出品 | 创业最前线

作者 | 蓝齐

如果说，服装、生鲜、化妆品等商品的线上购买已成为人们的日常消费习惯，那么像房子这样事关重大的商品也要在线上解决，不得不让人惊讶于科技发展带来的巨大变迁。

最近几年，细看人们的购房特征会发现这样的趋势：先在App上用VR看房、听经纪人的真人语音介绍，提前了解户型、小区环境甚至交通，等线上筛选完之后，他们会和那些对了自己“眼缘”、评价高的经纪人详细沟通，此时，他们对房源的各方面都了解后，再去实地考查，甚至交易也不用到现场，一个App全部搞定。

关注房产的人，大多注意到贝壳找房这几年的变化：从“真房源”革命，改变了行业虚假信息泛滥的长期问题，也改进了整个行业的公众形象和服务质量。在此之后，贝壳找房相继推出VR看房、AI选房、贝壳分、小贝助手、必看好房、线上贷签等为代表的大数据与智能化工具，让更多的同行也能够使用这些基础设施，并实现了产业共建。

随着这些智能化产品的广泛普及，用户在买房卖房的过程中都更加便捷与高效。贝壳是如何实现这一切的？

1、基础：逐步走向标准化、线上化的经纪服务

众所周知，早年间，传统二手房交易市场混乱，尤其是房源不透明、佣金价格高、欺诈、中介加价等问题，使得购房者不得不承受着高额佣金和低劣服务的双重煎熬。一场交易下来，买卖双方都是心力交瘁。

原因何在？在最初的“前工业化时代”里，房产经纪是以个人服务为标准的，每个用户的体验由接待的门店、经纪人的整体水平决定；经纪人如何介绍房源、报价，就交易过程中资料准备的适时提示等，又取决于门店的精细化管理程度。这就造成即使有成功的经验也难以规模化复制。

（图 / 摄图网，基于VRF协议）

成立于2001年的链家，只是行业中一个微不足道的新成员。当时链家的状态，很像小矮人推动一个巨大的、沉重的巨轮，虽用尽力气也只能迟缓向前。面对最初房产中介领域的行业乱象，链家网、贝壳找房创始人左晖意识到有责任去改变行业的一些顽疾，为用户提供更高品质的服务。除了提升门店经纪人的服务水平，理工科出身的左晖想到的，是用科技的手段来解决一些根本问题。而纵观其早期发展，基本是围绕标准化和线上化所进行的。

一套二手房的交易周期约为90天，在交易过程中，前期的线上浏览房源、与经纪人咨询沟通、线下带看、咨询等，再到资质审核、订金缴纳、居间合同、产权证办理等环节。

如何标准化？贝壳的办法是，将上述整个服务链条拆解成为上百个小的环节，之后在产品上通过技术的方式把它们重新连接，形成一套标准化的服务模型。

而线上化，也不仅仅是将房源信息搬到网上，用户在网上浏览房源信息，只是开始。只有把上述服务链条的每一个交互、流程节点、服务体验和效果等全部以线上系统方式记录、留存，才能形成数据和经验的积累，并提供优化提效的价值。

显然，如果没有大量的行业线下经验积累及强大技术支撑，是没有办法实现的。

但仅有线上化、标准化显然还不够。因为二手房交易是一个周期长、流程多的业务，几乎没有任何两次的流程完全一样……传统的一笔二手房交易往往需要买卖双方去多个办事大厅办理手续，比如购房资质审核、贷款审核、网签面签合同、房产过户、不动产登记等等。

借助科技的发展，从链家孵化而来的贝壳找房，以VR+AI带动居住服务升级，打造出一大批AI加持的线上产品，帮助用户提高二手房交易效率。比如，基于行业和用户痛点，贝壳找房持续推出的诸如线上签约、线上贷签、线上评估等线上化功能，帮助众多无法面对面处理业务的用户完成二手房交易手续。

值得一提的是，这些功能的好处除了提升流程的便捷度之外，还体现在将房屋交易搬到线上后，在一定程度上杜绝了“一房二卖”、“阴阳合同”等现象，横向打造行业基础设施，纵向重构交易场景，房屋交易线上化实现正在推动行业正循环。

2、技术点亮新居住时代

当前，AI+已深入千行百业：大到芯片制造、自动驾驶，小到智能家居、智能学习等，我国已成为全球AI应用最领先和最活跃的国家。在居住服务行业，贝壳等为代表的公司正在以科技的力量重塑行业，通过AI的加持为大众提供更智能便捷的服务。

贝壳找房给自己的定位是：科技驱动的新居住服务商。

如何科技驱动？

作为一家标杆性的产业互联网公司，贝壳的方向很值得借鉴——以基础数据搭建为基础，将服务流程和交互数据线上化，最后形成围绕人、房、客建立全新的数字化居住服务体系，并不断融入智能化技术升级。

首先来看“房”。贝壳找房从还是链家网时就开始建立的“楼盘字典”，截至目前的数据是真实房源已超过2.06亿套，覆盖326个城市的50万个小区。

楼盘字典作为基础，叠加7*24小时循环验真系统，贝壳便能实现平台真房源率95%以上，大幅提升了用户线上找房的效率和体验。

光解决房源问题“楼盘字典”还不够，面对找房子耗时费力问题，贝壳还开创了VR看房——以VR结合AI技术，通过图像识别、结构处理等算法智能化处理三维空间信息，让消费者足不出户了解房屋的信息。

