شناسایی تقاضای موثر در بازار مسکن امری است که می‌تواند ارزش افزوده‌های بسیاری برای این بخش مهم و تاثیرگذار در اقتصادکلان و وضعیت اجتماعی مردم به همراه داشته باشد. آمارهایی که می‌تواند، وزنه ترازوی بین عرضه و تقاضا باشد و سیاستگذاران را برای اتخاذ تصمیم‌های بهتر راهنمایی کند. تصمیم‌هایی که در صدور پروانه‌های ساختمانی و ایجاد جریان تشویقی یا بازدارنده به سمت عرضه یا تقاضا منجر می‌شود.
این نحوه سیاست‌گذاری به یک نیاز واجب تبدیل شده است. زیرا در حال حاضر افزایش قیمت‌های شدیدی در بازار مسکن به خصوص در بخش اجاره رخ داده و مشاهده می‌شود اجاره آپارتمان درچیذر یا اجاره آپارتمان در یوسف‌آباد به قیمت خرید یک واحد مسکونی در مناطق جنوبی شهر رسیده است.
سرشماری نفوس و مسکن تا حدودی ماموریت شناسایی تعداد جمعیت را بر عهده دارد و توانسته این مهم را به مرحله خوبی برساند و آماری از جمعیت کشور ارائه دهد. اما اینکه چه مقدار ازدواج، طلاق و مستقل شدن جوانان از خانواده روی داده را نمی‌تواند دقیق بسنجد و آماری از نیازمسکن در سالهای بعد بدهد.
از طرفی اینکه چه خانواده‌هایی برای فرزندان خود خانه تهیه کرده‌اند یا شرایط تهیه آن را دارند و چه کسانی قبل از ازدواج به طور مستقل زندگی می‌کنند اطلاعاتی است که کمتر مورد توجه قرارگرفته و از این رو نمی‌توان نیاز آینده مسکن را سرشماری کرد. از سویی دیگر سرشماری نفوس و مسکن از تقاضای خرید یا اجاره مسکن آماری استخراج نمی‌کنند تا بتوان به صورت جزئی تعداد واحدهای مورد نیاز جامعه را سنجید.
از این رو باید بستری برای شناسایی تقاضای موثر بازار و میزان تولید مسکن در نظر گرفته شود تا به همان میزان سیاست‌گذاری‌ها رخ دهد. گفتنی است میزان معاملات انجام شده در یک بازه زمانی می‌تواند دیدی از میزان تقاضا ارائه دهد. منتها دقیق نبوده و تغییرات فصلی و واکنش بازارمسکن به اتفاقات سیاسی و اقتصادی در این نوع تحلیل بازار کاربردی نیست. از این رو بستری که وزارت راه و شهرسازی با عنوان سامانه اطلاعات بازار املاک(سابا) ایجاد کرده نمی‌تواند مرجعی کامل برای شناسایی میزان تقاضای موثر باشد.
از این رو باید اطلاعات این سامانه را با میزان درخواست خرید یا اجاره‌خانه تحلیل کرد و به همان نسبت خروجی مورد نیاز سیاستگذاران را ارائه داد.
سامانه کیلید این مهم را با بهره‌گیری از هوش‌مصنوعی انجام می‌دهد. این سامانه که مدتی است با هدف کمک به مشاورین املاک و مردم برای ایجاد تسهیل و تسریع در انجام معاملات ملکی فعالیت خود را آغاز کرده قدمی فراتر برداشته و به تحلیل و ارائه آمار از روند بازار مسکن می‌پردازد. این فرآیند را کیلید در بخش اطلاعات بازارمسکن منتشر می‌کند. گفتنی است اطلاعات فوق از سامانه (سابا) و منابع معتبر دیگر در کنار میزان معاملاتی که در این سامانه ثبت می‌شود استخراج و هوش‌مصنوعی آن را پردازش می‌کند و نسبت به درخواست کاربران، خروجی مناسب ارائه می‌دهد.
درخواست کاربران در این بخش می‌تواند آگاهی از روند نوسانات قیمت و تعداد معاملات در بازه‌های زمانی مختلف و به تفکیک مناطق باشد. به این طریق کاربران می‌توانند با مشخص‌کردن منطقه مورد نظرشان نموداری از نوسانات کاربردی قیمت و تعداد معاملات را به همراه میانگین قیمت خانه در این منطقه مشاهده کنند. به طور مثال متقاضی اجاره آپارتمان در پونک می‌تواند با مراجعه به این بخش، ارزش واقعی ملک مورد نظر خود را برای اجاره متوجه شود و به همان نسبت اقدام به جستجو کند.
اما کیلید تنها میانگین قیمت‌ها را محاسبه و ارائه نمی‌دهد و بازهم برای اولین بار ارزش افزوده دیگری در بازار مسکن ایجاد کرده و تخمینی از قیمت ملک در مناطق مختلف را با واردکردن کدپستی منتشر می‌کند. تخمینی که هوش‌مصنوعی آن را با دقت بسیار در فضای محاسباتی پیچیده پردازش و منتشر می‌کند.
گفتنی است تخمین قیمت کیلید همان شاخصه‌هایی که نیروی انسانی برای قیمت‌گذاری قیمت یک خانه در نظر می‌گیرد را محاسبه می‌کند. شاخصه‌هایی همچون سن بنا، نوع ساخت، متراژ، تعداد اتاق‌ها و ... را در کنار میانگین قیمت معاملات ساختمان‌های مجاور، برای قیمت‌گذاری در نظر می‌گیرد و در فضای محاسباتی پردازش کرده و ارائه می‌دهد.
از این رو می‌توان این تخمین قیمت را مرجع مناسبی برای قیمت‌گذاری دانست. چرا که این قیمت‌ها از ضریب خطای بسیار پایینی برخوردار است که حتی در بین سامانه‌های مشابه در کشورهای توسعه‌یافته همچین ضریب خطای پایینی وجود ندارد. حتی این امر برای بازار اجاره نیز مفید است و می‌توان به راحتی با تبدیل ارزش خانه به رهن و اجاره نرخ مناسب را بدست آورد.
کیلید فعالیت‌های خود را در بازار مسکن تکمیل کرده و برای افزایش آگاهی کاربران از تمام حوزه‌های مرتبط با بخش مسکن همچون معماری و شهرسازی، اقتصاد مسکن و حتی سبک زندگی محتوای تخصصی تولید و در مجله خبری خود با عنوان (kilidmag) منتشر می‌کند.