PMS flexible pour locations courte et moyenne durée institutionnelles
Lavanda est une plateforme SaaS britannique qui permet aux propriétaires institutionnels d'immobilier résidentiel (multifamily, résidences étudiantes, co-living) d'exploiter leurs actifs en location flexible, du jour à l'année. Fondée en 2014 à Londres, la solution s'adresse aux grands portefeuilles qui veulent hybrider long terme et court terme sans recourir aux plateformes grand public type Airbnb. La plateforme automatise la configuration dynamique des bâtiments, le revenue management en temps réel, la distribution multi-canaux, et offre une expérience digitale type hôtellerie pour les locataires.
Lavanda compte parmi ses clients de grands institutionnels comme Greystar, Blackstone, Hines ou Nuveen. Levée de fonds de 7,25M$ en 2022, expansion au Moyen-Orient via un partenariat avec Aldar. Le pricing combine abonnement fixe par unité ou revenue share.
Outil pertinent pour les gestionnaires institutionnels européens, moins adapté aux petits propriétaires. Pas de confirmation de support en français malgré une présence européenne.
Abonnement mensuel par unité ou revenue share sur revenus locatifs
Catégorie : Gestion Locative
Non, Lavanda cible spécifiquement les propriétaires institutionnels de grands portefeuilles (multifamily, résidences étudiantes, co-living). Les petits propriétaires trouveront la solution surdimensionnée et coûteuse.
Lavanda propose deux options : un abonnement mensuel fixe par unité gérée sur la plateforme, ou un modèle de revenue share (pourcentage sur les revenus locatifs générés). Le choix dépend de la structure de coûts préférée du client.
Oui en partie. Lavanda permet aux grands propriétaires de gérer leurs locations courte durée en direct, sans dépendre des commissions et de la visibilité d'Airbnb, tout en intégrant ces locations dans leur stratégie globale de gestion locative.
Oui, Lavanda s'appuie sur des analytics avancés et l'automatisation pour optimiser le pricing en temps réel, la configuration des bâtiments et identifier les inefficiences structurelles, ce qui implique des algorithmes d'intelligence décisionnelle.