武斌：貝好家C2M模式解密 | 2026觀點(diǎn)年度論壇

本文為武斌先生在2026觀點(diǎn)年度論壇發(fā)表的演講。

武　斌（貝好家C2M創(chuàng)新中心總經(jīng)理）：大家下午好，很高興今天有機(jī)會(huì)與大家分享貝好家集團(tuán)的模式。剛才聽了多位嘉賓的演講，也是受益匪淺。既有對(duì)行業(yè)未來趨勢(shì)的判斷，也有在好房子上面的開拓和創(chuàng)新。我們也希望貝好家在房地產(chǎn)新模式里成為一份子，和大家一同前行。

可能很多伙伴也很感興趣，貝殼為何在當(dāng)下布局貝好家。其實(shí)也源于我們對(duì)于行業(yè)本身的一些判斷。近些年來，其實(shí)整個(gè)市場(chǎng)的結(jié)構(gòu)發(fā)生了非常大的變化。在頭部城市，二手房交易占比已超過70%。

例如北京、上海二手房成交占比已達(dá)80%，所以二手交易它成了行業(yè)里主流的交易結(jié)構(gòu)。所以它的成交價(jià)格的走勢(shì)能更好地代表市場(chǎng)真實(shí)趨勢(shì)的。

另外，整個(gè)市場(chǎng)的供求關(guān)系發(fā)生了非常大的變化。二手的庫存房源量在持續(xù)攀升。新增的有效房客比的趨勢(shì)顯示，從2021年開始已經(jīng)少于1，正式進(jìn)入房多客少的時(shí)代。而且用戶的選擇在變得越來越謹(jǐn)慎。

2021年的時(shí)候，一個(gè)成交用戶平均看房次數(shù)約10.7次。但到2025年，基本上一個(gè)成交的用戶，他平均看房次數(shù)約16.8次。客戶買房子在變得越來越謹(jǐn)慎，整個(gè)周期也變得越來越長。

所以，整個(gè)行業(yè)在面臨一個(gè)新的命題——在這樣的市場(chǎng)環(huán)境下，怎么才能針對(duì)客戶的訴求打造真正適銷對(duì)路的好房子。大家都在做些嘗試，我們也希望參與其中。

2023年的時(shí)候，倪部長也是高屋建瓴地提出了“以人定房”“以房定地”“以房定錢”的前瞻性引導(dǎo)。

這也是貝好家C2M理念的重要基礎(chǔ)。C2M模式的核心是基于海量的數(shù)據(jù)，利用大數(shù)據(jù)和AI算法的能力為客戶提供符合需求的產(chǎn)品。

一塊地，我們究竟應(yīng)該為誰做，做什么？可否在更前置節(jié)點(diǎn)給出相對(duì)來講更客觀的判斷。在拿地之前，我們用C2M的模型疊加人工可研做真實(shí)客戶的觸達(dá)驗(yàn)證，從而形成初步的定位方案。

同時(shí)在整個(gè)的開發(fā)的過程中，持續(xù)不斷和真實(shí)的客戶進(jìn)行連接，為產(chǎn)品打造提供真實(shí)需求的驗(yàn)證。

C2M模式離不開很多核心能力的構(gòu)建。在核心構(gòu)建上，海量數(shù)據(jù)的基建與數(shù)據(jù)產(chǎn)品是構(gòu)建C2M模式的基石。同時(shí)，構(gòu)建貝好家的定位能力和客戶觸達(dá)的能力。

C2M的核心是“C”（客戶），對(duì)客戶的深度理解是所有決策的前提，如何形成真實(shí)、有效的客戶洞察至關(guān)重要。貝殼擁有海量房源供給數(shù)據(jù)，可清晰捕捉客戶真實(shí)行為軌跡；同時(shí)具備實(shí)時(shí)、真實(shí)的交易數(shù)據(jù)與價(jià)格數(shù)據(jù)，精準(zhǔn)反映客戶出價(jià)時(shí)點(diǎn)與購房決策。比如，客戶以什么價(jià)格買下，什么時(shí)間做的買方?jīng)Q策，這些是能夠可以參考的。

