WHERE
株式会社WHEREWHEREは、衛星データをはじめとする各種データを活用し、不動産の仕入れ先を素早く見つけるための不動産仕入れDX SaaSです。属人的で再現性が低かった不動産仕入れ業務を、誰でも使えるテクノロジーに置き換えることを目指しています。顧客ごとに異なる「価値ある不動産」を高速かつ高精度に探索し、地権者との商談獲得までを支援します。結果として、不動産市場の発見効率と取引機会の創出を大きく改善することを狙っています。
B2B
グロース期
不動産テック(PropTech)/SaaS/DX
ペルソナ
主なターゲットは、不動産仕入れを担当する営業責任者や事業開発担当、そして現場で案件探索を担う仕入れ担当者です。属人的で再現性の低い探索業務を減らし、短時間で有望な土地・物件を見つけたいというニーズが中心です。

不動産仕入れ責任者
(営業部門マネージャー・仕入れ統括)
ニーズ
仕入れ精度と再現性の向上
限られた人材と時間の中でも、有望な案件を安定的に見つけられる状態を作りたいと考えています。属人的な勘や経験に依存せず、チーム全体で再現性のある仕入れプロセスを構築することで、成果のブレを抑えたいニーズがあります。
悩み
成果が個人依存になりやすい
仕入れの成果が経験豊富な担当者に偏ると、組織としての拡張性が損なわれます。担当替えや退職があるたびに成果が不安定になり、マネジメント上の不安が大きくなります。
案件発掘のスピードが追いつかない
市場機会は変化が速く、対応が遅れると競合に先を越されます。常に探索量を増やしたい一方で、現場の負荷は上がり続けるため、焦りが蓄積しやすくなります。
説明責任を果たしにくい
なぜその案件を追うのかを定量的に示せないと、社内の合意形成が難しくなります。意思決定の根拠が弱いと、投資判断や人員配置の正当性にも影響します。

不動産仕入れ担当者
(現場営業・案件探索担当)
ニーズ
効率的な見込み案件の発見
日々の業務の中で、短時間で条件に合う土地や物件を見つけ、次のアクションにつなげたいと考えています。手当たり次第の営業ではなく、確度の高い候補に集中することで、商談化率と生産性を高めたいニーズがあります。
悩み
調査に時間がかかりすぎる
候補の洗い出しや情報収集に時間を取られると、本来注力すべき提案や交渉の時間が削られます。結果として、忙しいのに成果が見えにくいというストレスが生まれやすくなります。
有望案件を見落としてしまう
情報源が多く、探索条件も複雑なため、重要な案件を取りこぼす不安があります。見落としが続くと、自信が下がり、探索自体が消極的になってしまいます。
成果が数字で見えにくい
仕入れ業務は成果が出るまでに時間がかかり、日々の努力が評価されにくいことがあります。短期成果に結びつかないと、モチベーション維持が難しくなります。

事業開発担当
(新規事業・エリア開拓リーダー)
ニーズ
市場機会の早期把握
新規エリアや新たな仕入れ対象を素早く見つけ、事業の選択肢を広げたいと考えています。市場の変化を先回りして捉えることで、競争優位につながる打ち手を早期に打ちたいニーズがあります。
悩み
仮説の裏付けが弱い
新規領域の検討では、直感や経験だけでは社内承認を得にくいことがあります。十分な根拠を示せないと、施策が先送りされ、スピード感を失いやすくなります。
探索の優先順位付けが難しい
候補が多いほど、どこから着手すべきか判断が難しくなります。優先順位が曖昧だと、リソースが分散し、成果につながりにくくなります。
組織を巻き込む負荷が高い
新しい取り組みは営業、企画、経営など複数部門の合意が必要です。関係者が増えるほど調整コストが上がり、推進役としての心理的負担も大きくなります。
価値
このサービスの価値は、不動産仕入れにおける探索効率と案件発掘の再現性を高める点にあります。特に、属人的だった営業活動をデータ活用で標準化し、短時間で有望候補にたどり着くことが中核価値です。
主要機能
課題
導入・活用を妨げる主因は、現場運用への定着難、データ解釈の難しさ、そして商談化までの成果証明の難しさです。特に不動産仕入れのような属人性の高い業務では、ツールを入れるだけでは価値が出にくく、運用設計まで含めた支援が重要になります。
現場の運用設計が曖昧なまま止まる
