在产业互联网中，最被需要的技术都拥有什么气质？

2014 年刚加入链家时，技术出身的闫觅经常需要向同行解释自己到底是去做什么的。

这也是当时外界对链家和整个居住服务行业普遍的「刻板印象」：这是一个传统的，线下的，不那么需要「科技感」的行业。

事实上，当时的链家正在进行「互联网」升级、进入链家网时代，并开始寻求让技术进入房产交易流程、提升 B 端和 C 端联动效率的方法。而在此之前，链家在房源方面的数据尝试也已经开启，2009 年前后，链家就开始通过「楼盘字典」项目，以盘清和确认房源数据的真实性。这一系列尝试的根本目的，是为了优化房产交易中每个环节的效率。

过去将近十年在技术上的准备被闫觅看做是链家从直营升级做平台贝壳找房的基础能力之一。2018 年 4 月，想要定义行业规则的贝壳找房上线后，开始将交易流程管理、流程优化方案开放给行业合作伙伴。一年后，贝壳找房已经在线下连接超过 2.1 万家门店、拉拢超过 160 个经纪品牌合作方和超过 20 万经纪人。这些数字一定程度上意味着，贝壳的商业模式已经跑通，也意味着它输出的这套包含 IT 系统在内的行业基础设施初步经过了行业的考验。

但对贝壳找房 CTO 闫觅来说，目前技术对房产交易流程的改良还远远不够。要让沉珂的行业更高效的运转，如何深层、准确挖掘消费者意图不仅要依靠数据搜集，更依赖于数据挖掘和分析的深度。随着贝壳版图的扩大、涉及到的房产服务相关业务的变多，技术团队感受到的压力和挑战同样巨大。

在 2019 年 4 月 23 日贝壳一周年上发布的经纪人 AI 助手小贝 1.0，是闫觅团队投入 AI 和大数据研发推出的落地应用之一。「经纪人和客户在聊天窗口里沟通的时候, 小贝 1.0 会辅助经纪人回答问题并对经纪人进行相关提示。比如基于分析客户的需求后, 小贝能辅助经纪人回答房屋、小区等一些基本信息的问题, 为经纪人节省查找资料的时间」，闫觅在发布产品时介绍。这款产品的定位类似于一个「经验老道的经纪人老师」，帮助经纪人更高效的挖掘消费者需求，以求最大程度上缩小经纪人和居住服务的方差问题，快速、高质量的完成订单。

闫觅表示：整个行业正在走过一条从标准化到数字化，再到智能化的迭代路径。过程或许漫长，但每走过一个阶段，对效率的提升也是指数级别的。

房产经纪行业是否具有「科技感」，这个问题重要么？在闫觅这里，这不足以构成一个关注重点。「贝壳的技术团队必须是务实的」，甚至「还有一些基础性的工作需要做」。而更本质的问题是：「大家都在问未来十年会发生什么变化，很少有人问未来十年有什么是不变的呢？其实不变的那部分才是核心的竞争力。」

以下是极客公园对贝壳找房 CTO 闫觅的专访实录：

从标准化到数字化，再到智能化

极客公园：从链家到贝壳，从链家时代打造楼盘字典，到现在贝壳做平台在 SaaS、VR 看房、AI 助手方面的进展，技术路线的进化经过了哪些阶段？

闫觅：如果要追溯，大致应该是经历了 3 个阶段。从 09 年链家就开始做真房源，推出「楼盘字典」这样的系统，跟房产交易各个流程、物和人的标准也开始有了，到 2011 年我们开始主推这件事。

到 2014 年，链家成立互联网团队，也就是进入链家网的时代。这是第二个阶段，我们开始进行 C 端建设，以及思考怎么能让 B 端和 C 端有联动和交互，这个过程中收集到了很多数据。现在我们推出的 AI 助手，也是从线下往线上走的过程中，有了数据基础、了解了交互节点和重点才有的结果。

第三个阶段就是近期。从 2017 年，我们开始做大数据的挖掘和分析，也正式让数据模型产生了很多应用。这是一个从数据搜集、挖掘，到应用的过程，本质是希望能推动房产交易业务流程从标准化，到数字化再到智能化。这是一个在组织能力、技术能力、数据能力等方面有了积累再溢出的过程。总体上经历了一个从自用到通用的过程。我们的感觉是把基础打牢了，再做开放就不是很难的事情。

极客公园：做平台意味着要输出标准。但贝壳要整合的是一个已经存在多年的行业，许多公司已经有比较成熟的 SaaS 系统和 IT 建设，在说服合作伙伴接入的过程中，为什么这么快就能规模性的解决问题？

闫觅：我经常会说 SaaS 不能简单看成一个工具和系统，它是管理理念和机制的承载，这是核心。其实之前在并购其他公司的时候有过实践，所以在 2018 年开始做更大规模的输出时，我们很关注系统性统一管理语言这件事。

一些大的品牌，比如 21 世纪不动产，它原来也有自己的系统。在并网对接操作层面时会很复杂，需要磨合。贝壳很自信自己的系统稳定性是最高的，但我们会和合作伙伴探讨行业核心的理念，包括系统层面、技术输出层面。过程的确会经历波折，现在这个程度是双方一起努力的结果，也是价值观理念互相认同的结果。只要这个层面达成一致，后面的路都好走。