同時(shí)因?yàn)樨悮ぬ峁┱麄€(gè)線上的平臺(tái)，每天都有海量的用戶在這里看房，他們?yōu)g覽了什么樣的房源，咨詢了什么樣的房源，出價(jià)了什么樣的房源，其實(shí)都會(huì)有真實(shí)的呈現(xiàn)。

基于這樣的海量的數(shù)據(jù)的資產(chǎn)，再疊加我們的一些模型算法的能力，業(yè)務(wù)的策略，就能夠更精準(zhǔn)地刻畫我們所面向的客戶的客戶容量、客戶畫像、客戶需求。

（PPT）這是我們內(nèi)部的一個(gè)工具，大家可以簡(jiǎn)單看一下，其實(shí)就是針對(duì)客戶不同的選擇下，我們能夠分析這些客戶的一些精準(zhǔn)的畫像，包括它的分布，它的趨勢(shì)，包括在不同的空間上面，職住外溢回流、競(jìng)爭(zhēng)板塊的遷徙，在這種情況下到底是怎么分布和構(gòu)成的。

同時(shí)也能夠看清楚每個(gè)板塊它客戶的來源的整體構(gòu)成，比如他今天工作在哪，住在哪兒，以及這些客戶的一些實(shí)際的特征、偏好以及在購房?jī)r(jià)格、面積段等等的傾向。

以上是客戶洞察。這是我們模型分析的基礎(chǔ)，同時(shí)在價(jià)格上也需要做一些科學(xué)的判斷。在整個(gè)價(jià)格判斷上，我們大概有幾個(gè)核心能力。

第一個(gè)是時(shí)點(diǎn)價(jià)模型。系統(tǒng)梳理了影響房屋價(jià)值的因子的矩陣，然后建立了科學(xué)體系化的打分的衡量的方式。同時(shí)選取高參考性的樓盤來做參考。

在同樣的一套打分模式下，形成多個(gè)樓盤的競(jìng)爭(zhēng)力的對(duì)比。同時(shí)再結(jié)合真正的入市盤的它的量?jī)r(jià)的表現(xiàn)，疊加這中間的一些量?jī)r(jià)的影響的折算，就形成了本案相對(duì)更科學(xué)的定價(jià)。

同時(shí)，在過程中也有非常多的量化能力的建設(shè)。舉個(gè)例子，針對(duì)不同的客群，地鐵到底對(duì)于價(jià)格的溢價(jià)影響多大？不同的距離對(duì)于不同的客群地鐵的溢價(jià)是多少？超過多少的距離，地鐵的溢價(jià)就不再存在了。這些我們都會(huì)做科學(xué)的一些定義和量化。

另外一個(gè)就是價(jià)格的趨勢(shì)，過往大家肯定都在看價(jià)格，但看得更多是均價(jià)，然而均價(jià)本身它其實(shí)是受很多的因素的影響。比如交易結(jié)構(gòu)、房屋樓齡、朝向等，所以只看均價(jià)可能會(huì)形成因交易結(jié)構(gòu)的差異所形成的價(jià)格假象。所以我們不管是在二手還是在新房上都做了科學(xué)的量化的方式，盡可能形成真實(shí)趨勢(shì)的刻畫。

還有一種，分戶定價(jià)。大家都在一房一價(jià)，但一房一價(jià)是怎么定出來的，我們也是梳理了在同一個(gè)小區(qū)里面，影響它的房屋定價(jià)的不同的維度。

比如水平差，位置差，同時(shí)也是通過量化的方式形成一些客觀的邏輯。比如不同的業(yè)態(tài)、不同的樓層，它的溢價(jià)水平是什么樣的。比如，20樓和15樓到底哪個(gè)樓層在不同的業(yè)態(tài)下，它的溢價(jià)率是更高的。這些也都會(huì)做科學(xué)的量化以及在實(shí)操中應(yīng)用。