機能自体が有用でも、日々の業務フローにどう組み込むかが曖昧だと定着しません。結果として、最初は触られても継続利用につながらず、成果が出る前に利用が止まりやすくなります。
グロースモデル
このサービスの成長は、不動産仕入れデータの蓄積によって探索精度が上がり、それが利用拡大と再学習を生む データネットワーク型のループが中心です。加えて、営業組織での導入実績が増えるほど、事例・紹介経由の新規獲得も強まりやすい構造です。
利用が増えるほど、対象エリアや仕入れ候補に関するデータが蓄積し、分析の精度と実務価値が高まります。価値が高まるほど組織導入が進み、さらに利用データが増えることで、サービス全体の探索性能が継続的に改善します。
利用案件データの蓄積
仕入れ候補や探索履歴が増え、サービス内のデータ資産が厚くなる。
分析精度の向上
蓄積データをもとに、候補抽出やエリア評価の精度が高まる。
発見価値の増大
有望案件を見つけやすくなり、実務上の成果が出やすくなる。
導入組織の拡大
価値実感が広がり、利用部門や利用企業が増えていく。
フィードバック量の増加
利用者からの入力や運用知見が増え、改善に使える情報が増える。
発見価値の増大→利用案件データの蓄積
成果が見えると探索・運用が継続され、より多くの案件データが蓄積されるため、データ基盤が強化されます。
導入組織の拡大→分析精度の向上
導入組織が増えるほど利用シーンが多様化し、分析モデルの学習材料が増えて精度向上が進みます。
利用案件データの蓄積
仕入れ候補や探索履歴が増え、サービス内のデータ資産が厚くなる。
分析精度の向上
蓄積データをもとに、候補抽出やエリア評価の精度が高まる。
発見価値の増大
有望案件を見つけやすくなり、実務上の成果が出やすくなる。
導入組織の拡大
価値実感が広がり、利用部門や利用企業が増えていく。
フィードバック量の増加
利用者からの入力や運用知見が増え、改善に使える情報が増える。
発見価値の増大→利用案件データの蓄積
成果が見えると探索・運用が継続され、より多くの案件データが蓄積されるため、データ基盤が強化されます。
導入組織の拡大→分析精度の向上
導入組織が増えるほど利用シーンが多様化し、分析モデルの学習材料が増えて精度向上が進みます。
競合
WHEREは、衛星データとAIを活用して、不動産の候補地探索から地権者へのアプローチ、商談獲得までを一気通貫で支援する不動産仕入れDX SaaSです。従来の紹介依存・属人的な仕入れを、再現性のある探索・評価・管理プロセスへ置き換える点が特徴です。 (lp.pntwhere.com)
市場ポジショニング
自社の立ち位置
- 不動産デベロッパー/仕入れ部門向けに、土地・用地の発掘を効率化するB2B SaaS
- 衛星データ×AIを前面に出した、データドリブンな用地探索・仕入れ特化型
- 探索だけでなく商談獲得までをカバーする、上流営業寄りのPropTech
- 日本市場の不動産仕入れ業務に最適化された業務変革ソリューション
他社との差別化ポイント
- 衛星データを使って候補地を広域・高速に発見できる点が、従来の人脈依存の仕入れと異なる
- 地権者特定からアプローチ、商談獲得まで支援するため、単なる情報管理ツールで終わらない
- 不動産情報約7,300万件などの大規模データベースを活用し、探索精度と網羅性を高めている
- モバイル版など現場利用を意識した機能拡張で、営業現場の運用定着を狙っている
LandManager Realestate(LMR) / パスコ
https://www.pasco.co.jp/biz/app-soft/landmanager-realestate/用地情報を地図ベースで一元管理し、用地仕入れ業務を効率化するクラウドサービス。
LMRは用地情報の管理・共有・稟議効率化に強く、WHEREは新規候補地の発見と地権者接点創出に強いです。両者は近い領域にありますが、LMRは管理基盤、WHEREは発掘・アプローチ基盤としての色合いが強いです。 (pasco.co.jp)
強み
長年の地理空間情報システム(GIS)ノウハウを背景に、用地情報、情報ルート、営業履歴を地図上で一元管理できます。物件情報の自動転記や稟議資料の自動出力など、現場業務を省力化する機能が充実しています。デベロッパー向けの導入実績や、用地仕入れ業務に関する業務設計の蓄積が強みです。 (pasco.co.jp)