并且，在VR看房的基础之上，贝壳找房的AI讲房也应运而生。

AI讲房是如视开发的一款人工智能语音讲房服务产品，也是目前用户在APP上使用较多的功能之一。在具体使用上，其通过线上模拟经纪人讲房场景，从房屋周边配套、小区内部情况、房屋户型结构和交易信息四大内容维度进行讲解，视听同步，让用户高效、全面地了解房屋及周边的信息。

第三是围绕经纪人的智能化提升。此前，经纪人留存一直是困扰行业的难题，“三个月不开单、开单吃三月”的说法是房产经纪人的真实写照，但并不是所有新入职的经纪人都能在入职三个月内成功开单。再一个，刚入行的经纪人如何成长呢？理想的状态是有一个资深的“师傅”传帮带，但这恐怕只有精细化运营较好的门店能做到。

如何破解？对此，贝壳找房推出的核心模式是ACN（经纪人合作网络）的协作机制——，即将一次房产交易分成十个步骤，包括房源录入、房源维护、客源推荐等，每个步骤都对应一个经纪人的角色。而在交易完成后，每个角色都可以得到一定比例的收益，也就是说，无论是资深还是新手，经纪人都可以在某个环节上获得成就感。

贝壳找房这种全新模式，足以让房产经纪人对行业充满信心，并将之作为可持续发展的长期职业。而当他们发出“‘我在链家2XXX天’了”生日快乐，我的链家”等充满归属感和职业荣誉感的朋友圈时，这种信心变得肉眼可见。

此外，这种服务者模型还对纪纪人进行了职业分级和信用分级，来定位职业经纪人的画像。而贝壳分越多，经纪人对于用户带来的依赖感也会越强。

当这些围绕人、房、客的基础设施搭建完成后，贝壳找房开启了智能化场景应用的创新。比如智能硬件和智能AI客服等。

以AI产品小贝助手为例。由于每套二手房的情况都各不相同，所涉及的各项费用标准也不同，购房人对于税费也往往不了解，那么在APP上，是否可以一键查询到税费明细？

答案是可以的。在贝壳找房App上，通过小贝助手的语音提示功能即可。在VR带看环节，小贝可以充当“全能助手”，它通过语音、文字和工具调用等，提醒经纪人计算方式，帮助他们快速算出来。此外，该功能还可以根据购房者的偏好、所咨询问题，给经纪人“出谋划策”。

除了现场服务的实时提示功能，贝壳还推出“小贝训练场”系统，模拟经纪人与消费者在VR和线下带看的交互场景，这个线上化、标准化、智能化的培训系统能够实时对经纪人评价打分。

通过VR结合AI，贝壳能够识别经纪人带看过程中的最佳实践，以及经纪人服务能力模型中的短板。第三季度，超过12万经纪人参与了小贝训练场培训，有效训练场次超过124万场。

可以看到，虽然贝壳找房是一个居住服务平台，但在数字化、智能化浪潮中，其正以AI的力量推动行业快速向前发展。

3、AI向善造就品质生活

未来十年，产业互联网里蕴藏着最大的机会。在房产里面，以贝壳为代表的产业互联网公司，在若干年前将信息化建设、数字化等方面引入前沿技术，推动数字化跟智能化。从线下行业经验积累开始，到技术赋能业务落地，再到科学管理，贝壳找房正用科技的力量，一步一步推动着居住服务领域的变革，在各个环节促使整个行业发生着颠覆性的变化。

贝壳找房所倡导的“真房源”标准，即真实存在、真实在售、真实价格、真实图片。贝壳上每一个真实可见的房源，消费者通过VR完全可见。在此背后，是数千位一线VR摄影师，以及专门提供VR技术支撑、让一切成为可能的贝壳团队。

（图 / 摄图网，基于VRF协议）

贝壳找房VR技术不仅可以实现线上看房，还可以“云”览博物馆。除了VR技术，贝壳找房正通过一系列数字化工具和智能化服务产品提升消费者体验和效率，线上签约、资金存管、线上贷签等等，已经形成了一个数字化的服务闭环。

在贝壳找房副总裁、首席科学家叶杰平表示，“随着数字化、智能化的推进，未来贝壳打造的新居住的行业，将围绕三个方面推进：中间居住的载体是home（智能家庭）。居住的基础设施是社区，未来随着传感器，各种信息的采集、分析，小区里会有各种各样的摄像头，包括智能家居，家装，电冰箱都会越来越智能。右边是居住服务商，会连接用户，房源和服务者。而背后的核心是AI技术。”

可以看到，贝壳找房的科技驱动，离不开线上化系统的建立，VR+AI的组合拳，更离不开底层人房客数据乃至服务流程数据、经验的积累。

这个链路，是从房产信息和服务流程的标准化、线上化开始，到今天，基本实现了数字化的居住服务。而未来，贝壳找房大力投入的AI更将推动行业走向智能化时代，为真正的美好居住服务“科技驱动”。

*文中题图来自摄图网，基于VRF协议。

来源：创业最前线，已授权『互联网的一些事』发布，转载请注明出处。

「互联网的一些事」聚焦互联网前沿资讯，行业爆料、小道消息、内幕挖掘，关注互联网热点事件！干货分享，提供各种产品文档、行业报告、设计素材免费下载。官方微信：imyixieshi

本文链接: https://www.yixieshi.com/167030.html (转载请保留)