還有一個(gè)非常重要的是，套型的配比。這其實(shí)是一個(gè)非常復(fù)雜的事情，因?yàn)檫@中間市場(chǎng)、客戶、土地都會(huì)有非常大的影響。我們也通過更全面的數(shù)據(jù)和更定量的方法，同時(shí)鏈接真實(shí)的客戶做了一些校驗(yàn)，最終形成了套型配比的邏輯。

這里舉幾個(gè)例子，比如在市場(chǎng)上，因?yàn)槎址拷灰自诮灰资袌?chǎng)里面占主流，基于潛在二手房交易客戶的偏好、支付力、需求等等的傾向?qū)蛻粜纬膳袛唷Ｄ呐陆裉焖且粋€(gè)沒有關(guān)注新房的客戶，也能夠進(jìn)行用戶畫像的建立。從而形成更整體全面的客戶判斷。

再比如土地，其實(shí)針對(duì)城市里面的每一個(gè)點(diǎn)、每一塊土地，都會(huì)智能化地形成土地質(zhì)素的評(píng)判。從而通過更綜合的市場(chǎng)、客戶，土地的周圍的因素看今天究竟定什么樣的套型比例是更符合市場(chǎng)的趨勢(shì)和更能滿足客戶訴求的。另外在整個(gè)價(jià)值塑造上，也會(huì)打造契合客群需求的項(xiàng)目?jī)r(jià)值的體系。

另外一個(gè)非常重要的就是客戶觸達(dá)的能力。基于貝殼龐大的精準(zhǔn)的客戶的資源，貝好家也自建了客戶觸達(dá)的平臺(tái)。這中間既可以做精準(zhǔn)的人群的圈選、靈活的問卷的配置、多元的結(jié)果分析來盡可能真實(shí)的圍繞真實(shí)的客群形成洞見并進(jìn)行需求驗(yàn)證。

（PPT）這是我們內(nèi)部系統(tǒng)的一個(gè)簡(jiǎn)單的呈現(xiàn)。無非就是如何更好地圈選更合適的人群，比如不同的區(qū)域，時(shí)間，客戶的類型等等。也可以查看今天圈選的這些人群的分布、職住的構(gòu)成、客戶畫像，比如居住的樓齡、面積，子女的特征、子女的數(shù)量等等的特征，同時(shí)也可以針對(duì)每一個(gè)客戶的樣本做針對(duì)性的回溯和調(diào)研。

同時(shí)在一些問卷的配置上，也可以做更靈活化的一些配置。比如我們不同的答題卡，歷史的已有的問卷，怎么能夠更靈活的復(fù)用，這中間怎么做更科學(xué)的導(dǎo)入。還有很多在做線下的問卷，如何做批量的導(dǎo)入和生成，這些都在做相應(yīng)的能力的建設(shè)。同時(shí)未來也會(huì)在AI的問卷生成上做特別多的努力。

還有非常重要的基礎(chǔ)就是我們的數(shù)據(jù)的基建和數(shù)據(jù)的產(chǎn)品。比如新房的市場(chǎng)的數(shù)據(jù)，同時(shí)會(huì)有貝殼獨(dú)有的二手房的市場(chǎng)數(shù)據(jù)、客戶的行為的數(shù)據(jù)，包括這么多年積累的房源的數(shù)據(jù)，這些會(huì)共同構(gòu)成我們今天的數(shù)據(jù)的基建。同時(shí)通過我們所打造的縱橫的數(shù)據(jù)產(chǎn)品來形成日常的作業(yè)和一些決策的輔助。