弱み
主軸は既存の用地情報管理・可視化であり、衛星データを起点に未発見の候補地を自動抽出するタイプではありません。探索・開拓よりも、取得済み情報の整理と社内運用の最適化に寄っているため、上流のリード創出ではWHEREほど踏み込みません。 (pasco.co.jp)
自社の優位性
WHEREは、候補地発見から地権者接点までを前進させる点で、LMRより上流の営業成果に直結しやすいです。
スペースシフト
https://www.spcsft.com/SAR衛星画像とAIで、都市開発・不動産の変化やリスクを可視化する衛星データ活用企業。
スペースシフトは衛星データ解析の技術・分析提供に強く、WHEREはその技術を不動産仕入れ業務の業務SaaSとして実装している点が異なります。つまりスペースシフトは基盤技術寄り、WHEREは実務オペレーション寄りです。 (spcsft.com)
強み
SAR衛星画像を活用し、都市化速度、災害リスク、土地利用変化などを広域に把握できる分析力があります。衛星データ×AIの専門性が高く、遠隔地の不動産開発やエリア評価のような高度なユースケースに強いです。WHEREとのMOU締結もあり、不動産ソリューションの高度化に向けた技術連携余地があります。 (spcsft.com)
弱み
自社サイト上では、仕入れ営業の現場でそのまま使えるSaaSとしての運用完結度はWHEREほど前面に出ていません。分析・可視化は強い一方、商談獲得や営業管理までを標準機能で一気通貫化する色は相対的に弱いです。 (spcsft.com)
自社の優位性
WHEREは、衛星解析の価値を営業成果に直結する業務フローへ落とし込んでいる点で優位です。
人工衛星データとAIを組み合わせ、複合解析AIを提供する衛星データ解析企業。
Ridge-iはカスタム解析・AI開発に強く、WHEREは不動産仕入れに特化したプロダクト化SaaSとして提供している点が違います。Ridge-iは汎用性が高い反面、業務実装は個別開発寄りになりやすいです。 (ridge-i.com)
強み
光学衛星・SAR衛星データと顧客保有データを融合した複合解析AIを提供でき、定点モニタリングや地図更新など実運用の実績があります。都市開発状況の把握、建物検知、浸水域検出など、幅広い解析テーマに対応できる技術基盤が強みです。 (ridge-i.com)
弱み
技術提供・開発支援の色が強く、不動産仕入れ現場の標準ワークフローとしてすぐ使える形には見えにくいです。個社要件への適応力は高い一方、導入・運用の設計負荷がWHEREより大きくなりやすいです。 (ridge-i.com)
自社の優位性
WHEREは、不動産仕入れ業務に特化した即戦力SaaSとして、導入後の業務定着と成果創出がしやすいです。
その他の競合(10社)
| 企業名 | 特徴と違い |
|---|---|
| 不動産流通の広い接点を持ち、物件・エリア情報の取得起点になりやすい点が強みです。 | |
| 大量の物件情報と集客基盤を持ち、仕入れの前段となる市場把握に使われやすいです。 | |
| 不動産業務の基幹管理に強く、情報整備や運用標準化で競合します。 (aspicjapan.org) | |
| 不動産業務の業務効率化・顧客管理に強く、営業オペレーション面で競合しやすいです。 | |
| CRM基盤として、案件管理・営業管理の標準化で代替されることがあります。 | |
| 地図・位置情報の土台として、独自開発で仕入れ支援を作る際の代替選択肢になります。 | |
| 高度なGIS分析・可視化に強く、用地評価やエリア分析で競合します。 | |
| 地図データの精度と網羅性を強みに、土地情報管理の基盤として利用されやすいです。 | |
不動産仲介会社の独自用地仕入れ支援 | 人的ネットワークと地域密着の情報力で、SaaSの代替となるケースがあります。 |
内製のExcel・台帳運用 | 導入コストが低く、既存業務のまま運用できるため、現場では最も頻繁な代替手段です。 |


WHEREの不動産仕入れ探索で、商談獲得までの再現性を実データで高めませんか?
例えば、