我認識的一個人靠 Airbnb 每月賺進 3,200 美元，而且他名下沒有任何房產。Claude 幫他搞定了這一切。

1總收入 = ADR × 入住率 × 30
2       = 145 美元 × 0.74 × 30
3       = 每月 3,219 美元
4
5費用明細：
6  Airbnb 服務費（3%）：               -96.57 美元
7  清潔費（9 次退房整理 × 55 美元）：   -495.00 美元
8  水電瓦斯費：                        -150.00 美元
9  備品/消耗品：                        -80.00 美元
10  總費用：                            -821.57 美元
11
12淨利潤 = 總收入 - 長期租金 - 費用
13       = 3,219 美元 - 1,400 美元 - 821.57 美元
14       = 每月每單位 997.43 美元

1你是一位 Airbnb 租賃套利分析師。僅限使用合法方法。
2
3分析此市場的租賃套利潛力：
4- 城市/街區：[地點]
5- 房產類型：[1 房/2 房/套房]
6- 長期租金：每月 [X] 美元
7
8請提供：
91. 該區域類似 Airbnb 房源的每日平均房價（ADR）
102. 平均入住率（%）——如有可能，請使用 AirDNA 的基準數據
113. 季節性需求模式：旺季月份 vs 淡季月份
124. 前 3 名競爭對手房源分析（價格、評價、入住率）
135. 計算每月淨利潤：
14   淨利 = (ADR × 入住率 × 30) - 租金 - (ADR × 0.03 × 入住率 × 30)
15          - 清潔費 - 水電瓦斯費 - 備品費
166. 市場評分（1-10）：基於 ADR/租金比率和入住率穩定性
177. 結論：強烈建議（淨利 > 800 美元）/ 邊際可行（400-800 美元）/ 跳過（< 400 美元）
188. 危險信號：HOA 限制、季節性崩盤、供應過剩風險
19
20請具體說明。使用真實數字。逐步展示所有計算過程。
21法律備註：僅分析當地法規允許短期租賃和轉租的市場。

1你是一位租賃套利房產搜尋員。僅限合法房源。
2
3在 [城市, 州] 尋找適合 Airbnb 套利的長期租賃房產。
4
5搜尋條件：
6- 月租金：[最低] - [最高] 美元
7- 臥室數：[N]
8- 地點優先：靠近 [旅遊區 / 商業區 / 機場 / 大學]
9- 必須：租約允許轉租（若不清楚則標記）
10- 必須：無 HOA 短期租賃限制
11
12對於找到的每個房產，請提供：
131. 地址 / 房源連結
142. 月租金
153. 估計 Airbnb 月收入（ADR × 預估入住率 × 30）
164. 扣除所有費用後的估計淨利潤
175. 套利評分（1-10）
186. 租約轉租狀態：清楚 / 不清楚 / 禁止
197. 行動：聯繫 / 調查 / 跳過
20
21按利潤潛力排序，最高者優先。
22以整潔的表格輸出。

1市場可行性評分 = (ADR_與_租金_比率 × 0.35)
2               + (平均入住率 × 0.30)
3               + (需求穩定性 × 0.20)
4               + (競爭密度評分 × 0.15)
5
6理想市場：ADR / 月租金 > 2.5 倍
7
8依此指標排名前幾名的美國市場（2026）：
9────────────────────────────────────────────────
10市場              ADR/租金   入住率    評分
11────────────────────────────────────────────────
12納許維爾, TN        3.1 倍     74%      9.2
13斯科茨代爾, AZ      2.9 倍     71%      8.8
14奧斯汀, TX          2.7 倍     69%      8.4
15丹佛, CO            2.6 倍     72%      8.1
16邁阿密海灘, FL      2.8 倍     78%      8.7
17────────────────────────────────────────────────

1你是一位 Airbnb 動態定價策略師。
2
3我的房源：
4- 地點：[街區, 城市]
5- 臥室數：[N]，最多容納人數：[N]
6- 設施：[列出主要設施]
7- 當前價格：每晚 [X] 美元
8- 當前入住率：[X]%
9
10優化我的定價策略：
111. 逐月定價日曆（旺季 vs 平季 vs 淡季）
122. 週末溢價：比平日價格高多少 %？
133. 最後一刻折扣：提前多少天預訂，折扣多少 %？
144. 特殊活動定價（我所在地區的當地活動、節日、會議）
155. 按季節設定的最短住宿天數規則（降低每晚清潔成本）
166. 目標指標：
17   - RevPAN（每晚可用收入）= ADR × 入住率
18   - 當前 RevPAN vs 優化後的 RevPAN
19
20輸出：12 個月定價表 + RevPAN 改善預測