极客公园：怎么理解「价值观理念互相认同」？这种认同具体如何落实到流程设计上？

闫觅：大家都认同一点，就是技术是会提升效率的，数据的核心也会提高效率。具体来说，比如带看这个环节，现在很多时候是依赖于人员的手工录入，但这是很不可靠的一件事。我们想办法在过程中把系统当成必用的工具，而不是做完了之后再录入上来，所以有了 VR 看房、AI 助手这些工具，也让手机在从约到看房的过程中成为一个必用的工具。

但这一切的前提是工程师「接地气」。我自己刚来的时候，就去门店实习过两个月。到现在我们很鼓励工程师去听经纪人的咨询或者是投诉，因为门店、业务那边的现实情况和技术团队这边的认知有时候存在差异，所以「接地气」的过程很重要。

永无止尽的「渴求数据」

极客公园：看上去技术层面要做的事情很多，贝壳在战略上阶段性的重点是什么？

闫觅：从几个方面来看，一是大数据本身会驱动运营，通过不同报表的分析来指导业务怎么做。当然也需要能力的建设，包括数据的及时性、稳定性，这是基础层面。另外基于大数据，未来从业者会越来越多，一方面需要思考如何管理，另一方面我们希望这些店东和经纪人变好，所以需要提供一些工具，包括自动化的工具，让他觉得在这里可以提升效率、解决问题。

抽象出来其实是一个大的方向。从房产交易来看，每年的房子就这么多，怎么应对买房需求的用户，深度挖掘出用户的需求，高效优质地给他匹配房子，为他服务。

极客公园：房产交易这个垂直的行业，对数据挖掘层面的特点和要求是什么？贝壳的终极目标是什么？

闫觅：要说房产交易行业的数据特点，可能用户量并不大，其实它是更深的。一年买房子的人就这么多，不像社交之类的领域会有爆发性的增长。

所以直到现在，我们对数据的渴求程度是相当高的，是无止境的。虽然我们过去做「楼盘字典」已经积累了很多物的数据，但属于作业流程里的有些数据是缺失的。最典型的就是从线下到线上的信息录入，过去靠人来填写，这并不可靠，数据会丢失，甚至有虚假的问题。

另外就是对一个客户，我们需要知道他最新的需求，甚至挖掘更深的需求。所以我们希望，最终 AI 助手小贝可以像人一样去理解问题。甚至我们希望未来能够拥有一颗「贝壳大脑」。现在可以做到比较表面的匹配，比如某个客户很关注有没有电梯，系统可以分析出他家里可能有老人。但这还不够，举个例子，我们记得有一位北京的客户，去南三环看了几套房子、又去东边看了几套房子。他到底是什么购房需求？普通经纪人是判断不出来的。但从业十几年的经纪人就会凭借经验，很快了解这个用户的需求。我们的系统什么时候能够做到这个地步，清楚的根据客户行为分析他想买什么样的房子，这是终极目标。

贝壳一周年上发布的经纪人 AI 助手小贝 1.0

贝壳找房技术团队的「想象」和「务实」

极客公园：具体说说 AI 助手小贝 1.0 这个产品的研发过程和逻辑？

闫觅：目前第一个版本是基于 IM 的场景。首先想解决的是知识图谱的问题，另外是对问题意图的识别。这里面包括参考优秀的经纪人是怎么做的，再把这些技能赋能给普通的经纪人，这带有非常强的业务属性，我们希望开放给更多的行业使用。

去年做的还比较简单，我们会给经纪人在对话中提供答案提示，经纪人一点复制就发送到对话框。今年会基于数据做更多的挖掘，除了问题表象需求的解答以外，更多的是对意图的识别：客户问这句话的意图是什么，我们能够挖掘出更深的需求。而且现在发布的是 1.0 版本，后面 2.0 会拓展到更多的情景中。

极客公园：关于 AI 变革居住服务行业这件事，我们到底是怎么理解的？AI 发挥的是什么层面的作用？

闫觅：我是做技术出身的，本身我也一直在思考。几年前好多互联网公司出来号称要「颠覆一切」，各种 O2O 消费，比如洗车、美甲都那时候出来的。结果是他们好像太疯狂了。现在看，很多公司都没有抓到业务的本质。大家都在问未来十年会发生什么变化，很少有人问未来十年什么不变呢？其实不变的才是核心的竞争力，不是一家公司搞了一年拿了一堆融资这么简单。因为组织能力的建设、基础设施的建设和对品质的关注，这都是很漫长的过程，不是突然有个新技术就能「颠覆」过去的。

所以我们的产品为什么叫 AI 助手，不叫机器人，就是因为它不是替代经纪人的。我们暂时没必要想那么远的事情，只需要坚定一点，在未来很多年，房产交易整个的作业模式确实是一个重大决策过程。客户对服务品质要求非常高，一定需要有专业的服务在里面。所以这个 AI 助手定义的本质就是帮助经纪人，提高效率、降低成本。

极客公园：所以贝壳对待技术的态度，更多是更务实的倾向？

闫觅：务实是一种基础。大家都在喊产业互联网，好像这是一个新的热点，但贝壳总是很务实的。未来有更多模式的确可以想象一下，但今年很重要的一个目标就是让技术帮助业务跑的更顺，因为从标准化到数字化到智能化，这个过程不是一段一段有明确分割线的，而是迭代的。这里面还有一些基础性的工作需要做，我们总体是希望基于数据能够有更多的突破。

图片来源：贝壳找房

编辑：卧虫

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: