金（物業價值的1-2%/年），以及高於長租基準的額外水電費。這些扣除項之後、還款義務之前的餘額，就是淨營運收入——用於計算資本化率和還款覆蓋率的核心指標。透過完善的房客溝通（Guest Communication）和自動化訊息系統（Automated Messaging）維持的高口碑運營，是你的模型入住率假設能夠實現的實際保障。
實戰案例
洪政勳正在評估一套位於墨西哥灣沿岸海灘市場的2臥公寓。賣家聲稱該物業去年產生了$61,000的收入。在出價之前，洪政勳用該子市場的AirDNA數據自行構建了預測模型。
AirDNA顯示，可比2臥單元的平均ADR為$187/晚，年入住率71%——意味著259個已佔用晚數和$48,433的毛收入，而非$61,000。這$12,567的差距很可疑。洪政勳繪製了季節性曲線：12月至2月入住率52%，$141/晚；3月至5月跳升至84%，$203/晚；6月至8月達到旺季峰值91%，$229/晚；9月至11月回落至58%，$163/晚。
逐季計算：Q1 = 52% × 90晚 × $141 = $6,595。Q2 = 84% × 91晚 × $203 = $15,511。Q3 = 91% × 92晚 × $229 = $19,188。Q4 = 58% × 92晚 × $163 = $8,707。毛收入合計：$49,901。
然後扣除：Airbnb 3%佣金 = $1,497。保潔淨成本 = $1,840。25%物業管理費 = $12,475。軟體和消耗品 = $960。物業價值$385,000的1.5%維護儲備金 = $5,775。淨營運收入：$27,354。以$385,000的購買價格計算，資本化率為7.1%——低於賣家聲稱數字所隱含的水準，但在該市場是可接受的。洪政勳基於自己的測算數據提出了更低的報價，而非依賴賣家的數字。
優劣分析
- 強制在成交前完成逐物業收入分析，避免過度依賴賣家的樂觀聲明或旺季軼事數據
- 季節性建模提前揭示現金流緊張的月份——讓你在擁有物業之前就制定儲備金策略，而非事後被動應對
- 淨收入計算暴露了簡單ADR乘以入住率估算所忽略的完整成本結構（平台佣金、管理費、消耗品、維護費）
- 來自AirDNA和活躍房源的可比數據構建了可獨立驗證的基準，而非依賴業主提供的財務數據
- 基於PriceLabs等工具構建的動態定價假設，反映了市場的實際需求彈性，比靜態均值產生更可靠的房價輸入
- AirDNA歷史數據反映過去的市場狀況——供給結構變化、政策調整或旅遊模式轉變的市場，未來表現可能與歷史數據存在實質性差異
- 季節性曲線需要子市場層級的精細度；全市均值可能掩蓋同一城市內不同街區或物業類型之間的巨大差異
- 運營者品質無法在任何數據模型中體現——同等房價下，管理良好的房源比普通房源多賺15-25%，這意味著預測代表的是均值，而非上限
- 保潔成本、補貨和小修費用具有可變性，對於尚未運營過的物業難以精確預測
- 收入預測無法考量平台演算法變化、新出台的本地短租法規，或影響評分和搜尋排名的房客溝通（Guest Communication）期望變化
注意事項
永遠不要將賣家提供的過去十二個月收入作為你的預測基準。賣家通常提供的是他們最好的一年、最好的季節，或精心挑選的月份數據。有些人使用扣除平台佣金之前的毛收入，這會將表面數字虛增3-8%。始終從AirDNA或可比活躍房源中自行提取數據，構建自己的季節性模型，將賣家財務數據作為核實輸入，而非起點。
數據工具中的入住率反映的是市場均值——而非新房源從第一天起就能達到的水準。新物業需要60-120天積累評價並獲得演算法排名加權。在第一年預測中設置一個爬坡期：前三個月假設入住率比市場均值低40-50%，從第四或第五個月開始逐步回歸市場入住率水準。忽略爬坡期是短租第一年現金流令人失望的最常見原因之一。
PriceLabs（動態定價工具）等動態定價工具是在既有需求環境中優化——而非創造需求。如果你的市場有300套可比房源爭奪每年10,000個客晚，任何定價演算法都無法彌補這一供需缺口。在短租市場分析（STR Market Analysis）中核實市場供需平衡狀況，再假設定價優化能夠填補收入缺口。
投資者問答
一句話總結
短租收入預測是將真實項目與美好願景區分開來的研究工作。你將AirDNA（愛彼迎數據平台）的每晚房價數據、基於可比房源構建的季節性需求曲線、平台佣金扣除項，以及完整的運營成本結構整合在一起，得出一個可以真實承銷的淨收入數字。只有當你的入住率假設有市場數據支撐、季節性模型反映具體子市場的真實規律、成本估算涵蓋保潔、管理、軟體、消耗品和維護——而不僅僅是房貸還款——預測才真正成立。在擁有物業之後，完善的自動化訊息系統（Automated Messaging）和穩定的房客溝通（Guest Communication），是讓模型中入住率假設得以兌現的運營保障。預測做錯了，等待你的是十二個月運營數據給出的教訓。