1# Airbnb 套利市場掃描器
2# 使用 AirDNA + Zillow 數據尋找機會
3# 需要：pip install requests pandas rich
4
5import requests
6import pandas as pd
7from rich.console import Console
8from rich.table import Table
9
10console = Console()
11
12def calculate_arbitrage_potential(monthly_rent, adr, occupancy_rate,
13                                   cleaning_per_stay=60, utilities=150,
14                                   avg_stay_nights=3):
15    """
16    計算 Airbnb 租賃套利的淨利潤。
17    """
18    monthly_bookings = (30 / avg_stay_nights) * occupancy_rate
19    gross_revenue = adr * occupancy_rate * 30
20    airbnb_fee = gross_revenue * 0.03
21    cleaning_costs = monthly_bookings * cleaning_per_stay
22    total_expenses = airbnb_fee + cleaning_costs + utilities
23    net_profit = gross_revenue - monthly_rent - total_expenses
24
25    roi_monthly = (net_profit / monthly_rent) * 100
26
27    return {
28        'gross_revenue': round(gross_revenue, 2),
29        'total_expenses': round(total_expenses, 2),
30        'net_profit': round(net_profit, 2),
31        'roi_pct': round(roi_monthly, 1)
32    }
33
34def score_market(adr, monthly_rent, occupancy_rate):
35    """
36    市場評分，從 1 到 10。
37    """
38    ratio = (adr * 30) / monthly_rent
39    occ_score = occupancy_rate * 10
40    ratio_score = min(ratio * 2, 10)
41    return round((ratio_score * 0.6 + occ_score * 0.4), 1)
42
43# 範例 — 要分析的市場
44markets = [
45    {"city": "Nashville, TN", "rent": 1400, "adr": 145, "occupancy": 0.74},
46    {"city": "Austin, TX",    "rent": 1600, "adr": 155, "occupancy": 0.69},
47    {"city": "Denver, CO",    "rent": 1550, "adr": 135, "occupancy": 0.72},
48    {"city": "Miami, FL",     "rent": 1800, "adr": 180, "occupancy": 0.78},
49]
50
51table = Table(title="Airbnb 套利市場掃描器")
52table.add_column("城市", style="cyan")
53table.add_column("月租金", style="white")
54table.add_column("ADR", style="white")
55table.add_column("入住率", style="white")
56table.add_column("月淨利", style="green")
57table.add_column("ROI %", style="yellow")
58table.add_column("評分", style="magenta")
59table.add_column("結論", style="bold")
60
61for m in markets:
62    result = calculate_arbitrage_potential(m['rent'], m['adr'], m['occupancy'])
63    score = score_market(m['adr'], m['rent'], m['occupancy'])
64    verdict = "強烈建議 ✅" if result['net_profit'] > 800 else \
65              "邊際可行 ⚠️" if result['net_profit'] > 400 else "跳過 ❌"
66
67    table.add_row(
68        m['city'],
69        f"${m['rent']:,}",
70        f"${m['adr']}",
71        f"{int(m['occupancy']*100)}%",
72        f"${result['net_profit']:,}",
73        f"{result['roi_pct']}%",
74        str(score),
75        verdict
76    )
77
78console.print(table)

1寫一個 Python 腳本 - Airbnb 租賃套利市場掃描器。
2
3需求：
4- 接受一個城市列表，包含：租金、ADR、入住率
5- 使用以下公式計算淨利潤：
6  淨利 = (ADR × 入住率 × 30) - 租金 - (ADR × 0.03 × 入住率 × 30)
7        - (每月清潔次數 × 清潔費用) - 水電瓦斯費
8- 基於 ADR/租金比率和入住率給出市場評分 1-10
9- 結論：強烈建議（> 800 美元）/ 邊際可行（400-800 美元）/ 跳過（< 400 美元）
10- 透過 rich 函式庫輸出美觀表格
11- 按淨利潤排序，最佳者置頂
12
13另外提供 requirements.txt。

1項目                     最低預算      舒適預算
2─────────────────────────────────────────────────
3押金                     1,400 美元    2,800 美元
4第一個月租金             1,400 美元    1,600 美元
5家具（IKEA）             1,800 美元    3,500 美元
6床單與備品               300 美元      500 美元
7攝影                     150 美元      250 美元
8Airbnb 上架費用          50 美元       100 美元
9Claude（每月 20 美元）   20 美元       20 美元
10─────────────────────────────────────────────────
11總計：                   5,120 美元    8,770 美元
12
13以每月淨利 1,000 美元計算，回本時間：5–9 個月
14第一年 ROI：             55–118%
15第二年 ROI（無啟動成本）：400%+

1單位數   月淨利             每週工時       需要共同房東？
2──────────────────────────────────────────────────────────
31        800–1,200 美元      5–8 小時       不需要
42        1,600–2,400 美元    8–12 小時      建議
53        2,400–3,600 美元    12–15 小時     需要（15–20%）
65        4,000–6,000 美元    5 小時（有共同房東）  必須

1Claude 出現前：每單位分析需 4–6 小時 → 大多數人放棄
2有了 Claude：20 分鐘 → 輸入提示詞 → 得到附結論的表格 → 打電話給房東