武斌：貝好家C2M模式解密 | 2026觀點年度論壇

本文為武斌先生在2026觀點年度論壇發表的演講。

武　斌（貝好家C2M創新中心總經理）：大家下午好，很高興今天有機會與大家分享貝好家集團的模式。剛才聽了多位嘉賓的演講，也是受益匪淺。既有對行業未來趨勢的判斷，也有在好房子上面的開拓和創新。我們也希望貝好家在房地産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，貝殼為何在當下布局貝好家。其實也源于我們對于行業本身的一些判斷。近些年來，其實整個市場的結構發生了非常大的變化。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80%，所以二手交易它成了行業里主流的交易結構。所以它的成交價格的走勢能更好地代表市場真實趨勢的。

另外，整個市場的供求關繫發生了非常大的變化。二手的庫存房源量在持續攀升。新增的有效房客比的趨勢顯示，從2021年開始已經少于1，正式進入房多客少的時代。而且用戶的選擇在變得越來越謹慎。

2021年的時候，一個成交用戶平均看房次數約10.7次。但到2025年，基本上一個成交的用戶，他平均看房次數約16.8次。客戶買房子在變得越來越謹慎，整個周期也變得越來越長。

所以，整個行業在面臨一個新的命題——在這樣的市場環境下，怎麼才能針對客戶的訴求打造真正适銷對路的好房子。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。

這也是貝好家C2M理念的重要基礎。C2M模式的核心是基于海量的數據，利用大數據和AI算法的能力為客戶提供符合需求的産品。

一塊地，我們究竟應該為誰做，做什麼？可否在更前置節點給出相對來講更客觀的判斷。在拿地之前，我們用C2M的模型疊加人工可研做真實客戶的觸達驗證，從而形成初步的定位方案。

同時在整個的開發的過程中，持續不斷和真實的客戶進行連接，為産品打造提供真實需求的驗證。

C2M模式離不開很多核心能力的構建。在核心構建上，海量數據的基建與數據産品是構建C2M模式的基石。同時，構建貝好家的定位能力和客戶觸達的能力。

C2M的核心是“C”（客戶），對客戶的深度理解是所有決策的前提，如何形成真實、有效的客戶洞察至關重要。貝殼擁有海量房源供給數據，可清晰捕捉客戶真實行為軌迹；同時具備實時、真實的交易數據與價格數據，精準反映客戶出價時點與購房決策。比如，客戶以什麼價格買下，什麼時間做的買方決策，這些是能夠可以參考的。

同時因為貝殼提供整個線上的平台，每天都有海量的用戶在這里看房，他們浏覽了什麼樣的房源，咨詢了什麼樣的房源，出價了什麼樣的房源，其實都會有真實的呈現。

基于這樣的海量的數據的資産，再疊加我們的一些模型算法的能力，業務的策略，就能夠更精準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）這是我們内部的一個工具，大家可以簡單看一下，其實就是針對客戶不同的選擇下，我們能夠分析這些客戶的一些精準的畫像，包括它的分布，它的趨勢，包括在不同的空間上面，職住外溢回流、競争闆塊的遷徙，在這種情況下到底是怎麼分布和構成的。

同時也能夠看清楚每個闆塊它客戶的來源的整體構成，比如他今天工作在哪，住在哪兒，以及這些客戶的一些實際的特征、偏好以及在購房價格、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，同時在價格上也需要做一些科學的判斷。在整個價格判斷上，我們大概有幾個核心能力。

第一個是時點價模型。繫統梳理了影響房屋價值的因子的矩陣，然後建立了科學體繫化的打分的衡量的方式。同時選取高參考性的樓盤來做參考。

在同樣的一套打分模式下，形成多個樓盤的競争力的對比。同時再結合真正的入市盤的它的量價的表現，疊加這中間的一些量價的影響的折算，就形成了本案相對更科學的定價。

同時，在過程中也有非常多的量化能力的建設。舉個例子，針對不同的客群，地鐵到底對于價格的溢價影響多大？不同的距離對于不同的客群地鐵的溢價是多少？超過多少的距離，地鐵的溢價就不再存在了。這些我們都會做科學的一些定義和量化。

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

還有一種，分戶定價。大家都在一房一價，但一房一價是怎麼定出來的，我們也是梳理了在同一個小區里面，影響它的房屋定價的不同的維度。

比如水平差，位置差，同時也是通過量化的方式形成一些客觀的邏輯。比如不同的業态、不同的樓層，它的溢價水平是什麼樣的。比如，20樓和15樓到底哪個樓層在不同的業态下，它的溢價率是更高的。這些也都會做科學的量化以及在實操中應用。

