本文为武斌先生在2026不雅点年度论坛发表的演讲。

武斌（贝好家C2M窜改中心总司理）：环球下昼好，很欢娱今天有契机与环球共享贝好家集团的模式。刚才听了多位嘉宾的演讲，亦然获益匪浅。既有对行业翌日趋势的判断，也有在好屋子上头的开拓和窜改。咱们也但愿贝好家在房地产新模式里成为一份子，和环球一同前行。

可能好多伙伴也很感敬爱敬爱，贝壳为安在当下布局贝好家。其实也源于咱们关于行业本人的一些判断。近些年来，其实统统这个词阛阓的结构发生了荒谬大的变化。在头部城市，二手房交游占比已进步70%。

举例北京、上海二手房成交占比已达80%，是以二手交游它成了行业里主流的交游结构。是以它的成交价钱的走势能更好地代表阛阓真实趋势的。

另外，统统这个词阛阓的供求相干发生了荒谬大的变化。二手的库存房源量在合手续攀升。新增的有用房客比的趋势显露，从2021年运转还是少于1，致密参预房多客少的期间。而且用户的遴选在变得越来越严慎。

2021年的时候，一个成交用户平均看房次数约10.7次。但到2025年，基本上一个成交的用户，他平均看房次数约16.8次。客户买屋子在变得越来越严慎，统统这个词周期也变得越来越长。

是以，统统这个词行业在濒临一个新的命题——在这样的阛阓环境下，怎样才能针对客户的诉求打造真实适销对路的好屋子。环球齐在作念些尝试，咱们也但愿参与其中。

2023年的时候，倪部长亦然瀽瓴高屋地提议了“以东谈主定房”“以房定地”“以房定钱”的前瞻性劝诱。

这亦然贝好家C2M理念的清贫基础。C2M模式的中枢是基于海量的数据，诓骗大数据和AI算法的才能为客户提供适宜需求的居品。

一块地，咱们究竟应该为谁作念，作念什么？可否在更前置节点给出相对来讲更客不雅的判断。在拿地之前，咱们用C2M的模子疏通东谈主工可研作念真实客户的触达考证，从而造成初步的定位决议。

同期在统统这个词的开荒的过程中，合手续收敛和真实的客户进行联结，为居品打造提供真实需求的考证。

C2M模式离不开好多中枢才能的构建。在中枢构建上，海量数据的基建与数据居品是构建C2M模式的基石。同期，构建贝好家的定位才能和客户触达的才能。

C2M的中枢是“C”（客户），对客户的深度领会是统统决策的前提，如何造成真实、有用的客户细察至关清贫。贝壳领有海量房源供给数据，可剖判捕捉客户真执手脚轨迹；同期具备及时、真实的交游数据与价钱数据，精确反馈客户出价时点与购房决策。比如，客户以什么价钱买下，什么技能作念的买方决策，这些是能够可以参考的。

同期因为贝壳提供统统这个词线上的平台，每天齐有海量的用户在这里看房，他们浏览了什么样的房源，筹商了什么样的房源，出价了什么样的房源，其实齐会有真实的呈现。

基于这样的海量的数据的财富，再疏通咱们的一些模子算法的才能，业务的计策，就能够更精确地描摹咱们所面向的客户的客户容量、客户画像、客户需求。

（PPT）这是咱们里面的一个器用，环球可以浅陋看一下，其实即是针对客户不同的遴选下，咱们能够分析这些客户的一些精确的画像，包括它的散布，它的趋势，包括在不同的空间上头，职住外溢回流、竞争板块的挪动，在这种情况下到底是怎样散布和组成的。

同期也能够看明晰每个板块它客户的着手的合座组成，比如他今天责任在哪，住在哪儿，以及这些客户的一些骨子的特征、偏好以及在购房价钱、面积段等等的倾向。

以上是客户细察。这是咱们模子分析的基础，同期在价钱上也需要作念一些科学的判断。在统统这个词价钱判断上，咱们能够有几个中枢才能。

第一个是时点价模子。系统梳理了影响房屋价值的因子的矩阵，然后建立了科学体系化的打分的揣摸的花样。同期中式高参考性的楼盘来作念参考。

在相似的一套打分模式下，造成多个楼盘的竞争力的对比。同期再结合真实的入市盘的它的量价的发达，疏通这中间的一些量价的影响的折算，就造成了本案相对更科学的订价。

同期，在过程中也有荒谬多的量化才能的确立。举个例子，针对不同的客群，地铁到底关于价钱的溢价影响多大？不同的距离关于不同的客群地铁的溢价是若干？进步若干的距离，地铁的溢价就不再存在了。这些咱们齐会作念科学的一些界说和量化。

另外一个即是价钱的趋势，过往环球笃定齐在看价钱，但看得更多是均价，关联词均价本人它其实是受好多的要素的影响。比如交游结构、房屋楼龄、朝向等，是以只看均价可能会造成因交游结构的各别所造成的价钱假象。是以咱们无论是在二手如故在新址上齐作念了科学的量化的花样，尽可能造成真实趋势的描摹。

还有一种，分户订价。环球齐在一房一价，但一房一价是怎样定出来的，咱们亦然梳理了在归拢个小区里面，影响它的房屋订价的不同的维度。

比如水平差，位置差，kaiyun sports同期亦然通过量化的花样造成一些客不雅的逻辑。比如不同的业态、不同的楼层，它的溢价水平是什么样的。比如，20楼和15楼到底哪个楼层在不同的业态下，它的溢价率是更高的。这些也齐会作念科学的量化以及在实操中应用。

还有一个荒谬清贫的是，套型的配比。这其实是一个荒谬复杂的事情，因为这中间阛阓、客户、地皮齐会有荒谬大的影响。咱们也通过更全面的数据和更定量的步骤，同期聚首真实的客户作念了一些校验，最终造成了套型配比的逻辑。

这里举几个例子，比如在阛阓上，因为二手房交游在交游阛阓里面占主流，基于潜在二手房交游客户的偏好、支付力、需求等等的倾向对客户造成判断。哪怕今天他是一个没商酌注新址的客户，也能够进行用户画像的建立。从而造成更合座全面的客户判断。

再比如地皮，其实针对城市里面的每一个点、每一块地皮，齐会智能化地造成地皮质素的评判。从而通过更详尽的阛阓、客户，地皮的周围的要素看今天究竟定什么样的套型比例是更适宜阛阓的趋势和更能知足客户诉求的。另外皮统统这个词价值塑造上，也会打造契合客群需求的神色价值的体系。

另外一个荒谬清贫的即是客户触达的才能。基于贝壳宏大的精确的客户的资源，贝好家也自建了客户触达的平台。这中间既可以作念精确的东谈主群的圈选、天的确问卷的竖立、多元的效用分析来尽可能真实的围绕真实的客群造成洞见并进行需求考证。

（PPT）这是咱们里面系统的一个浅陋的呈现。无非即是如何更好地圈选更合适的东谈主群，比如不同的区域，技能，客户的类型等等。也可以检察今天圈选的这些东谈主群的散布、职住的组成、客户画像，比如居住的楼龄、面积，子女的特征、子女的数目等等的特征，同期也可以针对每一个客户的样本作念针对性的回溯和调研。

同期在一些问卷的竖立上，也可以作念更天真化的一些竖立。比如咱们不同的答题卡，历史的已有的问卷，怎样能够更天的确复用，这中间怎样作念更科学的导入。还有好多在作念线下的问卷，如何作念批量的导入和生成，这些齐在作念相应的才能的确立。同期翌日也会在AI的问卷生成上作念绝酌定的辛苦。

还有荒谬清贫的基础即是咱们的数据的基建和数据的居品。比如新址的阛阓的数据，同期会有贝壳独到的二手房的阛阓数据、客户的举止的数据，包括这样多年积贮的房源的数据，这些会共同组成咱们今天的数据的基建。同期通过咱们所打造的纵横的数据居品来造成正常的功课和一些决策的接济。

真实落到神色上，这两年以来也和荒谬多的合营伙伴打造了好多的神色。咱们也有一些千里淀。

比如上海贝联的神色，在拿这块地的时候，其实左近统统的神色莫得105平米以下的户型，基本上齐是105平以上的，然则商酌这左近的潜客、连环单的组成，包括次新的二手房的散布，会发现95掌握的面积段是有很好的结构化契机的。是以咱们就作念了70平米的户型。从最终的销售效用来讲的话，基本上和预估强横常一致的。同期也会作念海量的客户触达来考证这中间客户的真实。

再比如像成齐贝宸神色，咱们作念车库的遐想会模拟客户真实的行车的场景；再比如像洗烘方面，好多客户其实过往齐是一洗一烘，荆棘叠放。但客户的真实的诉求会合计这荒谬的不方便。是以最终遴选其实是比肩平放，而况举高67公分，这样统统这个词的取放和操作是最方便的。

再比如空中花圃，77%的用户会有养花的风气，然则认为养护是个荒谬大的问题。咱们作念了充分的客户调研：58%的用户认为需要景不雅的请托；75%的用户能够接收上门的养护；93%的用户能够接收三年后付费的养护。这也率领后续一些决议的生成。

再比如杭州沐兰台的神色，那时辰析阛阓的时候发现，在供给侧其实统统这个词新址库存还是出清了，二手的挂牌价是在走高的，价差是在变小，是以是竞争现象是在向好的。同期看需求侧，它统统这个词的从需求客户的着手来看，组成外溢的客户的占比是在收敛晋升的。

咱们也发现这中间的客户后劲是比拟大的，最终达成了和兴耀的合营。在其实并不太起眼的一块地皮上，如故已毕了计议蓄意和销售筹划双优的发达。

最终已毕的客户销售，统统这个词着手的组成和咱们的预估还强横常一致的。包括最终价钱的偏差和整盘的订价的偏差也强横常一致的。

咱们那时预估，六个月清盘的话，价钱是定到33000元，对应的月均流速是五套。要是按三个月清盘，那咱们价钱就到31700元，月均流速109套。最终已毕了三个月去化了94%，成交价钱是31500元，成交流月均流出102套，和咱们的预估强横常一致。

截止现在，贝好家已与寰球广宽伙伴达成合营。上周，北京翌日科学城的翌日城·星寰期间神色开盘，这是翌日科学城近七年头度初度自主操盘神色，而不是与其他开荒商颐养操盘。同期，他们引入了贝好家在居品定位、遐想筹商，包括营销上深度合营，开盘本日就卖了389套，获得了可以的效用。

翌日，贝好家但愿与更多合营伙伴联袂，在房地产开荒全经由中提供更多助力。

谢谢环球开云体育官方网站。