真正落到項(xiàng)目上，這兩年以來也和非常多的合作伙伴打造了很多的項(xiàng)目。我們也有一些沉淀。

比如上海貝聯(lián)的項(xiàng)目，在拿這塊地的時(shí)候，其實(shí)周邊所有的項(xiàng)目沒有105平米以下的戶型，基本上都是105平以上的，但是研究這周邊的潛客、連環(huán)單的構(gòu)成，包括次新的二手房的分布，會(huì)發(fā)現(xiàn)95左右的面積段是有很好的結(jié)構(gòu)化機(jī)會(huì)的。所以我們就做了70平米的戶型。從最終的銷售結(jié)果來講的話，基本上和預(yù)估是非常一致的。同時(shí)也會(huì)做海量的客戶觸達(dá)來驗(yàn)證這中間客戶的真實(shí)。

再比如像成都貝宸項(xiàng)目，我們做車庫的設(shè)計(jì)會(huì)模擬客戶真實(shí)的行車的場(chǎng)景；再比如像洗烘方面，很多客戶其實(shí)過往都是一洗一烘，上下疊放。但客戶的真實(shí)的訴求會(huì)覺得這非常的不方便。所以最終選擇其實(shí)是并排平放，并且抬高67公分，這樣整個(gè)的取放和操作是最便捷的。

再比如空中花園，77%的用戶會(huì)有養(yǎng)花的習(xí)慣，但是認(rèn)為養(yǎng)護(hù)是個(gè)非常大的問題。我們做了充分的客戶調(diào)研：58%的用戶認(rèn)為需要景觀的交付；75%的用戶能夠接受上門的養(yǎng)護(hù)；93%的用戶能夠接受三年后付費(fèi)的養(yǎng)護(hù)。這也指導(dǎo)后續(xù)一些方案的生成。

再比如杭州沐蘭臺(tái)的項(xiàng)目，當(dāng)時(shí)分析市場(chǎng)的時(shí)候發(fā)現(xiàn)，在供給側(cè)其實(shí)整個(gè)新房庫存已經(jīng)出清了，二手的掛牌價(jià)是在走高的，價(jià)差是在變小，所以是競(jìng)爭(zhēng)狀態(tài)是在向好的。同時(shí)看需求側(cè)，它整個(gè)的從需求客戶的來源來看，組成外溢的客戶的占比是在不斷提升的。

我們也發(fā)現(xiàn)這中間的客戶潛力是比較大的，最終達(dá)成了和興耀的合作。在其實(shí)并不太起眼的一塊土地上，還是實(shí)現(xiàn)了經(jīng)營指標(biāo)和銷售計(jì)劃雙優(yōu)的表現(xiàn)。

最終實(shí)現(xiàn)的客戶銷售，整個(gè)來源的構(gòu)成和我們的預(yù)估還是非常一致的。包括最終價(jià)格的偏差和整盤的定價(jià)的偏差也是非常一致的。

我們當(dāng)時(shí)預(yù)估，六個(gè)月清盤的話，價(jià)格是定到33000元，對(duì)應(yīng)的月均流速是五套。如果按三個(gè)月清盤，那我們價(jià)格就到31700元，月均流速109套。最終實(shí)現(xiàn)了三個(gè)月去化了94%，成交價(jià)格是31500元，成交流月均流出102套，和我們的預(yù)估是非常一致。

截至目前，貝好家已與全國眾多伙伴達(dá)成合作。上周，北京未來科學(xué)城的未來城·星寰時(shí)代項(xiàng)目開盤，這是未來科學(xué)城近七年首次首次自主操盤項(xiàng)目，而不是與其他開發(fā)商聯(lián)合操盤。同時(shí)，他們引入了貝好家在產(chǎn)品定位、設(shè)計(jì)咨詢，包括營銷上深度合作，開盤當(dāng)天就賣了389套，取得了不錯(cuò)的結(jié)果。

未來，貝好家希望與更多合作伙伴攜手，在房地產(chǎn)開發(fā)全流程中提供更多助力。

謝謝大家。

免責(zé)聲明：本文內(nèi)容與數(shù)據(jù)由觀點(diǎn)根據(jù)公開信息整理，不構(gòu)成投資建議，使用前請(qǐng)核實(shí)。