還有一個非常重要的是，套型的配比。這其實是一個非常復雜的事情，因為這中間市場、客戶、土地都會有非常大的影響。我們也通過更全面的數據和更定量的方法，同時鏈接真實的客戶做了一些校驗，最終形成了套型配比的邏輯。

這里舉幾個例子，比如在市場上，因為二手房交易在交易市場里面占主流，基于潛在二手房交易客戶的偏好、支付力、需求等等的傾向對客戶形成判斷。哪怕今天他是一個沒有關注新房的客戶，也能夠進行用戶畫像的建立。從而形成更整體全面的客戶判斷。

再比如土地，其實針對城市里面的每一個點、每一塊土地，都會智能化地形成土地質素的評判。從而通過更綜合的市場、客戶，土地的周圍的因素看今天究竟定什麼樣的套型比例是更符合市場的趨勢和更能滿足客戶訴求的。另外在整個價值塑造上，也會打造契合客群需求的項目價值的體繫。

另外一個非常重要的就是客戶觸達的能力。基于貝殼龐大的精準的客戶的資源，貝好家也自建了客戶觸達的平台。這中間既可以做精準的人群的圈選、靈活的問卷的配置、多元的結果分析來盡可能真實的圍繞真實的客群形成洞見並進行需求驗證。

（PPT）這是我們内部繫統的一個簡單的呈現。無非就是如何更好地圈選更合适的人群，比如不同的區域，時間，客戶的類型等等。也可以查看今天圈選的這些人群的分布、職住的構成、客戶畫像，比如居住的樓齡、面積，子女的特征、子女的數量等等的特征，同時也可以針對每一個客戶的樣本做針對性的回溯和調研。

同時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，怎麼能夠更靈活的復用，這中間怎麼做更科學的導入。還有很多在做線下的問卷，如何做批量的導入和生成，這些都在做相應的能力的建設。同時未來也會在AI的問卷生成上做特别多的努力。

還有非常重要的基礎就是我們的數據的基建和數據的産品。比如新房的市場的數據，同時會有貝殼獨有的二手房的市場數據、客戶的行為的數據，包括這麼多年積累的房源的數據，這些會共同構成我們今天的數據的基建。同時通過我們所打造的縱橫的數據産品來形成日常的作業和一些決策的輔助。

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

比如上海貝聯的項目，在拿這塊地的時候，其實周邊所有的項目沒有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、連環單的構成，包括次新的二手房的分布，會發現95左右的面積段是有很好的結構化機會的。所以我們就做了70平米的戶型。從最終的銷售結果來講的話，基本上和預估是非常一致的。同時也會做海量的客戶觸達來驗證這中間客戶的真實。

再比如像成都貝宸項目，我們做車庫的設計會模拟客戶真實的行車的場景；再比如像洗烘方面，很多客戶其實過往都是一洗一烘，上下疊放。但客戶的真實的訴求會覺得這非常的不方便。所以最終選擇其實是並排平放，並且擡高67公分，這樣整個的取放和操作是最便捷的。

再比如空中花園，77%的用戶會有養花的習慣，但是認為養護是個非常大的問題。我們做了充分的客戶調研：58%的用戶認為需要景觀的交付；75%的用戶能夠接受上門的養護；93%的用戶能夠接受三年後付費的養護。這也指導後續一些方案的生成。

再比如杭州沐蘭台的項目，當時分析市場的時候發現，在供給側其實整個新房庫存已經出清了，二手的挂牌價是在走高的，價差是在變小，所以是競争狀态是在向好的。同時看需求側，它整個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。

我們也發現這中間的客戶潛力是比較大的，最終達成了和興耀的合作。在其實並不太起眼的一塊土地上，還是實現了經營指標和銷售計劃雙優的表現。

最終實現的客戶銷售，整個來源的構成和我們的預估還是非常一致的。包括最終價格的偏差和整盤的定價的偏差也是非常一致的。

我們當時預估，六個月清盤的話，價格是定到33000元，對應的月均流速是五套。如果按三個月清盤，那我們價格就到31700元，月均流速109套。最終實現了三個月去化了94%，成交價格是31500元，成交流月均流出102套，和我們的預估是非常一致。

截至目前，貝好家已與全國衆多伙伴達成合作。上周，北京未來科學城的未來城·星寰時代項目開盤，這是未來科學城近七年首次首次自主操盤項目，而不是與其他開發商聯合操盤。同時，他們引入了貝好家在産品定位、設計咨詢，包括營銷上深度合作，開盤當天就賣了389套，取得了不錯的結果。

未來，貝好家希望與更多合作伙伴攜手，在房地産開發全流程中提供更多助力。

謝謝大家。

免責聲明：本文内容與數據由觀點根據公開信息整理，不構成投資建議，使用前請核實。